DomainMCF: Nueva tecnología para la geología

• Machine Learning, combinado con computación en la nube, está destinado a liberar la cadena de suministro geológico para permitir que las empresas aprovechen mejor un activo clave: su modelo geológico.

Maptek, proveedor global de software, hardware y servicios innovadores acaba de lanzar al mercado DomainMCF, plataforma que, según su fabricante, “devolverá la geología a los geólogos”. De acuerdo con Steve Sullivan, geólogo y líder del proyecto, “los geólogos alimentan los datos de sondajes y obtienen modelos de dominio o ley en mucho menos tiempo que los métodos tradicionales de modelado de recursos”.

DomainMCF aplica métodos de aprendizaje profundo y computación de big data para generar límites de dominio directamente a partir de datos de muestra de sondajes. La generación rápida de modelos de recursos cambia las reglas del juego para las operaciones.

Lee también→ Doosan Heavy desarrolla tecnología ecológica para extraer litio de baterías gastadas

Así también, evita los cuellos de botella que se pueden crear al esperar modelos actualizados y evita los riesgos de utilizar información no actual para planificar el trabajo actual.

Los modelos DomainMCF también contienen una medida incorporada de incertidumbre, que permite a las empresas evaluar la variabilidad en su modelo frente a factores externos como los mercados de productos básicos y los pedidos de los clientes.

Los modelos de incertidumbre pueden cuantificar mejor los niveles de confianza al evaluar recursos y reservas, reduciendo la subjetividad en torno al proceso.

Steve Sullivan comenta que las decisiones basadas en humanos no pueden competir con Machine Learning para satisfacer las demandas comerciales de información precisa y actualizada sobre el recurso.

La computación en la nube proporciona el músculo de procesamiento, lo que reduce la necesidad de costosos sistemas de escritorio de alta gama que pueden bloquearse en un proceso que ejecuta software de modelamiento tradicional.

Lee también→ Los camiones autónomos de Vale han transportado 100 millones de toneladas en Brucutu

Además de ayudar a aliviar los cuellos de botella,” la tecnología ha demostrado ser aplicable en el modelamiento predictivo para el control de leyes, la focalización de litología, la planificación de perforaciones, la calidad de la roca geotécnica y la programación estratégica”, indica Sullivan.

Por lo tanto, obtener mejores modelos con un factor de incertidumbre incorporado y obtenerlos más rápido y con menos manipulación manual de datos, es el ganador para los geólogos.

Sullivan es extremadamente optimista sobre el potencial de la tecnología de Machine Learning, comparando la magnitud de las mejoras con las desbloqueadas para los geólogos en las décadas de 1980 y 1990 cuando el modelado computarizado reemplazó los mapas y planos impresos.

“Las condiciones que involucran mercados volátiles y cadenas de suministro interrumpidas, subrayan la importancia de poder girar”, dijo Sullivan. “Las nuevas tecnologías como DomainMCF levantan la mano cuando las empresas intentan racionalizar sus necesidades de sistemas y buscan procesos más rentables y efectivos”.

“No conozco ninguna operación minera que pueda hacer las cosas de la misma manera que lo hacían en el pasado”, agregó Sullivan. “Cada empresa tiene que tomar algún tipo de acción para mantenerse a la vanguardia de la tecnología y permitir que sus equipos aprovechen lo que se ofrece”, concluye el ejecutivo.