Para poder indicar el KPI ms relevante en el proceso de carguo y transporte a continuacin

se proceder a analizar el factor ms significativo que permite aumentar las toneladas en la

mina subterrnea de la divisin andina.
Para encontrar lo indicado en el punto anterior se incurre a realizar un anlisis de regresin
mltiple entre los 3 KPI.

Extraccin y traspaso de mineral LHD

Anlisis de regresin y correlacin de los factores

A continuacin, se proceder a analizar el factor ms significativo para aumentar las

toneladas. Por lo que se analizara el comportamiento de una variable en este caso las
toneladas en funcin de otras variables tomando la utilizacin efectiva, disponibilidad y
rendimiento.

Para poder crear nuestro modelo se tomaron los siguientes datos.

Toneladas por camin al da UE [%] DISP [%] RENDIMIENTO[Ton/hr]

Enero 4145 49% 84% 402
Febrero 4621 49% 86% 442
Marzo 4302 49% 82% 435
Abril 4050 45% 82% 451
Mayo 4569 54% 79% 441
Junio 4463 51% 82% 439
Julio 4283 44% 88% 459
Agosto 3944 41% 85% 466
Septiembre 4375 48% 84% 444
Octubre 3936 49% 81% 406
Noviembre 4321 56% 81% 390
Diciembre 4653 59% 79% 410

Estos datos representan las toneladas por da que mueve cada LHD en el mes con su
respectiva utilizacin efectiva, disponibilidad y rendimiento.
Anlisis de regresin

Resumen regresin lineal LHD

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.973013406
Coeficiente de determinacin R^2 0.946755088
R^2 ajustado 0.926788245
Error tpico 67.19329149
Observaciones 12

Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
siendo representados o/u explicados por el modelo, en este caso corresponde a un 93% lo
cual es muy bueno .

ANLISIS DE VARIANZA
Grados de libertad
Regresin 3
Residuos 8
Total 11

Coeficientes
Intercepcin -8172.43312
UE 8382.322242
DISPONIBILIDAD 5669.106457
RENDIMIENTO 8.417422267

Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
toneladas aumentan en 83,82 toneladas aproximadamente, por cada unidad que aumente
el rendimiento, las toneladas aumentan en 8,42 toneladas aproximadamente y por cada
punto porcentual que aumente la disponibilidad las toneladas aumentan 56,69 toneladas
aproximadamente.
Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
otros dos indicadores siendo ste el KPI ms relevante en la extraccin y traspaso de mineral
permitiendo crear el rbol de valor.
Transporte mina subterrnea CAMIONES

Atlas wagner

Anlisis de regresin y correlacin de los factores

Se realiza el mismo procedimiento que en la extraccin y traspaso de mineral por LHD.

Los datos tomados para representar el modelo se muestran a continuacin.

Toneladas por camin al da UE [%] DISP [%] RENDIMIENTO [Ton/hr]

Enero 4124 58% 80% 360
Febrero 4244 58% 82% 342
Marzo 3933 58% 80% 363
Abril 3855 54% 76% 350
Mayo 4156 63% 77% 307
Junio 3866 60% 80% 307
Julio 3664 53% 82% 339
Agosto 3442 51% 81% 326
Septiembre 3724 58% 82% 320
Octubre 3152 59% 79% 308
Noviembre 3724 66% 79% 312
Diciembre 4171 63% 87% 335

Estos datos representan las toneladas por da que mueve cada altlas en el mes con su
respectiva utilizacin efectiva, disponibilidad y rendimiento.

Anlisis de regresin

Resumen ATLAS WAGNER

Estadsticas de la regresin
Coeficiente de correlacin mltiple 0.687204535
Coeficiente de determinacin R^2 0.472250073
R^2 ajustado 0.67434385
Error tpico 275.7242985
Observaciones 12
Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
siendo representados o/u explicados por el modelo, en este caso corresponde a un 67% lo
cual es muy bueno.

ANLISIS DE VARIANZA
Grados de libertad
Regresin 3
Residuos 8
Total 11

Coeficientes
Intercepcin -2835.68577
UE 4468.563311
DISPO 934.3822733
REND 10.01305404

Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
toneladas aumentan en 44,68 toneladas aproximadamente, por cada unidad que aumente
el rendimiento, las toneladas aumentan en 10,01 toneladas aproximadamente y por cada
punto porcentual que aumente la disponibilidad las toneladas aumentan 9,34 toneladas
aproximadamente.
Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
otros dos indicadores siendo ste el KPI ms relevante en el transporte de mineral
permitiendo crear el rbol de valor.
Cat
Se realiza el mismo procedimiento que en la extraccin y traspaso de mineral por LHD.
Los datos tomados para representar el modelo se muestran a continuacin.

Toneladas por camin al da UE[%] DISP[%] RENDIMIENTO[Ton/hr]

Enero 2105 63% 87% 179
Febrero 2875 66% 79% 252
Marzo 3989 59% 79% 257
Abril 2753 58% 82% 274
Mayo 4278 51% 81% 307
Junio 3785 53% 82% 307
Julio 2871 60% 80% 339
Agosto 2483 63% 77% 326
Septiembre 2978 54% 76% 320
Octubre 3140 58% 80% 308
Noviembre 2833 58% 82% 312
Diciembre 2677 58% 80% 335

Estos datos representan las toneladas por da que mueve cada altas en el mes con su
respectiva utilizacin efectiva, disponibilidad y rendimiento.

Anlisis de regresin

Resumen CAT

Estadsticas de la regresin
Coeficiente de correlacin
mltiple 0.566645241
Coeficiente de determinacin
R^2 0.321086829
R^2 ajustado 0.624943894
Error tpico 617.4560034
Observaciones 12

Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
siendo representados o/u explicados por el modelo, en este caso corresponde a un 62% lo
cual es muy bueno.
ANLISIS DE VARIANZA
Grados de libertad
Regresin 3
Residuos 8
Total 11

Coeficientes
Intercepcin 6765.578646
UE 5059.254573
DISPO 3876.98275
REND 4.387817185

Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
toneladas aumentan en 50,59 toneladas aproximadamente, por cada unidad que aumente
el rendimiento, las toneladas aumentan en 4,39 toneladas aproximadamente y por cada
punto porcentual que aumente la disponibilidad las toneladas aumentan 38,76 toneladas
aproximadamente.
Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
otros dos indicadores siendo ste el KPI ms relevante en el transporte de mineral
permitiendo crear el rbol de valor.

En resumen, se puede decir en base a los anlisis anteriores realizados, el KPI ms relevante
en el proceso es la utilizacin efectiva, ste permite generar valor al negocio con solo
aumentar un punto porcentual, aumenta el tonelaje y como consecuencia los ingresos del
negocio.

A continuacin se realizarn los arboles de valores para el carguo y transporte en base a la

utilizacin efectiva.
rbol de valor: KPI Utilizacin efectiva