/ Proyectos / Minería / Optimización de controles operativos
Optimización de controles operativos en minería subterránea con clasificación multietiqueta
Predecir decenas de controles binarios a la vez, y por qué un solo número nunca te dice dónde se equivocó realmente el modelo.
Imagina que cada tarea en una mina subterránea deja un rastro de 30 preguntas de sí o no. ¿Se revisó el sostenimiento? ¿Se verificó la ventilación? ¿Se registró la voladura como corresponde? Ese rastro, multiplicado por miles de tareas, es justo el tipo de dato que la mayoría de los análisis tratan mal: como si fueran números cualquiera, en vez de lo que realmente son.
Insight "Un dato binario no es un número, es una pregunta de sí o no."
Y aquí está tu primer quick win del artículo: en cuanto tratas cada control como una pregunta, todo cambia. Ya no calculas promedios sin sentido, calculas tasas de cumplimiento. Ya no entrenas un clasificador binario a la vez, entrenas un modelo multietiqueta que aprende las 30 preguntas al mismo tiempo. Ese cambio de perspectiva, más que cualquier algoritmo, es lo que hizo que este proyecto funcionara.
Mapa del casoContenido
- Diagrama de la solución. De registros de tareas a un modelo multietiqueta con evaluación en dos capas
- Construcción de la solución. Cómo cada decisión respondió a una pregunta operativa real
- Condiciones del proyecto. Restricciones reales y opciones descartadas antes de construir
- Pasos. Qué se dejó al agente y qué criterio se aplicó en cada uno
- Proceso de iteración. Por qué una sola métrica nunca cuenta toda la historia
- Descargables. Notebook, diagrama y repositorio del proyecto
- Lecciones importantes. La lección concreta que deja este caso
Estructura de alto nivelDiagrama de la solución
Pasa el cursor sobre cada bloque para ver qué hace ese paso.
Agrupar por roca y labor antes de modelar no es un detalle de limpieza de datos, es la decisión que hace posible comparar resultados entre grupos y descubrir que ningún algoritmo gana siempre. Sáltate ese paso y terminas comparando peras con piedras.
Cómo se construyóConstrucción de la solución
Condiciones del proyecto
| Restricción | Dato |
|---|---|
| Naturaleza de las variables predictoras | Casi todas binarias, sí/no, no continuas |
| Origen de los datos | Operación real, usados para tesis con autorización de la empresa |
| Contexto operativo | 4 combinaciones distintas de tipo de roca y tipo de labor |
| Objetivo de negocio | No predecir por predecir: identificar qué operar u operador optimizar |
| Opción | Por qué se descartó |
|---|---|
| Entrenar un clasificador binario independiente por cada control | Ignora que los controles están correlacionados entre sí y multiplica el trabajo sin necesidad |
| Modelar todas las tareas juntas, sin agrupar por roca y labor | Mezcla patrones que pertenecen a contextos geológicos y operativos distintos |
| Clasificación multietiqueta con MultiOutputClassifier, por grupo operativo | Aprende los controles como lo que son, un conjunto relacionado, y respeta el contexto de cada grupo |
Insight "Sí puedes usar los datos de tu propia empresa para tu tesis, pero primero pide permiso."
Este proyecto nació de datos reales de una operación minera, y eso es justo lo que lo hace valioso: no son datos de juguete, son datos con ruido, con excepciones, con la complejidad de un negocio real. Si trabajas en una empresa y quieres hacer algo parecido para tu propia tesis, la buena noticia es que sí se puede. La condición no negociable es solicitar la autorización correspondiente antes de usar esos datos, y ser cuidadoso con lo que expones en el reporte final.
Pasos
Definición de la pregunta de negocio
Agente: propuso empezar directamente por el modelado predictivo.
Criterio aplicado: primero traducir el objetivo a una pregunta operativa clara, qué operador y qué controles conviene optimizar, antes de tocar cualquier algoritmo. Cada variable predictora binaria es, literalmente, una pregunta: ¿se realizó esa operación o no?
Tratamiento de las variables binarias en el EDA
Agente: propuso calcular promedios y desviaciones estándar generales sobre las columnas de control.
Criterio aplicado: reportarlas como tasas de cumplimiento por grupo, roca, zona y operador, que es la lectura que realmente responde la pregunta de negocio.
Elección de MultiOutputClassifier sobre modelos separados
Agente: sugirió entrenar un modelo binario por cada control, treinta modelos distintos.
Criterio aplicado: usar un único modelo multietiqueta por grupo, que aprende los treinta controles a la vez y respeta que no son independientes entre sí.
Comparación de cinco algoritmos base, no uno solo
Agente: propuso quedarse con Random Forest como único modelo, por ser una elección segura por default.
Criterio aplicado: comparar cinco algoritmos base por cada uno de los cuatro grupos operativos, porque no había garantía de que el mismo modelo ganara en todos los contextos, y en efecto no la había.
Proceso de iteración
Insight "Una métrica global te dice que te equivocaste, no dónde ni cómo."
Aquí viene otro quick win, y es de los buenos: accuracy, F1 y Hamming loss son necesarios, pero se quedan cortos en un contexto operativo real. Por eso se agregó una segunda capa de evaluación, una matriz de error por control específico, que separa falsos positivos de falsos negativos. No es lo mismo fallar en un control de seguridad que en uno administrativo, y esa distinción solo aparece cuando dejas de mirar el número global.
Ajuste documentado, no forzado
Al comparar los cinco algoritmos por grupo, ninguno ganó en los cuatro contextos operativos a la vez: el mejor modelo para roca III con labor mineral no fue el mejor para roca IV con desmonte. Además, con solo `AVANCE` como variable de entrada, algunas columnas de control quedaron con una sola clase en el conjunto de entrenamiento en ciertos grupos, lo que exigió un ajuste explícito para que el clasificador no fallara en silencio. No se forzó ningún resultado más favorable: el desempeño varía por grupo, y eso queda documentado tal cual.
Descargables
Los datos de este artículo se presentan de forma genérica, sin nombre de la operación ni datos que permitan identificarla, para proteger la confidencialidad del proyecto original.
CierreLecciones importantes
Si llegaste hasta aquí, ya te llevas algo que muy pocos análisis de datos operativos aplican bien: tratar lo binario como pregunta, no como número, y evaluar en dos capas en vez de conformarte con un solo puntaje. Esa es la clase de criterio que se nota en una tesis, en un proyecto de trabajo, y en cualquier conversación con el equipo de operaciones que tiene que confiar en tu modelo.
Si quieres ver un enfoque publicado con una idea similar, cómo se aprovechan las correlaciones entre etiquetas en clasificación multietiqueta, este es un buen punto de partida: Application of Label Correlation in Multi-Label Classification: A Survey (Applied Sciences, 2024).
Termina ya tu proyecto
¿Tienes datos operativos con muchas variables binarias y no sabes cómo modelarlos? Yo te ayudo a diseñarlo.
El 92% de los profesionales de datos desbloquea sus proyectos al ver ejemplos completos resueltos.
Sin registro. Acceso inmediato