publicidad

El ganador del Maptek Geology Challenge resuelve el problema de la complejidad de los datos

Maptek anticipa ejecutar otro desafío en 2022 y espera la colaboración continua de la industria para simplificar los procesos de modelamiento e inspirar a los geólogos a encontrar aplicaciones adicionales para la tecnología de Machine Learning

publicidad

Maptek se complace en anunciar que el ganador de la edición inaugural del Reto Geológico Maptek es Henry Dillon, geólogo senior de la consultora global Golder, miembro de WSP.

Dillon, que trabaja en Christchurch, Nueva Zelanda, aplicó una combinación de herramientas de geología de Maptek para modelar la compleja geología superficial bajo una estructura de ingeniería propuesta.

“Nuestro principal problema era cómo utilizar todos los datos de los sondeos para modelar todas las geologías y seguir obteniendo las arenas de baja y alta densidad en los lugares correctos a lo largo de esos sondeos”, dijo Dillon.

“La respuesta fue asignar y utilizar valores numéricos y combinar los datos con los tipos de comportamiento del suelo y las velocidades de las ondas de corte para controlar el modelo geológico”.

Dillon aplicó Maptek Vulcan, Vulcan GeologyCore, Data Analyser y DomainMCF para el desafío, que tuvo que ser completado durante una semana a principios de este año.

“DomainMCF manejó la complicada interferencia de materiales arenosos y limosos y modeló las interacciones arena-grava, generando las complejas interacciones litológicas que se esperan de los sistemas fluviales trenzados”, dijo Dillon.

La rapidez es una de las ventajas conocidas de DomainMCF y así se demostró en el estudio de Christchurch.

“Fuimos capaces de construir un modelo litológico razonable a partir de los datos de los sondeos y de las pruebas de penetración en cono para una zona de complejidad geológica conocida. Enviamos 193.000 puntos de datos a DomainMCF y recibimos nuestro modelo en 13 minutos y 6 segundos”, comentó Dillon.

Además de mostrar un enfoque innovador de la evaluación geotécnica del rendimiento y el diseño para la cimentación de una futura estructura, Dillon proporcionó una información inestimable para mejorar la solución de modelamiento integrado para todos los usuarios.

“DomainMCF se ha enfocado en la industria minera, pero muchas otras industrias encuentran que los procesos de modelamiento tradicionales consumen el mismo tiempo; podemos distribuir el beneficio”, dijo Dillon.

El desafío se lanzó como parte de Maptek Connect, una conferencia en línea de 24 horas que se llevó a cabo en mayo. Maptek brindó acceso a varias herramientas de software que los participantes podían aplicar a una aplicación relacionada con la geología de su elección, con énfasis en la innovación.

La recompensa de Dillon fue un premio en efectivo y horas de DomainMCF para Golder, que planea asignar a proyectos de desarrollo que se beneficiarían del enfoque de flujo de trabajo simple que produce rápidamente un modelo geológico preciso a partir de un conjunto de datos.

“Ya tengo un colega en Canadá que está interesado en ver qué podemos hacer con su proyecto de arenas petrolíferas en términos de interpretación, por lo que la oportunidad de utilizar fondos para un uso innovador dentro de una consultoría no tiene precio”, concluyó Dillon.

El segundo lugar en la competencia fue otorgado a un equipo de Anglo American dirigido por Reece Stewart por su enfoque innovador para el modelado de definición de sobrecarga, y el tercer lugar fue para Matt Green, Evolution Mining, quien comparó el modelamiento implícito con DomainMCF para interpretar estructuras geológicas complicadas.

Richard Jackson, líder del equipo de geología de Maptek y organizador del desafío global, dijo que estaba encantado con el esfuerzo de todos los participantes.

“Los trabajos ganadores fueron ejemplos sólidos de problemas bien definidos que eran difíciles de resolver con métodos tradicionales, destacando el beneficio de usar Machine Learning para actuar sobre múltiples tipos de datos y crear un modelo geológico”, dijo Jackson.

“Las presentaciones mostraron una gama de técnicas y aplicaciones novedosas que contribuirán a la innovación en nuestra industria”, concluyó.

Maptek anticipa ejecutar otro desafío en 2022 y espera la colaboración continua de la industria para simplificar los procesos de modelamiento e inspirar a los geólogos a encontrar aplicaciones adicionales para la tecnología de Machine Learning.

Ganadores del 2021 Maptek Geology Challenge Henry Dillon, Golder (izquierda) con Reece Stewart, Anglo American (arriba a la derecha) y Matt Green, Evolution Mining (abajo a la derecha)

Mira la entrevista con los ganadores aquí.

publicidad
Salir de la versión móvil