Browsing by Author "Polo Salinas, Junior"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Modelo predictivo de costo unitario mediante machine learning para optimizar parámetros de acarreo de mineral en una mina subterránea, Pataz
    (Universidad Nacional de Trujillo, 2024-09) Polo Salinas, Junior; Cotrina Teatino, Marco Antonio
    Esta investigación tuvo como objetivo aplicar un modelo predictivo de costo unitario mediante técnicas de machine learning para optimizar los parámetros de acarreo de mineral en una mina subterránea en Pataz 2024. La metodología empleada fue de diseño no experimental, descriptiva transversal, con un enfoque aplicativo; se utilizó 7 modelos matemáticos de machine learning. La validación de instrumentos se realizó mediante el coeficiente de Holti (0.83) indicando una fiabilidad muy buena. La prueba de hipótesis se realizó mediante la prueba T, la cual obtuvo una significancia estadística menor a 0.01 (p<0.01) aceptando la hipótesis de investigación (alterna). Los resultados indicaron que el consumo y costo total de combustible tuvieron mayor correlación con el costo unitario de acarreo, con valores de 0.83 y 0.85, respectivamente. De los 7 modelos utilizados, XGBoost fue el más preciso con R2 de 0.99, seguido por Random Forest y Árbol de decisión con R2 de 0.97 y 0.96, respectivamente. Así mismo los modelos que tuvieron menor precisión fueron Regresión bayesiana y Regresión de vectores de soporte con R2 de 0.88 y 0.80, respectivamente. Se realizaron 10 escenarios con variaciones en los diferentes parámetros operativos que influyen en el costo unitario de acarreo, la cual el más bajo fue el escenario 2 con un valor 21.15 USD/h. Se llego a la conclusión que un menor costo unitario de acarreo se logra reduciendo el consumo de combustible, las horas de mantenimiento mecánicas y neumáticas, mantener la velocidad de acarreo y aumentar el número de viajes.