Scielo RSS http://scielo.senescyt.gob.ec/rss.php?pid=2602-848420240002&lang=es vol. 18 num. 2 lang. es http://scielo.senescyt.gob.ec/img/en/fbpelogp.gif http://scielo.senescyt.gob.ec http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842024000200201&lng=es&nrm=iso&tlng=es Resumen La corrosión es un problema recurrente en la industria del gas natural, debido a la presencia de gases corrosivos como el CO2 y el H2S que en presencia de agua pueden atacar el acero y producir daños y fugas que generen accidentes y contaminación, es por ello que la predicción de la tendencia del gas natural hacia la corrosión es fundamental para desarrollar estrategias de inhibición y mitigación de este proceso. El objetivo del estudio fue desarrollar una Red Neuronal Artificial (RNA) entrenada con datos de composición de muestras de gas natural para predecir la tendencia corrosiva, como método alternativo que pueda ser utilizado como una herramienta predictiva eficiente. La RNA se entrenó con una muestra de 46 gases naturales y 11 componentes por cada una, además de la presión y la temperatura como condiciones operacionales, lo que representa un total de 598 datos de entrenamiento de la RNA, además se utilizaron 8 muestras adicionales para la validación externa del modelo. La RNA que desarrolló fue dentro de los principios de la estadística Bayesiana, con una arquitectura de Perceptrón Multicapa. Se obtuvo que la RNA es capaz de clasificar correctamente el 95,65% de la tendencia corrosiva de las muestras, siendo aquellas con tendencia no corrosiva las que presentaron el menor porcentaje de predicción (75%). La predicción de las muestras externas siguió la tendencia esperada, con menor capacidad para clasificar a las no corrosivas, y las muestras con posible corrosión y corrosivas fueron predichas en 80%. Se concluye que la RNA es una herramienta eficiente para la predicción de la tendencia corrosiva del gas natural en presencia de CO2 y su efectividad depende de que se utilicen muestras con todos los componentes necesarios para entrenar la misma, además puede ser mejorada al introducir otros parámetros como la cantidad de agua presente.<hr/>Abstract Corrosion is a recurrent problem in the natural gas industry, due to the presence of corrosive gases such as CO2 and H2S that in the presence of water can attack steel and produce damages and leaks that generate accidents and contamination, that is why the prediction of the tendency of natural gas towards corrosion is essential to develop strategies to inhibit and mitigate this process. The objective of the study was to develop an Artificial Neural Network (ANN) trained with composition data of natural gas samples to predict the corrosive tendency, as an alternative method that can be used as an efficient predictive tool. The ANN was trained with a sample of 46 natural gases and 11 components for each one, in addition to pressure and temperature as operational conditions, representing a total of 598 training data of the ANN, also 8 additional samples were used for external validation of the model. The ANN that developed was within the principles of Bayesian statistics, with a Multilayer Perceptron architecture. It was obtained that the ANN is able to correctly classify 95.65% of the corrosive tendency of the samples, being those with non-corrosive tendency the ones that presented the lowest prediction percentage (75%). The prediction of the external samples followed the expected trend, with lower capacity to classify the non-corrosive ones, and the samples with possible corrosion and corrosive were predicted in 80%. It is concluded that ANN is an efficient tool for predicting the corrosive tendency of natural gas in the presence of CO2 and its effectiveness depends on using samples with all the necessary components to train it, and it can be improved by introducing other parameters such as the amount of water present. http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842024000200202&lng=es&nrm=iso&tlng=es Resumen Este estudio, se centra en la cobertura forestal de tres distritos en el ámbito urbano de la provincia de Andahuaylas, región Apurímac en Perú, la cual afronta problemas de deforestación. El objetivo fue determinar la cobertura forestal en el área urbana de la provincia de Andahuaylas hasta el 2030, para la revelación de los escenarios futuros de la cobertura forestal, contribuyendo al desarrollo de la planificación urbana y a la creación de ciudades sostenibles. Para el área de estudio, se utilizaron datos registrados entre los años 2017-2023, a partir de las imágenes NDVI del portal Sentinelhub. Permitiendo disponer de información de bosques tropicales y templados; arbustos y pastizales; zonas áridas de roca; áreas urbanas o artificiales que han cambiado como consecuencia del proceso de urbanización. Se determinaron las superficies de bosque en el área de estudio. Posteriormente se utilizó la regresión lineal con un p valor = 0,046, alcanzando un R2 de 0,583 en un rango medio, logrando estimar los escenarios futuros del bosque al 2030. Se concluye que la tendencia es decreciente en la cobertura forestal en 26,50% al año 2030.<hr/>Absttract This study focuses on the forest cover of three districts in the urban area of the province of Andahuaylas, Apurímac region, Peru, which is facing deforestation problems. The objective was to determine the forest cover in the urban area of the province of Andahuaylas until 2030, to reveal future scenarios of forest cover, contributing to the development of urban planning and the creation of sustainable cities. For the study area, data recorded between the years 2017-2023 were used, based on NDVI images from the Sentinelhub portal. This allowed for the availability of information on tropical and temperate forests, shrubs and grasslands, arid rock zones, and urban or artificial areas that have changed due to the urbanization process. The forest surfaces in the study area were determined. Subsequently, linear regression was used with a p-value = 0,046, reaching an R2 of 0,583 in a medium range, managing to estimate future forest scenarios by 2030. It is concluded that the trend is decreasing in forest cover by 26,50% by the year 2030. http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842024000200203&lng=es&nrm=iso&tlng=es Resumen El mapeo geológico es una herramienta fundamental en la exploración y el aprovechamiento de recursos minerales. Desde escalas regionales hasta locales, es usado en proyectos mineros para identificar el recurso mineral, modelar el depósito, orientar perforaciones, planificar la extracción del mineral, en el diseño de mina y, en la evaluación de riesgos e impactos ambientales. Es decir, está presente en todo el ciclo de vida del proyecto minero. Para entender las relaciones que existen entre los datos obtenidos de diversas disciplinas asociadas a la geología como geofísica, geoquímica, petrografía, geología estructural, etc., es adecuado que estos sean tratados como un sistema de folios. Mediante una investigación bibliográfica se presenta la importancia del uso de esta metodología. En particular, el sistema de folios Anaconda, cuyos procedimientos estandarizados han permitido obtener buenos resultados en la exploración o explotación de minerales en Yerington-EEUU, La Costanaza-España, Ferrobamba-Perú, Guanajuato-México, Imbabura-Ecuador y Atacama-Chile.<hr/>Abstract Geological mapping is a fundamental tool in the exploration and development of mineral resources. From regional to local scales, it is used in mining projects to identify the mineral resource, to model the deposit, to guide drilling, to plan mineral extraction, in mine design, and in the evaluation of risks and environmental impacts. In other words, it is present throughout the life cycle of the mining project. To understand the relationships that exist between the data obtained from various disciplines associated with geology, such as geophysics, geochemistry, petrography, structural geology, etc., it is appropriate that these be treated as a layers’ system. The importance of the use of this methodology is presented by means of bibliographic research. In particular, the Anaconda system, whose standardized procedures have allowed to obtain good results in the exploration or exploitation of minerals in Yerington-USA, La Costanaza-Spain, Ferrobamba-Peru, Guanajuato-Mexico, Imbabura-Ecuador, Atacama-Chile. http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842024000200204&lng=es&nrm=iso&tlng=es Resumen Ha sido la permanente preocupación de los ingenieros de empresas municipales en el país, respecto a la determinación de las velocidades máximas y los problemas relacionados por abrasión en las tuberías plásticas, parámetros que pueden ocasionar la pérdida de espesor de pared en las tuberías de alcantarillado sanitario y pluvial. Este artículo establece sobre la investigación obtenida en ensayos de laboratorio en tuberías de PRFV (poliéster reforzado en fibra de vidrio) que con nuevas innovaciones y formulaciones químicas (carburo de silicio), es actualmente, más resistente al fenómeno de la abrasión y por ende a la velocidad del fluido. Muestra que, aunque los métodos de las pruebas de abrasión pueden variar, los resultados obtenidos en los ensayos realizados son consistentes en laboratorio y constatados en campo.<hr/>Abstract It has been the permanent concern of Municipal Company engineers in the country, regarding the determination of maximum speeds and the problems related to abrasion in plastic pipes. Parameters that can cause the loss of wall thickness in sanitary and storm sewer pipes. This article establishes the research obtained in laboratory tests on GRP pipes (fiberglass reinforced polyester) that with new innovations and chemical formulations (silicon carbide), is currently more resistant to the phenomenon of abrasion and therefore to the velocity of the fluid. It shows that, although abrasion test methods may vary, the results obtained in the tests carried out are consistent in the laboratory and verified in the field. http://scielo.senescyt.gob.ec/scielo.php?script=sci_arttext&pid=S2602-84842024000200205&lng=es&nrm=iso&tlng=es Resumen El desarrollo de proyectos mineros en etapas de exploración y prefactibilidad conlleva desafíos relacionados a la heterogeneidad e incertidumbre geológica y de procesamiento debido a la variabilidad en sus atributos primarios y de respuesta. Por lo tanto, el objetivo de esta investigación radica en elaborar el modelo geometalúrgico del índice de trabajo de Bond. Para esto se desarrollaron modelos de regresión lineal en Jupyter Notebook considerando 790 muestras de resistencia a la compresión uniaxial de la roca (UCS), litologías, zonas minerales e índice de trabajo de Bond (BWi) en un depósito pórfido cuprífero. Los resultados indican relación directamente proporcional de tipo lineal entre el BWi y UCS, generando modelamientos con desempeños aceptables de R2 entre 0,76 a 0,90. Además, las litologías y zonas mineralizadas en el depósito estudiado son características relevantes relacionadas a la conminución. Finalmente, de acuerdo a la competencia de la roca, esta se clasifica como tipo media a dura, dura y muy dura en las zonas de óxidos, mixtos y sulfuros primarios respectivamente.<hr/>Abstract The development of mining projects in the exploration and pre-feasibility stages involves challenges related to geological and processing heterogeneity and uncertainty due to variability in their primary and response attributes. Therefore, the objective of this research is to develop the geometallurgical model of the Bond work index. For this purpose, linear regression models were developed in Jupyter Notebook considering 790 samples of uniaxial compressive strength of rock (UCS), lithologies, mineral zones and Bond work index (BWi) in a porphyry copper deposit. The results indicate a directly proportional linear relationship between BWi and UCS, generating modeling with acceptable R2 performances between 0,76 and 0,90. In addition, the lithologies and ore zones in the deposit studied are relevant characteristics related to comminution. Finally, according to rock competence, the rock is classified as medium to hard, hard and very hard in the oxide, mixed and primary sulfide zones, respectively.