SEMINARIO DE INVESTIGACIÓN APLICADA II 2019-02

PLANTILLA N° 01_ PROPUESTA INICIAL_TEMA DE INVESTIGACIÓN

DATOS GENERALES
Apellidos y nombres estudiante 1: Código:
Apellidos y nombres estudiante 2: Código:
Carrera profesional:
Sección:
Asesor Metodológico:
Asesor temático:
Línea de Investigación:
Área de Investigación:

1.TÍTULO DEL TEMA DE INVESTIGACIÓN:

*Debe contener los elementos: Problema, Propuesta, Técnica y Escenario (este último opcional si lo amerita).
Como elemento principal debe quedar clara la propuesta (artefacto viable) debe tener un nivel de abstracción
tal como: modelo, método, algoritmo, sistema, arquitectura, etc.

2. PROBLEMA DE INVESTIGACIÓN:

2.1 DESCRIPCIÓN E IMPORTANCIA DEL PROBLEMA: *Sólo describir el análisis del contexto problemático,
sustentar el problema de manera clara, concisa y directa. Sustentar mediante referencias a fuentes oficiales y
autorizadas. Apoyarse con estadísticas y cifras, tablas y figuras. *En esta parte no hablar de la solución; sólo
exponer la situación problema.

2.2 ANÁLISIS DEL PROBLEMA *Utilizar árbol de problemas, Diagrama Causal, Pictograma, etc. El organizador
de información deberá estar acorde al análisis del área elegido y al sector.

2.3 FORMULACIÓN DEL PROBLEMA *Enunciar como pregunta la definición del problema a resolver.
 SEMINARIO DE INVESTIGACIÓN APLICADA II 2019-02

3. FUNDAMENTACIÓN TEÓRICA DE LA TÉCNICA:

Para esta investigación se hará uso de dos técnicas, el modelo neuro-difuso llamado ANFIS (Sistema adaptativo
de inferencia neuro-difuso), el cual utilizará en conjunto un algoritmo de optimización PSO (Optimización por
enjambre de partículas). Ambas técnicas conforman un sistema de modelamiento hibrido de predicción.

El ANFIS funciona como una red que permite crear las reglas de un sistema de inferencia difusa aplicándolo a
una base de datos perteneciente a un proceso determinado, permitiendo resolver problemas complejos y no
lineales. Sin embargo, es un sistema frágil ante el nivel de precisión e interpretabilidad que puede generar,
por lo que normalmente es acompañado de un algoritmo de ajuste u optimización para obtener mejores
resultados. El PSO es un algoritmo creado para probar la eficiencia del ANFIS, así como determinar cuáles son
los valores óptimos de los parámetros que influyen en el proceso, utilizando parámetros propios del algoritmo
como el número de interacciones , cantidad de partículas, etc. , Se podría afirmar que el PSO funciona como
aquel sistema de partículas que selecciona la más óptima para lograr la finalidad del proceso, el ANFIS
funciona como la partícula seleccionada que posee parámetros específicos representado por las dimensiones
de la partícula.
 SEMINARIO DE INVESTIGACIÓN APLICADA II 2019-02

4. DESCRIPCIÓN DE LA TÉCNICA INNOVADORA:

El sistema ANFIS-PSO ha sido utilizado y validado en diferentes áreas de investigación, esto debido a la
facilidad de ejecución y respuesta que presenta si se tiene la data requerida. En el sector minero, aun se
realizan investigaciones que demuestren la efectividad de este modelo; direccionándolo principalmente a la
optimización de procesos operacionales de minería. Para el presente trabajo de investigación, se aplicará el
sistema de modelamiento ANFIS –PSO en la predicción del tamaño de fragmentación de la roca generada por
la voladura a partir de los parámetros de dicho proceso.

El primer paso para aplicar el sistema de investigación mencionado es la comprensión del problema, para esto
es necesario contar con una data proveniente de procesos de voladuras previas de las cuales se tenga un
registro de resultados, identificando los atributos de entrada y salida del sistema. Por ejemplo, se puede
considerar como atributos de entrada en el proceso de voladura, burden (B), espaciamiento (S), taco inerte
(ST), densidad del explosivo (PF) y carga máxima por disparo (MC), dicha data debe provenir de voladuras
previas de las cuales se tenga un registro de resultados y donde se demuestre la inclinación por dichos
parámetros. Como atributo de salida y objeto de estudio se tiene a la fragmentación de roca (D80) de los se
registra un máximo y mínimo deseado.

El segundo paso consiste en seleccionar y procesar la data, esto quiere decir que se debe aligerar la data
reduciéndolo en cantidad, por lo que se dividirá la data para diferentes finalidades, el 80% de la data se
utilizara para entrenamiento y el 20% restante para las pruebas. Por ejemplo, si se tiene en la base de datos
1000 registros, 800 registros serán destinados a la creación del modelo inicial o llamado entrenamiento y 200
registros se utilizarán para probar la capacidad predictiva del modelo. El procedimiento se separar la data
aleatoriamente es llamada balanceo, realizada por el mismo programa que se encargara de diseñar el modelo,
por ejemplo, MATLAB.

El tercer paso es la aplicación de las reglas del modelo, es decir se creará la estructura del modelo ANFIS en
base a las funciones que cumpla cada atributo siguiendo la regla de programación condicional, “si
…entonces…”.
 SEMINARIO DE INVESTIGACIÓN APLICADA II 2019-02

Se dará paso a la estructura inicial del modelo o algoritmo ANFIS, la cual será mejorada con el aporte del
algoritmo PSO, la cual funciona para mejorar la relación entre las entradas y salidas, haciendo que la precisión
aumente.

Finalmente, para verificar si el modelo inicial funciona se debe verificar si el D80 de entrenamiento es igual a
los resultados medidos. Si es así, se dará paso a la validación de los datos de prueba que confirmen la
predicción.

Como resultado del proceso anteriormente mencionado se tendrá el modelo final, verificado que nos dará el
D80 optimo según las variaciones de los atributos.

5. ANTECEDENTES DE LA PROPUESTA:

La investigación de tesis titulada “Predicción de la fragmentación en la voladura de bancos de producción de

la U.M. Tocaza” por: Juan Edgar Huanca Paricahua. Cuyo principal objetivo era predecir la fragmentación para
obtener un 80% de fragmentos menores a 5 pulgadas de mineral volado en los bancos de producción del tajo,
y de esa forma aumentar la capacidad de la chancadora primaria de la planta concentradora de la Unidad
Minera Tocaza. Se llegó a las siguientes conclusiones: El modelo matemático de predicción Kuz Ram logro
cumplir con los requerimientos de la investigación, demostrando su capacidad predictiva, satisfaciendo las
necesidades de la planta concentradora, aumentando la producción y reduciendo costos en voladuras
secundarias. El modelo empleado es el más utilizado actualmente y a comparación de nuestro estudio
presenta mayor validación a nivel nacional.

6. MOTIVACION:

*Describir los resultados que se espera obtener con la solución propuesta: Reducción de costos, menor tiempo
de procesamiento, satisfacción de usuarios, etc.
 SEMINARIO DE INVESTIGACIÓN APLICADA II 2019-02

7. REFERENCIAS BIBLIOGRÁFICAS:

*Emplear estilo APA. Utilice las herramientas que brinda el gestor de referencias del MENDELEY

Anexar: 4 documentos ( una tesis, un informe, un artículo científico y un artículo académico)