Está en la página 1de 75

Universidad de Atacama

Departamento de Ingeniera de minas


Extraccin, carguo y transporte

ANALISIS ESTADSTICO DE LOS TIEMPOS DE


TRABAJO DE LA MAQUINARIA DE MINERA
CANDELARIA

Profesor:
Alumno:
Fecha:

Dr.(c) Eduardo Latorre Nanjar


Priscilla Gallardo Guerrero
09/12/2014

Priscilla Gallardo Guerrero Rut: 17.773.667-8

______________________________________

Resumen
Se analiz la salida a terreno realizada el da 12 de noviembre a Minera
Candelaria del presente ao, especficamente el trabajo de la pala 4100 en la fase
n 9, donde se tomaron tiempos de trabajo de la pala y camiones
correspondientes, , en primer lugar se realizar una introduccin donde se
indicar el propsito de este informe, luego se hablar sobre la operacin unitaria
de Carguo y transporte que es el centro de este informe, a continuacin se darn
antecedentes generales de la empresa visitada, para terminar con un anlisis
estadstico descriptivo exhaustivo que muestre el comportamiento de los datos
tomados en terreno, elaborando un histograma de frecuencia que nos permitir
determinar la funcin de distribucin que mejor represente a cada conjunto de
datos.

ndice
Introduccin5
Objetivos, Actividad en terreno6
Carguo y transporte..7
Antecedentes Minera Canderia.14
Informe salida a terreno..17
Teora Estadstica descriptiva21
Estudio estadstico23

Tiempo ciclo pala.23


Tiempo de carga..34
Tiempo maniobra.44
Tiempo espera camin55
Tiempo acomodo material..65

Conclusin.74
Bibliografa.75

Introduccin

En el presente informe se analizar uno de los procesos productivos ms


costosos, debido a que se requiere mayor cantidad de equipos (flota), alto grado
de mecanizacin, menor rendimiento productivo por equipo y constituye un
proceso de operacin prcticamente continuo y lento, adems define la principal
operacin en una faena minera; es responsable del movimiento de mineral o
estril que ha sido fragmentado en un proceso de tronadura estamos hablando del
proceso de Carguo y Transporte; las empresas mineras tienen claro la
importancia de sta operacin unitaria , por esto le asignan recursos con el
propsito de optimizar y maximizar las utilidades.
El propsito de este informe es evidenciar la informacin adquirida en la salida a
terreno que realiz el curso de Carguo y Transporte perteneciente al nivel 401 de
la Universidad de Atacama a Minera candelaria, perteneciente a la corporacin
lundin mining, ubicada a 20 km de Copiap, all especficamente en la fase n 9 de
la faena donde estaba trabajando la pala 4100 y se tomaron tiempos de ciclo,
tiempo de carga, tiempos de maniobra de camin tiempo de acomodos de
material, con estos datos se realizar un anlisis estadstico a fondo y as
determinar con mayor exactitud el tiempo de carguo de la pala.

Objetivo
Visitar una mina cielo abierto para recibir capacitacin por parte de los
ingenieros de la empresa, en el mbito de las operaciones mineras; observar las
operaciones y levantar informacin de tiempos de ciclo.

Actividades en terreno

Escuchar atentamente la charla de seguridad y la exposicin de los


ingenieros. Requerir informacin sobre disponibilidad de equipos, tiempos de
reservas, prdidas operacionales, capacidad de los equipos, tiempos de ciclo y/o
rendimientos operacionales. Causas de las prdidas operacionales.

Visitar el mirador de la mina y tomar tiempos de ciclos de palas y camiones,


con el mayor detalle posible.

Carguo y transporte
El carguo y sus funciones:
El carguo consiste en la carga de material mineralizado del yacimiento para
conducirlo a los posibles destinos, ya sea el chancado, stock de mineral o
botaderos de estril.
Procedimiento:
La operacin de carguo involucra el desarrollo de una serie de funciones que
aseguran que el proceso se lleve a cabo con normalidad y eficiencia.

Planificacin de la mina: Esta etapa del proceso de la explotacin minera se


ocupa de definir los sectores de carga, las direcciones de carguo y el destino de
los materiales de acuerdo con leyes de clasificacin y tonelajes definidas
previamente.

Operacin de la mina: La operacin es la funcin que se responsabiliza del


manejo y organizacin de los equipos de carga en la mina, as como de supervisar
el entorno, especialmente en lo referido a frentes de carga, posicin de equipos de
carguo y nivel de pisos.

Jefe de operaciones: La operacin minera est a cargo de un jefe de


operaciones, quien asigna los equipos y operadores en los turnos respectivos. En
faenas a gran escala es apoyado por un sistema de despacho (dispatch), que
controla de una forma global la produccin, complementado por un proceso de
optimizacin continua a travs de sistemas computacionales
Interconectados, presentes en todos los equipos.

Operador del equipo de carguo: Es la persona que est directamente a


cargo de la operacin de carga de su equipo. Adems, es responsable de definir la
posicin de los camiones para la carga y de evitar que la carga caiga en forma
brusca sobre la tolva del camin, lo que puede daar el equipo de transporte y/o al
operador de ste.

Topografa: Mediante esta funcin se definen las diferentes zonas de


trabajo, en cuanto a control del nivel de pisos y frentes de carguo. Asimismo, el
equipo de topografa es responsable de marcar y/o validar las zonas mineralizadas
para su posterior destino, tanto por medio de conexin radial como por envo de
datos hacia los sistemas de despacho (dispatch).
7


Equipos auxiliares: Los equipos auxiliares se encargan de mantener en
buen estado las zonas de carguo y transporte, especialmente el nivel de pisos, de
acuerdo con instrucciones del Jefe de operaciones y/o el operador del equipo de
carguo. Por lo tanto, la interaccin con estos responsables es permanente, no
slo para la correcta operacin de carguo, sino tambin para vigilar y evaluar la
presencia de elementos del entorno, como cables elctricos de la pala y sistemas
de "pasacable".
El transporte y sus funciones:
El transporte consiste en el traslado de material mineralizado y/o estril desde el
yacimiento hacia los posibles destinos, ya sea el chancado, stock de mineral o
botaderos de estril.
Las funciones involucradas en el proceso de transporte son las siguientes:

Planificacin de la mina: Est a cargo de la definicin de las rutas de


transporte y del destino de los materiales de acuerdo con leyes de clasificacin y
tonelajes definidas previamente.

Operacin de la mina: Funcin responsable de los equipos de transporte en


la mina, as como de supervisar el entorno relacionado con la operacin, ya sea en
el sector de carga, en la ruta y/o en las zonas de descarga.
La operacin minera est a cargo de:

Un jefe de operaciones, quien asigna equipos y operadores en los turnos


respectivos. En faenas a gran escala es apoyado por un sistema de despacho
(dispatch), que controla de una forma global la produccin, complementado por un
proceso de optimizacin continua a travs de sistemas computacionales
interconectados, presentes en todos los equipos.

Operador del equipo de transporte, quien est directamente a cargo de la


operacin de transporte y de su equipo, el cual debe revisar siempre antes y
despus de la jornada de trabajo (turno).


Topografa:En particular para la operacin de transporte, esta funcin se
encarga de las reas de trabajo en cuanto al control del nivel de pisos en toda la
ruta de los camiones.

Equipos auxiliares: Esta seccin est a cargo de mantener en buen estado


las zonas de carguo y transporte, especialmente el nivel de pisos, de acuerdo con
las instrucciones del Jefe de operaciones y/o el operador del equipo de transporte.
Equipos de carguo y transporte
La seleccin de los equipos de carguo y transporte se realiza una vez que se ha
definido el proyecto minero por explotar, el tipo de minera por desarrollar, ya sea
a rajo abierto o subterrnea. Para ello se debe tener en consideracin el plan
minero, que consiste en una evaluacin tcnica y econmica completa.
La seleccin de equipos se realiza, entonces, en torno a tres grupos bsicos de
informacin: las condiciones del entorno, las caractersticas del yacimiento y la
geometra de la explotacin y sus requerimientos especficos.

Determinacin de requerimientos de equipos:


Una vez determinado el contexto general del proyecto y los materiales por
manipular, es posible definir los equipos que pueden utilizarse para seleccionar la
mejor alternativa. Existen variados mtodos de seleccin, entre los cuales se
destaca el de Anlisis de decisiones por objetivos ponderados.
Este mtodo consiste en fijar los objetivos o criterios especficos del proyecto, a
los que se les asigna un"peso" relativo en funcin de su importancia, tanto si son
cuantificables o subjetivos.
Para cada una de las alternativas de mquinas consideradas en el desarrollo de
las labores se estiman las calificaciones parciales o probabilidades de obtencin
de cada objetivo planteado. Luego, se calcula la utilidad relativa o puntuacin total
que adquiere cada equipo.
Este sencillo mtodo es subjetivo, ya que en principio una sola persona determina
los pesos relativos decada criterio. Esta dificultad puede controlarse en gran
medida si la tarea es realizada por un grupo de tcnicos y se dispone de datos
histricos con los cuales validar el modelo.

Requerimientos especficos
Criterios de rendimiento:
Capacidad de produccin
Fuerza de excavacin o arranque
Esfuerzo de traccin
Tiempos de ciclo
Alturas de excavacin
Altura de descarga o volteo
Alcance
Presin sobre el terreno
Radio de giro
Velocidad de desplazamiento
Capacidad para remontar pendientes

10

Criterios de diseo:
Potencia total
Peso
Dimensiones
Robustez
Estabilidad
Altura sobre el suelo
Configuracin bsica (geometra, complejidad, construccin modular)
Componentes (intercambiabilidad de conjuntos, vida de componentes principales)
Facilidad de mantenimiento
Facilidad de reparaciones
Limitaciones por altitud y temperatura
Niveles de ruido
Generacin de polvo
Esfuerzo requerido por el operador
Seguridad y visibilidad del operador
Potencia absorbida y caractersticas del sistema de transmisin: mecnico,
elctrico o hidrulico.
Fuente de energa primaria.
Sistemas de diagnstico y control.
Protecciones de elementos.
Equipo extintor de incendios.
Accesorios y equipos opcionales.

Criterios de servicio:
Mquina auxiliar requerida
Repuestos necesarios en bodegas
Frecuencia de servicio requerida
Posibilidad de realizar mantenciones en talleres
Adiestramiento o calificacin del personal de mantenimiento
Dotacin de herramientas en taller
Porcentaje de mantenimiento exterior
Instalaciones auxiliares requeridas
Estandarizacin de componentes
Tiempo de envo de repuestos principales
Apoyo y calidad del servicio de los fabricantes o distribuidores

11

Criterios econmicos:
Inversin en la adquisicin.
Valor de venta de la mquina al final de su vida til.
Costos de operacin, mano de obra, energa, repuestos, reparaciones,
lubricantes, etctera.
Costos de intereses, seguros e impuestos.

Evaluacin econmica de sistemas de carguo y transporte


En una operacin minera, las etapas de carguo y transporte son las ms
relevantes desde un punto de vista de costos asociados a la adquisicin
(inversin) y operacin. En el caso de minas a cielo abierto, significan ms del
50% del costo total de extraccin. Por lo tanto, cualquier iniciativa tendiente a
optimizar los costos de carguo y transporte puede derivar en una mejor gestin de
la operacin minera.
Distribucin porcentual del costo en minas chilenas de cobre a cielo abierto:

La evaluacin econmica de los equipos de carguo y transporte es el instrumento


para definir los planes de accin en lo que respecta a la adquisicin de los equipos
de carguo, transporte y equipos auxiliares, considerando variables econmicas
que determinen si se hace mediante la inversin o arriendo de los equipos.

12

Aspectos por considerar en la evaluacin econmica


Costo de adquisicin del equipo o inversin
Ya sea mediante una compra directa o arriendo por uso del equipo (no existe
inversin, transformndose en un costo de arrendamiento).
En cuanto al costo de adquisicin, deben incluirse aspectos contables
relacionados con la inversin en equipos mineros, en particular la "depreciacin",
esto es, la disminucin en el valor del equipo debido al uso y deterioro de ste.

En relacin con los costos asociados a intereses, seguros e impuestos


De acuerdo con las condiciones de adquisicin de los equipos, ser necesario en
algunos casos pagar intereses por el prstamo cubrir seguros en caso de daos
en los equipos, y cancelar impuestos, dependiendo si la mquina se adquiere
fuera de Chile.

Costo de operacin
Esto es, el costo asociado al funcionamiento de los equipos. Estos son,
principalmente:
Insumos:

Combustibles y energa
Lubricantes (aceites y grasas)
Filtros (de aire, gas-oil y aceite)
Material de desgaste (dientes, cuchillas, puntas de riper, etc.)
Reparaciones
Neumticos o tren de rodaje
Operador (sueldo)
ndices asociados a la optimizacin del carguo y transporte

Una de las mtricas de mayor relevancia en la gestin y administracin de los


procesos de carguo y
transporte es el costo unitario expresado en dlares (US$) por tonelada de material
(cargado o transportado). Todas las minas poseen indicadores de US$/t y es una
permanente preocupacin controlar que estos costos no sufran mayores cambios, o
sean reducidos.
13

ANTECEDENTES DE MINERA CANDELARIA

La mina Candelaria pertenece a la empresa Freeport Lundin Mining, una


compaa minera Canadiense. Esta empresa tiene presencia Portugal, Suecia,
Espaa y Estados Unidos. En Chile opera en Ojos del salado y Minera Candelaria.
Minera Candelaria es un yacimiento de cobre a cielo abierto, ubicado a 9
kilmetros de Tierra Amarilla, en la regin de Atacama, con una extensin de
10.900 ha, 2 km de largo, 1,5 kilmetros de ancho, y tiene una profundidad
aproximada de 580 metros, cuenta con puerto propio (Puerto Punta Padrones) en
la ciudad de Caldera a 100 kilmetros hacia el oeste, se caracteriza por su baja
altitud y por su cercana con la zona urbanizada , tiene una produccin de 300.000
toneladas por da. Este mineral es procesado en la planta de molienda y flotacin
que se encuentra a un costado de la mina, produciendo un concentrado de cobre
con una ley de 30%. Las reservas explotables se estiman por 300.000.000
toneladas de mineral con una vida til proyectada hasta el 2028.
En Chile, las instalaciones de Lundin mining son las siguientes y presentan estas
caractersticas:
Candelaria:
1.

Open Pit, con una produccin de 269 KTon diarias

2.

Candelaria Norte, con una produccin de 6 KTon diarias

3.

Planta concentradora, con una produccin de 66 KTon diarias

Ojos del Salado:


1.

Alcaparrosa, con una produccin de 4 KTon diarias

2.

Salinas, con una produccin de 3.8 KTon diarias

3.

Planta concentradora, con una produccin de 3.8 KTon diarias

14

En Minera candelaria la seguridad es lo primordial y se rigen en base al concepto


de las 7 llaves de Vida

Lototo (Restriccin de operacin(bloqueo de energas))

Indignacin (Frente a condiciones inseguras de trabajo)

Operacin de equipos

Pensar en consecuencias

Atencin a los trabajadores

Planes de accin

Llegar 100% listos al trabajo

Minera candelaria trabaja con el lema de produccin segura, donde se le d ms


importancia a la seguridad de sus trabajadores por encima de la produccin.
Minera Candelaria:

15

16

Informe Salida a terreno

La visita a minera Candelaria fue el da 12 de noviembre, donde los alumnos de la


asignatura de carguo y transporte parten de las instalaciones de la universidad de
Atacama a las 07:50 hrs.
Se lleg a la minera Compaa minera candelaria operada por Lundin Mining
llegando a las 8:30 am aproximadamente con todos los implementos de proteccin
personal se procedi a la charla de seguridad y capacitacin en la cual se
explicaron y se entregaron los parmetros ms importantes de la minera.
La charla comenz con el Sr.Juan Monroy, Supervisor rea de prevencin de
riesgo de la gerencia de prevencin de riesgos el cual explica por qu se entrega
una charla de induccin, explicando que la empresa asume responsabilidades, la
principal es evitar los accidentes de las visitas. Explica tambin que la produccin
y la seguridad van de la mano los dos son importantes, es decir, realizar una
produccin segura es el lema principal para ellos.
Algunos de los tipos de riesgos que se presentan en la mina son :

Desbarrancamiento: Debido a bancos de 32 m, todos los lugares de trabajo


deben tener bermas y conducir a velocidad que indica la ley.

Colapsos de taludes: Debe haber un constante control de taludes. Se


cuenta con 4 radares para poder controlar los taludes.

Choque o colisin: Debido a camiones grandes y vehculos pequeos.


Todos los vehculos livianos deben andar con baliza y prtiga entre 3,85
4,20 m.

Electrocucin: Debido principalmente a las palas electro-hidrulicas.


Conexin y desconexin deben hacerse segn protocolos y el equipo
adecuado.

Explosiones: Debido a la explosin de formas repentinas no controladas.


Toda del rea de carga debe estar despejada (20 m de radio desde el

17

ltimo punto de carguo del explosivo). Se avisa hora de tronadura, lugar, y


equipos que deben evacuarse.

Despus de la charla de seguridad comenz el Sr. Claudio Orostegui


Superintendente de la mina el cual se present y nos dios una cordial bienvenida y
nos expuso su experiencia minera y algunos aspectos de importancia para nuestro
desarrollo profesional como el saber que en la minera no existen limites.
Luego nos dio una charla Don Felipe vila Ingeniero y control operativo de la
gerencia de minas, el cual esta encargado de realizar el plan de produccin mina a
corto plazo con lo que entrega lineacin al turno, la agenda cambio de turno.
El Reporte buenos das el cual es de forma annima, sirve para reportar algn
evento o condicin subestandar.
Alerta de seguridad y produccin: Fase 9 y fase 10 funcionando actualmente,
siendo fase 10 es solamente estril, esta se divido en fase 10 norte la cual tiene la
pala 22, y la fase 10 sur se encuentra la pala 10. A dems en el sector alta norte
se encuentra la pala 12, este sector era un sector de baja ley el cual hoy en da se
considera de alta ley.
Reporte de produccin: Se trabaja con ciertos indicadores, como libras
producidas, disponibilidad, utilizacin, etc.
Para finalizar la charla Juan Hinojosa nos habla sobre el carguo y transporte
entregando datos e informacin del sistema usado en la minera, indicando que el
rea de carguo y transporte ocupa el 60-61% de los costos en la minera.
El sistema ocupado en la minera es el sistema dispatch el cual funciona con datos
en tiempo real y GPS, este usa herramientas matemticas e informticas,
organizando los procesos mineros productivos, esto hace que cada pala trabaje
con todos los camiones ya que puede asignar equipos en donde sean necesarios,

18

hace que el cambien pase la mayor parte del tiempo cargado y en menores
distancias.
Adems nos proporcionaron la siguiente informacin :
Antecedentes de operacin
Flota palas
Pala P&H4100

Pala P&H 2800

Pala P&H 2100

Capacidad pala 2800

65 TON

Capacidad pala 4100

90 TON

Capacidad pala 2100

25 TON

Disponibilidad pala

69,10%

Uso pala

79,60%

Modelo de camin

CAT 793 C - 793 B

Disponibilidad camin

91,40%

Uso camin

90,50%

Rendimiento camin

380 TON/HR

Flota camiones

45

Capacidad camiones

237 TON

Capacidad camiones (REGLA 10-10-20) mineral

270 TON

Velocidad

RAMPA 10%

Subiendo cargado

11,5 KM/HR - 1 marcha

Subiendo cargado

14 KM/HR 2 marcha

Bajando vaco
Bajando cargado

39 KM/HR - 5 marcha
14 KM/HR - 2 marcha

Horizontal

39 KM/HR - 5 marcha

Camiones Algibes de 50.000 lts

Cambio turno

15 MIN/CAMIN

Combustible

12 MIN/CAMIN

Tiempo de reserva

[2%-3%]

Mineral

555
367
3500 TON/HR - 85000 90000 TON/DIA

Estril
Produccin
Ley de concentrado cobre

30% - mineral calcopirita

Ley

0,60%
0,29%

Ley de corte
19

Baja ley ( a stock)

0,21%

F.F

120%

Densidad mineral

3 TON/M

Densidad estril

2,5 TON/M

Match factor

2,87%

Esponjamiento

1,80%

Produccin estril

70 TON/DIA

Distancia fase 10 - botadero

2 [KM]

20

Estudio estadstico
Teora Estadstica descriptiva
La estadstica descriptiva es la rama de las Matemticas que recolecta, presenta y
caracteriza un conjunto de datos, con el fin de describir apropiadamente las
diversas caractersticas de ese conjunto.
MEDIDAS DE TENDENCIA CENTRAL:
Media aritmtica : es el valor obtenido al sumar todos los datos y dividir el
resultado entre el nmero total de datos.
es el smbolo de la media aritmtica.

Si los datos vienen agrupados en una tabla de frecuencias, la


expresin de la media es:

Mediana: En una ordenanza de valores de acuerdo a su valor, la mediana


corresponde al valor que deja por debajo de ella el 50% de las observaciones,
cabe recalcar que este valor es un dato, es rpida, fcil de calcular e interpretar,
adems , no es afectada por valores extremos.

21

Moda: Corresponde al valor de ms frecuencia dentro las observaciones, es decir,


el valor que ms se repite, es muy fcil de calcular, pero, tiene el inconveniente de
que puede ser nica.

Medidas de dispersin:

Varianza: Se define como la medida de las diferencias cuadrticas de los datos,


con respecto a su media aritmtica. Este valor siempre es positivo, pero, sus
medidas son el cuadrado de la variable.

Desviacin estndar: Es una medida de dispersin con la misma dimensin de las


observaciones y corresponde a la raz cuadrada de la varianza.

Coeficiente de variacin: No tiene dimensin y toma en cuenta la proporcin entre


las medidas y la desviacin estndar.

Kurtosis o coeficiente de apuntamiento: Mide la cantidad de datos agrupados en


torno a la moda, este es un valor adimensional, si su valor es positivo el grado de
apuntamiento, es decir, de concentracin de datos en el centro es mucho mayor,
disminuyendo cuando este valor baja.
Sesgo: Es un valor el cual muestra la diferencia entre la esperanza de un valor y
el valor numrico del parmetro, se quiere siempre tener un valor mnimo del
sesgo para tener datos ms uniformes.

22

Estudio estadstico
Se realizar un estudio estadstico de los datos recolectados en terreno, de tiempo
ciclo pala, tiempo carguo camin y tiempo espera pala, se calcular: media,
moda, mediana, desviacin estndar, sesgo, kurtosis, y otras estadsticas
descriptivas. Adems se adjuntar un histograma que nos indicar la distribucin a
la que ms se ajusta el grupo de datos recolectados.
Anlisis estadstico tiempo ciclo pala :
Tiempo ciclo pala tomados en terreno (seg):
40,3
30,3
34
36,3
31,4
32
34
30
36,3
35,3

31,7
29
28,3
32,3
35,3
36
30,7
31
43,3
41,7

36,7
38,3
39,3
38,7
36,7
40
28,1
35,4
30,5
27,6

49,9
39,9
42,3
45,5
29,5
34,3
26,3
26,5
27,8
29,3

24,6
28
33,3
30
26,3
31
34,7
31
36
39,3

26,7
35,7
28,3
28,3
29,7
35,3
40
39
16,7
40,5

35,2
34,3
39,3
40
42,5
36,3
37,5
43,8
43,3
29

Con los datos obtenidos en terreno del tiempo del ciclo pala se proceder a
realizar un anlisis estadstico:
Media
Error tpico
Mediana
Moda
Desviacin
estndar
Varianza de la
muestra
Curtosis
Coeficiente de
asimetra
Rango
Valor Mnimo
Valor Mximo
Suma
Cuenta

36,1
0,91883594
35,3
36,3
8,21831853
67,5407595
3,20764199
1,21342542
53,6
16,7
70,3
2888
80
23

32
50
51,3
53,7
56,7
52,3
70,3
43
44
37,3

De los datos obtenidos de la estadstica descriptiva podemos analizar que estn


distribuidos normalmente ya que la moda, la media y la mediana tienen un valor
muy parecido, el coeficiente de asimetra (sesgo), es 1.21, lo que indica que existe
una mayor concentracin a la derecha de la media, es decir, hay ms tiempos de
ciclos mayores a 36.1 segundos. Adems la Curtosis 3.21, al ser positiva, por
propiedad es denominada leptocrtica, es decir, presenta un elevado grado de
concentracin alrededor de los valores centrales de la variable. Considerando el
sesgo y la Curtosis, se analizara con mayor detenimiento como se distribuyen los
datos. Hay que tener en cuenta que la distribucin normal se caracteriza por tener
un coeficiente de asimetra igual a 0, lo mismo con la Curtosis.

N
Ancho intervalo
rango
M (numero de clase)

80
6,7
54
8

nomenclatura:
N : Total de tiempo de ciclos
Rango:
M de clases = (1+(10/3*LOG(N de datos))

Ancho del intervalo:

24

Histograma de frecuencia:
35
30
25
20
Series1

15
10
5

0
23,45

30,2

36,95

43,7

50,45

57,2

63,95

70,7

Anlisis del histograma:


Sesgo: es positivo, lo que se traduce en una mayor concentracin de datos
mayores a la media, pero a la vez es cercano a 0, lo que da cuenta del grado de
simetra de los datos con respecto al promedio.
Media, moda y mediana, son muy prximas, lo que se ve reflejado en la alta
concentracin de datos en los intervalos cercanos a 36 segundos.
Curtosis: es leptocrtica ya que es positiva, es decir hay una gran concentracin
de datos en torno a los valores centrales de la variable. Para este caso, hay una
gran concentracin de datos en torno a 36 segundos, lo que da cuenta de cmo
sera la distribucin de datos en el grafico (alargada en el centro).

25

Tabla de distribucin de frecuencia:


NOMENCLATURA
LI
LS
mi
NI
ni
fi
FI

LI

Lmite INFERIOR (valor mnimo)


Limite SUPERIOR
Media del Intervalo
Frecuencia del dato en el intervalo
(ACUMULADO)
Datos por intervalo
Frecuencia por intervalo en %
Frecuencia por intervalo en %
(ACUMULADO)

LS

16,7
23,45
30,2
36,95
43,7
50,45
57,2
63,95
totales

media aritmtica
media geomtrica
mediana
moda

ni
23,45
30,2
36,95
43,7
50,45
57,2
63,95
70,7

hi

Ni

1
19
30
20
5
4
0
1

0,0125
0,2375
0,375
0,25
0,0625
0,05
0
0,0125

80

36,1
35,25048709
35,3
28,3

26

Hi
1
20
50
70
75
79
79
80

mi
0,0125
0,25
0,625
0,875
0,9375
0,9875
0,9875
1

20,075
26,825
33,575
40,325
47,075
53,825
60,575
67,325

Para facilitar el clculo de la funcin que distribuye mejor los datos, se utiliz el
software Excel, en donde se tabularon los datos de la siguiente forma:
mi
20,075
26,825
33,575
40,325
47,075
53,825
60,575
67,325

Dato
Distribucion Normal
normalizado
Estandarizada
-1,949912253
0,059604904
-1,128576359
0,211024544
-0,307240464
0,380550312
0,51409543
0,349558067
1,335431325
0,163551567
2,156767219
0,038977881
2,978103113
0,00473162
3,799439008
0,00029257

mi = Promedio del intervalo recin visto


Distribucin normal: ingresando los datos en el software Excel en el
siguiente orden, dato (corresponde a la media del intervalo, para este caso
seria 20,075), media del conjunto de datos, desviacin estndar, y falso
(corresponde a la distribucin acumulada o no. Para este caso se necesita
no acumulada)
Otra forma: La distribucin normal se puede determinar mediante:

Dnde:
x=dato en estudio (20,075)

=media (36,1)

=Desviacin estndar (8,22)


Quedando de la siguiente forma:

27

Explicado esto, a continuacin se presenta el grafico que representa la tabulacin


recin mostrada
0,45
0,4
0,35

0,3
0,25
0,2

Series1

0,15
0,1
0,05
0
0

20

40

60

80

Tiempo de carguio camion (seg)

En esta grfica podemos ver claramente que es muy cercano a la campana de


gauss. Adems se observa que la media est ubicada en el centro de la campana
de gauss, y la desviacin estndar, de acuerdo a la teora, al multiplicarla por 3 y
sumarle la media, se debera estar bordeando el final de la campana, es decir,
para este caso se debera obtener un valor cercano a 60 (8,22*3+36,1=60,76), lo
cual da cuenta de la proximidad de la curva a la campana de gauss atribuible a
una distribucin normal.
Del corte del principio de la curva, se entiende que se gener de esa forma, ya
que los datos estn distribuidos mayoritariamente a la derecha del promedio, o
bien si se graficara la tendencia de los datos menor al valor mnimo (20,075), se
obtendra la campana de gauss completa.

28

Desviacin estndar

De acuerdo a lo anteriormente expuesto, se realizara la normalizacin de datos


(estandarizar), para generar la curva de distribucin normal que representa con
gran acierto a el conjunto de datos en estudio.
Para la normalizacin se utiliz el software Excel, tabulando los siguientes datos
mi
20,075
26,825
33,575
40,325
47,075
53,825
60,575
67,325

Dato
Distribucion Normal
normalizado
Estandarizada
-1,949912253
0,059604904
-1,128576359
0,211024544
-0,307240464
0,380550312
0,51409543
0,349558067
1,335431325
0,163551567
2,156767219
0,038977881
2,978103113
0,00473162
3,799439008
0,00029257

Dato Normalizado: Excel pide el comando Normalizacin, y luego, siempre en el


siguiente orden, dato (20,075), media (36,1), y desviacin estndar (8,22).
Otra forma: para normalizar se utilizara la siguiente formula:

Dnde:
z= Dato normalizado o estandarizado

= Media del conjunto de datos

= Desviacin estndar
29

De acuerdo a esto, para la primera fila de datos de la tabla, tenemos:

Hay que considerar que por defecto Excel no genera exactamente el mismo dato
en todos sus dgitos, ya que este considera todos los decimales, y este clculo
solo considera hasta la centsima.
La distribucin normal estandarizada se obtiene mediante Excel, donde se ingresa
el comando distr.normal.estand y el software por defecto pide, el datos
normalizado. De acuerdo a esto, la curva que se genera seria la siguiente.
0,45
0,4

0,35
0,3
0,25

0,2

Series1

0,15
0,1

0,05
0
0

20

40

60

80

Tiempo de carguio camion (seg)

Del grafico se observa que la media (36,1) pasa por el punto mximo de la curva y
que por simetra y concentracin de datos (Curtosis aparente), se genera una
campana de gauss bien distribuida.
No se puede dejar de mencionar que si el nmero de datos de tiempo de ciclo de
pala aumentara, la curva de distribucin sera ms simtrica (sesgo tendiendo a
0), adems de presentar una distribucin mesocrtica, la cual da cuenta del grado
de concentracin medio alrededor de los valores centrales.

30

INTERVALOS DE CONFIANZA DEL VALOR PROMEDIO:


El intervalo de confianza del valor promedio se obtendr de la frmula:

Luego, si una variable x tiene una distribucin


veces se cumple:

entonces el 95% de las

Dnde:

Para un intervalo de confianza con una confiabilidad del 95%:

36,1

Reemplazando en la ecuacin:

Probabilidad (para un nivel de confianza del 95%) de que los tiempos de


ciclo de la pala estn fuera del intervalo anterior.
Se normalizara el dato para encontrar el rea bajo la curva que se genera entre el
valor promedio y el dato normalizado.
NORMALIZACION:

31

Dnde:

( en este caso sern los dos extremos del intervalo de confianza)


(36,1)
(8,22)
Aproximando = - 0,22
Aproximando = + 0.22

El dato normalizado se buscara en la siguiente tabla:

32

De acuerdo a esto se tiene que los porcentajes de areas bajo la curva para -0,22
= 0,4129 y para 0,22 = 0,5871 En terminos simples la resta de ambos genera la
probabilidad de que un tiempo de ciclo de la pala este en el intervalo de confianza,
esto sera
. Ahora se pide probabilidad de que los
tiempos de ciclos de esten fuera del intervalo de confianza, esto seria:

33

Tiempo de carga tomados en terreno (seg)


121
95
110
150
123
80
176
91
87
115
120
84
107
137
102
85
118
169
100
85
157
109
97
116
182
90
85
160
157
106
110
118
79
89
170
160
108
120
137
93
106
145
170
92
84
105
104
120
150
150
93
106
106
93
117
175
145
130
92
111
108
50
173
106
125
83
117
118
162
87
Con los datos obtenidos en terreno del tiempo del ciclo pala se proceder a
realizar un anlisis estadstico:
Media
122,70275
Error tpico
3,64287374
Mediana
116,5
Moda
106
Desviacin estndar 32,5828533
Varianza de la
muestra
1061,64233
Curtosis
0,60815605
Coeficiente de
asimetra
0,4331363
Rango
161
Mnimo
50
Mximo
211
Suma
9816,22
Cuenta
80
De los datos obtenidos de la estadstica descriptiva podemos analizar la moda, la
media y la mediana tienen un valor muy diferente, el coeficiente de asimetra
(sesgo), es 0,4331, lo que indica que existe una mayor concentracin a la derecha
de la media, es decir, hay ms tiempos de ciclos mayores a 122,70275 segundos.
Adems la Curtosis -0,60816, al ser este coeficiente negativo la distribucin se
llama platicrtica y hay una menor concentracin de datos en torno a la media.
Considerando el sesgo y la Curtosis, se analizara con mayor detenimiento como
se distribuyen los datos. Hay que tener en cuenta que la distribucin normal se
caracteriza por tener un coeficiente de asimetra igual a 0, lo mismo con la
Curtosis.
34

96
150
154
161
170
157
211
172
176
149

N
Ancho intervalo
Rango
M (numero de clase)

80
21,375
161
8

nomenclatura:
N : Total de tiempo de ciclos
Rango:
M de clases = (1+(10/3*LOG(N de datos))

Ancho del intervalo:


Histograma de frecuencia:
50
45

40
35
30
25

Series1

20

15
10
5
0
18,75

37,5

56,25

75

93,75

112,5 131,25

150

Anlisis del histograma:


Sesgo: es positivo, lo que se traduce en una mayor concentracin de datos
mayores a la media, pero a la vez es cercano a 0, lo que da cuenta del grado de
simetra de los datos con respecto al promedio.
Curtosis: es platicrtica ya que es negativa, es decir hay una menor concentracin
de datos en torno a la media que es 122,70275.

35

NOMENCLATURA
LI
LS
mi
NI
ni
fi
FI

Lmite INFERIOR (valor mnimo)


Limite SUPERIOR
Media del Intervalo
Frecuencia del dato en el intervalo
(ACUMULADO)
Datos por intervalo
Frecuencia por intervalo en %
Frecuencia por intervalo en %
(ACUMULADO)

Tabla de frecuencia:
LI
50
70,125
90,25
110,375
130,5
150,625
170,75
190,875

LS
ni
70,125
90,25
110,375
130,5
150,625
170,75
190,875
211

totales

media aritmtica
media geomtrica
mediana
moda

fi

Ni

1
12
24
15
9
12
6
1

0,0125
0,15
0,3
0,1875
0,1125
0,15
0,075
0,0125

80

122,70275
118,4817178
116,5
106

36

Fi
1
13
37
52
61
73
79
80

0,0125
0,1625
0,4625
0,65
0,7625
0,9125
0,9875
1

mi
60,0625
80,1875
100,3125
120,4375
140,5625
160,6875
180,8125
200,9375

Para facilitar el clculo de la funcin que distribuye mejor los datos, se utiliz el
software Excel, en donde se tabularon los datos de la siguiente forma:
Dato
Distribucion Normal
mi
normalizado
Estandarizada
60,0625 -1,922491239
0,062854999
80,1875
-1,30483508
0,170292825
100,3125 -0,687178922
0,315043055
120,4375 -0,069522763
0,397979318
140,5625
0,548133395
0,343295515
160,6875
1,165789553
0,202205419
180,8125
1,783445712
0,081326949
200,9375
2,40110187
0,022335373

mi = Promedio del intervalo recin visto


distribucin normal = ingresando los datos en orden , mas la media y
desviacin estndar.

Dnde:

x=dato en estudio (60,0625)


=media (122,70275)
=Desviacin estndar (35,5829)

Quedando de la siguiente forma:

0,002381

37

Explicado esto, a continuacin se presenta el grafico que representa la tabulacin


recin mostrada:

0,45
0,4
0,35
0,3
0,25
0,2
Series1

0,15
0,1
0,05
0
0

50

100

150

Tiempo de carguio camion (seg)

38

200

Desviacin estndar

De acuerdo a lo anteriormente expuesto, se realizara la normalizacin de datos


(estandarizar), para generar la curva de distribucin normal que representa con
gran acierto a el conjunto de datos en estudio.
Para la normalizacin se utiliz el software Excel, tabulando los siguientes datos
Dato
Distribucion Normal
mi
normalizado
Estandarizada
60,0625 -1,922491239
0,062854999
80,1875
-1,30483508
0,170292825
100,3125 -0,687178922
0,315043055
120,4375 -0,069522763
0,397979318
140,5625
0,548133395
0,343295515
160,6875
1,165789553
0,202205419
180,8125
1,783445712
0,081326949
200,9375
2,40110187
0,022335373
Dato Normalizado: Excel pide el comando Normalizacin, y luego, siempre en el
siguiente orden, dato (60,0625), media (122,70275), y desviacin estndar
(35,5829).
Otra forma: para normalizar se utilizara la siguiente formula:

Dnde:
z= Dato normalizado o estandarizado

= Media del conjunto de datos

= Desviacin estndar

39

De acuerdo a esto, para la primera fila de datos de la tabla, tenemos:

Hay que considerar que por defecto Excel no genera exactamente el mismo dato
en todos sus dgitos, ya que este considera todos los decimales, y este clculo
solo considera hasta la centsima.
La distribucin normal estandarizada se obtiene mediante Excel, donde se ingresa
el comando distr.normal.estand y el software por defecto pide, el datos
normalizado. De acuerdo a esto, la curva que se genera seria la siguiente.
0,45
0,4
0,35
0,3
0,25
0,2
Series1

0,15
0,1
0,05

0
0

50

100

150

200

Tiempo de carguio camion (seg)

Del grafico se observa que la media (122,70275) pasa por el punto mximo de la
curva y que por simetra y concentracin de datos (Curtosis aparente), se genera
una campana de gauss bien distribuida.

40

INTERVALOS DE CONFIANZA DEL VALOR PROMEDIO:


El intervalo de confianza del valor promedio se obtendr de la frmula:

Luego, si una variable x tiene una distribucin


veces se cumple:

entonces el 95% de las

Dnde:

Para un intervalo de confianza con una confiabilidad del 95%:

32,58

Reemplazando en la ecuacin:

41

Probabilidad (para un nivel de confianza del 95%) de que los tiempos de


ciclo de la pala estn fuera del intervalo anterior.
Se normalizara el dato para encontrar el rea bajo la curva que se genera entre el
valor promedio y el dato normalizado.
NORMALIZACION:

Dnde:

( en este caso sern los dos extremos del intervalo de confianza)


(122,70275)
(32,58)

Aproximando = - 0.22
Aproximando = + 0.22
El dato normalizado se buscara en la siguiente tabla:

42

De acuerdo a esto se tiene que los porcentajes de areas bajo la curva para -0,22
= 0,4129 y para 0,22 = 0,5871 En terminos simples la resta de ambos genera la
probabilidad de que un tiempo de ciclo de la pala este en el intervalo de confianza,
esto sera
. Ahora se pide probabilidad de que los
tiempos de ciclos de esten fuera del intervalo de confianza, esto seria:

43

Tiempo de maniobra camin:


20
30
26
57
50
62
96
70
75
34

38
37
28
25
62
38
43
27
42
48

54
41
49
52
45
47
39,5
43,6
46
37,6

28,002
42
40
65
43
61
36
88
44
35

41
54
46
25
23
39
33
24
25
33

33
27
65
82
54
50
75
62
70
55

75
70
31
13
29
34
31
30
32
32

De acuerdo a los tiempos de ciclo de la tabla anterior se procedi a un anlisis


estadstico con los siguientes resultados:
Media
Error tpico
Mediana
Moda
Desviacin
estndar
Varianza de la
muestra
Curtosis
Coeficiente de
asimetra

45,4663625
1,94226464
42
50
17,372143
301,791354
0,66066234
0,91612809

El coeficiente de asimetra (sesgo), es de 0,916 es decir una mayor concentracin


a la izquierda de la media lo que se traduce en tiempos de ciclo menores a 45,466
segundos, Adems la Curtosis 0,66 al ser peositiva, por propiedad es denominada
leptocrtica, es decir, presenta un elevado grado de concentracin alrededor de
los valores centrales de la variable. Considerando el sesgo y la Curtosis, se
analizara con mayor detenimiento como se distribuyen los datos. Hay que tener en
cuenta que la distribucin normal se caracteriza por tener un coeficiente de
asimetra igual a 0, lo mismo con la Curtosis.

44

40
57
40
50
39
95
35
50
45
49

N
Ancho intervalo
Rango
M (numero de clase)

80
10,375
83
8

nomenclatura:

N : Total de tiempo de ciclos


Rango:
M de clases = (1+(10/3*LOG(N de datos))

Ancho del intervalo:

Histograma de frecuencia:
25

20

15

10

23,375

33,75

44,125

54,5

64,875

45

75,25

85,625

96

Anlisis del histograma:


Sesgo: es positivo, lo que se traduce en una mayor concentracin de datos
mayores a la media, pero a la vez es cercano a 0, lo que da cuenta del grado de
simetra de los datos con respecto al promedio.
Curtosis: es leptocrtica ya que es positiva, es decir hay una gran concentracin
de datos en torno a los valores centrales de la variable. Para este caso, hay una
gran concentracin de datos en torno a 45,47 segundos, lo que da cuenta de
cmo sera la distribucin de datos en el grafico (alargada en el centro).

NOMENCLATURA
LI
LS
mi
NI
ni
fi
FI

Lmite INFERIOR (valor mnimo)


Limite SUPERIOR
Media del Intervalo
Frecuencia del dato en el intervalo
(ACUMULADO)
Datos por intervalo
Frecuencia por intervalo en %
Frecuencia por intervalo en %
(ACUMULADO)

Tabla de distribucin de frecuencia:


LI
LS
ni
13
23,375
23,375
33,75
33,75
44,125
44,125
54,5
54,5
64,875
64,875
75,25
75,25
85,625
85,625
96
totales
media aritmtica
media geomtrica
mediana
moda

fi

Ni

3
19
23
16
7
8
1
3

0,0375
0,2375
0,2875
0,2
0,0875
0,1
0,0125
0,0375

80

45,4663625
42,40605979
42
50

46

Fi
1
20
43
59
66
74
75
78

0,0375
0,275
0,5625
0,7625
0,85
0,95
0,9625
1

mi
18,1875
28,5625
38,9375
49,3125
59,6875
70,0625
80,4375
90,8125

Dato
Distribucion Normal
mi
normalizado
Estandarizada
18,1875 -0,602281094
0,332767979
28,5625 -0,491331762
0,353581247
38,9375 -0,380382431
0,371099919
49,3125 -0,269433099
0,384721482
59,6875 -0,158483768
0,393963472
70,0625 -0,047534436
0,398491825
80,4375
0,063414895
0,398140923
90,8125
0,174364226
0,392923644

mi = Promedio del intervalo recin visto


distribucin normal = ingresando los datos en orden , mas la media y
desviacin estndar.

Dnde:

x=dato en estudio (18,1875)


=media (45,466)
=Desviacin estndar (17,37)

Quedando de la siguiente forma:

0,007163

47

Explicado esto, a continuacin se presenta el grafico que representa la tabulacin


recin mostrada:

0,41
0,4

0,39
0,38
0,37

0,36
Series1

0,35
0,34
0,33
0,32
0

20

40

60

80

100

Tiempo de carguio camion (seg)

Se observa del grafico que claramente que esta fuera de ser una campana de
gauss. Adems se observa que la media es el punto ms alto de este grfico.

48

Desviacin estndar

De acuerdo a lo anteriormente expuesto, se realizara la normalizacin de datos


(estandarizar), para generar la curva de distribucin normal que representa con
gran acierto a el conjunto de datos en estudio.
Para la normalizacin se utiliz el software Excel, tabulando los siguientes datos
mi
18,1875
28,5625
38,9375
49,3125
59,6875
70,0625
80,4375
90,8125

Dato
Distribucion Normal
normalizado
Estandarizada
-0,602281094
0,332767979
-0,491331762
0,353581247
-0,380382431
0,371099919
-0,269433099
0,384721482
-0,158483768
0,393963472
-0,047534436
0,398491825
0,063414895
0,398140923
0,174364226
0,392923644

Dato Normalizado: Excel pide el comando Normalizacin, y luego, siempre en el


siguiente orden, dato (18,1875), media (45,466), y desviacin estndar (17,37).
Otra forma: para normalizar se utilizara la siguiente formula:

Dnde:
z= Dato normalizado o estandarizado

= Media del conjunto de datos

= Desviacin estndar

49

De acuerdo a esto, para la primera fila de datos de la tabla, tenemos:

Hay que considerar que por defecto Excel no genera exactamente el mismo dato
en todos sus dgitos, ya que este considera todos los decimales, y este clculo
solo considera hasta la centsima.
La distribucin normal estandarizada se obtiene mediante Excel, donde se ingresa
el comando distr.normal.estand y el software por defecto pide, el datos
normalizado. De acuerdo a esto, la curva que se genera seria la siguiente
0,41
0,4
0,39
0,38
0,37
0,36
Series1

0,35
0,34

0,33
0,32
0

20

40

60

80

Tiempo de carguio camion (seg)

50

100

INTERVALOS DE CONFIANZA DEL VALOR PROMEDIO:


El intervalo de confianza del valor promedio se obtendr de la frmula:

Luego, si una variable x tiene una distribucin


veces se cumple:

entonces el 95% de las

Dnde:

Para un intervalo de confianza con una confiabilidad del 95%:

45,466

Reemplazando en la ecuacin:

41,6596

51

Probabilidad (para un nivel de confianza del 95%) de que los tiempos de


ciclo de la pala estn fuera del intervalo anterior.
Se normalizara el dato para encontrar el rea bajo la curva que se genera entre el
valor promedio y el dato normalizado.
NORMALIZACION:

Media
Error tpico
Mediana
Moda
Desviacin
estndar
Varianza de la
muestra
Curtosis
Coeficiente de
asimetra

45,4663625
1,94226464
42
50
17,372143
301,791354
0,66066234
0,91612809

Dnde:

( en este caso sern los dos extremos del intervalo de confianza)


(45,466)
(17,37)

Aproximando = - 0.22
Aproximando = + 0.22

52

El dato normalizado se buscara en la siguiente tabla:

53

De acuerdo a esto se tiene que los porcentajes de areas bajo la curva para 0,22 = 0,4129 y para 0,22 = 0,5871 En terminos simples la resta de ambos genera
la probabilidad de que un tiempo de ciclo de la pala este en el intervalo de
confianza, esto sera
. Ahora se pide probabilidad de
que los tiempos de ciclos de esten fuera del intervalo de confianza, esto seria:

54

Tiempo espera camin:


306
0
0
0
0
210
370
0
230
78

0
0
160
63
0
36
317
0
0
0

0
195
15
20
68
95
62,7
0
0
126,3

0
93,6
0
6
0
0
0
131
0
226

177
80
0
0
156
154
0
0
56
17

0
140
237
0
0
0
0
99
0
0

170
204
0
0
230
87
0
127
143
100

De acuerdo a los tiempos de ciclo de la tabla anterior se procedi a un anlisis


estadstico con los siguientes resultados:
Media
Error tpico
Mediana
Moda
Desviacin estndar
Varianza de la
muestra
Curtosis
Coeficiente de
asimetra
Rango
Mnimo
Mximo
Suma
Cuenta
n(tamao de la
muestra)

74,5075
10,4548648
16
0
93,5111538
8744,33589
0,39297312
1,09494514
370
0
370
5960,6
80
80

El coeficiente de asimetra (sesgo), es de 1,0949 es decir una mayor


concentracin a la izquierda de la media lo que se traduce en tiempos de ciclo
menores a 74,5075 segundos, Adems la Curtosis 0,39 al ser peositiva, por
propiedad es denominada leptocrtica, es decir, presenta un elevado grado de
concentracin alrededor de los valores centrales de la variable. Considerando el
sesgo y la Curtosis, se analizara con mayor detenimiento como se distribuyen los
datos. Hay que tener en cuenta que la distribucin normal se caracteriza por tener
un coeficiente de asimetra igual a 0, lo mismo con la Curtosis.

55

136
121
196
0
0
113
0
219
190
0

N
Ancho intervalo
Rango
M (numero de clase)

80
46,25
370
8

nomenclatura:

N : Total de tiempo de ciclos


Rango:
M de clases = (1+(10/3*LOG(N de datos))

Ancho del intervalo:


Histograma de frecuencia:
50
45
40
35
30
25
20
15
10
5
0
46,25

92,5

138,75

185

231,25

277,5

323,75

370

Sesgo: es positivo, lo que se traduce en una mayor concentracin de datos


mayores a la media, pero a la vez es cercano a 0, lo que da cuenta del grado de
simetra de los datos con respecto al promedio.
Curtosis: es leptocrtica ya que es positiva, es decir hay una gran concentracin
de datos en torno a los valores centrales de la variable. Para este caso, hay una
gran concentracin de datos en torno a 45,47 segundos, lo que da cuenta de
cmo sera la distribucin de datos en el grafico (alargada en el centro).

56

NOMENCLATURA
LI
LS
mi
NI
ni
fi
FI

Lmite INFERIOR (valor mnimo)


Limite SUPERIOR
Media del Intervalo
Frecuencia del dato en el intervalo
(ACUMULADO)
Datos por intervalo
Frecuencia por intervalo en %
Frecuencia por intervalo en %
(ACUMULADO)

Tabla de distribucin de frecuencia:

LI
0
46,25
92,5
138,75
185
231,25
277,5
323,75

LS
ni
46,25
92,5
138,75
185
231,25
277,5
323,75
370

totales

media aritmtica
mediana
moda

hi

Ni

43
7
10
7
9
1
2
1

0,5375
0,0875
0,125
0,0875
0,1125
0,0125
0,025
0,0125

80

74,5075
16
0

57

Hi
1
8
18
25
34
35
37
38

mi
0,5375
0,625
0,75
0,8375
0,95
0,9625
0,9875
1

23,125
69,375
115,625
161,875
208,125
254,375
300,625
346,875

mi
23,125
69,375
115,625
161,875
208,125
254,375
300,625
346,875

Dato
Distribucion Normal
normalizado
Estandarizada
-0,549479906
0,343041922
-0,054886501
0,39834182
0,439706905
0,362181571
0,93430031
0,257844892
1,428893716
0,143731665
1,923487121
0,062734742
2,418080526
0,021440036
2,912673932
0,005737262

mi = Promedio del intervalo recin visto


distribucin normal = ingresando los datos en orden, mas la media y
desviacin estndar.

Dnde:

x=dato en estudio (23,125)


=media (74,5075)
=Desviacin estndar (93,51)

Quedando de la siguiente forma:

0,003668

58

Explicado esto, a continuacin se presenta el grafico que representa la tabulacin


recin mostrada

0,45
0,4
0,35
0,3
0,25

Series1

0,2
0,15
0,1
0,05
0
0

100
200 camion (seg)
300
Tiempo de carguio

59

400

Desviacin estndar

De acuerdo a lo anteriormente expuesto, se realizara la normalizacin de datos


(estandarizar), para generar la curva de distribucin normal que representa con
gran acierto a el conjunto de datos en estudio.
Para la normalizacin se utiliz el software Excel, tabulando los siguientes datos

mi
23,125
69,375
115,625
161,875
208,125
254,375
300,625
346,875

Dato
Distribucion Normal
normalizado
Estandarizada
-0,549479906
0,343041922
-0,054886501
0,39834182
0,439706905
0,362181571
0,93430031
0,257844892
1,428893716
0,143731665
1,923487121
0,062734742
2,418080526
0,021440036
2,912673932
0,005737262

Dato Normalizado:
Excel pide el comando Normalizacin, y luego, siempre en el siguiente orden,
dato (23,125), media (74,5075), y desviacin estndar (93,51).

Otra forma: para normalizar se utilizara la siguiente formula:

Dnde:
z= Dato normalizado o estandarizado

= Media del conjunto de datos

= Desviacin estndar

60

De acuerdo a esto, para la primera fila de datos de la tabla, tenemos:

Hay que considerar que por defecto Excel no genera exactamente el mismo dato
en todos sus dgitos, ya que este considera todos los decimales, y este clculo
solo considera hasta la centsima.
La distribucin normal estandarizada se obtiene mediante Excel, donde se ingresa
el comando distr.normal.estand y el software por defecto pide, el datos
normalizado. De acuerdo a esto, la curva que se genera seria la siguiente

0,45
0,4

0,35
0,3
0,25

Series1

0,2
0,15
0,1

0,05
0
0

100
200 camion (seg)
300
Tiempo de carguio

61

400

INTERVALOS DE CONFIANZA DEL VALOR PROMEDIO:


El intervalo de confianza del valor promedio se obtendr de la frmula:

Luego, si una variable x tiene una distribucin


veces se cumple:

entonces el 95% de las

Dnde:

Para un intervalo de confianza con una confiabilidad del 95%:

Reemplazando en la ecuacin:

62

Probabilidad (para un nivel de confianza del 95%) de que los tiempos de


ciclo de la pala estn fuera del intervalo anterior.
Se normalizara el dato para encontrar el rea bajo la curva que se genera entre el
valor promedio y el dato normalizado.
NORMALIZACION:

Dnde:

( en este caso sern los dos extremos del intervalo de confianza)


(74,5075)
(93,51)
Aproximando = - 0.054
Aproximando = + 0.054

El dato normalizado se buscara en la siguiente tabla:

63

De acuerdo a esto se tiene que los porcentajes de areas bajo la curva


para -0,054 = 0,4801 y para 0,054 = 0,5199 En terminos simples la resta de
ambos genera la probabilidad de que un tiempo de ciclo de la pala este en el
intervalo de confianza, esto sera
. Ahora se pide
probabilidad de que los tiempos de ciclos de esten fuera del intervalo de
confianza, esto seria

64

Tiempo acomodo material (seg):


0
35
45
27
0
0
0
0
0
22

23
28
27
71
27
20
21
24
18
23

16
18
22
28
16
23
136,9
0
0
0

40,02
0
60
0
0
0
0
82
0
0

32
136
57
25
49
135
128
0
0
35

0
150
37
0
0
0
0
90
0
0

0
0
0
0
0
13
0
0
0
0

De acuerdo a los tiempos de ciclo de la tabla anterior se procedi a un anlisis


estadstico con los siguientes resultados:
Media
Error tpico
Mediana
Moda
Desviacin
estndar
Varianza de la
muestra
Curtosis
Coeficiente de
asimetra
Rango
Mnimo
Mximo
Suma
Cuenta

25,3365
4,31867727
0
0
38,6274238
1492,07787
2,60373586
1,8330652
150
0
150
2026,92
80

El coeficiente de asimetra (sesgo), es de 1,83 es decir una mayor concentracin a


la izquierda de la media lo que se traduce en tiempos de ciclo menores a 25,34
segundos, Adems la Curtosis 2,6 al ser positiva, por propiedad es denominada
leptocrtica, es decir, presenta un elevado grado de concentracin alrededor de
los valores centrales de la variable. Considerando el sesgo y la Curtosis, se
analizara con mayor detenimiento como se distribuyen los datos. Hay que tener en
cuenta que la distribucin normal se caracteriza por tener un coeficiente de
asimetra igual a 0, lo mismo con la Curtosis.

65

0
0
0
0
0
90
0
91
106
0

N
Ancho intervalo
Rango
M (numero de clase)

80
18,75
150
8

nomenclatura:

N : Total de tiempo de ciclos


Rango:
M de clases = (1+(10/3*LOG(N de datos))

Ancho del intervalo:

50
45
40

35
30
25
20
15

10
5
0

18,75

37,5

56,25

75

93,75

112,5

131,25

150

Anlisis del histograma:


Sesgo: es positivo, lo que se traduce en una mayor concentracin de datos
mayores a la media, pero a la vez es cercano a 0, lo que da cuenta del grado de
simetra de los datos con respecto al promedio.
Media, moda y mediana, son muy prximas, lo que se ve reflejado en la alta
concentracin de datos en los intervalos cercanos a 25,34 segundos.
Curtosis: es leptocrtica ya que es positiva, es decir hay una gran concentracin
de datos en torno a los valores centrales de la variable. Para este caso, hay una
gran concentracin de datos en torno a 25,34 segundos, lo que da cuenta de
cmo sera la distribucin de datos en el grafico (alargada en el centro).
66

NOMENCLATURA
LI
LS
mi
NI
ni
fi
FI

Lmite INFERIOR (valor mnimo)


Limite SUPERIOR
Media del Intervalo
Frecuencia del dato en el intervalo
(ACUMULADO)
Datos por intervalo
Frecuencia por intervalo en %
Frecuencia por intervalo en %
(ACUMULADO)

Tabla de distribucin de frecuencia:


LI

LS

0
18,75
37,5
56,25
75
93,75
112,5
131,25

ni

18,75
37,5
56,25
75
93,75
112,5
131,25
150

totales

media aritmtica
mediana
moda

hi

Ni

46
18
3
3
4
1
1
4

0,575
0,225
0,0375
0,0375
0,05
0,0125
0,0125
0,05

80

Hi
1
19
22
25
29
30
31
35

mi
0,575
0,8
0,8375
0,875
0,925
0,9375
0,95
1

9,375
28,125
46,875
65,625
84,375
103,125
121,875
140,625

25,3365
0
0

Para facilitar el clculo de la funcin que distribuye mejor los datos, se utiliz el
software Excel, en donde se tabularon los datos de la siguiente forma:
mi
9,375
28,125
46,875
65,625
84,375
103,125
121,875
140,625

Dato
Distribucion Normal
normalizado
Estandarizada
-3,251881745
0,002016673
-0,970393149
0,249132607
1,311095446
0,168904102
3,592584042
0,000628441
5,874072637
1,28323E-08
8,155561233
1,43799E-15
10,43704983
8,84351E-25
12,71853842
2,98475E-36
67

mi = Promedio del intervalo recin visto


distribucin normal = ingresando los datos en orden , mas la media y
desviacin estndar.

Dnde:

x=dato en estudio (9,375)


=media (25,34)
=Desviacin estndar (38,63)

Quedando de la siguiente forma:


0,009532

Explicado esto, a continuacin se presenta el grafico que representa la tabulacin


recin mostrada

0,3
0,25
0,2
0,15
0,1

Series1

0,05
0
-0,05

50

100

Tiempo de carguio camion (seg)

68

150

Desviacin estndar

De acuerdo a lo anteriormente expuesto, se realizara la normalizacin de datos


(estandarizar), para generar la curva de distribucin normal que representa con
gran acierto a el conjunto de datos en estudio.
Para la normalizacin se utiliz el software Excel, tabulando los siguientes datos
mi
9,375
28,125
46,875
65,625
84,375
103,125
121,875
140,625

Dato
Distribucion Normal
normalizado
Estandarizada
-3,251881745
0,002016673
-0,970393149
0,249132607
1,311095446
0,168904102
3,592584042
0,000628441
5,874072637
1,28323E-08
8,155561233
1,43799E-15
10,43704983
8,84351E-25
12,71853842
2,98475E-36

Dato Normalizado: Excel pide el comando Normalizacin, y luego, siempre en el


siguiente orden, dato (9,375), media (25,34), y desviacin estndar (38,63).
Otra forma: para normalizar se utilizara la siguiente formula:

Dnde:
z= Dato normalizado o estandarizado

= Media del conjunto de datos

= Desviacin estndar

69

De acuerdo a esto, para la primera fila de datos de la tabla, tenemos:

Hay que considerar que por defecto Excel no genera exactamente el mismo dato
en todos sus dgitos, ya que este considera todos los decimales, y este clculo
solo considera hasta la centsima.
La distribucin normal estandarizada se obtiene mediante Excel, donde se ingresa
el comando distr.normal.estand y el software por defecto pide, el datos
normalizado. De acuerdo a esto, la curva que se genera seria la siguiente.
0,3
0,25
0,2

0,15
0,1

Series1

0,05
0
-0,05

50

100

Tiempo de carguio camion (seg)

70

150

INTERVALOS DE CONFIANZA DEL VALOR PROMEDIO:


El intervalo de confianza del valor promedio se obtendr de la frmula:

Luego, si una variable x tiene una distribucin


veces se cumple:

entonces el 95% de las

Dnde:

Para un intervalo de confianza con una confiabilidad del 95%:

Reemplazando en la ecuacin:

71

Probabilidad (para un nivel de confianza del 95%) de que los tiempos de


ciclo de la pala estn fuera del intervalo anterior.
Se normalizara el dato para encontrar el rea bajo la curva que se genera entre el
valor promedio y el dato normalizado.
NORMALIZACION:

Dnde:

( en este caso sern los dos extremos del intervalo de confianza)


(25,34)
(38,63)

Aproximando = - 0,22
Aproximando = + 0.22

El dato normalizado se buscara en la siguiente tabla:

72

De acuerdo a esto se tiene que los porcentajes de areas bajo la curva


para -0,22 = 0,4129 y para 0,22 = 0,5871 En terminos simples la resta de ambos
genera la probabilidad de que un tiempo de ciclo de la pala este en el intervalo de
confianza, esto sera
. Ahora se pide probabilidad de
que los tiempos de ciclos de esten fuera del intervalo de confianza, esto seria

73

Conclusin
Finalmente se puede concluir que el carguo y transporte es una operacin
muy importante dentro de una empresa minera y se espera tener el mayor
rendimiento de cada equipo que se est operando con el fin de que la produccin
diaria sea lo ms alta posible, sin descuidar la seguridad de cada uno de los
trabajadores como es el lema de Minera Candelaria.
Con respecto a los Tiempos tomados en terreno podemos decir:
De los datos obtenidos de la estadstica descriptiva para el tiempo de ciclo pala
podemos concluir que estn distribuidos normalmente ya que la moda, la media y
la mediana tienen un valor muy parecido, el coeficiente de asimetra (sesgo), es lo
que indica que existe una mayor concentracin a la derecha de la media. Adems
la Curtosis, al ser positiva, por propiedad es denominada leptocrtica, es decir,
presenta un elevado grado de concentracin alrededor de los valores centrales de
la variable.
Para el tiempo de podemos decir a moda, la media y la mediana tienen un valor
muy diferente, el coeficiente de asimetra (sesgo), indica que existe una mayor
concentracin a la derecha de la media, es decir, hay ms tiempos de ciclos
mayores a la. Adems la Curtosis es negativa, al ser este coeficiente negativo la
distribucin se llama platicrtica y hay una menor concentracin de datos en torno
a la media.
De los datos obtenidos para el tiempo de maniobra camin podemos decir que la
moda , la media y la media tiene valores muy diferentes, adems El coeficiente de
asimetra (sesgo), nos indica que exisgte una mayor concentracin a la izquierda
de la media.s Adems la Curtosis al ser peositiva, por propiedad es denominada
leptocrtica, es decir, presenta un elevado grado de concentracin alrededor de
los valores centrales de la variable.
De los datos obtenidos del tiempo de espera camin podemos concluir que el
coeficiente de asimetra (sesgo) nos indica que hay una mayor concentracin a la
izquierda de la, Adems la Curtosis es positiva, por propiedad es denominada
leptocrtica, es decir, presenta un elevado grado de concentracin alrededor de
los valores centrales de la variable..
Los tiempos de espera del camin se observa una gran separacin en la media, y
la desviacin estndar esto se debe a la gran concentracin de tiempos cero, una
curtosis positiva lo que se traduce en leptocrtica ya que es positiva, es decir hay
una gran concentracin de datos en torno a los valores centrales de la variable.

74

Bibliografa
Wikipedia
YouTube
Tcnicas experimentales en fsica general

75