0 évaluation0% ont trouvé ce document utile (0 vote)
151 vues40 pages
Este documento describe el uso de redes neuronales predictivas y algoritmos genéticos para optimizar la molienda SAG en una planta de concentración de cobre. Explica brevemente cómo funcionan las redes neuronales y los algoritmos genéticos, y cómo se pueden usar en conjunto para generar modelos no lineales de los procesos de molienda que se puedan entrenar en línea y utilizar para la optimización en tiempo real buscando el óptimo global. También incluye un ejemplo simplificado de cómo aplicar estos métodos para optimizar el tonel
Este documento describe el uso de redes neuronales predictivas y algoritmos genéticos para optimizar la molienda SAG en una planta de concentración de cobre. Explica brevemente cómo funcionan las redes neuronales y los algoritmos genéticos, y cómo se pueden usar en conjunto para generar modelos no lineales de los procesos de molienda que se puedan entrenar en línea y utilizar para la optimización en tiempo real buscando el óptimo global. También incluye un ejemplo simplificado de cómo aplicar estos métodos para optimizar el tonel
Este documento describe el uso de redes neuronales predictivas y algoritmos genéticos para optimizar la molienda SAG en una planta de concentración de cobre. Explica brevemente cómo funcionan las redes neuronales y los algoritmos genéticos, y cómo se pueden usar en conjunto para generar modelos no lineales de los procesos de molienda que se puedan entrenar en línea y utilizar para la optimización en tiempo real buscando el óptimo global. También incluye un ejemplo simplificado de cómo aplicar estos métodos para optimizar el tonel
OPTIMIZACIN DE LA MOLIENDA SAG Unidad Control Automtico de Procesos Superintendencia Ingeniera de Procesos Subgerencia de Concentracin CODELCO CHILE DIVISION NORTE 2 CODELCO / Programa Automatizacin Concentradoras MODELOS PREDICTIVOS NEURONALES En 1943 McCulloch y Pitts propusieron por primera vez la idea de modelar la actividad neuronal a travs de lmites y sumas ponderadas. Una Neurona Artificial es un elemento procesador no lineal, que acepta mltiples entradas y produce una salida. 3 CODELCO / Programa Automatizacin Concentradoras Una red neuronal est compuesta por un conjunto de neuronas artificiales constituidas en una capa de entrada, al menos una capa intermedia y una capa de salida. La red puede tener ms de una salida. Cada una de las conexiones entre neuronas tiene asignado un peso o ponderacin. El proceso de ajuste de pesos se denomina entrenamiento. 4 CODELCO / Programa Automatizacin Concentradoras Debido a la naturaleza inherentemente no lineal y variante en el tiempo de los procesos de conminucin, la obtencin de modelos que sean tiles para la bsqueda de ptimos operacionales es una ardua tarea y su validez en el tiempo es limitada. Las redes neuronales permiten la generacin de modelos no lineales de los procesos de molienda los cuales pueden ser entrenados en lnea de manera que su validez est siempre vigente en el tiempo. A partir de un modelo razonablemente preciso se puede construir un optimizador adaptivo en tiempo real basado en informacin vigente. Sin embargo, las tcnicas de optimizacin convencionales no tratan bien el problema de los ptimos locales. El algoritmo gentico ofrece una solucin eficiente al problema de la bsqueda del ptimo global en el espacio de bsqueda que ofrece el modelo predictivo neuronal. 5 CODELCO / Programa Automatizacin Concentradoras INTRODUCCION AL ALGORITMO GENTICO Conceptos: Individuos, apareamiento, recombinacin de cromosomas, mutacin gentica, adaptacin y seleccin natural. Cromosoma: Un cromosoma es una representacin en la que: Existe una lista de elementos llamados genes El cromosoma determina la adaptacin global manifestada por algn mecanismo que utiliza genes de cromosoma como una especie de marca. Contiene constructores que: Crean un cromosoma, dada una lista de elementos; a este constructor se le puede llamar constructor de gnesis Crean un cromosoma mediante el cruce de un par de cromosomas existentes. Contiene escritores que: Mutan un cromosoma existente mediante el cambio de uno de sus genes Contiene lectores que: Producen un gen especifico, dado un cromosoma 6 CODELCO / Programa Automatizacin Concentradoras EJEMPLO: Caso muy simplificado de la molienda SAG. Dos variables muy importantes en la molienda SAG son la potencia del molino y la presin de aceite en los descansos o el peso del molino. Se desea optimizar el tonelaje procesado. 8,2 1600 1605 1610 1615 1620 1625 1630 1625 1620 1615 1610 1605 1600 8,0 1610 1615 1620 1625 1630 1635 1640 1635 1630 1625 1620 1615 1610 7,8 1620 1625 1630 1635 1640 1645 1650 1645 1640 1650 1650 1650 1620 7,6 1630 1635 1640 1645 1650 1655 1660 1655 1650 1650 1700 1650 1630 7,4 1640 1645 1650 1655 1660 1665 1670 1665 1660 1650 1650 1650 1640 7,2 1650 1655 1660 1665 1670 1675 1680 1675 1670 1665 1660 1655 1650 7,0 1660 1665 1670 1675 1680 1685 1690 1685 1680 1675 1670 1665 1660 6,8 1670 1675 1680 1685 1690 1695 1700 1600 1600 1600 1600 1675 1670 6,6 1660 1665 1670 1675 1680 1685 1690 1600 1600 1600 1600 1665 1660 6,4 1650 1655 1700 1700 1700 1675 1680 1600 1750 1750 1600 1655 1650 6,2 1640 1645 1700 1750 1700 1665 1670 1600 1750 1800 1600 1645 1640 6,0 1630 1635 1700 1700 1700 1655 1660 1600 1600 1600 1600 1635 1630 5,8 1620 1625 1630 1635 1640 1645 1650 1600 1600 1600 1600 1625 1620 5,6 1610 1615 1620 1625 1630 1635 1640 1635 1630 1625 1620 1615 1610 5,4 1600 1605 1610 1615 1620 1625 1630 1625 1620 1615 1610 1605 1600 56,5 57,0 57,5 58,0 58,5 59,0 59,5 60,0 60,5 61,0 61,5 62,0 62,5 Presin Descansos [Kg/cm2] P o t e n c i a
[ M w ] 7 CODELCO / Programa Automatizacin Concentradoras 1 4 7 10 13 C 1 C 2 C 3 C 4 C 5 C 6 C 7 C 8 C 9 C 1 0 C 1 1 C 1 2 C 1 3 1500 1550 1600 1650 1700 1750 1800 T o n e l a j e
[ t o n / h r ] Potencia [Mw] Presin Desc [kg/cm2] Funcin de Calidad de Tonelaje 8 CODELCO / Programa Automatizacin Concentradoras FORMATO DEL CROMOSOMA: MUTACION Dos cromosomas sujetos a una serie de mutaciones. Cada una de las cuales cambia un gene sumndole o restndole un determinado valor. Los dos cromosomas originales son 56,5 5,4 que producen calidad 1600. El cromosoma final es el 58,5 5,4 que tiene calidad 1620. 56,5 5,4 Presin Potencia CROMOSOMA 56,5 5,4 57,0 5,4 57,5 5,4 58,0 5,4 58,5 5,4 9 CODELCO / Programa Automatizacin Concentradoras RECOMBINACION O CRUZAMIENTO Dos cromosomas sujetos a recombinacin, cada uno de los cuales es cortado por la mitad y unido al otro cromosoma. Uno de los cromosomas originales es el cromosoma 56,5 6,2 de calidad 1640 y el otro 58,0 5,4 de calidad 1615. Uno de los cromosomas nuevos es 58,0 6,2 que produce un tonelaje de 1750 (ptimo local) 56,5 6,2 58,0 5,4 56,5 6,2 58,0 5,4 58,0 6,2 10 CODELCO / Programa Automatizacin Concentradoras METODO ESTANDAR: IGUALA LA ADAPTACION CON LA CALIDAD RELATIVA En general, la adapatacion de un cromosoma es la probabilidad de que este sobreviva a la siguiente generacin. Luego, se necesita una formula que relacione a la adaptacin del i- simo cromosoma, fi, una probabilidad que va de 0 a 1, con la calidad qi, en un rango que depende del problema. La siguiente frmula, en la que la suma se hace sobre todos los candidatos, es una probabilidad: En donde q 0 es el lmite bajo de calidad (ej 1600 tph) EJEMPLO: SUPNGASE QUE UNA POBLACIN CONSISTE EN 4 CROMOSOMAS: ADAPTACION CROMOSOMA CALIDAD ESTANDAR 58,0 - 6,2 1750 0,42 57,5 - 6,4 1700 0,28 57,5 - 6,8 1680 0,22 57,5 - 5,8 1630 0,08 360 11 CODELCO / Programa Automatizacin Concentradoras PARA IMITAR LA SELECCIN NATURAL, EN GENERAL: Crear una poblacin inicial de un cromosoma Mutar uno o ms genes de uno de ms de los cromosomas actuales Aparear uno o ms pares de cromosomas Aadir los cromosomas mutados y de la progenie a la poblacin actual Crear una nueva generacin manteniendo lo mejor de los cromosomas de la poblacin, junto con otros cromosomas seleccionados al azar de la poblacin actual. Influir en la seleccin aleatoria de acuerdo con la adaptacin evaluada. DECISIONES A TOMAR PARA EL DISEO DEL A.G. Cuntos cromosomas deben estar en la poblacin? Si el nmero es muy bajo, pronto todos los cromosomas tendrn rasgos idnticos y la recombinacin no har nada. Si el nmero es muy alto el tiempo de clculo ser innecesariamente excesivo. Cul deber ser la rapidez de las mutaciones? Si es muy baja aparecern los nuevos rasgos de la poblacin muy lentamente. Si es muy alta cada generacin estar desligada de la anterior Se permite el apareamiento? Como se seleccionan los pares? Como se determinan los puntos de recombinacin? Puede cualquier cromosoma, aparecer mas de una vez en una poblacin? 12 CODELCO / Programa Automatizacin Concentradoras ESPECIALIZACION DEL METODO GENERAL DE SELECCIN NATURAL (EJEMPLO SIMPLIFICADO DE MOLIENDA SAG) ES FCIL ASCENDER MONTAAS DE FORMA DE JOROBA SIN LA RECOMBINACIN Empieza con un solo cromosoma localizado en 56,5 5,4 No se permite que ningn cromosoma aparezca ms de una vez en cada generacin. Un mximo de 5 cromosomas sobrevive de una generacin a la siguiente Cada superviviente es candidato para sobrevivir en la siguiente generacin, junto con cualquier cromosoma nuevo que se haya producido. En cada uno de los supervivientes se selecciona un gene al azar y tambin al azar se somete a mutacin. Si el mutante es diferente de cualquier candidato de los que se tienen hasta ese momento, el mutante se agrega a los candidatos. No hay recombinacin El cromosoma que tiene la mxima nota de calidad sobrevive en la siguiente generacin Los supervivientes restantes de una generacin a la otra se seleccionan al azar de los candidatos restantes de acuerdo con el mtodo estndar para el clculo de la adaptacin. 13 CODELCO / Programa Automatizacin Concentradoras CROMOSOMA CALIDAD 56,5 5,4 1600 56,5 5,6 1610 Se agrega a la poblacin GENERACION 1 CROMOSOMA CALIDAD 56,5 5,6 1610 56,5 5,4 1600 MUT A 56,5 5,6 56,5 5,8 1620 56,5 5,4 56,5 5,6 1610 GENERACION 2 CROMOSOMA CALIDAD Es el mejor, se selecciona 56,5 5,8 1620 56,5 5,6 1610 56,5 5,4 1600 Ya se encuentra en la poblacin Mutacin Favorable 14 CODELCO / Programa Automatizacin Concentradoras El proceso contina del mismo modo hasta que en la generacin 10 obtenemos : Evidentemente para paisajes en forma de joroba sencilla, la recombinacin o el apareamiento no es indispensable. presi on potencia cal idad A. Estandar 58,0 6,2 1750 0,357 57,5 6,0 1700 0,238 58,0 6,0 1700 0,238 57,0 6,0 1635 0,083 58,0 5,8 1635 0,083 420 CROMOSOMA 15 CODELCO / Programa Automatizacin Concentradoras LA RECOMBINACIN PERMITE A LOS ALGORITMOS GENTICOS BUSCAR CON EFICIENCIA EN ESPACIOS DE MUCHAS DIMENSIONES. Para decidir qu cromosomas usar para hacer que la recombinacin sea benfica, se procede de la siguiente forma: Tomar en cuenta solo los cromosomas que sobreviven de la generacin anterior. Para cada uno de tales cromosomas, seleccionar un compaero de entre los otros sobrevivientes. La seleccin de los compaeros se hace al azar, de acuerdo con el mtodo estndar para el clculo de la adaptacin. Cada pareja de apareamiento se cruza en el medio, produciendo dos cromosomas hijo cruzados. Si un cromosoma hijo es diferente de cualquier candidato acumulado, ese cromosoma se aade a los candidatos. Este mtodo de cruzamiento permite acelerar, o hacer mas eficiente la bsqueda del ptimo. Por ejemplo se realizaron 20 corridas de simulacin para alcanzar el ptimo global: con slo mutaciones se necesitaron en promedio 453 iteraciones y con mutacin + recombinacin se requiri en promedio 209 iteraciones, es decir la eficiencia se mejor en un 100%. 16 CODELCO / Programa Automatizacin Concentradoras LA RECOMBINACION PERMITE A LOS ALGORITMOS GENETICOS CRUZAR FOSOS. En aquellos casos en que la funcin de optimizacin contenga jorobas y fosos, es difcil que una serie de mutaciones al azar conduzca a una poblacin hacia el foso dada slo una mutacin por generacin. La razn es que los cromosomas intermedios necesarios, los que hacen que la funcin de calidad sea 0 y por lo tanto su adaptacin es cero y tienen 0 posibilidades de sobrevivir en la generacin siguiente. Por otro lado, dados dos padres bien situados, desde el punto de vista de los cromosomas, un solo apareamiento puede crear una progenie que cruce el pozo. No necesitan sobrevivir intermediarios con adaptacin cero. Evidentemente, para terrenos con fosos, la recombinacin puede ser una gran ayuda. EL METODO DEL RANGO ENLAZA LA ADAPTACION CON EL METODO DE CALIDAD El mtodo estndar para determinar la adaptacin no proporciona ninguna forma de influir en la seleccin. Una alternativa es usar el METODO DEL RANGO que no slo ofrece una manera de controlar la derivacin hacia el mejor cromosoma, sino que tambin elimina las derivaciones implcitas, que son introducidas por selecciones desafortunadas de la escala de medicin y que de otro modo podran causar daos. Bsicamente, el mtodo de rango ignora las mediciones de calidad a menos que sirvan para clasificar a los candidatos por orden descendente de calidad. 17 CODELCO / Programa Automatizacin Concentradoras ENTONCES, LA ADAPTACION DEL CANDIDATO CON CALIDAD MAS ALTA ENTRE LOS CLASIFICADOS ES UNA CONSTANTE FIJA p . Si el mejor candidato, el que tiene rango 1, no se selecciona, entonces el siguiente mejor, el que tiene rango 2, se selecciona con adaptacin p . Este proceso de seleccin continua hasta que se selecciona un candidato o solo queda uno, en cuyo caso se selecciona, de acuerdo al siguiente procedimiento. Para seleccionar un candidato mediante el metodo del rango: ORDENAR LOS n INDIVIDUOS SEGN SU CALIDAD. Sea p la probabilidad de elegir al i-simo candidato dato que los primeros i 1 candidatos no han sido seleccionados, excepto en el caso del candidato final que se selecciona sin no se han elegido candidatos. Seleccione un candidato mediante probabilidades calculadas. Supongamos que p = 0,667 para la siguiente tabla de calidad con foso. 18 CODELCO / Programa Automatizacin Concentradoras Supongamos que estamos interesados en los mismos cromosomas que se utilizaron para ilustrar el mtodo estndar, pero en el contexto de la montaa con foso. Supngase que a estos cuatro cromosomas se aade el 60,5 5,8, que produce un tonelaje de 1600 en la montaa con foso. La siguiente tabla muestra las adaptaciones de rango junto con su adaptacin estndar, para fines de comparacin: MTODO DEL RANGO: 1) ELEGIR EL DE MAYOR CALIDAD P = 1 => Pxp = 1 x 0,667 = 0,667 2) LA PROBABILIDAD DE ELEGIR EL SEGUNDO DADO QUE NO SE HA ELEGIDO EL PRIMERO ES: P = 1 0,667 = 0,333 => Pxp = 0,033 x 0,667 = 0,222 3) P x p = (1 0,667 0,222)*0,667 = 0,074 4) P x p = (1 0,667 0,222 0,074)*0,667 = 0,025 5) ULTIMO CASO P = 1 0,667 0,222 0,074 0,025 = 0,012 ADAPTACION ADAPTACION CROMOSOMA CALIDAD RANGO ESTANDAR DE RANGO 58,0 - 6,2 1750 1 0,42 0,667 57,5 - 6,4 1700 2 0,28 0,222 57,5 - 6,8 1680 3 0,22 0,074 57,5 - 5,8 1630 4 0,08 0,025 60,5 - 5,8 1600 5 0,00 0,012 360 0,667 19 CODELCO / Programa Automatizacin Concentradoras MEDIANTE EL METODO DEL RANGO, COMENZANDO CON UN CROMOSOMA 56,5 5,4, SE HALLO LA MEJOR COMBINACION EN PROMEDIO, DESPUES DE 75 GENERACIONES, VERSUS EL METODO ESTANDAR QUE, EN PROMEDIO, TOMA 155 GENERACIONES. SIN EMBARGO, 75 GENERACIONES ES TODAVIA POCO EFICIENTE. LOS CUATRO CROMOSOMAS TODAVIA TIENDEN A AGRUPARSE ALREDEDOR DE LOS MXIMOS LOCALES. SIN EMBARGO, AHORA ES POSIBLE HACER UN TUNEL A TRAVES DEL FOSO DE CALIDAD CERO, PORQUE LA ADAPTACION MENOR DE CUALQUIER CROMOSOMA ESTA DETERMINADA INDIRECTAMENTE POR EL RANGO DE LA CALIDAD, MAS QUE DIRECTAMENTE POR ESTA. EN CONSECUENCIA, NINGUN CROMOSOMA PUEDE TENER UNA ADAPTACION DE CERO, MIENTRAS QUE CON EL METODO ESTANDAR, LOS CROMOSOMAS DEL FOSO TIENEN ADAPTACION EXACTA DE CERO. 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 P r o b a b i l i d a d 58,0 - 6,2 57,5 - 6,4 57,5 - 6,8 57,5 - 5,8 60,5 - 5,8 Cromosoma Estndar vs Rango ESTANDAR DE RANGO 20 CODELCO / Programa Automatizacin Concentradoras SUPERVIVENCIA DE LO MAS DIVERSO La adaptacin, como se ha medido hasta ahora, ignora la diversidad, que se puede considerar como el grado al cual los cromosomas muestran genes diferentes. De acuerdo con ello, los cromosomas tienden a ser barridos si el resultado es un poco menor que el de uno que esta prximo al mejor cromosoma actual. An en poblaciones grandes, el resultado es la uniformidad. Sin embargo, en una escala mayor los individuos y las especies que parecen no adaptados sobreviven bastante bien fuera de la vista de otros individuos y especies relativamente adaptados. PRINCIPIO DE LA DIVERSIDAD: PUEDE SER TAN BUENO SER DIFERENTE COMO LO ES ESTAR ADAPTADO El ser diferente puede incorporarse a una medicin total de la adaptacin y esta observacin crea una perspectiva diferente sobre lo que se tiene que hacer con los mximos locales. El mtodo de espacio de rangos enlaza la adaptacin con el rango de calidad y el de diversidad. Cuando se seleccionan cromosomas para una nueva generacin una forma de medir la diversidad a la cual contribuira un cromosoma candidato es calcular el inverso del cuadrado de las distancias entre el cromosoma y otros cromosomas ya seleccionados. Despus se determina el rango de diversidad de un cromosoma mediante dicho valor: 21 CODELCO / Programa Automatizacin Concentradoras Considrese el conjunto de seis candidatos 56,5 6,8 /5,8,0 - 6,2/57,5 6,4/57,5 - 6,8/ 57,5 5,8/60,5 5,8. El candidato 56,5 6,8 es el ltimo agregado. Se determinarn las distancias fsicas con respecto a este ltimo. EJEMPLO DE CALCULO: (EN ESTE CASO LA DISTANCIA SE MIDE COMO DISTANCIA FISICA ENTRE LAS CELDAS DE LA TABLA DE CALIDAD) DISTANCIA ENTRE 58,0 - 6,2 Y 56,5 6,8. D = Raz (3 2 + 3 2 ) => 1/d 2 = 0,055 EL MISMO PROCEDIMIENTO SE APLICA A TODOS LOS CROMOSOMAS RESTANTES. Una forma sencilla de combinar los rangos por calidad y diversidad en un rango combinado consiste en clasificar cada cromosoma de acuerdo con la suma de sus rangos de calidad y diversidad mediante una de las dos clasificaciones para romper ataduras, como se indica en el siguiente procedimiento. NOTA DE RANGO DE RANGO DE CROMOSOMA CALIDAD 1/d2 DIVERSIDAD CALIDAD 58,0 - 6,2 4 0,055 3 1 57,5 - 6,4 3 0,125 4 2 57,5 - 6,8 2 0,250 5 3 57,5 - 5,8 1 0,034 2 4 60,5 - 5,8 0 0,011 1 5 22 CODELCO / Programa Automatizacin Concentradoras Para seleccionar un candidato mediante el mtodo de espacio de rangos: Ordenar los n individuos segn la calidad Ordenar los n individuos segn el inverso de su distancia al cuadrado al nuevo cromosoma seleccionado. Usar el mtodo de rango, pero ordenar sobre la suma de los rangos de calidad y diversidad en lugar de hacerlo solo con respecto al rango de calidad. A continuacin, con un rango que combina la influencia de la calidad y de diversidad, la seleccin se puede realizar como antes, haciendo la adaptacin del primer candidato igual a p . As la suma de rangos, el rango combinado y la adaptacin para los 5 cromosomas estn dados por la siguiente tabla. 23 CODELCO / Programa Automatizacin Concentradoras SUMA DE RANGO ESPACIO RANGO DE CROMOSOMA RANGOS COMBINADO RANGOS CALIDAD 58,0 - 6,2 4 1 0,667 0,667 57,5 - 6,4 6 4 0,025 0,222 57,5 - 6,8 8 5 0,012 0,074 57,5 - 5,8 6 3 0,074 0,025 60,5 - 5,8 6 2 0,222 0,012 0,000 0,200 0,400 0,600 0,800 P r o b a b i l i d a d 58,0 - 6,2 57,5 - 6,4 57,5 - 6,8 57,5 - 5,8 60,5 - 5,8 Cromosoma Mtodo Rango Calidad vs Espacio de Rangos RANGOS CALIDAD 24 CODELCO / Programa Automatizacin Concentradoras Ntese que en la suma de rangos existe un empate entre tres cromosomas. Para romper esta atadura se considera que el cromosoma que tiene el mejor rango de diversidad como si tuviera el mejor rango combinado. Se observa claramente que con este mtodo la probabilidad de cruzar los fosos aumenta notoriamente considerando la diversidad. Esto significa una mayor eficiencia de bsqueda del ptimo global. 25 CODELCO / Programa Automatizacin Concentradoras LA PLATAFORMA DE DESARROLLO KNOWLEDGESCAPE 26 CODELCO / Programa Automatizacin Concentradoras PLATAFORMA KNOWLEDGESCAPE SYSTEM CARACTERSTICAS GENERALES: Plataforma de Sistema Experto Optimizante Adaptivo. Sistema Orientado al Objeto Sistema Jerrquico Reglas Claras Reglas Difusas 27 CODELCO / Programa Automatizacin Concentradoras Redes Neuronales con Entrenamiento en Lnea. Varios Modelos por Cada Predictor. 28 CODELCO / Programa Automatizacin Concentradoras Optimizacin con Algoritmo Gentico Computacin Distribuida 29 CODELCO / Programa Automatizacin Concentradoras APLICACIN A LA MOLIENDA SAG 30 CODELCO / Programa Automatizacin Concentradoras 31 CODELCO / Programa Automatizacin Concentradoras La planta SAG de Chuquicamata opera normalmente con el Sistema Experto KOPS, el cual implementa una estrategia de control de tipo estabilizante basada en reglas crisp en que se controla la presin de descansos y la potencia, manipulando el tonelaje alimentado, la densidad y la velocidad del molino. Dado que para la obtencin del ptimo global se requiere de una funcin de calidad, sta se implementa a travs de una red neuronal con entrenamiento en lnea. Diseo del Predictor/Modelo Entradas: Potencia Presin de Descansos Velocidad Densidad Pebbles Generados y Pebbles Alimentados Salida Tonelaje Procesado (Produccin) 32 CODELCO / Programa Automatizacin Concentradoras 33 CODELCO / Programa Automatizacin Concentradoras Diseo de la Red Neuronal: 2 Capas Internas (con 4 y 3 neuronas) Funcin de Activacin : sigmoide bipolar Tamao Conjunto Entrenamiento: 2000 Tamao Conjunto Datos Prueba: 400 Mtodo de Entrenamiento: Backpropagation Momento Global: 0.4 Tasa Global de Aprendizaje: 0.3 34 CODELCO / Programa Automatizacin Concentradoras 35 CODELCO / Programa Automatizacin Concentradoras Diseo del Optimizador. Mtodo de Optimizacin: Algoritmo Gentico Tamao de Poblacin: 128 individuos Nmero de Generaciones: 64 Probabilidad de Cruzamiento: 0,3 Probabilidad de Mutacin: 0,001 Variable Manipulada: Target de Presin de Descansos. 36 CODELCO / Programa Automatizacin Concentradoras 37 CODELCO / Programa Automatizacin Concentradoras 38 CODELCO / Programa Automatizacin Concentradoras 39 CODELCO / Programa Automatizacin Concentradoras 40 CODELCO / Programa Automatizacin Concentradoras Resultados y Conclusiones: Las tcnicas de modelado de procesos de conminucin mediante modelos predictivos neuronales son ms adecuadas que las herramientas convencionales basadas en modelos semi- empricos. Esto es especialmente cierto debido a las caractersticas no lineales y variantes en el tiempo de estos procesos. El modelado neuronal con entrenamiento en lnea permite contar con un modelo de precisin razonable actualizado permanentemente. El algoritmo gentico es un eficiente mtodo de bsqueda del ptimo global el cual trabaja sobre el espacio generado por el modelo predictivo neuronal. La aplicacin de estas tcnicas en la molienda SAG de Chuquicamata han permitido, entre otras innovaciones, desplazar el cuello de botella desde la molienda SAG hacia la molienda secundaria. De las tendencias anteriores se puede ver que el tonelaje del molino SAG opera siempre en el lmite alto operacional establecido. Se estima un beneficio actual de un mayor procesamiento del orden de un 4%.