Ticona Corrales, SergioCuba Igochaga, Edwin Mauricio2026-10-222026-10-222026-09-22https://hdl.handle.net/20.500.12920/17648La gestión de seguridad en operaciones mineras enfrenta el desafío de clasificar manualmente grandes volúmenes de reportes textuales no estructurados, proceso sujeto a sesgos, fatiga humana y omisiones que limitan la detección oportuna de desviaciones en los controles críticos; problemática especialmente crítica en la Operación de Equipos Móviles, peligro que concentró el 53% de los incidentes totales y el 60% de los incidentes de alto potencial registrados en una unidad minera del sur del Perú durante el año 2025. Con el objetivo de automatizar la clasificación de reportes de seguridad y optimizar la detección de desviaciones críticas en equipos móviles, se diseñó e implementó un sistema inteligente basado en Procesamiento de Lenguaje Natural (NLP) y Machine Learning, bajo un enfoque cuantitativo, nivel explicativo y diseño cuasi-experimental. El sistema integró extracción de datos en tiempo real desde una base de datos SQL Server corporativa, vectorización TF-IDF con bigramas (max_features=5,000, ngram_range=(1,2)), balanceo de clases mediante SMOTE y entrenamiento simultáneo de tres algoritmos de clasificación supervisada: Naive Bayes Multinomial, Regresión Logística y Máquina de Soporte Vectorial Lineal, configurados con un umbral de decisión probabilístico de 0.27. La evaluación del sistema sobre un universo de 6,663 Observaciones de Control Crítico del año 2025 demostró que el modelo automatizado identificó 116 desviaciones críticas frente a las 25 detectadas por revisión manual, representando un incremento del 364% en la capacidad de detección, diferencia confirmada como estadísticamente significativa mediante el Test Z de comparación de proporciones (Z = 7.70, p < 0.001). Se concluyó que el sistema NLP–ML supera estructuralmente al proceso de revisión humana, opera con cobertura uniforme independiente de la carga operativa del revisor, y constituye una herramienta de alerta temprana viable y escalable para la gestión preventiva de riesgos en operaciones mineras de tajo abierto.application/pdfspahttps://purl.org/coar/access_right/c_abf2Aprendizaje automáticoequipos móvilesseguridad minerahttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/pe-repo/ocde/ford#2.07.05