18/06/2013

1
Carlos Agreda, Ph. D 1
Carlos Agreda, Ph. D 2
Sistema de SimuIacin
Introduccin
El modelo de simulacin es una herramienta muy
importante para el ingeniero que trabaja en diseo
de cualquier operacin minera unitaria, como por
ejemplo galeras, tneles, plantas de tratamiento
de minerales o tambin para simular el
funcionamiento de los diferentes equipos usados
en la minera.
Por otro lado, la simulacin se puede emplear
para mejorar el comportamiento humano del
personal. Siendo la simulacin una herramienta
muy importante para todo tipo de investigacin
que pueda ser llevada a cabo por el hombre.
18/06/2013
2
Carlos Agreda, Ph. D 3
Por tanto, se puede decir que la simulacin se ha
convertido en una herramienta de experimentacin
muy importante de la . O.
Carlos Agreda, Ph. D +
Sistema de SimuIacin
Origen
La historia y la evolucin de la simulacin por ordenador
han ido paralelas a la evolucin de la nformtica. Sus
orgenes los encontramos en la segunda Guerra
Mundial cuando dos matemticos, J. VNeumann y S.
Ulam, tenan el reto de resolver un problema complejo
relacionado con el comportamiento de los neutrones.
Los experimentos basados en prueba y error eran muy
caros y el problema era demasiado complicado para
abordarlo mediante tcnicas analticas. La aproximacin
que eligieron se basa en la utilizacin de nmeros
aleatorios y distribuciones de probabilidad. El mtodo
desarrollado fue llamado "mtodo de Montecarlo" por el
paralelismo entre la generacin de nmeros aleatorios y
el juego de la ruleta.
18/06/2013
3
Carlos Agreda, Ph. D 5
Durante la Guerra Fra se intensific el uso de la
simulacin para resolver problemas de inters militar;
trayectorias y dinmicas de satlites artificiales, guiar
msiles, etc. Muchos de estos problemas exigen la
resolucin de sistemas de ecuaciones diferenciales no
lineales. Para abordar estos problemas se utilizaron
ordenadores analgicos que usaban elementos
electrnicos para resolver las operaciones
matemticas: integracin, suma, multiplicacin,
generacin de funciones, etc.
A partir de la dcada de los 60 empiezan a aparecer en
el mercado programas de simulacin de sistemas de
acontecimientos discretos que poco a poco se
empezaron a utilizar para resolver problemas de mbito
civil.
Carlos Agreda, Ph. D 6
Los ms destacables fueron el GPSS de BM (General
Purpose System Simulator) y el SMSCRPT. Los
modelos de acontecimientos discretos son muy
utilizados en la actualidad para estudiar problemas de
fabricacin de procesos, logstica, transporte,
comunicaciones y servicios. Estos problemas se
caracterizan por centrar su inters en los cambios que
hay en el sistema como consecuencia de los
acontecimientos y en su capacidad para modelar los
aspectos aleatorios del sistema.
La revolucin que se produjo en la informtica a partir
de los aos 80, tiene un impacto importante en la
simulacin por ordenador. El uso de simuladores se
generaliza en prcticamente todos los mbitos de la
ciencia y la ingeniera.
18/06/2013
4
Carlos Agreda, Ph. D 7
Algunos de los simuladores ms populares son MS
Flight Simulator, NASCAR Racing, SimCity,
Civilization, RollerCoaster Tycoon, y The Sims, etc.
Carlos Agreda, Ph. D 8
Sistema de SimuIacin
La simuIacin es eI proceso de disear un modeIo que
representa a un sistema reaI; y IIevar a cabo varios
experimentos usando eI modeIo con eI propsito de
entender eI comportamiento deI sistema o eI de evaIuar
varias estrategias, dentro de Ios Iimites impuestos por un
criterio, de taI manera que eI sistema opere.
La simuIacin es eI disear y desarroIIar un modeIo
computarizado de un sistema o proceso y conducir
experimentaImente con este modeIo con eI propsito de
entender eI comportamiento deI sistema deI mundo reaI o
evaIuar varias estrategias con Ios cuaIes puedan operar eI
sistema, etc.
Definicin: existen varias definiciones, entre las cuales
se tiene:
18/06/2013
5
Carlos Agreda, Ph. D 9
A continuacin algunas definiciones de simulacin:
Thomas T. Goldsmith Jr. y Estle Ray Mann: "Simulacin
es una tcnica numrica para conducir experimentos en
una computadora digital. Estos experimentos
comprenden ciertos tipos de relaciones matemticas y
lgicas, las cuales son necesarias para describir el
comportamiento y la estructura de sistemas complejos
del mundo real a travs de largos perodos".
R.E. Shannon: "La simulacin es el proceso de disear
un modelo de un sistema real y llevar a trmino
experiencias con l, con la finalidad de comprender el
comportamiento del sistema o evaluar nuevas
estrategias dentro de los lmites impuestos por un cierto
criterio o un conjunto de ellos para el funcionamiento
del sistema".
Carlos Agreda, Ph. D 10
SHUBIK: Es un modelo, la simulacin de un sistema o
de un organismo es la operacin de un modelo lo cual
se va a llamar simulador el cual es una representacin
del sistema.
Este modelo o simulador estar sujeto a diversas
manipulaciones, las cuales seran imposibles de
realizar, demasiado costosas o imprcticas. La
operacin de un modelo puede estudiarse y con ello
conocer las propiedades concernientes al
comportamiento del sistema o subsistema real.
18/06/2013
6
Carlos Agreda, Ph. D 11
Carlos Agreda, Ph. D 12

Un adecuado planeamiento, con las herramientas de

simulacin y/o software se clasifican en:

Para ayudar a clarificar las ideas y los pensamientos

relacionados a un sistema cualquiera

Para ayudar en los diversos sistemas de comunicacin

Como una herramienta de toma de decisiones y

control en la administracin moderna

Como una herramienta de prediccin

especializado en minera, es clave para determinar

con exactitud los recursos necesarios y el alcance en
toda operacin minera, etc.,
Objetivos
18/06/2013
7
Carlos Agreda, Ph. D 13
Carlos Agreda, Ph. D 1+
Simulacin
La investigacin y eI desarroIIo que se IIeva
actuaImente en Ia minera peruana sobre temas de
simuIacin de fragmentacin de roca por voIadura
bajo un enfoque sistmico pIantea nuevos aIcances
tcnicos en cuanto aI proceso de optimizacin de Ia
voIadura va modeIos de simuIacin, y su impacto
tanto en Ia rentabiIidad de Ia operacin gIobaI (mina
y moIienda) como en uso eficiente de Ia energa de
potencia a Io Iargo de todo Ia cadena de vaIor Mina-
MoIienda es notoria . La simuIacin trata con
modeIos de sistemas cuya estructura puede ser
mejor entendida o su comportamiento mejor
predicho. Es decir trata con eI estudio de sistemas
dinmicos en eI tiempo. EjempIo.
Inventarios, colas, programacin y pronsticos.
18/06/2013
8
Carlos Agreda, Ph. D 15
Carlos Agreda, Ph. D 16
ActuaImente existen desarroIIados diferentes modeIos para
simuIar Ia fragmentacin de Ia roca por Ia voIadura, desde Ia
ms bsica desarroIIada por Kuz Ram y otros mas sofisticados
para Ia determinacin deI materiaI fino producido por Ia voIadura,
como Ios modeIos TCM (Two Componet ModeI) y CZM (Chushed
Zone ModeI) desarroIIados por JKMRC o eI modeIo KCO
(Kuznetsov Cunningham OuchterIony) que reempIaza a Ia
funcin de Rosin RammIer en eI modeIo de Kuz Ram y a Ia
funcin Swebrec, estas estn mas acorde con Ias caractersticas
deI fracturamiento naturaI NBC (NaturaI Breakage
Characteristic).
18/06/2013
9
Carlos Agreda, Ph. D 17
Esta herramienta permiten simuIar Ia fragmentacin de Ia roca
por Ia voIadura que compIementadas con modeIos de baIance de
energa, ecuacin de Bond, permiten determinar eI consumo de
energa en Ios procesos posteriores a Ia voIadura como eI
chancado primario, secundario y moIienda.
Con todo eIIo se puede
determinar Ios costos
Mina MoIienda, y
adicionaImente
utizando otros
modeIos matematicos
se puede controIar Ia
variacin y hacer eI
fIujo de produccin
continua optimizando
Ia cadena de vaIor
Mina-MoIienda.
Carlos Agreda, Ph. D 18
18/06/2013
10
Carlos Agreda, Ph. D 19
1. Que sea fciI de entender por eI usuario
2. Que tenga eI modeIo metas y objetivos
3. Que eI modeIo no de respuestas absurdas
4. Que sea fciI de manipuIar, Ia comunicacin entre
eI usuario y Ia computadora debe ser senciIIa
5. Que sea compIeto, tenga por Io menos Ias partes
o funciones mas importantes deI sistema
6. Sea adaptabIe, que se pueda modificar, adaptar,
actuaIizarIo
7. Que sea evoIutivo que aI principio sea simpIe y
poco a poco empiece a voIverse compIejo
dependiendo de Ias necesidades de Ios usuarios
Criterios que se debe tener en cuenta para que un
modeIo de simuIacin sea aceptabIe.
Carlos Agreda, Ph. D 20
18/06/2013
11
Carlos Agreda, Ph. D 21
ModeIo
En el modelo se estudian los hechos salientes del
sistema o proyecto. Se hace una abstraccin de la
realidad, representndose el sistema/proyecto, en un
modelo. El modelo que se construye debe tener en
cuenta todos los detalles que interesan en el estudio.
Carlos Agreda, Ph. D 22
CIasificacin generaI de Ios modeIos de
simuIacin.
1. Modelos Deterministicos: Ni las variables endgenas
y exgenas se pueden tomar como datos al azar.
permitindose que las relaciones entre estas variables
sean exactas, o sea que no entren en ellas funciones de
probabilidad. Este tipo determinstico emplea menor
tiempo del uso de la cmputadora que otros modelos.
Ejemplo: Modelos Estocsticos
2. Modelos Estocsticos: Cuando por lo menos una
variable es tomada como un dato al azar las relaciones
entre variables se toman por medio de funciones
probabilsticas, sirven por lo general para realizar
grandes series de muestreos, involucra mucho tiempo
en la computadora son muy utilizados en la
nvestigaciones cientficas.
18/06/2013
12
Carlos Agreda, Ph. D 23
3. Modelos Estticos: No se toma en cuenta el tiempo
dentro del proceso, por ejemplo: los modelos de juegos,
modelos donde se observa las ganancias de una
empresa. Ejemplo: Arquitectnicos: lneas de telfono,
tubos de agua, etc.
4. Modelos Dinmicos: Si se toma en cuenta la
variacin del tiempo, ejemplo: la variacin de la
temperatura, del aire durante un da, movimiento anual
de las finanzas de una empresa. Ejemplo: Laboratorio
de qumica: reaccin entre elementos.
En estos modelos fsicos podemos realizar modelos a
escala o en forma natural, a escala menor y/o mayor,
sirven para hacer demostraciones de procesos como
para hacer experimentos nuevos.
Carlos Agreda, Ph. D 2+
5. Modelos a Escala: Son los modelos sencillos de
maquetas, como por ejemplo casas, cuartos, etc.
Tambin se pueden tener a tamao natural a menor o
mayor escala, bidimensional y tridimensional.
18/06/2013
13
Carlos Agreda, Ph. D 25
Carlos Agreda, Ph. D 26
18/06/2013
14
Carlos Agreda, Ph. D 27
Tipos de modeIos de simuIacin.
3. ModeIo Discreto
ModeIos
DiferenciaIes
EIementos finitos
Diferencias finitas
1. ModeIos AnaIgicos (fsica)
2. ModeIo Numricos:
modeIo continuo
ModeIos
IntegraIes
EIementos de contorno
IntegraIes de contorno
DespIazamiento discontinuo
Carlos Agreda, Ph. D 28
1. ModeIos AnaIgicos (fsica)
Los modeIos anaIgicos se basan en Ias anaIogas
que se observan desde eI punto de vista deI
comportamiento de sistemas fsicos diferentes que,
sin embargo, estn regidos por formuIaciones
matemticas idnticas, estos modeIos poseen
aIgunas propiedades simiIares a Ios objetos
representados pero sin ser una repIica morfoIgica
de Ios mismos. NormaImente para su construccin
se utiIiza un conjunto de convenciones que
sintetizan y codifican propiedades deI objeto reaI
para faciIitar Ia Iectura o interpretacin deI mismo.
Tipos de modeIos de simuIacin.
18/06/2013
15
Carlos Agreda, Ph. D 29
ModeIos
DiferenciaIes
EIementos finitos
Diferencias finitas
2. ModeIo Numricos:
modeIo continuo
ModeIos
IntegraIes
EIementos de contorno
IntegraIes de contorno
DespIazamiento discontinuo
Modelo Continuos: Se denomina modeIos continuos a
aqueIIos modeIos matemticos que resueIven un tipo de
probIemas en Ios que eI comportamiento deI macizo
rocoso puede ser modeIizado por medio de Ias
ecuaciones diferenciaIes de Ia mecnica de Ios medios
continuos.
Dentro de esta categora se engIoban Ia mayor parte de
Ios modeIos numricos geomecnicos: Mediante eIIos
es posibIe tambin anaIizar macizos rocosos que
presentan discontinuidades, como faIIas, pIanos de
estratificacin contactos, etc.
Carlos Agreda, Ph. D 30
3. ModeIo Discreto
Un modeIo discreto de simuIacin no siempre se
usa para modeIar un sistema discreto.
La decisin de usar este modeIo discreto para
simuIar un sistema en particuIar depende de Ios
objetivos especficos deI estudio que esta
reaIizando.
18/06/2013
16
Carlos Agreda, Ph. D 31
1. Descripcin del sistema a ser representado
2. Tiempo de simulacin
3. Generacin de nmeros RANDOM
4. Mecanismos para performar la operacin en
secuencia apropiada
5. Una medida para coleccin estadstica.
Componentes de un modeIo.
Carlos Agreda, Ph. D 32
Diagrama conceptual
del proceso
experimental de la
simulacin
18/06/2013
17
Carlos Agreda, Ph. D 33
Generacin de desviaciones aIeatorias.
La desviacin aleatoria x, tal como el tiempo
entre llegadas de servicio en un modelo de
lnea de espera es posible por el siguiente
resultado bsico.
Sea F(X) = Funcin de densidad acumulada
de la V. A. X.
La nueva V. A. Y = F(x), ser un elemento
distribuido en el intervalo (0,1).
La idea de generar un numero aleatoria R
sobre (0, 1) significa que: X = F
-1
(R)

= |
.
|

\
|
+ =
_
=

Carlos Agreda, Ph. D 3+
Para la distribucin exponencial Distribucin normal
Ri son nmeros aleatorios generados a partir de las
distribucin uniforme (0, 1).
18/06/2013
18
Carlos Agreda, Ph. D 35
Distribucin discreta.
Un anlisis de tiempo de llegada en intervalos
de 10 minutos durante cada da, se ha
encontrado que:
10% deI tiempo no IIegan camiones 0
20% deI tiempo IIegan un camin 1
40% deI tiempo IIegan dos camiones 2
15% deI tiempo IIegan tres camiones 3
10% deI tiempo IIegan cuatro camiones 4
5% deI tiempo IIegan cinco camiones 5
Carlos Agreda, Ph. D 36
18/06/2013
19
Carlos Agreda, Ph. D 37
Generacin de nmeros aIeatorios.
Los nmeros aleatorios se generan de tablas,
o usando mtodos para hallar nmeros seudo-
aleatorios. Por el mtodo aditivo de
congruencias o el multiplicativo de las
congruencias.
Sub-rutina RANDU para generar nmeros
seudo-aleatorios.
Carlos Agreda, Ph. D 38
SUBROUTINE RANDU (IX, IV, YFR)
IY = IX + 65539
IF = IY 5, 6, 6
5 IY = IY + 2147483647 + 1
6 YFL = IY
YFL = YFL * .4656613E-9
RETURN
END.
18/06/2013
20
Carlos Agreda, Ph. D 39
Ejemplo:
Sea un sistema de carguo-acarreo (pala-camin),
operando de la siguiente manera:
Cargador
1
Cargador
2
Dump
Carlos Agreda, Ph. D +0
Diagrama conceptual: Mostrando las operaciones
mineras de carguo y acarreo.
Stock piIe
Despacho de
camiones
18/06/2013
21
Carlos Agreda, Ph. D +1
EI tiempo empIeado para eI carguo de Ios camiones
se puede caIcuIar usando Ia siguiente expresin
matemtica:
TCT
TRUCK
= LTT + TL + DT + TE + ST
Donde:
TCT
TRUCK
= Tiempo de cicIo totaI para un camin
cargado desde que se inicia eI carguo hasta eI
siguiente.
LTT = Tiempo totaI de carguo de un camin por una
paIa
TL = Tiempo de viaje cargado hasta Ia chancadora
(dump)
DT = Tiempo de descarga (dumping)
TE = Tiempo de viaje vaco
ST = Tiempo de espera deI camin para ser cargado.
Carlos Agreda, Ph. D +2
SoIucin.
Tiempo de viaje de un camin para ser
cargado.
El modelo tiene dos distribuciones:
1)Para el tiempo de carguo
2)Para el tiempo de viaje de un camin.
(TL + DT + TE + ST) = TA
Asumiendo que ambas son distribucin
normal.
Para aplicar simulacin, se debe
considerar que hay 2 palas y 6 camiones.
18/06/2013
22
Carlos Agreda, Ph. D +3
El tiempo promedio para cargar camiones es de
4.0 minutos con una desviacin estndar de 1
minuto.
El tiempo de viaje promedio del camin es de 16
minutos y con una desviacin estndar promedio de
2.0 minutos.
Para determinar el tiempo que se empleara ara el
carguo y viaje del camin, se usa la siguiente
relacin:
TS = Mean Time + (NDRD * Std Dev)
Carlos Agreda, Ph. D ++
M = Numero de palas en el sistema
N = Numero de camiones en el sistema
ES TS(i) = Tiempo del turno empleado de la pala i
ES TT(i) = Tiempo del turno empleado del camin i
ST = Tiempo de finalizacin de la simulacin.
TS = Tiempo muestra para este evento.
Maen Time = Tiempo medio para eI evento.
NDRD = Numero Random NormaImente Distribuido
( = 0, = 1)
Std Dev = Desviacin estndar deI tiempo
18/06/2013
23
Carlos Agreda, Ph. D +5
Modelos de Simulacin en el Anlisis de Proyeccin
Econmica-Financiera de la Cia. Minera Nacional.
Sistema ReaI
Sistema SimuIado
Reservas
Recursos productivos
Produccin
ngresos
Costos
Resultados
Activos
Deudas
Patrimonio
Reservas
Recursos productivos
Produccin
ngresos
Costos
Resultados
Activos
Deudas
Patrimonio
Factores externos
Carlos Agreda, Ph. D +6

ProbIema de apIicacin usando un modeIo de

simuIacin para eI sistema paIa-camin en una
operacin minera trabajada por eI mtodo de
open pit.
18/06/2013
24
Introduccin
Itimamente con eI desarroIIo de Ios softwares y eI
uso de Ias computadoras en eI campo minero, se
han desarroIIado una serie de programas de gran
apIicacin a Ia minera, en eI aspecto tcnico,
econmico, ecoIgico y gerenciaI.
Uno de Ios grandes aportes de Ia informtica en eI
campo minero es Ia simuIacin, que permite
reproducir en una computadora cuaIquier actividad,
como por ejempIo Ia voIadura de un banco,
sistemas de transporte de mineraI mediante
camiones, fajas, trenes, etc., etc.
Esta tcnica permite tomar en cuenta todas Ias
variabIes importantes que puedan afectar un
sistema, reproducir Ios estados y Ios tiempos en
forma aIeatoria y controIar Ios tiempos mediante
distribuciones estadsticas sofisticadas con Ia
finaIidad de simuIar en forma muy aproximadas a
Ias actividades reaIes.
Una de Ias grandes ventajas de Ios programas de
simuIacin es que permiten reaIizar una gran
cantidad de pruebas en Ia computadora, reduciendo
considerabIemente Ias pruebas de campo, cuyos
costos y peIigros son inherentes en toda actividad
minera y a veces prohibitivos.
18/06/2013
25
Carlos Agreda, Ph. D +9
A continuacin se muestra Ia forma de resoIver un
probIema de carguo y transporte de mineraI
mediante eI sistema paIa-camin.
EI objetivo es encontrar Ia fIota de camiones
adecuada para ciertas distribuciones de tiempo
mostradas, empIeando sistemas de simuIacin en
Ia computadora.
Carlos Agreda, Ph. D 50
18/06/2013
26
Carlos Agreda, Ph. D 51
FormuIacin deI ProbIema.
En eI diagrama conceptuaI, se muestra Ia soIucin
de este probIema. Donde se observa un sistema de
acarreo que consiste en una faciIidad de carguo
(paIa) y tambin un numero de camiones.
La ruta de viaje incIuye una seccin angosta, donde
2 unidades de transporte no pueden pasar
simuItneamente. Esta variacin en Ia ruta es
frecuentemente encontrada en Ios circuitos de
acarreo, por ejempIo Ios sistemas de trenes.
Se pueden formar Ineas de espera en eI punto de
carguo, en eI punto de descarga y en Ias entradas a
Ia zona de trafico restringida.
Carlos Agreda, Ph. D 52
Loading
FaciIity
Dumping
Point
No-Pass
Zone
Q
1
TE(1) TE(2) Q
4
TE (3)
TL(1) Q
2
TL(2) TL(3) Q
3
18/06/2013
27
Carlos Agreda, Ph. D 53
Q: Queuing
CuaIquier referencia de distancias se han omitido,
para faciIitar Ios tiempos que se muestran en Ia
siguiente tabIa I.
Diagrama conceptuaI N 1
Mean (min) ST. Desviation
(min)
Type of distribution
Load
TL (1)
TL (2)
TL (3)
Dump
TE (3)
TE (2)
TE (1)
1/3.06 (*)
1.92
2.28
2.95
1/1.34
2.79
2.28
1.87
1/3.06 (*)
0.18
0.21
0.25
1/1.34
0.14
0.21
0.17
Neg. ExponentiaI
Aprox. NormaI
Aprox. NormaI
Aprox. NormaI
Neg. ExponentiaI
Aprox. NormaI
Aprox. NormaI
Aprox. NormaI
Carlos Agreda, Ph. D 5+
TabIa I
18/06/2013
28
Carlos Agreda, Ph. D 55
Tiempos reIativamente cortos, frecuentemente
ocurren durante Ias operaciones de carguo y
descarga. Por Io tanto, esto es no inusuaI que Ia
frecuencia de estos tiempos tomen Ia forma de una
distribucin exponenciaI negativa o de La PIace.
(*) Ia media de una distribucin exponenciaI es:
1/m y Ia desviacin estndar es , entonces Ia
media deI tiempo "m" para eI carguo es 3.06 min., y
Ia media de Ia reIacin de carguo por unidad de
tiempo es 1/3.06.
De acuerdo a Ios servicios de tiempo combinados y
Ias respectivas demoras, estas son consideradas
distribuciones exponenciaIes negativas que se usan
para Ia soIucin deI probIema respectivo.
Carlos Agreda, Ph. D 56
EI tiempo de viaje de Ias unidades cargadas TL
(traveI Ioaded) y eI sistema de viaje de Ias
unidades vacas (traveI empty) son
aproximadamente distribuciones normaIes.
Se pide:
i. Encontrar Ia mejor aIternativa para obtener Ia
produccin y Ia productividad para este sistema
paIa-camin de Ia operacin minera respectiva.
ii. Escribir eI software respectivo, usando eI
Ienguaje GPSS.
iii. Discutir Ios resuItados y apIicaciones que se Ie
pueda dar a dicho software.
18/06/2013
29
Carlos Agreda, Ph. D 57
Carlos Agreda, Ph. D 58
18/06/2013
30
Carlos Agreda, Ph. D 59
Criterios para Ia SeIeccin de Ia Mejor AIternativa.
En un sistema de acarreo de mineraI como deI
probIema propuesto, se requiere seIeccionar eI
numero camiones adecuados con Ia finaIidad de
minimizar eI tiempo ocioso de Ia paIa.
Esto es debido a que eI costo de propiedad y
operacin de Ias paIas y Ios camiones; es muy
aIto. Por Io que se deben minimizar Ios tiempos
ociosos de estos equipos.
Este mismo criterio es compatibIe con Ia
produccin o numero de camiones cargados en
una hora o una guardia.
Carlos Agreda, Ph. D 60
Sin embargo, tampoco resuIta econmico asignar
un nmero excesivo de camiones a una paIa, con Ia
finaIidad de minimizar eI tiempo ocioso de Ia paIa,
debido a que Ios tiempos ociosos de Ios camiones
esperando para ser cargados por Ias paIas se
incrementara notabIemente Ios costos de acarreo.
EI numero de camiones adecuados para una paIa,
teniendo en cuenta Ias distribuciones dadas, ser a
aqueI que produzca eI costo mnimo combinado por
no tener tiempos ociosos deI sistema paIa-camin.
Para caIcuIar eI costo combinado, se empIea Ia
siguiente reIacin matemtica:
CEP = CP&O (PaIa) * TOP + CP&O (Camin) * TOC (1)
18/06/2013
31
Carlos Agreda, Ph. D 61
Donde:
CEP : Costo de equipos ociosos ($)
CP&O (PaIa): costo de propiedad y operacin de paIa ($)
CP&O (Camin): costo de propiedad y operacin de
camin ($)
TOP: tiempo ocioso de Ia paIa (hr)
TOC: tiempo ocioso deI camin (hr)
Los vaIores de TOP y TOC sern dados por eI
programa, para cada numero de camiones
seIeccionados y Ios vaIores de Ios costos de
propiedad de paIas y camiones se obtendrn de Ios
manuaIes de Ios equipos correspondientes.
Carlos Agreda, Ph. D 62
18/06/2013
32
Carlos Agreda, Ph. D 63
ResuItados.
Los resuItados generaIes en resumen, se muestran
en Ia siguiente tabIa II.
Para Ia apIicacin de Ia formuIa (1), se ha
considerado Ios siguientes datos.
Costo de propiedad & costo de operacin pala : $100/hr.
Costo de propiedad & costo de operacin camin:$100/hr.
N
camiones
TOP (hr) TOC
(hr)
CEP ($) N camiones
cargados
3
4
5
6
7
8
9
10
11
12
2.24
1.87
1.51
1.50
0.87
0.83
0.80
0.23
0.25
0.05
1.71
2.98
5.85
6.50
8.89
8.62
11.18
18.39
22.62
23.00
241.1
216.8
281.2
215.0
175.9
169.2
191.8
206.9
251.2
235.0
42
56
62
81
90
95
95
101
101
97
Carlos Agreda, Ph. D 6+
TabaI II
18/06/2013
33
Carlos Agreda, Ph. D 65
ConcIusiones.
a. Observando Ia tabIa II, se puede apreciar, que eI
nmero de camiones que optimiza Ia operacin
es 8.
b. Para este nmero de camiones recomendados,
se obtiene eI menor costo deI equipo ocioso.
c. Estos resuItados varan si se cambian Ios costos
de propiedad y operacin considerados, por Io
que estos costos deben ser considerados como
datos deI probIema.
d. Para una mejor evaIuacin de Ios costos de
carguo y acarreo deI sistema ($/Tm.), se requiere
conocer Ia capacidad de Ia paIa y de Ios
camiones que son muy fciIes de obtener.
Carlos Agreda, Ph. D 66
e. La evaIuacin de un sistema de acarreo
utiIizando sistemas de simuIacin como eI
mostrado, es Ia forma mas reaI y objetiva de
trabajar, ya que Ios tiempos considerados
fueron tomados de datos reaIes y ajustados a
ciertos tipos de distribuciones estadsticas
conocidas, y eI programa de simuIacin asigna
tiempos en forma aIeatoria (random), que es Io
que justamente ocurre en Ia industria minera.
18/06/2013
34
Carlos Agreda, Ph. D 67
Mtodo de simuIacin de MontecarIo.
Este nombre se ha dado ltimamente en forma
genrica, a las tcnicas de simulacin que
utilizan variables aleatorias.
La simulacin de Montecarlo se utiliza en
diversas disciplinas entre las que se pueden
mencionar las siguientes:
<Lneas de espera o teora de colas
<Sistemas de inventarios
<Diversos sistemas de produccin
<Diversos sistemas econmicos, etc., etc.
Carlos Agreda, Ph. D 68
18/06/2013
35
Carlos Agreda, Ph. D 69
Una aplicacin de la tcnica de simulacin de
Montecarlo es el de tratar de desarrollar un software
para evaluar, analizar y disear la construccin e
instalacin de un nuevo grifo.
Esta tcnica de simulacin ser aplicada a un problema
tipo de congestin o lneas de espera.
Carlos Agreda, Ph. D 70
Como se sabe, usando la curva de distribucin
acumulativa estndar normal donde ( = 0 y o = 1);
nmeros aleatorios entre cero y uno (0, 1) en el eje de
las ordenadas; pueden ser usados para generar valores
en el eje de las abscisas.
La probabilidad entre 0 y 1 en el eje de las ordenadas
puede ser seleccionada en forma aleatoria usando una
tabla de nmeros aleatorios.
Procedimiento a seguir para generar tiempos
distribuidos de acuerdo a una funcin de densidad de
probabilidad (f.d.p.) normal con una media de (
ts
) =
9.20 minutos y una desviacin estndar de (o
ts
) = 2.56
minutos.
18/06/2013
36
Carlos Agreda, Ph. D 71
Luego trazando una lnea horizontalmente desde el eje
de las ordenadas hacia la curva y luego trazando una
lnea verticalmente hasta cortar el eje de las abscisas;
lo cual servir para generar una desviacin estndar
normal.
La repeticin de este procedimiento usando nmeros
aleatorios diferentes servir para generar desviaciones
estndar de acuerdo al modelo dictado por la forma de
la curva.
Luego, la desviacin estndar normal t, puede ser
transformada a la funcin de densidad de probabilidad
normal dada invirtiendo el proceso de estandarizacin,
como sigue:
=
'

+ = '
Carlos Agreda, Ph. D 72
Donde:
t' = es el tiempo en la funcin de densidad de
probabilidad deseada o a usarse. Por ejemplo, para los
datos dados se tendr lo siguiente:
(
ts
) = 9.20 minutos
(
ts
) = 2.56 minutos.
18/06/2013
37
Carlos Agreda, Ph. D 73
Entonces, para una desviacin estndar normal, t,
por decir igual a 0.76; el tiempo generado seria
como sigue:
t = (-0.76) (2.56) + 9.20 = 7.25
t = 7.25 minutos
Carlos Agreda, Ph. D 7+
-5 -4 -3 -2 -1 0 1 2 3 4 5
0.5
1.0
Valor correspondiente a la
desviacin estndar
buscada o generada
Probabilidad escogida
usando una tabla de nmeros
aleatorios.
Probabilidad
Diagrama conceptual: mostrando la
distribucin acumulativa normal estndar.
18/06/2013
38
Carlos Agreda, Ph. D 75
Nota:
Por lo explicado anteriormente; para la aplicacin de la
simulacin de Montecarlo al problema de desarrollar un
software para analizar, disear, construir e instalar un
grifo, ciertos tiempos tienen que ser generados
aleatoriamente.
Por lo tanto, es razonable pensar que estos tiempos
generados aleatoriamente podran representar una
medida de la duracin para efectuar una fase de cierto
trabajo. Por lo que, se debe tener en cuenta que los
tiempos generados aleatoriamente podran ser muy
cortos o muy largos para llevar a cabo las fases de
trabajo respectivas.
Carlos Agreda, Ph. D 76
Por ejemplo; ir desde una estacin A, hasta una
estacin B, con una cierta pieza de equipo no podran
efectuarse en un tiempo menor a un mnimo dado y/o
conocido. Tambin se debe tener en cuenta que el
tiempo no puede ser negativo; etc., etc.
18/06/2013
39
Carlos Agreda, Ph. D 77
ProbIema de apIicacin
Una compaa dedicada a la fundicin de Cu
emplea roca caliza en el proceso de fundicin
antes mencionado.
La roca caliza, es obtenida diariamente de un
contratista independiente que tiene una
pequea mina de roca caliza muy cercana a la
planta de fundicin.
Datos histricos muestran que el consumo
diario de roca caliza ha ocurrido de acuerdo a
las siguientes probabilidades:
Carlos Agreda, Ph. D 78
Consumo diario en Tm: X : 140 160 180 200 220 240 260
ProbabiIidad P(X): 0.1 0.15 0.25 0.20 0.15 0.10 0.05
La capacidad de produccin diaria del contratista es
normalmente distribuida con una media de 180 Tm y
una desviacin estndar de 20 Tm.
Asumiendo que el contratista no tiene roca caliza en
stock y que ambos, la produccin y el consumo diario
son independientes da a da y que la roca caliza no
usada cada da no puede ser almacenada:
18/06/2013
40
Carlos Agreda, Ph. D 79
Se pide:
i. Determinar el numero de das cuando la demanda
de la planta de fundicin por la caliza exceder al
abastecimiento para los siguientes 10 das de
operacin.
ii. Discutir los resultados.
Carlos Agreda, Ph. D 80
r. 0nro Aqredn
Pro(eor
te: eaej|c|e: |ate|ectaa|e: de aaa aeaa ca-caada
:ea ma: :e-p-eadeate: caaade :e t-ata de -e:e|e-
aa p-e|ema qae -eqa|e-e aaa :e|ac|a c-eat|a. |
aea ame-, m|eat-a: da-a, jae-ece |a capac|dad
de pea:a- cea j|ea||||dad q cea maqe- cemp|e|dad,
ac|eade qae -e:a|te ma: jc|| eaceat-a- :e|ac|eae: a
|e: p-e|ema:.