Mostrar el registro sencillo del ítem
dc.contributor.advisor | Pradenas Rojas, Lorena del Carmen; supervisora de grado | es |
dc.contributor.author | Contreras Cerpa, Pablo Sebastián | es |
dc.date.accessioned | 2022-01-06T13:05:40Z | |
dc.date.available | 2022-01-06T13:05:40Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://repositorio.udec.cl/jspui/handle/11594/9342 | |
dc.description | Para optar al grado de Magíster en Ingeniería Industrial. | es |
dc.description.abstract | La 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.iso | spa | es |
dc.publisher | Universidad de Concepción. | es |
dc.rights | Creative Commoms CC BY NC ND 4.0 internacional (Atribución-NoComercial-SinDerivadas 4.0 Internacional) | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es | |
dc.subject | Industria Minera | |
dc.subject | Consumo de Agua | |
dc.subject | Simulación de Computadores | |
dc.subject | Consumo de Energía | |
dc.subject | Simulación de Computadores | |
dc.subject | Industria del Cobre | |
dc.subject | Consumo de Energía | |
dc.subject | Simulación de Computadores | |
dc.subject | Redes Neurales (Ciencia de la Computación) | |
dc.subject | Responsabilidad Social de los Negocios | |
dc.subject | Producción Eficiente | |
dc.subject | Producción y Consumo Responsables | |
dc.subject | Industria Minera | es |
dc.subject | Consumo de Agua | es |
dc.subject | Simulación de Computadores | es |
dc.subject | Consumo de Energía | es |
dc.subject | Simulación de Computadores | es |
dc.subject | Industria del Cobre | es |
dc.subject | Consumo de Energía | es |
dc.subject | Simulación de Computadores | es |
dc.subject | Redes Neurales (Ciencia de la Computación) | es |
dc.subject | Responsabilidad Social de los Negocios | es |
dc.subject | Producción Eficiente | es |
dc.subject | Producción y Consumo Responsables | es |
dc.title | Proyecciones de producción de cobre considerando consumo de agua, energía y emisiones de gases de efecto invernadero, con redes neuronales recurrentes. | es |
dc.type | Tesis | es |
dc.description.facultad | Departamento de Ingeniería Industrial | es |
dc.description.departamento | Departamento de Ingeniería Industrial. | es |