25. Descubrimiento de conocimiento para el analisis
Como pasar de tablas y modelos a hallazgos que planta pueda discutir?
Descubrimiento de conocimiento para el analisis
Convertimos datos en reglas, segmentos, patrones y preguntas operativas utiles.
Mapa rapido
| Componente | Uso en clase |
|---|---|
| Excel | Tablas dinamicas, filtros, reglas y ranking de condiciones. |
| Python | groupby, reglas interpretables |
| ML / mineria de datos | Convertir modelos en patrones discutibles |
1. Pregunta de planta
El objetivo no es producir graficos bonitos. El objetivo es descubrir relaciones que ayuden a conversar mejor con planta: cuando ocurre, con que variables aparece, que turnos se repiten, que condiciones son raras y que patron se puede revisar.
2. Matematica simple
Descubrir conocimiento es resumir datos en patrones.
Datos -> patron -> hipotesis -> validacion con planta -> accion posible
3. Aplicacion en flotacion
Ejemplos: eventos se concentran cuando nivel y espumante estan altos, la recuperacion baja despues de alta variabilidad de nivel, o ciertos clusters tienen mas riesgo aunque la ley de cabeza sea similar.
4. Excel
Filas: turno
Columnas: evento_sobre_espumacion
Valores: promedio recuperacion_cu, promedio score_riesgo
Regla simple:
=SI(Y(nivel_alto=1, espumante_alto=1),"Riesgo alto","Revisar")
5. Python
import pandas as pd
df = pd.read_excel("flotacion_cobre.xlsx")
# Crear condiciones interpretables
df["nivel_alto"] = (df["nivel_celda"] > df["nivel_celda"].quantile(0.75)).astype(int)
df["espumante_alto"] = (df["dosificacion_espumante"] > df["dosificacion_espumante"].quantile(0.75)).astype(int)
df["aire_alto"] = (df["flujo_aire"] > df["flujo_aire"].quantile(0.75)).astype(int)
# Agrupar por combinaciones operativas
resumen = df.groupby(["nivel_alto", "espumante_alto", "aire_alto"]).agg(
horas=("evento_sobre_espumacion", "size"),
prob_evento=("evento_sobre_espumacion", "mean"),
rec_prom=("recuperacion_cu", "mean"),
riesgo_prom=("score_riesgo", "mean")
).reset_index().sort_values("prob_evento", ascending=False)
print(resumen.head(10))6. Puente hacia decisiones
Mensaje final: Un hallazgo no es una verdad final. Es una hipotesis priorizada. La mineria de datos sirve para decir: revisemos primero estas combinaciones porque aparecen mas relacionadas con perdida de estabilidad.