La química define el destino del mineral. Nosotros la leemos en el frente.
SpectraFlow AI clasifica especies mineralógicas de cobre — óxido, sulfuro, mixto — directamente en el punto de carguío mediante espectroscopía LIBS y Machine Learning. La especiación química, no el color, define si el material va a lixiviación, flotación o botadero.
* Rango a validar con datos de conciliación F2 de cada yacimiento. ** Precisión publicada de LIBS+ML sobre minerales en condiciones de laboratorio (referencia bibliográfica). La precisión en campo es nuestro objetivo de validación, no una cifra garantizada.
En la zona de contacto, el Dispatch decide a ciegas.
El modelo de bloques de corto plazo pierde resolución exactamente donde más importa: los contactos litológicos entre óxido, sulfuro y estéril. El operador clasifica visualmente, y cada error envía mineral de alta ley al botadero — de forma irreversible.
Resolución que no alcanza
Los bloques de 5–10 m promedian litologías que cambian en centímetros. En el contacto, esa resolución es insuficiente para decidir el destino correcto.
F2 fuera de rango
La desviación de conciliación Mina-Planta supera los rangos de excelencia operacional, comprometiendo la planificación de corto y mediano plazo.
Pérdida permanente
El cobre fino mal clasificado que llega al botadero no se recupera. Es una pérdida directa, continua e invisible en los reportes operacionales estándar.
Cuánto cuesta este problema depende del yacimiento. No vendemos una cifra genérica: el primer entregable de nuestro trabajo es cuantificarlo con los datos reales de conciliación F2 de su operación.
Medimos química elemental. No inferimos color.
La diferencia técnica que define nuestra ventaja: las tecnologías de visión e hiperespectral infieren mineralogía a partir de la reflectancia. LIBS mide la composición elemental real del material — la misma química que determina su ruta metalúrgica.
01 · Excitación
Pulso láser sobre el material
Un pulso láser de alta energía vaporiza una micro-porción del mineral y genera un plasma. La técnica LIBS es estándar y madura para análisis elemental.
02 · Captura espectral
Espectrómetro ICCD lee la firma
El detector gateable captura las líneas de emisión de Cu, Fe, S y elementos asociados en microsegundos. Cada elemento tiene una firma espectral inequívoca.
03 · Clasificación ML
Modelo propietario discrimina especies
Nuestro modelo de Machine Learning, entrenado con la librería espectral del yacimiento, clasifica óxido / sulfuro / mixto a partir de la química elemental real.
04 · Decisión
Clasificación al flujo de despacho
El resultado se entrega al sistema de gestión para informar la decisión de ruteo del material: lixiviación, flotación o estéril.
Por qué LIBS y no las alternativas
No competimos negando a los demás. Nos posicionamos donde LIBS es técnicamente superior para el problema específico de especiación de cobre.
| Tecnología | Qué mide | Limitación para especiación de Cu |
|---|---|---|
| Hiperespectral (visión) | Reflectancia / color | Infiere mineralogía; no entrega composición elemental cuantitativa. |
| XRF portátil | Fluorescencia de rayos X | No detecta elementos ligeros (Z<16); discrimina mal especies de Cu. |
| SpectraFlow · LIBS | Emisión elemental directa | Requiere librería espectral por yacimiento (nuestra barrera de entrada). |
Honestidad técnica como ventaja competitiva.
Un evaluador serio confía en quien declara su estado de madurez real. Esto es lo que está probado, lo que estamos validando y lo que es nuestro desafío de ingeniería declarado.
LIBS + ML clasifica minerales
- Clasificación de minerales por LIBS+ML reporta 82–94% de precisión en condiciones de laboratorio (literatura peer-reviewed).
- La especiación elemental de Cu, Fe y S por espectroscopía de plasma es física establecida.
- Iniciativas como CRC ORE + NRC Canadá validan LIBS para caracterización mineral en minería.
Precisión en el yacimiento real
- Construcción de la librería espectral específica del yacimiento objetivo (efecto matriz).
- Modelo ML v0 entrenado sobre muestras reales de zona de contacto.
- Benchmark documentado LIBS vs. hiperespectral vs. XRF sobre las mismas muestras.
Operación stand-off en pala
- La medición a 5–8 m en pluma móvil es nuestro desafío de ingeniería de fondo, no una premisa resuelta.
- El MVP valida primero en configuración de proximidad confinada (segura y probada).
- El stand-off se aborda como problema óptico separado, después de validar la química.
Métricas objetivo, no promesas.
Estas son las metas de validación del piloto. Las presentamos como objetivos a demostrar con evidencia, no como resultados garantizados.
Clasificación óxido/sulfuro sobre muestras reales del yacimiento, validada contra ensayes de referencia.
Estabilización de la conciliación Mina-Planta como meta de impacto operacional del sistema.
Comparativa técnica documentada que demuestre la superioridad de LIBS para especiación de cobre.
Validar barato antes de invertir caro.
Estructura stage-gate disciplinada. Cada fase tiene un hito de decisión basado en evidencia. Si una fase no cumple su criterio, el proyecto se detiene o pivota antes de comprometer el siguiente bloque de capital.
Descubrimiento de Cliente
15+ entrevistas con Superintendentes de Mina y Geólogos en operaciones objetivo. Identificación de sponsors internos y cuantificación de la prioridad del problema.
Cuantificación del Problema
Análisis de conciliación F2 histórica + muestras reales del frente. Business case con datos del yacimiento específico, no estimaciones genéricas.
Validación en Laboratorio
LIBS de proximidad en laboratorio universitario sobre muestras del yacimiento + modelo ML v0 + benchmark contra hiperespectral y XRF + respaldo de centro académico.
Carta de Intención + Safety
HAZOP preliminar del sistema, propuesta de POC con modelo CAPEX-al-cliente y negociación de carta de intención con el sponsor primario.
Inversión del MVP de validación: USD 68.000 · 5 meses. Diseñado para producir evidencia técnica defendible, un cliente con carta de intención firmada y un benchmark competitivo — antes de construir el sistema completo.
Land & Expand: del diagnóstico al sistema.
No pedimos a la operación una apuesta de capital ciega. Entramos con un servicio de bajo riesgo que entrega valor inmediato y abre la puerta al sistema completo.
Diagnóstico Geometalúrgico
Cuantificación de la pérdida por misclasificación con datos reales de F2. Servicio de consultoría de bajo costo y alto valor que genera la relación y el business case específico.
POC con CAPEX-al-cliente
Prueba de concepto en configuración de proximidad. El cliente adquiere el hardware (su balance lo soporta); Andean Flow aporta el software, el modelo y la integración.
Licencia + Servicio Recurrente
Licencia del software de clasificación + recalibración continua del modelo. El valor recurrente está en el conocimiento geometalúrgico y los datos, no en revender equipos.
Geometalurgia, datos y sistemas. La combinación correcta.
La ventaja real del proyecto no es el hardware — es el equipo capaz de leer la química, modelarla e integrarla a la operación.
Miguel Giuliano
Founder & Lead Geometallurgist
Geometalurgia aplicada y modelamiento de bloques de corto plazo. Define qué clasificar, diseña la librería espectral y valida que la clasificación sea geológicamente correcta.
Cristian Jara
Lead Data Scientist & Spectral Modeler
Algoritmos de clasificación espectral en Python. Responsable del entrenamiento, la cuantificación de incertidumbre y el despliegue del modelo en el nodo Edge.
Giovanni Giuliano
Lead Systems Integration Engineer
Integración hardware-software en ambiente industrial minero. Responsable del nodo Edge, la interfaz con el sistema de despacho y la robustez operacional.
En proceso de incorporación: matemático especialista en quimiometría, experto en sistemas Wenco Fleet Control e ingeniero industrial con experiencia en ruteo y ML.
SpectraFlow es el primer paso.
Un ecosistema de soluciones para la cadena de valor minero-metalúrgica, construido sobre la misma base: química, datos y geometalurgia.
SpectraFlow AI
Clasificación mineralógica en el frente de carguío por LIBS + ML. El producto que estamos validando hoy.
Reconciliación Mina-Planta
Geoestadística y reconciliación volumétrica para gestión del error de estimación en el modelo de bloques.
Control Inteligente de Tráfico
Gestión de tráfico minero en tiempo real: predicción de congestión y ruteo óptimo. Segundo producto en evaluación.
Conversemos sobre el primer paso.
Buscamos una operación dispuesta a cuantificar el problema con sus propios datos. Ese diagnóstico es el inicio de bajo riesgo de una colaboración que puede transformar la conciliación de su faena.
miguel@andeanflow.ai · Santiago, Chile