PRÓXIMA GENERACIÓN DE MODELADO GEOLÓGICO IMPLÍCITO

INTRODUCCIÓN

La industria minera está entrando en un período de transformación disruptiva utilizando la digitalización, la transparencia de la información, la gobernanza de datos, la portabilidad de datos y la innovación de procesos. Las empresas mineras ahora pueden implementar una variedad de sensores diferentes a lo largo de su proceso que pueden proporcionar datos en tiempo real de exploración y operaciones mineras que, en conjunto, se denominan “Internet de las cosas mineras” (MIoT).

Las decisiones comerciales que hoy en día pueden tomar días o semanas utilizando datos modelados manualmente se tomarán en minutos a partir de una fusión de datos estimados y reales. Esta toma de decisiones estará respaldada por procesos automatizados e informada mediante la simulación de posibles escenarios y sus consecuencias upstream y downstream. Esto se traduce en ahorros de tiempo sustanciales y mejoras en la precisión, transparencia y agilidad comercial al tomar decisiones informadas de manera oportuna. Pero esta visión solo puede convertirse en realidad cuando se basa en una nueva generación de aplicaciones de software estructuradas en un lenguaje de modelado que puede ser compartido, procesado y entendido tanto por máquinas como por personas.

NECESIDAD DE CAMBIO

Con la reciente desaceleración de la demanda y la caída resultante de los precios de las materias primas, en los últimos siete años muchas empresas mineras se han centrado en la productividad para lograr costos competitivos y mantener un flujo de caja positivo. Sin embargo, los programas de mejora de la productividad y las aplicaciones incrementales de tecnología llegarán tan lejos y están llegando a un límite. Ahora es evidente que la industria minera comparte un sentimiento común de que el próximo cambio en la reducción de costos y, por lo tanto, la productividad, se habilitará a través de la implementación holística de tecnología en toda la cadena de valor de la minería, respaldada por un desafiante proceso de gestión del cambio.

El cambio transformacional requiere un cambio de mentalidad que involucre a las personas, la cultura, la organización corporativa y la tecnología. Aquellas empresas que sean las primeras en adoptar, adaptar y dominar las tecnologías y el cambio establecerán una ventaja competitiva significativa. Las empresas que tardan en adoptar o se resisten al cambio verán que su curva de costos se estancará y, a la larga, quedarán fuera del negocio (por ejemplo, Kodak, Blockbuster).

La industria minera está pasando de un período en el que los estudios o planes de escritorio estáticos compartimentados eran comunes a centros de operaciones remotos más recientemente. Sin embargo, vamos a un mundo nuevo donde cada dato está mapeado, catalogado, conectado y disponible bajo demanda para modelar y simular escenarios o situaciones de la vida real para una mejor toma de decisiones. En este nuevo mundo, todo está conectado: personas con personas, personas con máquinas y máquinas con máquinas. Los procesos de minería se llevan a cabo de manera colaborativa y dinámica para capturar valor rápidamente (casi en tiempo real) en condiciones cambiantes.

La marca GEOVIA® de Dassault Systèmes está construyendo el “puente” para hacer ese cambio con herramientas capaces de unir el plan y la ejecución combinando el mundo virtual con la realidad. El modelado geológico implícito rápido representa solo la primera de numerosas aplicaciones que se crearán de forma nativa en la plataforma 3DEXPERIENCE® de Dassault Systèmes para permitir esta visión.

MODELADO SEMÁNTICO

Para aprovechar todo el potencial de las tendencias tecnológicas como MIoT, aprendizaje automático y big data, es necesario implementar una nueva arquitectura de software y organización de datos mediante el modelado semántico.

Muchos recursos web existentes son comprensibles solo para los humanos, ya que el lenguaje de marcado (HTML) solo presenta datos para información textual y gráfica destinada al consumo humano. El inventor de la World Wide Web, Tim Berners-Lee, introdujo por tanto la idea de la Web Semántica (Berners-Lee, Hendler & Lassila, 2001). La Web Semántica tiene como objetivo los recursos Web comprensibles por máquina, cuya información puede ser compartida y procesada tanto por herramientas automatizadas, como motores de búsqueda, como por usuarios humanos.

El lenguaje de representación del conocimiento de última generación de la Web Semántica es el lenguaje de descripción de ontologías (OWL), publicado por el World Wide Web Consortium (W3C). Su sintaxis más común se basa en el marco de descripción de recursos (RDF), que describe el significado y las relaciones a través de una colección de triples, cada uno de los cuales consta de un sujeto, un predicado y un objeto. Este “conocimiento” es utilizado por las computadoras para “unir los puntos” de manera autónoma, sin requerir la intervención humana.

PRÓXIMA GENERACIÓN DE MODELADO GEOLÓGICO IMPLÍCITO RÁPIDO

El concepto de modelado paramétrico ha existido durante varios años en disciplinas tales como gráficos por computadora (Hughes et al., 2013), ingeniería (Reinschmidt, Griffs & Bronner, 1991), ingeniería de sistemas y diseño y estilismo (Aouad et al. ., 2013). El modelado paramétrico aplica un enfoque basado en características paramétricas para crear modelos sólidos basados ​​en restricciones, relaciones y dimensiones. Estos tipos de parámetros controlan la forma, el tamaño y la salida (cómo se combinan las diferentes piezas de geometría). Esto es fundamentalmente diferente del enfoque CAD tradicional, donde las piezas básicas de geometría (por ejemplo, líneas, polilíneas) se diseñan desde cero y se combinan manualmente para expresar la intención del modelador. En un marco paramétrico, la relación entre el resultado y la intención se invierte, ya que la intención se expresa primero (a través de un conjunto de parámetros) para crear formas 3D que representen con precisión la intención del modelador.

El uso de funciones de base radial (RBF) para describir superficies implícitas en el espacio dado un conjunto de puntos de datos tampoco es nuevo en Analytic Geometry (Mittelman, 1983; Bloomenthal & Wyvill, 1997). Se ha utilizado desde finales de la década de 1960 en el campo de los gráficos por ordenador (Davis, Nagel & Guber, 1968). Más recientemente, este concepto se ha aplicado en el sector de los recursos naturales para crear representaciones en 3D de características geológicas (Cowan et al., 2002). En el espacio del modelado geológico, la premisa basada en datos del modelado implícito no solo reduce la naturaleza subjetiva del enfoque de modelado convencional, sino que también permite un cambio radical en agilidad, repetibilidad y trazabilidad.

La próxima generación de modelado geológico implícito rápido que GEOVIA está introduciendo en 2018 continúa aprovechando el RBF como conducto para el modelado implícito, pero ahí es en gran medida donde terminan las similitudes. La aplicación GEOVIA introduce una variación del motor RBF tradicional con un kernel innovador y un algoritmo de tetraedros en marcha novedoso, junto con una implementación del conocido Fast Multipole Method (Greengard & Rokhlin, 1987) para el manejo eficiente de desafíos de datos multimillonarios. . El algoritmo de tetraedros en marcha extrae las funciones implícitas y las combina con la información semántica para obtener un modelo geológico que se ajusta a las expectativas de los geólogos. El enfoque también combina principios de modelado paramétrico a través de reglas y relaciones que determinan cómo se ensamblan las diferentes partes (datos, componentes del modelo) para formar modelos geológicos, lo que permite al geólogo expresar la intención del modelado.

Esta solución de modelado geológico de próxima generación también tiene las siguientes características:

Aprovechando la nube

La aplicación aprovecha todo el potencial de la computación en la nube, no solo a través de la implementación de licencias, sino también a través del procesamiento dentro de un verdadero marco de software como servicio (SaaS). Es accesible para cualquier dispositivo que ejecute un navegador web compatible con HTML5 / WebGL, sin software para instalar y disponible desde cualquier lugar que pueda acceder a Internet.

Datos vinculados

Considere la visión de minas autónomas con cientos o quizás miles de máquinas equipadas con millones de sensores que se comunican entre sí. Para que eso suceda, se requiere un formato de datos que las máquinas puedan procesar y del cual las máquinas puedan inferir nuevos conocimientos de la información existente. Idealmente, las máquinas operarán directamente en el formato de datos, sin costos de transformación adicionales o pérdida potencial de información por la transformación. La filosofía de Linked Data con ontologías como lenguaje de representación subyacente permite exactamente este escenario.

Interoperabilidad

La interoperabilidad entre sistemas y su información heterogénea debe ser la base de la próxima generación de aplicaciones. En última instancia, esto permitirá que muchas fuentes de conocimiento independientes se conviertan en datos vinculados (Bizer, Heath & Berners-Lee, 2009), que es un habilitador central de la Web semántica. El modelo de datos de la próxima aplicación GEOVIA está alineado con los estándares del Consorcio Geoespacial Abierto, como GeoSciML. Dado que GeoSciML no se basa en los principios de Linked Data, sino que sigue siendo solo un estándar basado en XML, GEOVIA ha enriquecido las partes del estándar que son relevantes para la aplicación con significado semántico transformándolas en ontologías. Esto permite todos los beneficios de los datos vinculados, incluida la capacidad de comunicarse sin problemas con otras aplicaciones que utilizan GeoSciML.

Semántica y búsqueda federada

En el marco de la próxima generación de aplicaciones, cada pieza de información se almacena como datos en un repositorio unificado y ya no se incrusta en archivos o bases de datos de la manera tradicional de administrar datos. El modelo de datos semánticos (arquitectura) es el “pegamento” que mantiene los datos juntos a través de las relaciones trazadas y el nuevo “conocimiento” inferido por los algoritmos de aprendizaje automático.

La búsqueda federada es la capacidad de descubrir y recuperar datos a través de múltiples fuentes de búsqueda, independientemente de la categoría. Un modelo de datos semánticos mejora aún más las capacidades de la búsqueda federada, ya que los datos se almacenan en una base de datos homogénea con metadatos asociados para cada pieza de información. Esto permite buscar en todas partes y al mismo tiempo explorar las relaciones inherentes de los datos. Para lograr esto desde una base de datos relacional convencional, todo el contenido debería estar indexado de antemano.

CONCLUSIÓN

La aplicación discutida en este documento representa el primer paso en el viaje de la marca Dassault Systèmes GEOVIA hacia la próxima generación de software que permite la visión de una mina verdaderamente autónoma. Aunque la tecnología es un facilitador clave de tal visión, la gestión del cambio se considera el componente más importante en este camino de transformación y, como tal, no debe subestimarse. Por ejemplo, es posible que se requieran diferentes conjuntos de habilidades y estructuras organizativas para resolver los desafíos de una manera más colaborativa, holística y eficiente.

Para la industria minera, la visión de una mina autónoma representa un cambio transformacional que requiere una mentalidad diferente que implica nuevas formas de describir los desafíos y las soluciones innovadoras para abordarlos. La innovadora arquitectura de software de la nueva aplicación de GEOVIA es un ejemplo revolucionario de eso. Representa un hito importante para aprovechar todo el potencial de las tendencias tecnológicas discutidas anteriormente que, en combinación, sustentan la próxima ola de mejoras de productividad en la industria.

REFERENCIAS

Aouad, G., Wu, S., Lee, A., Onyenobi, T. (2013) Computer Aided Design Guide for Architecture, Engineering and Construction, Routledge, Oxford, UK.

Berners-Lee, T., Hendler, J., Lassila, O. (2001) ‘The semantic Web’, Scientific American, 284, 5, pp. 34-43

Bizer, C., Heath, T., Berners-Lee, T. (2009) ‘Linked data-the story so far’, Semantic services, interoperability and web applications: emerging concepts, pp. 205-227.

Cowan, E. J., Beatson, R. K., Ross, H. J., Fright, W. R., McLennan, T. J., Mitchell, T. J. (2002) ‘Rapid geological modelling’, Applied Structural Geology for Mineral Exploration and Mining International Symposium Kalgoorlie 23-25 September, Australian Institute of Geoscientists Bulletin, 36 , pp. 39–41

Davis, J., Nagel, R., Guber, W. (1968) ‘A Model Making and Display Technique for 3-D Pictures’, Proc. 7th Annual Meeting of UAIDE, 47-72.

Greengard, L., Rokhlin, V. (1987) ‘A fast algorithm for particle simulations’, Journal of Computational Physics, 73, 2, pp. 325¬348.

Hughes, J.F., van Dam, A., McGuire, M., Sklar, D.F., Foley, J.D., Feiner, S.K., Akeley K. (2103) Computer Graphics: Principles and Practice, Third Edition, Addison-Wesley Professional, Boston, US

Mittelman, P. (1983) ‘Computer Graphics at MAGI’, Computer Graphics 83, Online Publications, UK, pp. 291-301

Reinschmidt, K.F., Griffs, F.H., Bronner, P.L. (1991) ‘Integrated Engineering, Design, and Construction’, Journal of Engineering and Management, ASCE, 117, 4, pp. 756¬772

*This is a translation of original article: 3DS-GEOVIA-GeologicalModeling_WhitePaper.pdf