Disminución de riesgos geomecánicos en el área minera y obras civiles

“Probabilistic DFN-FDEM approach to rock block geometric uncertainty and strain energy evolution due to tunneling in discontinuity-controlled failure analysis”, es el nombre de la investigación que se encuentra desarrollando el profesor de la Escuela de Ingeniería Química, Dr. Amin Hekmatnejad, y que fue adjudicada a través del Fondecyt de Iniciación Nº 11221093 .

El trabajo, que tiene una duración de dos años (2022-2024), tiene como objetivo principal mitigar los riesgos geomecánicos en el área de la minería y de obras civiles que involucren macizos de rocas fracturadas (Figura 1), ofreciendo soluciones híbridas e innovadoras a través de simulaciones numéricas aplicadas a la mecánica de rocas, permitiendo además una caracterización representativa del macizo rocoso y de su comportamiento.

De esta forma, la investigación combina el estado del arte del procesamiento de las imágenes, gráficos de computadora, aprendizaje geoestadístico, ley de mecánica de fracturas, procesos puntuales, método numérico de elemento finito-elemento discreto, y ciencia de computación de alto rendimiento.

“A nivel general, este proyecto pretende estudiar el rol de la incertidumbre geométrica de bloques de rocas en la evolución de componentes de energía en macizo, para la evaluación de mecanismos de fallas causados por la discontinuidad, debido a la perturbación del campo de tensiones resultado de la excavación de túneles en el macizo rocoso fracturado”, señala el académico.

En definitiva, esta investigación propone reducir la incertidumbre geométrica de los bloques de roca en dos niveles: 1) desarrollo de un paquete computacional híbrido mecánico-probabilístico para que los modelos de redes de fracturas discretas sean más representativos en tiempo y escala real (Figura 2) 2) desarrollo de nuevos algoritmos técnicos en el contexto de un paquete computacional para identificar y caracterizar los bloques de roca dentro de los macizos rocosos fracturados, que cuente con tecnología computacional de alto rendimiento para procesar grandes cantidades de datos (Big Data), usando técnicas de gráficos de computadores y procesamiento de las imágenes (Figura 3).

“El enfoque numérico probabilístico (DFN-FDEM) que este proyecto propone para estudiar la evolución de energía, es una de las mejores alternativas para analizar el fenómeno de fallas controladas por discontinuidad. Su mecanismo permite la evaluación de riesgos y la cuantificación de la incertidumbre asociada.  A lo largo de la propuesta, la implementación de técnicas de computación de alto rendimiento se considera un tratamiento para la limitada capacidad computacional del modelado numérico de procesamiento Big Data”, sostiene el Dr. Hekmatnejad.

En términos industriales, la importancia de esta iniciativa innovadora e integradora radica, entonces, en que permite mitigar los riesgos geomecánicos y reducir la incertidumbre (Figura 4), ofreciendo un ambiente laboral más seguro para los trabajadores, reduciendo los impactos negativos en el medio ambiente y evitando la pérdida significativa de inversiones en la industria minera.

Cabe señalar, que este proyecto forma parte de otro importante trabajo denominado “Rock-Discontinuity-Fragmentation, R-Dis-Frag”, software de alta tecnología que combina el estado del arte en procesamiento de imágenes, gráficos de computadora, aprendizaje geoestadístico, Machine Learning y Deep Learning, Ley de Mecánica de Fracturas, procesos puntuales, método numérico de elemento finito-elemento discreto, y ciencia de computación de alto rendimiento, para caracterización y modelamiento de comportamiento de macizo rocoso fracturado, aplicado a la minería en tiempo y escala real (with several millions of fractures, up to hundred millions rock blocks and up to kilometers dimesion of the case study) tal como en micro-escala ( Figura 5, 6) para generar la geometría exacta de materiales y la malla adaptiva que respeta a borde y geometría de minerales.

Al tratarse de un proyecto multidisciplinario, el profesor Hekmatnejad ha tenido colaboraciones cercanas con profesores e investigadores nacionales e internacionales, de distintas áreas de la Ciencia y de la Ingeniería de varias universidades y centros científicos de alto prestigio, como CMM de la Universidad de Chile; Universidad de Limoges, Francia; Universidad de Toronto y British Columbia, Canadá; Newcastle University, Inglaterra; Academy of Science, China; y Universidad de Nazarbayef, Ozbakistan.

Cabe destacar, que este trabajo ya se está desarrollando y ha tenido importantes avances y resultados, con publicaciones en revistas científicas y congresos del área de mecánica de rocas, con casos de estudios reales y verificación de resultados. Tal es el caso, de la resolución de problemas relacionados con la estabilidad de túneles, fragmentación en minería masiva, caracterización de macizo de rocas fracturado, todo en tiempo y escala real aplicados a la Mina El Teniente.

Por otra parte, es necesario señalar que algunos resultados de esta investigación darán origen a nuevas investigaciones sobre el uso del procesamiento de imágenes, Machine Learning and Deep Learning, Big Data, Ley de Mecánica, y Teoría de Probabilidad para caracterización de macizo rocoso, modelos numéricos híbridos mecánicos-probabilísticos más robusto y rápidos, y simulación de redes de fracturas de forma automática o semi – automática. Además, permitirá incorporar explícitamente el rol de los parámetros de redes de fracturas en modelos, y predecir los mecanismos de fallas y sus intensidades, como estallido de rocas (rock bursting), excavaciones, evaluación de riesgos geomecánicos y sus incertidumbres para la toma de decisiones.