Caso aplicado · Curso 2 · Módulo 3 · Unidad 26

Enfoque guía: Sistemas de soporte de decisiones

Panel de turno — juntar modelos, reglas y responsables en una sola pantalla

Mate MathPlay · Flotación Cu · Material complementario

Flotación CuExcelPythonMinería de datos
Ver concepto general MathPlay · Ruta IA matemática (MathPlay) →
Curso 2 — Minería de datos · Módulo 3 · Unidad 4 de 4 · CIERRE
Caso flotación Cu · Curso 2 · Unidad 26

Sistemas de soporte de decisiones (DSS)

De modelos sueltos a herramienta que el jefe de turno abre cada hora

Idea central

Un DSS no es solo un modelo en Python. Es datos + modelos + reglas + personas. El operador ve: recuperación estimada, riesgo de espuma, modo de planta y qué hacer si la luz se pone amarilla.

1. Arquitectura del panel (demo)

Capa datos → historiador / CSV (120 h demo) Capa modelos → U16 ŷ rec. · U17 P(espuma) · U20 cluster · U22 score Capa reglas → si P>0,5 Y d>umbral → alerta fuerte (U18) Capa UI → Excel / Power BI / DCS secundario Capa gobierno → metalurgia aprueba umbrales y acciones
Widget panelFuenteUmbral demoAcción turno
Rec. estimada vs realU16|error| > 2 ppRevisar lab / sensores
Prob. espumaU17> 50 %Bajar espumante, revisar nivel
Modo celdaU20cluster estrésAvisar metalurgia
Score rarezaU22P90Bitácora + muestra espuma
Tendencia 6 hU193 h caídaAnticipar intervención

2. Matriz decisión (simplificada)

SeñalVerdeAmarilloRojo
Rec. vs ŷ|error| < 1,3 pp1,3–3 pp> 3 pp y bajando
P(espuma)< 30 %30–60 %> 60 %
Clusterestabletransiciónestrés

Cierre Módulo 3: minería de datos = preparar datos (U23–24), descubrir patrones (U25) y entregarlos en un DSS que operación use. Módulo 4: llevar todo a aplicaciones reales en planta.

3. Excel — mini-DSS

CSV demo · hoja “Panel” con columnas calculadas.

=' Semáforo recuperación (MAE ref 1,3):
=SI(ABS(G2-pred2)<1,3; "VERDE"; SI(ABS(G2-pred2)<3; "AMARILLO"; "ROJO"))

=' Alerta integrada:
=SI(Y(P_espuma2>0,5; dist2>umbral); "ROJO FUERTE"; semáforo_rec)

=' Texto para operador:
="Rec estimada "&TEXT(pred2;"0,0")&"% | Riesgo espuma "&TEXT(P_espuma2;"0%")

4. Python — fila panel en vivo

import pandas as pd
import joblib  # modelos guardados en M4

df = pd.read_csv("datos_flotacion_demo.csv")
row = df.iloc[-1]
# Pseudocódigo: cargar reg, clf, km, iso entrenados
panel = {
    "hora": row["fecha_hora"],
    "rec_real": row["recuperacion_cu_pct"],
    "rec_est": 84.2,  # reg.predict(...)
    "p_espuma": 0.71,
    "cluster": "estrés",
    "score_anom": 0.82,
    "semaforo": "ROJO",
    "accion": "Revisar dosificación espumante y nivel de celda",
}
for k, v in panel.items():
    print(f"{k}: {v}")

5. Investigación sugerida

Diseña un mockup (papel o Excel) del panel de turno con 5 widgets. ¿Qué ve el operador primero? ¿Qué ve el jefe de metalurgia?

Regístrate al boletín MathPlay

Datos, simulación, visualización, IA y tecnología aplicada a problemas reales de industria y minería.

Sin calendario fijo. Sin spam.

Listo. Te escribo cuando haya algo nuevo.

← KDD Siguiente: Aplicaciones supervisado (M4) → Descargar CSV