Evaluación integral de seguridad para el sistema de control de relleno basada en un modelo ampliado de elementos-materia de par establecido modificado

Por qué importa un relleno más seguro en minas profundas

A medida que los yacimientos de carbón y metales cerca de la superficie se agotan, la minería avanza a mayor profundidad, donde las presiones de la roca son más altas y el riesgo de colapso o daño ambiental aumenta. Una de las principales herramientas para hacer la minería profunda más segura es el relleno: bombear material de desecho y cemento a túneles vacíos para sostener el terreno. Pero los sistemas de relleno actuales son cada vez más complejos, llenos de sensores, bombas, tuberías y software. Este estudio aborda una cuestión sencilla pero crucial: ¿cómo podemos saber si el sistema de control de relleno de una mina es realmente seguro, inteligente y fiable?

Del relleno simple al control inteligente

Los sistemas modernos de relleno hacen mucho más que mover lodos por tuberías. Monitorizan de forma continua cómo se mezcla el material de relleno, cómo fluye por largas tuberías subterráneas y cuál es su resistencia una vez que se endurece en los huecos excavados. Mediante redes, computación en la nube y herramientas de big data, los sistemas pueden ajustar en tiempo real la velocidad de las bombas, las proporciones de la mezcla y las operaciones de lavado, a la vez que envían alertas tempranas si algo empieza a fallar. Bien implementado, esto mejora la seguridad, reduce el desperdicio de material y ahorra mano de obra. Sin embargo, estos sistemas siguen siendo relativamente nuevos y no existía una forma clara, basada en la ciencia, de juzgar cuán avanzado o fiable es realmente un equipo concreto.

Descomponer un sistema complejo en partes claras

Los autores proponen una forma estructurada de evaluar los sistemas de control de relleno en su conjunto. Dividen el sistema en cuatro partes principales: cómo se prepara el lodo en superficie, cómo se transporta y vigila a lo largo de la tubería, cómo se monitoriza la resistencia y estabilidad del relleno endurecido, y cómo se gestiona visual y digitalmente todo el sistema. Dentro de estas cuatro áreas definen 16 indicadores específicos, como la inteligencia del suministro de arena, la fiabilidad de la mezcla del lodo, el grado de monitorización de la presión de la tubería, si las fallas generan alertas tempranas y la eficacia con que se controla a lo largo del tiempo la resistencia del relleno endurecido. Luego clasifican los sistemas en cinco niveles, desde básico (Nivel I) hasta altamente avanzado (Nivel V), con niveles superiores que reflejan mayor automatización, robustez e integración.

Combinar juicio experto con datos sólidos

Para convertir este marco en una herramienta de evaluación operativa, el equipo combina la opinión de expertos con métodos matemáticos diseñados para la incertidumbre. Especialistas en minería e ingeniería puntúan cada indicador, pero en lugar de dar un único número proporcionan un intervalo que refleja su incertidumbre. Un método llamado teoría del número ciego convierte esos intervalos y la credibilidad de cada experto en un único valor más objetivo para cada indicador. La importancia, o «peso», de cada indicador se calcula de dos maneras: un método subjetivo que captura la visión de los expertos sobre lo que importa y un método objetivo que examina cuánta información aporta cada indicador en los datos reales. Una fórmula basada en Lagrange funde estos pesos en pesos combinados que no son ni puramente de opinión ni puramente estadísticos.

Medir similitud, diferencia y riesgo

Una vez que cada indicador tiene un valor y un peso, los autores aplican un esquema matemático conocido como el modelo de extensión de elemento-materia de par establecido. En esencia, este método compara el estado medido de un sistema con los estándares de cada nivel, tratándolos como un «par» que puede ser en parte idéntico, en parte diferente y en parte opuesto. Para cada indicador y para cada nivel posible, el modelo calcula un grado de pertenencia que muestra qué tan fuertemente el sistema coincide con ese nivel. Estos grados se combinan luego a través de todos los indicadores usando los pesos combinados para producir una puntuación de pertenencia global por nivel. El nivel con la mayor pertenencia se toma como la calificación del sistema, y un valor adicional calculado indica si el sistema tiende hacia un nivel mejor o peor dentro de la escala.

Minas reales puestas a prueba

Para comprobar si su modelo de evaluación es práctico, los investigadores lo aplican a tres minas en operación, cada una con un sistema de control de relleno moderno. Un panel de cinco expertos puntúa los 16 indicadores en cada sitio y los datos se procesan mediante los pasos de número ciego, ponderación y extensión de par establecido. Las tres minas obtienen la calificación Nivel IV, lo que indica un alto grado de inteligencia y seguridad, pero aún por debajo del nivel máximo. Las puntuaciones detalladas de los indicadores resaltan dónde cada mina puede mejorar—por ejemplo, un control más estable del nivel de líquido en el tambor de mezcla en un caso, un mejor diseño del sistema de distribución de ceniza en otro y una monitorización y respuesta de emergencia más robustas de la tubería en un tercero. Para generar confianza, los autores comparan sus resultados con otros dos enfoques de evaluación, un modelo en la nube y un modelo de reconocimiento de atributos; los tres métodos coinciden entre sí y con la experiencia in situ.

Qué significan los hallazgos para una minería más segura

En términos cotidianos, este trabajo ofrece a los operadores mineros una especie de «chequeo de salud» para sus sistemas de control de relleno. En lugar de confiar en impresiones subjetivas o medidas de rendimiento aisladas, el nuevo modelo reúne muchos aspectos de diseño, sensorización, automatización y gestión de datos en una sola imagen graduada, al tiempo que muestra qué subsistemas impiden que una mina alcance el mejor rendimiento. El hecho de que el método concuerde con otros modelos y con observaciones del mundo real sugiere que puede servir como una ayuda fiable para tomar decisiones sobre la mejora de sistemas, la prevención de obstrucciones en tuberías y el fortalecimiento del sostenimiento subterráneo. A medida que la tecnología de relleno se vuelve más compleja y esencial para la minería profunda, herramientas de evaluación tan transparentes y equilibradas serán importantes para guiar operaciones más seguras, eficientes y ambientalmente responsables.

Cita: Yin, Y., Yang, S., Yang, Y. et al. Comprehensive safety evaluation for back-filling control system based on modified set pair matter-element extension model. Sci Rep 16, 9056 (2026). https://doi.org/10.1038/s41598-026-39557-6

Palabras clave: relleno inteligente, seguridad minera, monitorización de tuberías de lodos, modelos de evaluación de riesgos, automatización minera subterránea