⚡ ingeniería eléctrica

Quantum Spherical Fuzzy Decision Framework with Golden Cut and ARTASI for Sustainable Mining Method Selection in Geologically Complex Thin Seams

Este estudio propone un novedoso marco de toma de decisiones a gran escala de lógica difusa esférica cuántica, integrando el Corte Dorado, la Ponderación de Expertos Basada en Consenso, la Optimización de Colonia de Hormigas y ARTASI para identificar sistemáticamente la minería de tajo con cortadora de trayectoria 3D automatizada como el método óptimo para la extracción segura y sostenible de vetas de carbón delgadas y geológicamente complejas en Meghalaya.

Autores originales: Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

Publicado 2026-10-29

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En lo profundo de la tierra, donde las vetas de carbón son delgadas, fracturadas y geológicamente complejas, la elección de cómo extraer el combustible es una apuesta de alto riesgo. En regiones como Meghalaya, India, donde las capas de carbón pueden tener apenas unos pocos centímetros de espesor, los métodos tradicionales han dependido a menudo de excavaciones rudimentarias y poco científicas que ponen en peligro a los trabajadores y cicatrizan el paisaje. El desafío central para ingenieros y planificadores no es solo encontrar carbón, sino seleccionar una técnica de minería que equilibre la seguridad, el costo, el impacto ambiental y la viabilidad técnica. Esta decisión rara vez es sencilla porque los factores involucrados a menudo tiran en direcciones opuestas; un método que sea barato puede ser inseguro, mientras que uno que sea altamente eficiente puede ser demasiado costoso para un sitio específico. Para navegar estas demandas conflictivas, los investigadores recurren a un campo de las matemáticas diseñado para manejar la incertidumbre humana, donde los juicios no se fuerzan en números rígidos, sino que se permiten existir en matices de gris, capturando la vacilación y la duda que naturalmente acompañan la opinión experta.

Un equipo de investigadores ha desarrollado un nuevo y sofisticado sistema para resolver este problema específico, con el objetivo de reemplazar la conjetura por un enfoque estructurado y científico. Crearon un marco de toma de decisiones que trata las opiniones de los expertos no como simples votos de "sí" o "no", sino como evaluaciones complejas que contienen capas de acuerdo, desacuerdo e incertidumbre. Al utilizar un modelo matemático que incorpora conceptos "cuánticos" —específicamente, la idea de que la información puede tener tanto una magnitud como una fase, muy similar a una onda—, pueden representar toda la sutileza de la vacilación de un experto. Para asegurar que el sistema permanezca fundamentado y consistente, los investigadores aplicaron un principio basado en la proporción áurea, una famosa proporción matemática encontrada en la naturaleza, para generar automáticamente los parámetros necesarios para estas evaluaciones complejas, eliminando la necesidad de elecciones arbitrarias.

El estudio se centró en los yacimientos de carbón de Meghalaya, donde las vetas oscilan entre 0.30 y 2.12 metros de espesor. Los investigadores reunieron a un grupo de expertos para evaluar doce métodos de minería diferentes, desde la perforación y voladura tradicional hasta la maquinaria automatizada avanzada. Estos métodos fueron probados frente a doce criterios distintos, incluyendo el espesor y la profundidad del carbón, la estabilidad de la roca superior, las necesidades de ventilación, los registros de seguridad y las consecuencias ambientales. En lugar de simplemente promediar las puntuaciones de los expertos, el nuevo sistema observó qué tanto coincidían los expertos entre sí. Aquellos cuyos juicios se alineaban estrechamente con el consenso del grupo recibieron más influencia en el cálculo final, asegurando que la sabiduría colectiva del equipo guiara el resultado en lugar de las opiniones atípicas de un solo individuo.

Una vez combinadas las visiones de los expertos, el sistema tenía que decidir qué criterios eran más importantes. En lugar de pedir a los expertos que adivinaran la importancia de cada factor, los investigadores utilizaron un algoritmo computacional inspirado en cómo las hormigas encuentran comida. Este algoritmo, conocido como Optimización de Colonia de Hormigas, simuló miles de escenarios para encontrar el equilibrio perfecto de pesos que mejor distinguiera entre los diferentes métodos de minería. Buscó un conjunto de prioridades que hiciera que las diferencias entre las opciones fueran lo más claras posible. El paso final consistió en clasificar los métodos utilizando una técnica que compara cada opción contra un escenario ideal de caso óptimo y un escenario de peor caso, calculando una puntuación única que refleja qué tan cerca está cada método de la perfección.

Los resultados de este riguroso análisis apuntaron claramente a un ganador: la minería de trituración de trayectoria 3D automatizada. Este método, que utiliza maquinaria avanzada para cortar el carbón a lo largo de una trayectoria precisa y controlada por computadora, surgió como la opción principal con una puntuación de utilidad de 0.674. Le siguieron de cerca la minería de pared larga basada en trituradora y la minería de cámaras y pilares con minador continuo. El estudio encontró que el potencial de mecanización fue el factor más importante en esta decisión, superando otras preocupaciones como la profundidad de la veta o la continuidad geológica. Los investigadores probaron la estabilidad de sus hallazgos desplazando aleatoriamente la importancia de los criterios y los datos de entrada, y los métodos con mayor rango se mantuvieron consistentes, lo que sugiere que el resultado es robusto y no un error fortuito del cálculo.

Este trabajo no pretende haber resuelto todos los problemas mineros o ser una regla universal para todos los yacimientos de carbón. En cambio, ofrece una base científica y confiable para alejarse de las prácticas de extracción peligrosas y no reguladas en Meghalaya. Al proporcionar una clasificación clara y basada en datos de las tecnologías disponibles, el marco ofrece a los tomadores de decisiones una forma de justificar la elección de métodos más seguros y sostenibles sobre aquellos que podrían parecer más fáciles pero conllevan riesgos ocultos. El estudio demuestra que cuando la incertidumbre humana se maneja con las herramientas matemáticas adecuadas, es posible atravesar la complejidad de la geología y la economía para encontrar el camino que ofrece la mejor oportunidad para un futuro seguro y sostenible.

Resumen Técnico: Marco de Decisión de Lógica Difusa Esférica Cuántica con Corte Áureo y ARTASI para la Selección de Métodos de Minería Sostenible

Planteamiento del Problema
La selección de los métodos de minería apropiados para vetas de carbón geológicamente complejas y delgadas (específicamente aquellas que oscilan entre 0.30 y 2.12 m de espesor) presenta un desafío crítico, particularmente en regiones como Meghalaya, India. Las prácticas de extracción convencionales en estas áreas, como la minería de agujero de ratón (rat-hole mining), están asociadas con riesgos significativos para la seguridad, pérdida de recursos y degradación ambiental. El proceso de toma de decisiones se complica por la necesidad de evaluar simultáneamente múltiples criterios, a menudo conflictivos, que incluyen características geológicas, viabilidad técnica, viabilidad económica, seguridad e impacto ambiental, bajo condiciones de incertidumbre, imprecisión y juicio subjetivo de expertos. Los métodos existentes suelen tener dificultades para representar adecuadamente la vacilación y la vaguedad inherentes a las evaluaciones humanas o para determinar objetivamente los pesos de los criterios sin depender de reglas analíticas fijas.

Metodología
El estudio propone un marco de Toma de Decisiones a Gran Escala de Lógica Difusa Esférica Cuántica (QSF-LSDM) diseñado para abordar la incertidumbre multidimensional y la subjetividad del experto. La metodología sigue un proceso estructurado de múltiples etapas:

Representación de Conjuntos Difuntos Esféricos Cuánticos (QSFS): Los juicios de los expertos se modelan mediante QSFS, que extienden los Conjuntos Difuntos Esféricos convencionales al incorporar información de amplitud y fase. Esto permite la representación simultánea de la amplitud de membresía, no membresía y vacilación, junto con sus correspondientes parámetros de fase, proporcionando una descripción más rica de la información incierta.
Mecanismo de Corte Áureo: Para reducir la subjetividad en la selección de parámetros, se emplea un procedimiento de Corte Áureo basado en la Proporción Áurea ( $\approx 1.618$ ). Este mecanismo deriva sistemáticamente los parámetros de no membresía, vacilación y fase directamente de las evaluaciones lingüísticas iniciales (por ejemplo, "Muy Alto", "Bajo"), eliminando las elecciones de escalado arbitrarias.
Ponderación de Expertos Basada en el Consenso (CBEW): En lugar de tratar a todos los expertos por igual, el marco calcula los pesos de los expertos basándose en el grado de acuerdo (consenso) entre el grupo de toma de decisiones. Las medidas de similitud entre las matrices de decisión individuales determinan la importancia relativa de cada experto, asignando mayores pesos a las evaluaciones que se alinean más estrechamente con la opinión colectiva.
Agregación mediante QSFWBM: Las evaluaciones individuales de los expertos se agregan utilizando el operador de Media de Bonferroni Ponderada de Lógica Difusa Esférica Cuántica (QSFWBM). A diferencia de las medias aritmética o geométrica estándar, este operador captura explícitamente las interacciones no lineales y las dependencias entre los criterios y las opiniones de los expertos durante la fusión de la información del grupo.
Ponderación Objetiva de Criterios mediante ACO: Para evitar el sesgo subjetivo en la ponderación de criterios, el estudio formula la determinación del peso de los criterios como un problema de optimización continua. Se utiliza un algoritmo de Optimización de Colonia de Hormigas (ACO) continua para buscar un vector de pesos óptimo que maximice la desviación de la puntuación pareada general entre las alternativas candidatas, derivando así los pesos directamente del poder discriminatorio inherente de la matriz de decisión.
Clasificación mediante ARTASI: La clasificación final se establece utilizando la Técnica de Clasificación de Alternativas basada en Intervalos Estandarizados Adaptativos (ARTASI). Este método transforma diversos atributos de beneficio y costo en un intervalo estandarizado unificado preservando la disposición relativa de los datos brutos. Evalúa las alternativas basándose en su distancia respecto a las condiciones ideales y anti-ideales para producir un índice de utilidad.

Contribuciones Clave
El artículo describe tres contribuciones primarias al campo de la Toma de Decisiones Multicriterio (MCDM) y la ingeniería de minas:

Desarrollo del Marco: Establecimiento de un marco QSF-LSDM que modela la incertidumbre cognitiva compleja y la vacilación humana mediante la integración de QSFS con parámetros de fase y un mecanismo de Corte Áureo para la construcción sistemática de parámetros.
Ponderación Objetiva de Expertos: Introducción de un modelo de Ponderación de Expertos Basada en el Consenso (CBEW) que asigna pesos basados en los niveles de acuerdo del grupo, evitando que los sesgos individuales distorsionen las evaluaciones colectivas.
Agregación Consciente de la Interacción: Aplicación del operador QSFWBM para capturar las interrelaciones entre criterios y opiniones de expertos, yendo más allá del supuesto de independencia que encuentran los métodos de agregación convencionales.
Ponderación Basada en Optimización: Formulación de la ponderación de criterios como un problema de optimización continua resuelto mediante ACO, maximizando la discriminación de puntuación sin depender de reglas analíticas fijas.
Clasificación Adaptativa: Utilización del método ARTASI para proporcionar un marco de clasificación flexible que maneja tanto criterios de beneficio como de costo de manera consistente mediante la estandarización adaptativa.
Validación Práctica: Aplicación del marco a un caso de estudio del mundo real en Meghalaya, evaluando 12 métodos de minería candidatos frente a 12 criterios diversos para apoyar la transición de una práctica no científica a una minería sostenible.

Resultos
El marco se aplicó para evaluar 12 métodos de minería ( $M_1$ a $M_{12}$ ) a través de 12 criterios. La implementación computacional, realizada utilizando Python 3.11, arrojó los siguientes hallazgos:

Método Mejor Clasificado: La minería con excavadora de trayectoria 3D automatizada ( $M_{10}$ ) emergió como la alternativa mejor clasificada con un índice de utilidad ( $\Omega$ ) de 0.674.
Clasificaciones Subsecuentes: Le siguieron la minería de pared larga en vetas delgadas con excavadora ( $M_5$ ) con $\Omega = 0.662$ , y la minería de cámaras y pilares con minadora continua ( $M_3$ ) con $\Omega = 0.632$ .
Peor Clasificado: La minería con barrena (auger mining) ( $M_7$ ) y la minería de cámaras y pilares (stope-and-pillar) ( $M_9$ ) recibieron los valores de utilidad más bajos.
Importancia de los Criterios: La ponderación basada en ACO identificó el potencial de mecanización ( $C_{11}$ ) como el criterio más influyente ( $w_{11} = 0.529$ ), seguido de la geometría y continuidad de la veta ( $C_4$ ), la profundidad de la veta ( $C_3$ ) y la recuperación de carbón ( $C_{10}$ ).
Robustez: Los análisis de sensibilidad (simulaciones de Monte Carlo y perturbaciones COMSAM) demostraron que la clasificación de las principales alternativas se mantuvo altamente estable a pesar de las variaciones en los pesos de los criterios y los datos de entrada.
Análisis Comparativo: Los resultados de QSF-ARTASI mostraron una concordancia perfecta (correlación de Spearman de 1.000) con los métodos EDAS y MARCOS, y una fuerte concordancia con TOPSIS. Se observó una divergencia significativa con VIKOR, atribuida a las diferencias metodológicas en el manejo de la información de decisión.

Significancia y Reivindicaciones
El artículo sostiene que el marco QSF-LSDM propuesto proporciona una base sistemática y científica para evaluar los métodos de minería en vetas delgadas geológicamente complejas. Al integrar la lógica difusa de inspiración cuántica con la optimización y los mecanismos de consenso, el marco gestiona eficazmente la incertidumbre y la vacilación de los expertos, minimizando al mismo tiempo el sesgo subjetivo en la selección de parámetros y pesos.

El estudio posiciona sus resultados no como recomendaciones universales para todas las condiciones mineras, sino como resultados de soporte a la decisión adaptados al contexto geológico, técnico y operativo específico de las vetas de carbón delgadas de Meghalaya. La principal significancia radica en ofrecer una alternativa estructurada a las prácticas de extracción no científicas, apoyando la transición hacia operaciones mineras más seguras, reguladas y sostenibles. Los autores enfatizan que, si bien el marco identifica los métodos más adecuados según los criterios definidos, la implementación real requiere investigaciones geológicas específicas del sitio, validación de ingeniería, evaluaciones de seguridad y aprobación regulatoria.

Más como este