Diseño de un índice de calidad de bloque de pizarra ornamental basado en técnicas estadísticas y de machine learning

Laburpena

Debido a la inexistencia de un índice de calidad estándar para bloques de pizarra ornamental, se utilizan de manera indiscriminada e incuestionada métodos clásicos de clasificación (RMR de Bieniawski y Q de Barton), definidos originalmente para identificar y solventar problemas de estabilidad en excavaciones subterráneas. Por otra parte, los métodos clásicos utilizan fórmulas paramétricas preestablecidas que no necesariamente tienen que coincidir con los criterios de los expertos en calidad y, de hecho, el grado de ajuste entre ambos puntos de vista nunca se ha evaluado. En este trabajo se propone un índice de calidad de bloque de pizarra ornamental construido mediante la aplicación de técnicas de machine learning a la modelización del proceso de asignación de calidad seguido por el experto. El método propuesto se compara con uno de los métodos clásicos utilizando datos reales, y sus resultados mejoran ampliamente los producidos por éste. Asimismo, debido a que la testificación de sondeos de pizarra se realiza tradicionalmente de forma manual por un experto cualificado, se ha simulado su criterio mediante la implementación de técnicas de machine learning, construyéndose así un índice de calidad de testigo de pizarra basado en el aprendizaje automático.