¿Por qué creen que es más fácil para nosotros
entender la información cuando la vemos en
una imagen o gráfico, en lugar de solo en
números o texto?”
1. Visualización y
minería digital.
2. Tipos de gráficos.
3. KPIs mineros
principales.
4. Ejemplos prácticos en
Python.
5. Interpretación y toma
de decisiones.
Mejora la comunicación entre
áreas.
Facilita el análisis de grandes
volúmenes de datos.
Acelera la toma de decisiones.
Permite identificar anomalías
rápidamente.
Dispersión →
correlación
Boxplots → entre variables
variabilidad y
Histogramas control de
→ distribución procesos
Líneas → de leyes o
tendencias y tonelajes.
series
temporales.
Toneladas Ley promedio
procesadas (t) (%)
Recuperación Energía
metalúrgica específica
(%) (kWh/t)
Consumo de
agua (m3/t)
1. Tonelaje: mide
capacidad operativa.
2. Ley: determina el valor
del mineral.
3. Recuperación:
eficiencia de la planta.
4. Energía y agua: costos
y sostenibilidad.
• Tendencia a la baja
en la ley → ajustar
mezcla de frentes.
• Aumento en energía
específica → revisar
dureza de mineral.
• Variabilidad entre
turnos → investigar
prácticas operativas..
¿Qué KPI consideran más importante?
¿Cómo cambia la interpretación si
graficamos por turno en vez de por día?
¿Qué gráficos utilizarían para dar a
conocer un problema?
1. La visualización convierte datos complejos
en información accesible, facilitando la
detección de patrones y la toma rápida de
decisiones en entornos mineros.
2. Los KPIs mineros, como ley, recuperación,
tonelaje y consumo de recursos, permiten
monitorear el desempeño; su representación
gráfica en Python hace más claro el
seguimiento de tendencias y variaciones.
3. La interpretación adecuada de gráficos y
KPIs en minería permite identificar
oportunidades de mejora, corregir
desviaciones y comunicar resultados de
manera efectiva a todos los niveles de
gestión.
1. Montgomery, D. C. (2019). Introduction
to Statistical Quality Control (8th ed.).
2. Wiley.Hartman, H. L., & Mutmansky, J.
M. (2020). Introductory Mining
Engineering (3rd ed.).
3. Wiley.Witten, I. H., Frank, E., Hall, M.
A., & Pal, C. J. (2017). Data Mining:
Practical Machine Learning Tools and
Techniques (4th ed.).
4. Elsevier.Burt, R. O., & Lents, C. A.
(2021). Mine to Mill: The business of
mining. SME.
