OBJETIVOS

CEl alumno aprenderá el uso de técnicas de «machine learning» para caracterizar, modelar y encontrar alternativas de mejoras de los procesos metalúrgicos.

DIRIGIDO A

Ingenieros en Metalurgia, Ingenieros de Control de Procesos y carreras a fin, relacionadas con la operación y optimización de procesos metalúrgicos.

METODOLOGÍA

El taller se dará de forma presencial, con una parte introductoria de forma virtual, para la instalación de los softwares requeridos y aprender los principios básicos de programación en Python.

TEMARIO

Sesión Virtual

Instalación de Anaconda y Jupyter. Introducción a Python.

Día 1 :

• Estadística descriptiva con Pandas.
• Librerías principales: NumPy, SciPy y Scikit-Learn.
• Graficas avanzadas con Matplotlib y Seaborn.
• Importar datos y graficar scatter plot multiples.
• Obtener ecuaciones de distribución granulométrica y aplicarla en modelos de Energía especifica.

Día 2 :

• Aplicación de SOLVER para hacer reconciliación metalúrgica basado en el ratio de concentración.
• Modelos de recuperación de mineral, basado en leyes de entrada y tamaño de partícula.
• Ejecución de modelos de Machine Learning integrados al Control de procesos (DCS).
• Integración de modelos de Machine Learning integrados a PI System.

INSTRUCTOR

Ing. Álvaro Rendón