Technologies in Underground Mining: A Bibliometric Review

Autores/as

Palabras clave:

Minería subterránea, Automatización, Internet de las cosas, Aprendizaje automático, Gemelo digital

Resumen

Este artículo ofrece una revisión bibliométrica global de tecnologías aplicadas a la minería subterránea, basada en Scopus (2016-2025). Se analizaron 739 registros utilizando Bibliometrix/BiblioShiny mediante análisis de rendimiento, redes de coautoría, autores, instituciones y países, tendencias de palabras clave y mapeo temático. El resultado de la publicación muestra tres fases: 2016-2019 (18,9%), 2020-2022 (32,5%) y 2023-2025 (48,6%), con un salto de 2019 a 2020 y una meseta alta en los últimos años. La difusión es amplia y no hegemónica; Ciencias Aplicadas (Suiza), Sensores, IEEE Access, Minería, Metalurgia y Exploración, y actas de E3S/IOP representan una parte del corpus. China e India lideran el volumen, seguidos de EE. UU. La colaboración establece un eje Asia-Pacífico con centros europeos. La autoría está descentralizada. Revela un núcleo operativo centrado en la minería subterránea, las minas subterráneas y la minería, junto con un clúster tecnológico en crecimiento que abarca el aprendizaje automático, el IoT, la automatización, los gemelos digitales, la robótica y el aprendizaje profundo. El mapa temático posiciona la minería subterránea y el aprendizaje automático/predicción como un componente fundamental y en expansión, a la vez que emergen el IoT, la seguridad y los equipos. El estudio proporciona una línea base y una agenda, la estandarización de datos y semántica, la validación multimina con KPI comparables, la ciberseguridad 5G/edge y los gemelos digitales para orquestar las carteras hacia operaciones más seguras, predecibles y eficientes.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Anticona-Cueva, J. Y., Noriega-Vidal, E. M., Cotrina-Teatino, M. A., & Arango-Retamozo, M. S. M. (2024). Evaluation of Predictive Models for the Optimization of the Cost of Unit Operations in Artisanal Underground Mining. Mathematical Modelling of Engineering Problems, 11(11), 2901–2911. https://doi.org/10.18280/mmep.111103.

Baek, J., Park, J., Cho, S., & Lee, C. (2022). 3D Global Localization in the Underground Mine Environment Using Mobile LiDAR Mapping and Point Cloud Registration. Sensors, 22(8). https://doi.org/10.3390/s22082873.

Brodny, J., & Tutak, M. (2022). Applying Sensor‐Based Information Systems to Identify Unplanned Downtime in Mining Machinery Operation. Sensors, 22(6). https://doi.org/10.3390/s22062127.

Clero, K., Ed-Diny, S., Achalhi, M., Cherkaoui, M., El-Harraki, I., El-Fkihi, S., Benzakour, I., Soror, T., Rziki, S., Abdelali, H. A., Tagemouati, H., & Bourzeix, F. (2025). Loosening rocks detection at Draa Sfar deep underground mine in Morocco using infrared thermal imaging and image segmentation models. Artificial Intelligence in Geosciences, 6(1). https://doi.org/10.1016/j.aiig.2025.100106.

Correa, M., Cárdenas, D., Carvajal, D., & Ruiz‐del‐solar, J. (2022). Haptic Teleoperation of Impact Hammers in Underground Mining. Applied Sciences (Switzerland), 12(3). https://doi.org/10.3390/app12031428.

Fahle, L., Holley, E. A., Walton, G., Petruska, A. J., & Brune, J. F. (2022). Analysis of SLAM-Based Lidar Data Quality Metrics for Geotechnical Underground Monitoring. Mining, Metallurgy and Exploration, 39(5), 1939–1960. https://doi.org/10.1007/s42461-022-00664-3.

Gomez, V., Remmas, W., Hernando, M., Ristolainen, A., & Rossi, C. (2024). Bioinspired Whisker Sensor for 3D Mapping of Underground Mining Environments. Biomimetics, 9(2). https://doi.org/10.3390/biomimetics9020083.

Han, Z., Li, Q., Wang, X., & Li, D. (2025). A physics-guided hierarchical deep learning framework for underground rock reinforcement compliance check based on 4D point cloud data. Tunnelling and Underground Space Technology, 164. https://doi.org/10.1016/j.tust.2025.106829.

Hasan, S., Sjoberg, K., & Wallin, P. (2025). Wireless Communication in Underground Mining Teleoperation: A Systematic Review. IEEE Access, 13, 72577–72602. https://doi.org/10.1109/ACCESS.2025.3563138.

He, P., Wang, Y., Zheng, G., & Zhou, H. (2025). Design and Implementation of an Edge Computing-Based Underground IoT Monitoring System. Mining, 5(3). https://doi.org/10.3390/mining5030054.

Hennen, E., Pekarski, A., Storoschewich, V., & Clausen, E. (2025). Stereo Vision-Based Underground Muck Pile Detection for Autonomous LHD Bucket Loading. Sensors, 25(17). https://doi.org/10.3390/s25175241.

Huang, Z., Ge, S., He, Y., Wang, D., & Zhang, S. (2024). Research on the Intelligent System Architecture and Control Strategy of Mining Robot Crowds. Energies, 17(8). https://doi.org/10.3390/en17081834.

Ichpas, W. H., Fierro, D. J. R., & Rojas, J. J. H. (2025). Implementation of an Intelligent Ground Fault Protection System for Pump Chambers Using Artificial Intelligence Networks. SSRG International Journal of Electrical and Electronics Engineering, 12(6), 187–194. https://doi.org/10.14445/23488379/IJEEE-V12I6P116.

Ikeda, H., Malgazhdar, D., Shionoiri, T., Sinaice, B. B., Adachi, T., & Kawamura, Y. (2022). Development of a Communication System for Underground Mining Informatization Leading to Smart Mining: A Comparison of Wi-Fi Ad Hoc and Wi-Fi Direct. Int. J. Soc. Mater. Eng. Resour, 25, 2.

Jasmine, K., Sanjith-Krishna, S., Subashini, B., Swethaa-Shree, V., & Rajavarma, R. (2024). Smart Wearable Device for Enhancing Safety and Efficiency of Coal Miners. Journal of Innovative Image Processing, 6(3), 235–243. https://doi.org/10.36548/jiip.2024.3.002.

Kim, H., & Choi, Y. (2025). 3D location estimation and tunnel mapping of autonomous driving robots through 3D point cloud registration on underground mine rampways. Underground Space (New), 22, 1–20. https://doi.org/10.1016/j.undsp.2024.10.003.

Kirsch, M., Mavroudi, M., Thiele, S., Lorenz, S., Tusa, L., Booysen, R., Herrmann, E., Fatihi, A., Möckel, R., Dittrich, T., & Gloaguen, R. (2023). Underground hyperspectral outcrop scanning for automated mine-face mapping: The lithium deposit of Zinnwald/Cínovec. Photogrammetric Record, 38(183), 408–429. https://doi.org/10.1111/phor.12457.

Mariz, J. L. V., Ferraz, T. S. G., Lima, M. P., Silva, R. M. A., & Jang, H. (2025). Predicting Dilution in Underground Mines with Stacking Artificial Intelligence Models and Genetic Algorithms. Applied Sciences (Switzerland), 15(11). https://doi.org/10.3390/app15115996.

Naik, A. S., Reddy, S. K., & Raj, M. G. (2024). RTEPMS: Real-Time Environmental Parameters Monitoring System Using IoT-Based LoRa 868-MHz Wireless Communication Technology in Underground Mines. IEEE Access, 12, 7430–7455. https://doi.org/10.1109/ACCESS.2024.3350429.

Nguyen, L. Q., Le, T. T. T., Nguyen, T. G., & Tran, D. T. (2023). Prediction of underground mining-induced subsidence: Artificial neural network based approach. Mining of Mineral Deposits, 17(4), 45–52. https://doi.org/10.33271/mining17.04.045.

Nordström, S., Stathoulopoulos, N., Dahlquist, N., Lindqvist, B., Tevetzidis, I., Kanellakis, C., & Nikolakopoulos, G. (2025). Safety Inspections and Gas Monitoring in Hazardous Mining Areas Shortly After Blasting Using Autonomous UAVs. Journal of Field Robotics, 42(5), 2076–2094. https://doi.org/10.1002/rob.22500.

Pääkkönen, P., Horsmanheimo, S., Pakkala, D., Tuomimäki, L., & Backman, J. (2024). Reference architecture design and evaluation for digitalization of underground mining. Internet of Things (Netherlands), 26. https://doi.org/10.1016/j.iot.2024.101238.

Pakkala, D., Känsäkoski, N., Heikkilä, T., Backman, J., & Pääkkönen, P. (2025). On design of cognitive situation-adaptive autonomous mobile robotic applications. Computers in Industry, 167. https://doi.org/10.1016/j.compind.2025.104263.

Pattnaik, S. K., Samal, S. R., Bandopadhaya, S., Swain, K., Choudhury, S., Das, J. K., Mihovska, A., & Poulkov, V. (2022). Future Wireless Communication Technology towards 6G IoT: An Application-Based Analysis of IoT in Real-Time Location Monitoring of Employees Inside Underground Mines by Using BLE. Sensors, 22(9). https://doi.org/10.3390/s22093438.

Stefaniak, P., Koperska, W., Skoczylas, A., Witulska, J., & Sliwinski, P. (2023). Methods of Optimization of Mining Operations in a Deep Mine - Tracking the Dynamic Overloads Using IoT Sensor. IEEE Access, 11, 79384–79396. https://doi.org/10.1109/ACCESS.2023.3291080.

Tao, Y., Chen, Q., Xiao, C., Zhu, M., & Qiu, J. (2024). Artificial Intelligence Models for Predicting Ground Vibrations in Deep Underground Mines to Ensure the Safety of Their Surroundings. Applied Sciences (Switzerland), 14(11). https://doi.org/10.3390/app14114771.

Thanh, L. X., & Bun, H. V. (2022). A New approach on AI application for grounding resistor prediction in underground mines of Vietnam. Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu, (5), 158–163. https://doi.org/10.33271/nvngu/2022-5/158.

Tripathi, A. K., Aruna, M., Prasad, S., Pavan, J., Kant, R., & Choubey, C. K. (2023). New Approach for Monitoring the Underground Coal Mines Atmosphere Using IoT Technology. Instrumentation Mesure Metrologie, 22(1), 29–34. https://doi.org/10.18280/i2m.220104.

Vallejo-Molina, L., Blandon-Montes, A., Lopez, S., Molina-Escobar, J., Ortiz, A., Soto, D., Torero, J., Toro, A., & Molina, A. (2024). Application of Artificial Intelligence to the Alert of Explosions in Colombian Underground Mines. Mining, Metallurgy and Exploration, 41(4), 2129–2142. https://doi.org/10.1007/s42461-024-01008-z.

Xiao, W., Liu, M., & Chen, X. (2022). Research Status and Development Trend of Underground Intelligent Load-Haul-Dump Vehicle—A Comprehensive Review. Applied Sciences (Switzerland), 12, 18. MDPI. https://doi.org/10.3390/app12189290.

Yu, M., Du, Y., Zhang, X., Ma, Z., & Wang, Z. (2025). Efficient Navigable Area Computation for Underground Autonomous Vehicles via Ground Feature and Boundary Processing. Sensors, 25(17). https://doi.org/10.3390/s25175355.

Zhang, D., Wang, Y., Yang, J., Gao, D., & Chai, J. (2024). Research on Section Coal Pillar Deformation Prediction Based on Fiber Optic Sensing Monitoring and Machine Learning Algorithms. Applied Sciences (Switzerland), 14(20). https://doi.org/10.3390/app14209347.

Zhang, P., & Zhao, B. (2025). Gesture Recognition Achieved by Utilizing LoRa Signals and Deep Learning. Sensors, 25(5). https://doi.org/10.3390/s25051446.

Ziegler, M., Kianfar, A. E., Hartmann, T., & Clausen, E. (2023). Development and Evaluation of a UWB-Based Indoor Positioning System for Underground Mine Environments. Mining, Metallurgy and Exploration, 40(4), 1021–1040. https://doi.org/10.1007/s42461-023-00797-z.

Publicado

2026-06-09

Cómo citar

Vásquez-Maldonado, P. A., & Vicente-Ramos, W. E. (2026). Technologies in Underground Mining: A Bibliometric Review. Minería Y Geología, 42, e004. Recuperado a partir de https://revista.ismm.edu.cu/index.php/revistamg/article/view/e004

Número

Vol. 42 (2026)

Sección

Revisiones
Copyright & Licensing

Derechos de autor 2026 Pedro Alejandro Vásquez-Maldonado, Wagner Enoc Vicente-Ramos

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Los autores que publican en esta revista están de acuerdo con los siguientes términos:

  • Licencia Creative Commons Atribución-NoComercial permite que el beneficiario de la licencia tenga el derecho de copiar, distribuir, exhibir y representar la obra y hacer obras derivadas para fines no comerciales siempre y cuando reconozca y cite la obra de la forma especificada por el autor o el licenciante.
  • Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
  • Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
  • Lo anterior debe realizarse siempre sobre el artículo ya publicado por Minería y Geología.

La revista permite que los autores tengan los derechos de autor sin restricciones

La revista permite que los autores conserven los derechos de publicación sin restricciones