Está en la página 1de 15

UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE INGENIERA
DEPARTAMENTO DE INGENIERA EN MINAS






LABORATORIO 1:
ESTUDIO DEL RENDIMIENTO DE COMBUSTIBLE EN LA MINA
CAROLINA GUAJARDO
IGNACIO HIDALGO





Sebastin Prez Corts, Profesor
Ren Quezada Castaeda, Ayudante
Laboratorio de Modelacin y Simulacin


Domingo 7 de octubre de 2012
Resumen ejecutivo
Este informe tiene el propsito de evaluar el consumo de combustible de camiones
en una faena minera de la compaa ARIBACHILE.
Se utilizan mtodos de anlisis de datos, especficamente la estadstica
descriptiva y la distribucin de dichos datos por medio de distribucin por criterios,
Criterio grupal, Criterio de Sturges y el Criterio de raz de n.
Para empezar, la investigacin abarca en sus primeros pasos la filtracin de datos,
como la pendiente positiva, el consumo de combustible menor a 1000 y la
seleccin de solo camiones cargados, esto logra una mejor perspectiva del
consumo de combustible.
Posteriormente se utiliza la herramientas de anlisis de datos que posee el
programa Excel de Microsoft, de aqu se obtienen los datos estadsticos bsicos
como la media (438,168001), mediana (451,6), cuenta (15766), desviacin
estndar (125,804785), varianza (15826,8439), Curtosis (3,61635817), etc. Esto
da una visin de cmo se agruparan en el histograma.
Adems de la estadstica descriptiva se realizan distribuciones de criterios, para
encontrar la mejor distribucin del consumo de combustible. Se realiza un
histograma de cada criterio para tener una mejor visin de los datos obtenidos,
despus se evala con el test de X
2
para verificar de manera objetiva cual criterio
de distribucin es ms adecuado.
Gracias al test de X
2
se determina que la mejor distribucin por criterio, la nica
que es muy buena, es la distribucin por Raz de N. Donde los datos respectivo
son: los grados de libertad = 126, X
2
0,5
=98,0052385, X
2
calculado=90,3874847,
X
2
95
= 149,884561.
98,0052385 < 98,3874847 < 149,884561
Despus se analizan los datos obtenidos para poder realizar conclusiones y
recomendaciones a la empresa.
Como anexo se puede observar la tabla del Criterio Raz de N.




ndice

I) Introduccin 2

II) Objetivo y alcances 2


III) Anlisis de datos y resultados 3
III.a) Criterio Grupal 4
III.b) Criterio de Sturges 6
III.c) Criterio raz de n 8
IV) Conclusiones y recomendaciones 9

V) Referencias 10


VI) Anexos 10











I) Introduccin
Con el propsito de conocer y evaluar el consumo de combustible de la flota de
camiones, en una de las faenas mineras de la Compaa Minera ARRIBACHILE,
es necesario llevar a cabo un anlisis exhaustivo de los datos tomados, medidos y
observados por operaciones, mediante Dispatch, los que se estudiarn bajo
ciertos criterios de la estadstica descriptiva.
La estadstica descriptiva es un conjunto de procedimientos que tienen por objeto
presentar masas de datos por medio de tablas, grficos y/o medidas de resumen.
De acuerdo a lo anterior, la estadstica descriptiva es la primera etapa a
desarrollar en un anlisis de informacin.
La investigacin realizada en este informe contempla una serie de pasos que
comienzan con la filtracin de datos inservibles para el anlisis, es decir otorgar
lgica al problema de acuerdo a las especificaciones requeridas Posteriormente,
se determinan criterios para concluir de qu manera se distribuyen mejor los
datos.
Para complementar y lograr comprobar que tan fidedignos son los resultados, se
les aplica una serie de histogramas, los cuales entregan una curva, la cual debe
lograr representar una curva de anlisis del tipo normal.
Luego, para finalizar, se realiza un test del tipo Chi- cuadrado, con el que podemos
determinar si el ajuste realizado se asemeja a una curva normal. Si el test resulta
positivo, estamos presentes al comportamiento que presenta el consumo de
combustible en los camiones en la realidad.

II) Objetivos y alcances

Objetivos: Determinar el comportamiento del consumo de combustible de
los camiones

Alcances: La Gerencia de Operaciones de la Compaa Minera
ARRIBACHILE (COMACHI) solicita el estudio del consumo de combustible
de los camiones en una de sus faenas mineras, los cuales se encuentran
cargados y viajan por pendiente positiva.


III) Anlisis de datos y resultados
En la bsqueda del real comportamiento en el consumo de combustibles en los
camiones, se debi optar por una serie de filtros, para as descartar aquellos
casos que producen una distorsin en los datos obtenidos. El fin de esto, es
determinar cul es la tendencia real de consumo y conocer el rango de consumo
de combustible que posee la flota.
Como los datos entregados por el sistema Dispatch abarcan a la totalidad de la
flota, el primer filtro a realizar es para descartar los camiones que viajan vacos,
puesto que el estudio se basa en los que se encuentran cargados. De la misma
forma se realiza un segundo filtro, para descartar aquellos camiones que viajan a
travs de pendientes negativas, es por esto que se opt por un filtro de
pendientes mayor o igual a 0.
Finalmente, nuestro ltimo filtro es el del combustible que gastan los camiones, el
cual se estim a un valor menor a 1000 litros/hora, ya que dentro del mercado de
camiones mineros es un rango coherente.
De dichos datos se realiz una Estadstica Descriptiva y una distribucin de datos
mediante Criterio Grupal, de Sturges y Raz de n.
Tabla estadstica descriptiva.


Estadstica Descriptiva
Media 438,168001
Error tpico 1,00192773
Mediana 451,6
Moda 425,8
Desviacin
estndar
125,804785
Varianza de la
muestra
15826,8439
Curtosis 3,61635817
Coeficiente de
asimetra
0,17740854
Rango 977,2
Mnimo 7,6
Mximo 984,8
Suma 6908156,7
Cuenta 15766
De aqu se aprecia que el consumo de combustible tiene una media de
438,168001 L/h, con una mediana de 451,6 L/h, y una moda de 425,8 L/h.
Tambin cabe mencionar que el mnimo consumido por camin es de 7,6 L/h, y el
mximo es de 984,8 L/h. De aqu se deduce que existen camiones que gastan el
doble del promedio respecto a los dems (lo cual es excesivo) y que el lmite
normal, de la mayora de los camiones, ronda el consumo de 400 L/h a 500 L/h en
combustible.
Si observamos estos datos, an as, no son suficientes para analizar de manera
ptima el consumo de combustible, al menos no para plantear una la cual optimice
el consumo de combustible, ya que, an nos falta establecer cmo estn
distribuidos los datos. Para esto utilizaremos diferentes criterios.
III.a) Criterio Grupal
Tabla Distribucin Criterio Grupal.
Clase Frecuencia %
acumulado
56,46 430 2,73%
154,18 502 5,91%
251,9 718 10,47%
349,62 1985 23,06%
447,34 8745 78,52%
545,06 2574 94,85%
642,78 359 97,13%
740,5 186 98,31%
838,22 139 99,19%
935,94 128 100,00%

Analizando estos datos se puede apreciar claramente que la mayora de los
camiones (8.745) consume 447,34 L/h de combustible, lo cual est sobre, pero
cerca de la mediana con 4,26 L/h de diferencia y supera por poco la media con
9,171999 L/h.

Del grfico se puede ver ms claramente la semejanza que tiene con la campana
de Gauss, aun as, pierde su simetra y no entrega los datos muy bien distribuidos.
Para apreciar de manera objetiva si esta es una buena distribucin se utilizar el
test de X
2
.
Chi calculado Grados de
Libertad
Chi 95%
confianza
Chi 5% de
confianza
52,7877426 7 14,0671404 2,16734992

Utilizando el test cuadrado donde:
Si
2
calculado<
2
0,5
<
2
95
Ajuste muy bueno
Si X
2
0,5
< X
2
calculado < X
2
95
Ajuste bueno
Si X
2
0,5
< X
2
95
< X
2
calculado Ajuste malo
Por lo tanto, como:
2,16734992 < 14,0671404 < 52,7877426
Se aprecia que el ajuste es malo, lo cual se puede explicar al hecho de que ste
criterio posee muy pocos intervalos de distribucin (10) para muchos datos
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
F
r
e
c
u
e
n
c
i
a

Clase
Histograma
Frecuencia
(15.766), perdindose informacin importante, por lo tanto, hay que realizar otro
tipo de distribucin para ajustar los datos.

III.b) Criterio de Sturges
Tabla Distribucin Criterio Sturges
Clase Frecuencia %
acumulado
41,2384182 194 1,23%
108,515255 518 4,52%
175,792091 251 6,11%
243,068927 407 8,69%
310,345764 829 13,95%
377,6226 2135 27,49%
444,899436 6584 69,25%
512,176273 3476 91,30%
579,453109 647 95,40%
646,729945 245 96,96%
714,006782 149 97,90%
781,283618 120 98,66%
848,560454 83 99,19%
915,837291 71 99,64%
967,137854 57 100,00%

En este caso, segn se observa en la tabla, la mayora de los camiones (6.584)
consume 444,899436 L/h de combustible, lo cual ahora est sobre la media, pero
ms cerca que el criterio grupal con 6,731435 L/h de diferencia y supera a la
mediana por 6,700564 L/h.

Del grfico se puede notar tambin la similitud que posee con respecto a la
campana de Gauss, pero tambin, pierde su simetra y no entrega datos muy bien
distribuidos.
Para apreciar de manera objetiva si esta es una buena distribucin se utilizar el
test de X
2
.
Chi calculado Grados de
Libertad
Chi 95%
confianza
Chi 5% de
confianza
58,5845124 12 21,02606982 5,2260295

Utilizando el test cuadrado donde:
Si
2
calculado<
2
0,5
<
2
95
Ajuste muy bueno
Si X
2
0,5
< X
2
calculado < X
2
95
Ajuste bueno
Si X
2
0,5
< X
2
95
< X
2
calculado Ajuste malo
Por lo tanto, como:
5,2260295 < 21,02606982 < 58,5845124
Se considera que el ajuste es malo, lo cual se puede explicar al hecho de que ste
criterio posee pocos intervalos de distribucin (15) para muchos datos (15.766),
perdindose informacin importante, por lo tanto, hay que realizar otro tipo de
distribucin para ajustar los datos.
III.c) Criterio de la raz de n
Segn la tabla 1 (ver anexo), la mayora de los camiones (926 que representan el
5,87% del total de camiones) consume 470,662554 L/h de combustible, lo cual
supera a la media por 32,494553 L/h y a la mediana por 19,062554 L/h.

Se distingue del grfico el importante parecido que existe con respecto a la
campana de Gauss, lo que si bien no es exacto, es el grfico de mayor
semejanza, indicando una buena simetra y distribucin de los datos.
Para apreciar de manera objetiva si esta es una buena distribucin se utilizar el
test de X
2
.
Chi calculado Grados de
Libertad
Chi 95%
confianza
Chi 5% de
confianza
98,0052385 123 149,884561 98,3874847

Utilizando el test cuadrado donde:
Si
2
calculado<
2
0,5
<
2
95
Ajuste muy bueno
Si X
2
0,5
< X
2
calculado < X
2
95
Ajuste bueno
Si X
2
0,5
< X
2
95
< X
2
calculado Ajuste malo
Por lo tanto, como:
98,0052385 < 98,3874847 < 149,884561
Se considera que el ajuste es muy bueno, lo cual se puede explicar al hecho de
que ste criterio posee un nmero moderado de intervalos de distribucin (126),
0
200
400
600
800
1000
1
1
,
4
9
1
2
8

5
8
,
1
8
6
6
6

1
0
4
,
8
8
2
0

1
5
1
,
5
7
7
4

1
9
8
,
2
7
2
8

2
4
4
,
9
6
8
2
2
9
1
,
6
6
3
5

3
3
8
,
3
5
8
9

3
8
5
,
0
5
4
3

4
3
1
,
7
4
9
7

4
7
8
,
4
4
5
1

5
2
5
,
1
4
0
5

5
7
1
,
8
3
5
8

6
1
8
,
5
3
1
2

6
6
5
,
2
2
6
6

7
1
1
,
9
2
2
0

7
5
8
,
6
1
7
4

8
0
5
,
3
1
2
8

8
5
2
,
0
0
8
1
8
7
8
9
8
,
7
0
3
5

9
4
5
,
3
9
8
9

y

m
a
y
o
r
.
.
.
F
r
e
c
u
e
n
c
i
a

Clase
Histograma
Frecuencia
evitando problemas como el del criterio Grupal y del Sturges en que exista
prdida importante de informacin.

IV) Conclusiones y recomendaciones
Cuando el tamao de la muestra es considerable o grande y los datos numricos
son muy diversos, conviene agrupar los datos de tal manera que permita
establecer patrones, tendencias o regularidades de los valores observados. De
esta manera se pueden condensar y ordenar los datos tabulando a travs de
intervalos de clase, en los cuales se agrupan y ordenan. Para decidir el nmero de
clases que se deben tomar, conviene tener en cuenta que si ste es excesivo con
respecto al nmero de datos, pueden aparecer irregularidades accidentales
provenientes de pocas observaciones en algunas clases. Sin embargo, si se toma
el nmero de clases demasiado reducido se producir una prdida importante de
informacin.
Se recomienda filtrar an ms los datos para tener mejores distribuciones, a modo
de ejemplo, se pueden filtrar las velocidades de los camiones, ya que los
camiones cargados llevan una menor velocidad que los camiones vacos acotando
an ms esta caracterstica, o tambin se puede filtrar el camino que recorren,
para as poder determinar con mejor precisin cual o cuales camiones consumen
mayor o menor combustible.
Gracias a la estadstica descriptiva se puede observar de manera representativa
los datos. De aqu se observa la curtosis de los datos, que es es una medida de la
forma de la curva. Una mayor curtosis implica una mayor concentracin de datos
muy cerca de la media de la distribucin coexistiendo al mismo tiempo con una
relativamente elevada frecuencia de datos muy alejados de la misma. Esto explica
una forma de la distribucin de frecuencias con colas muy elevadas y un con un
centro muy apuntado. Se puede ver en la tabla que la curtosis es 3,61635817 lo
cual indica que es una distribucin leptocrtica, refirindose a que es ms
apuntada y con colas ms anchas que la normal. Esto muestra que la mayora de
los camiones consume una cantidad de combustible cercano a la media.
Un factor que puede explicar la mala distribucin obtenidas por los datos, es que
la mayora son datos son de poca credibilidad y no tienen cabida en la realidad, lo
que dificulta el trabajo estadstico.

V) Referencias
http://www.demre.cl/text/doc_tecnicos/p2009/estadistica_descriptiva.pdf
http://carmesimatematic.webcindario.com/estadisticamat.htm
http://www.hacienda.go.cr/cifh/sidovih/cursos/material_de_apoyo-F-C-
CIFH/1MaterialdeapoyocursosCIFH/4Estad%C3%ADsticaBasica/Probabilidadyest
adistica.pdf
VI) Anexos
Tabla 1: Distribucin Criterio Raz de n
Clase Frecuencia %
acumulado
11,491282 1 0,01%
19,2738459 3 0,03%
27,0564098 5 0,06%
34,8389738 12 0,13%
42,6215377 25 0,29%
50,4041016 19 0,41%
58,1866656 31 0,61%
65,9692295 30 0,80%
73,7517935 34 1,01%
81,5343574 48 1,32%
89,3169213 57 1,68%
97,0994853 67 2,11%
104,882049 62 2,50%
112,664613 70 2,94%
120,447177 63 3,34%
128,229741 70 3,79%
136,012305 58 4,15%
143,794869 43 4,43%
151,577433 36 4,66%
159,359997 37 4,89%
167,142561 22 5,03%
174,925125 33 5,24%
182,707689 30 5,43%
190,490252 15 5,52%
198,272816 31 5,72%
206,05538 28 5,90%
213,837944 33 6,11%
221,620508 43 6,38%
229,403072 38 6,62%
237,185636 37 6,86%
244,9682 38 7,10%
252,750764 43 7,37%
260,533328 54 7,71%
268,315892 55 8,06%
276,098456 62 8,45%
283,88102 68 8,89%
291,663584 81 9,40%
299,446148 101 10,04%
307,228712 79 10,54%
315,011275 79 11,04%
322,793839 101 11,68%
330,576403 123 12,46%
338,358967 122 13,24%
346,141531 88 13,80%
353,924095 125 14,59%
361,706659 148 15,53%
369,489223 155 16,51%
377,271787 179 17,65%
385,054351 206 18,95%
392,836915 266 20,64%
400,619479 318 22,66%
408,402043 385 25,10%
416,184607 452 27,97%
423,967171 553 31,47%
431,749734 572 35,10%
439,532298 711 39,61%
447,314862 738 44,29%
455,097426 883 49,89%
462,87999 832 55,17%
470,662554 926 61,04%
478,445118 872 66,57%
486,227682 848 71,95%
494,010246 618 75,87%
501,79281 521 79,18%
509,575374 509 82,41%
517,357938 360 84,69%
525,140502 322 86,73%
532,923066 299 88,63%
540,70563 213 89,98%
548,488194 185 91,15%
556,270757 141 92,05%
564,053321 120 92,81%
571,835885 140 93,70%
579,618449 34 93,91%
587,401013 64 94,32%
595,183577 75 94,79%
602,966141 33 95,00%
610,748705 46 95,29%
618,531269 53 95,63%
626,313833 25 95,79%
634,096397 36 96,02%
641,878961 9 96,07%
649,661525 40 96,33%
657,444089 33 96,54%
665,226653 3 96,56%
673,009216 55 96,90%
680,79178 8 96,96%
688,574344 19 97,08%
696,356908 8 97,13%
704,139472 49 97,44%
711,922036 4 97,46%
719,7046 4 97,49%
727,487164 7 97,53%
735,269728 56 97,89%
743,052292 0 97,89%
750,834856 2 97,90%
758,61742 6 97,94%
766,399984 9 98,00%
774,182548 43 98,27%
781,965112 3 98,29%
789,747676 2 98,30%
797,530239 1 98,31%
805,312803 0 98,31%
813,095367 54 98,65%
820,877931 2 98,66%
828,660495 1 98,67%
836,443059 1 98,67%
844,225623 0 98,67%
852,008187 0 98,67%
859,790751 80 99,18%
867,573315 0 99,18%
875,355879 0 99,18%
883,138443 1 99,19%
890,921007 0 99,19%
898,703571 0 99,19%
906,486135 55 99,54%
914,268698 7 99,58%
922,051262 1 99,59%
929,833826 1 99,59%
937,61639 1 99,60%
945,398954 0 99,60%
953,181518 6 99,64%
960,964082 1 99,64%
968,746646 53 99,98%
976,52921 0 99,98%
982,610246 1 99,99%
y mayor... 2 100,00%