Invitación a Charla Técnica: «Machine Learning: Sistema de predicción del aumento del consumo de energía en plantas concentradoras»

• Cómo reducir eventos de alto consumo específico de energía en Molinos SAG anticipándose a la ocurrencia de estos eventos, mediante la aplicación de técnicas de Machine Learning, disminuyendo con ello el consumo específico de energía global del proceso de conminución.

Descripción del tema

Dentro del proceso de conminución de minerales de cobre, la molienda SAG ha destacado como un proceso relevante que permite de una manera eficiente acortar las etapas de chancado y molienda, en comparación a la molienda convencional. A la vez, los molinos SAG son unos de los equipos de mayor consumo de energía eléctrica del proceso minero, por lo que resulta indispensable que su operación sea eficiente desde el punto de vista energético. La operación eficiente de un molino SAG depende del manejo de diversas variables de control, por lo cual es complejo identificar si la tendencia de una variable específica, podría o no influir en el aumento del consumo de energía sobre un límite que se considere apropiado. Es, por esta razón, que con el objetivo de contar con un sistema inteligente que permita evitar eventos en los cuales el consumo específico de energía del molino SAG sobrepase un límite o meta establecida, la empresa JHG ha desarrollado una herramienta para gestionar una operación energéticamente eficiente en molinos SAG mediante el uso de técnicas de Machine Learning.

Fecha: Jueves 18 de junio de 9:00 a 10:30 horas
Concepto de las Charlas

Modo: Videoconferencias (sin costo)
Duración: 90 Min.
Presentación: 45 Min.
Discusión: 45 Min.

Relator

Juan Francisco Sepúlveda Cruz

Ingeniero civil Mecánico de la Universidad de Concepción. Obtuvo su Diploma en Ciencias e Ingeniería de Datos en la Universidad de Chile. Es Data Scientist certificado por la Academia Desafío Latam. Actualmente Ingeniero de Innovación y Desarrollo en JHG Ingeniería. Posee 6 años de experiencia en la implementación de proyectos tecnológicos en el área del monitoreo remoto industrial y 2 años en el desarrollo de modelos de Machine Learning aplicados a procesos industriales.

Presenta y modera

Davor Gjuranovic

Deutsche Gesellschaft für
Internationale Zusammenarbeit (GIZ) GmbH

Programa Energías Renovables y Eficiencia Energética en Chile (4e)
www.4echile.cl

[layerslider id=»7″]