41 41 Tolentino S. y Caraballo S. Simulación numérica del fujo de aire. UNIVERSIDAD, CIENCIA y TECNOLOGÍA Vol. 21, Nº 82 Marzo 2017 (pp. 4-15) ISSN 2542-3401 41 Salomón et al., Productividad del proceso minero, mas allá de la producción Rojas et al., Modelo matemático basado en aprendizaje de maquina para la predisposición ATHENEA JOURNAL IN ENGINEERING SCIENCES Vol. 2, Nº 5 September 2021 (pp. 41-54) ISSN 2737-6419 Modelo matemático basado en aprendizaje de máquina para la predisposición automática del fujo de cal y hrd en hornos eléctricos Recibido (08/07/21), Aceptado (10/08/21) Resumen: En este trabajo se desarrolla un modelo matemático para la predisposición automática del fujo de cal y HRD durante el proceso de aceración primaria en HEA de la acería de planchones de Sidor, C.A. Modelo que fue posible a través de un sistema de control inteligente de proceso dinámico, bajo un perfl de investigación de campo del tipo descriptivo; considerando una muestra de 46 coladas de acero de calidad comercial (ASTM A 1018). El sistema está conformado por dos módulos de simulación que permite asegurar la condición termodinámica ideal (temperatura del acero entre 1535 a 1575°C, indicador ITHD menores a 1,5% y un índice de basicidad binaria de la escoria entre 2 a 2,6) para la protección del material refractario y desfosforación del acero. Teniéndose como resultado, una reducción del Tap To Tap del 7,08%; reducción del consumo de cal en 5,28% y un aumento de la productividad del 7,51%. Palabras Clave: Metalurgia Primaria; Horno de Arco Eléctrico (HEA); Modelo Matemático; Aprendizaje de Máquina. Machine learning mathematical model for the automatic setup of the cal and hrd fow during the process of primary aceration in electric ovens Abstract: In this work, a mathematical model is developed for the automatic predisposition of the fow of lime and HRD during the primary steeling process in HEA of the steel mill of Sidor, C.A. Model that was possible through an intelligent dynamic process control system, under a descriptive feld research profle; considering a sample of 46 commercial grade steel castings (ASTM A 1018). Te system consists of two simulation modules that ensure the ideal thermodynamic condition (steel temperature between 1535 to 1575 ° C, ITHD indicator less than 1,5% and a binary base index of the slag between 2 to 2,6 ) for the protection of refractory material and dephosphorization of steel. Having as a result, a reduction of the Tap To Tap of 7,08%; reduction of lime consumption by 5,28% and an increase in productivity of 7,51%. Keywords: Primary Metallurgy; Electric Arc Furnace (HEA); Mathematical Model; Machine Learning. DOI: 10.47460/athenea.V2I5.25 Marlon Rojas https://orcid.org/0000-0002-1065-7992 Marlondrj@gmail.com UNEXPO, Vice Rectorado Puerto Ordaz Estado Bolívar, Venezuela Olga Prado https://orcid.org/0000-0002-8003-2904 Herpra7@gmail.com SIDOR Estado Bolívar, Venezuela . Alejandro Zambrano https://orcid.org/0000-0002-7465-8636 Alejandro.zambrano@gmail.com SIDOR Estado Bolívar, Venezuela Octavio Carvajal https://orcid.org/0000-0002-6055-8511 sirocc@gmail.com SIDOR Estado Bolívar, Venezuela