Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.udec.cl/jspui/handle/11594/9342
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorPradenas Rojas, Lorena del Carmen; supervisora de gradoes
dc.contributor.authorContreras Cerpa, Pablo Sebastiánes
dc.date.accessioned2022-01-06T13:05:40Z-
dc.date.available2022-01-06T13:05:40Z-
dc.date.issued2021-
dc.identifier.urihttp://repositorio.udec.cl/jspui/handle/11594/9342-
dc.descriptionPara optar al grado de Magíster en Ingeniería Industrial.es
dc.description.abstractLa minería del cobre en Chile, es la base de la economía nacional y principal impulsor del desarrollo y la innovación del país. La importancia estratégica de la industria del cobre dirige a los principales agentes a la realización de estudios que les permitan mejorar permanentemente sus sistemas productivos, comerciales y de financiación, para mantener un adecuado equilibrio entre los aspectos estructurales de la actividad. A esto se le incluyen nuevos desafíos como: mayor dificultad para acceder al mineral, regulaciones ambientales más estrictas y la necesidad de optimizar los insumos críticos para su producción. Estos desafíos permitirán desarrollar una minería sustentable para el negocio y el medio ambiente. Debido a lo anterior, escazas investigaciones han estudiado estos nuevos desafíos para anticipar el comportamiento del negocio frente a distintos escenarios que puedan presentarse. Por otro lado, las herramientas computacionales han demostrado gran viabilidad para la realización de proyecciones permitiendo, mejorar la gestión de procesos y la planificación de recursos. En el presente estudio se proponen tres modelos basados en técnicas de redes neuronales artificiales del tipo recurrentes para proyectar la producción de cobre considerando: consumo de agua, consumo de energía y emisiones de gases de efecto invernadero. Estos modelos son: Red Neuronal Recurrente Simple, Red GRU y Red LSTM. Para entrenar y validar las redes se utilizaron datos reales de reportes entregados por el Ministerio de Minería y el Banco Central de Chile. Los resultados mostraron que el mejor resultado fue obtenido por el modelo de red LSTM, obteniendo las mejores métricas y un correcto ajuste a los datos. Luego, lo siguieron el modelo de Red GRU y la red neuronal recurrente simple. La importancia de este estudio radica en planificar planes de producción de cobre, considerando la sustentabilidad de la minería y el medio ambiente.es
dc.language.isospaes
dc.publisherUniversidad de Concepción.es
dc.rightsCreative Commoms CC BY NC ND 4.0 internacional (Atribución-NoComercial-SinDerivadas 4.0 Internacional)-
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es-
dc.subjectIndustria Minera-
dc.subjectConsumo de Agua-
dc.subjectSimulación de Computadores-
dc.subjectConsumo de Energía-
dc.subjectSimulación de Computadores-
dc.subjectIndustria del Cobre-
dc.subjectConsumo de Energía-
dc.subjectSimulación de Computadores-
dc.subjectRedes Neurales (Ciencia de la Computación)-
dc.subjectResponsabilidad Social de los Negocios-
dc.subjectProducción Eficiente-
dc.subjectProducción y Consumo Responsables-
dc.subjectIndustria Mineraes
dc.subjectConsumo de Aguaes
dc.subjectSimulación de Computadoreses
dc.subjectConsumo de Energíaes
dc.subjectSimulación de Computadoreses
dc.subjectIndustria del Cobrees
dc.subjectConsumo de Energíaes
dc.subjectSimulación de Computadoreses
dc.subjectRedes Neurales (Ciencia de la Computación)es
dc.subjectResponsabilidad Social de los Negocioses
dc.subjectProducción Eficientees
dc.subjectProducción y Consumo Responsableses
dc.titleProyecciones de producción de cobre considerando consumo de agua, energía y emisiones de gases de efecto invernadero, con redes neuronales recurrentes.es
dc.typeTesises
dc.description.facultadDepartamento de Ingeniería Industriales
dc.description.departamentoDepartamento de Ingeniería Industrial.es
Aparece en las colecciones: Ingeniería Industrial - Tesis Magister



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons