En la revista Machines se publicó el trabajo “Intelligent Scheduling in Open-Pit Mining: A Multi-Agent System with Reinforcement Learning” de los doctores Gabriel Icarte-Ahumada (UNAP) y Otthein Herzog (Universidad de Bremen/Tongji University). El artículo describe MAS-TDRL, una nueva versión de un sistema multi-agente para la asignación de camiones y palas en minas a cielo abierto, ahora potenciada con aprendizaje por refuerzo profundo.

El estudio compara el desempeño del sistema original (sin aprendizaje) con la versión con reinforcement learning, utilizando escenarios simulados basados en datos reales de una mina chilena. MAS-TDRL genera cronogramas más eficientes, reduce los tiempos de espera entre camiones y palas y, en consecuencia, disminuye los costes operativos del manejo de materiales, que pueden representar hasta el 50 % del gasto total de la mina.

Para los estudiantes, este trabajo ejemplifica cómo combinar multi-agentes y aprendizaje automático para resolver problemas industriales complejos en tiempo real. Además, demuestra el valor de la simulación y los datos reales a la hora de validar algoritmos, competencias clave en el ámbito de la minería inteligente y la Industria 4.0.

Para mas información: https://www.mdpi.com/2075-1702/13/5/350