Está en la página 1de 12

Actas de la Conferencia de simulación Invierno 2009

MD Rossetti, RR Hill, B. Johansson, A. Dunkin y RG Ingalls, eds.

USO análisis de simulación de gestión de riesgos PROYECTO MINERO

Undram Chinbat Soemon

Takakuwa Furo-cho, Universidad de

Nagoya
Chikusa-ku Facultad de Economía y
Administración de Empresas, Universidad de Nagoya

Nagoya, 464-8601, JAPÓN

ABSTRACTO

Como resultado de la crisis económica actual, lo que llevó a la caída precios de los metales, se han animado a los gestores de la empresa minera para reducir costos. Así, los
proyectos de mejora para reducir costos se ha convertido en un gran interés en la industria minera de Mongolia. Los proyectos mineros están sujetos a un alto riesgo debido a su
tamaño, la incertidumbre, la complejidad y alto costo. Este documento se centra en el desarrollo de un método de simulación que proporciona una herramienta de ingeniería para la
gestión de los riesgos asociados con el desarrollo de proyectos de mejora de la minería abierta. El estudio será demostrar las ventajas del uso de análisis de simulación para la
gestión de proyectos de minería y la forma en que reduce los riesgos asociados. La investigación se basó en un estudio de caso de un proyecto de optimización de una planta minera
con sede en Mongolia.

1 INTRODUCCIÓN

Las operaciones mineras representan una actividad económica con un montón de problemas de decisión que involucran riesgos e incertidumbre. Dado que los recursos en un sector como son
finitos, los directores de proyectos de minería con frecuencia se enfrentan a decisiones importantes con respecto a la mejor asignación de los recursos escasos entre empresas mineras que se
caracterizan por el riesgo financiero sustancial e incertidumbre.
En la actualidad, el crecimiento económico de Mongolia es muy aconsejable por la industria minera. En 2007, según el Anuario Estadístico Mongo- Lian, el PIB de Mongolia
creció un 8,4 por ciento en términos reales y el crecimiento en el sector de la minería llegó a 2,7 por ciento. Los altos precios del oro y cobre internacionales ha dado lugar a una
nueva explotación de la mina y el aumento de la producción en este sector. Sin embargo, muchos proyectos fallan debido a la falta de gestión de proyectos (PM) know-how y altos
riesgos.
Hay una gran cantidad de actividades involucradas en los proyectos mineros modernos. Tareas van desde proceso de exploración, culación cal- recursos, la planificación de
recursos humanos, la perforación, el transporte y el cierre. En este trabajo, nos centramos en el uso de análisis de simulación para estimar la cantidad adecuada de trabajadores
necesarios para el proceso de perforación, sin una extensión del tiempo de proceso de operación de minería de plomo (PLT); es decir, una vez que los procesos de cálculo de exploración
y de recursos ha sido completado y mientras la Planificación del recurso humano de la operación minera. El proceso de planificación de los recursos humanos es fundamental, ya que se
asocia con la calidad del proceso, lo cual es costoso e incierto. Estimación de la cantidad adecuada de los trabajadores para actividades tales como los ingenieros de perforación y los
trabajadores pueden calcularse usando análisis de simulación.

La simulación es un proceso de diseño de un modelo de un sistema real y la realización de experimentos con este modelo para El propósito de comprender el
comportamiento del sistema y evaluar diversas estrategias para el funcionamiento del sistema (Shannon
1998). La simulación puede ayudar a los administradores de proyectos de minería a entender el comportamiento del sistema y optimizar el sistema a través de diversas estrategias en una realidad
virtual.
Un ejemplo de un proyecto de minería incluye el desarrollo de campos de petróleo y gas. Jacinto (2002) observó que las NEI de petróleo y gas empre- necesitan amplios
estudios para evaluar sus proyectos antes de gastar dinero, y para cuantificar los beneficios de los proyectos propuestos antes de su implementación. El conocimiento limitado acerca
de las características de la formación geológica, instalaciones técnicas, y el comportamiento humano, da lugar a una considerable incertidumbre acerca de las de petróleo y gas - las
operaciones de perforación de pozos. La optimización y toma de decisiones virtual asociado con los recursos humanos puede ser una solución óptima para la reducción de ciertos
riesgos asociados con el costo y el tiempo.

978-1-4244-5771-7 / 09 / $ 26.00 © 2009 IEEE 2612


Chinbat y Takakuwa

Por otra parte, la razón de este estudio se puede atribuir a la industria minera en continuo crecimiento de Mongolia. Adi- cionalmente, el estudio se complementa con
la investigación emprendida muy limitada en el ámbito de la gestión de riesgos del proyecto minero (PRM) en el país.

2 RIESGOS proyecto minero

La Dirección de Proyectos (PMBOK), afirmó que el riesgo del proyecto es un evento o condición incierta que, si se produce, tiene efectos positivos o negativos en al
menos uno de los objetivos del proyecto, tales como tiempo, costo, alcance o calidad (PMI 2004). PRM incluye los procesos relacionados con la realización de la gestión
de riesgos (RM) de planificación, identificación, análisis, respuestas, y monitoreo y control en un proyecto; la mayoría de estos procesos se actualizan a lo largo de un
proyecto. De acuerdo con la RM PMBOK ha sido designada como una de las nueve áreas de conocimiento PM (siendo los otros ocho integración, alcance, tiempo, costo,
calidad, recursos humanos, comunicaciones y de gestión de las adquisiciones). En consecuencia, RM se considera como una actividad importante del proceso PM.

Los proyectos mineros están sujetos a un alto riesgo debido a su tamaño, complejidad y alto costo. Desafortunadamente, muy poco in- vestigación relacionados con un particular minería
riesgos del proyecto se han realizado hasta la fecha. La mayor parte de la investigación relacionada con los riesgos del proyecto minero estudiados proyectos de desarrollo de petróleo y de pozos
petroleros.
Del Cano y de la Cruz (2002) observaron que RM se convierte en una parte integral de la gestión de proyectos y juega un papel tan im- portante que su
aplicación va más allá del ámbito tradicional que normalmente se centran en la fase de construcción. Williams (1995) afirma en su artículo titulado “Una
bibliografía clasificada de la reciente investigación relacionada con la gestión de riesgos del proyecto”, que la necesidad de identificar las incertidumbres de un
proyecto, estimar su impacto, analizar sus interacciones y controlar dentro de un RM estruc- tura tiene solamente en los últimos años ha realizado,
principalmente dentro de las industrias de defensa, construcción y del petróleo. Por lo tanto, existe la necesidad de integrar este trabajo dentro de un marco
académico cohesivo. Sin embargo, la industria del petróleo es un importante usuario de RM, pero además de ser particularmente reservada,

La literatura más temprana encontrado usando análisis de simulación en un análisis de riesgos del proyecto de aceite fue hecho por Hall en 1986 en el
proyecto de petróleo del Mar del Norte, donde una herramienta de simulación de Monte Carlo se utilizó en dos proyectos para determinar las probabilidades de
que el día de finalización del proyecto. El análisis de riesgos y gestión de empresas de exploración de petróleo está creciendo en todo el mundo, y muchas
compañías petroleras internacionales han mejorado su desempeño exploración mediante el uso de los principios de análisis de riesgos en combinación con las
nuevas tecnologías (Harbaugh 1995, Rose 2001, Coelho y Jacinto 2005). El uso de la técnica de simulación en los estudios donde la dinámica del sistema
productivo tiene la complejidad operativa relativa, dificultad de modelar o causan malestar a los usuarios,

2002). Algunas literaturas sugieren dos enfoques diferentes, pero complementarias con análisis de simulación para el análisis de riesgos de los proyectos mineros. Coelho y Jacinto
(2005) estudiaron sobre el uso de método de simulación Monte Carlo y un proach AP- conexionista para estimar el tiempo total de la evaluación de las operaciones de perforación y
terminación de pozos de petróleo en aguas profundas. Andrade et al. (2006) utilizaron las funciones cópula como una herramienta para construir modelos de simulación Monte Carlo de
correlación consciente para el análisis de riesgos de la actividad de perforación de pozos de petróleo. Chinbat y Takakuwa (2008) utilizaron Arena •• un paquete de software para el
análisis y simulación de procesos (Kelton, Sadowski, y Sturrock 2007), con el diseño de la metodología Six Sigma para el proyecto timization una fábrica de producción de la minería y
el hierro OP. Roisenberg, Schoeninger y da Silva (2009) emplearon una nueva metodología de análisis y simulación fuzzy probabilística híbrido para evaluar los riesgos de perspectivas
del petróleo.
En este estudio, vamos a utilizar la técnica de análisis de simulación
en combinación con otras herramientas de RM para analizar y mitigar los riesgos de un proyecto de optimización de una minería a cielo abierto.

3 USO análisis de simulación de gestión de riesgos PROYECTO MINERO

La simulación es un proceso de diseño de un modelo de un sistema real y la realización de experimentos con este modelo con el fin de entender el comportamiento del sistema y
/ o la evaluación de diferentes estrategias para la operación del sistema (Shannon, 1998). La actividad minera está sujeta a riesgos de diversa naturaleza: el riesgo y la
incertidumbre asociada con el proceso de exploración, con cálculo de recursos, con el desarrollo del campo, con las operaciones de perforación, y con operaciones de
enriquecimiento. En este artículo, vamos a concentrarnos en la parte minería a cielo abierto y la investigación se basa en una situación de la vida real.

El proyecto se inició en una empresa con sede en Mongolia que opera una fábrica de extracción de mineral de hierro y el enriquecimiento del mineral en la provincia de
distrito de la provincia Sukh-baatar Ervei khoshuu, distancia de aproximadamente 320 kilometros de la capital Ulaan- baatar. La compañía tiene previsto iniciar un proyecto de
mejora de la planta.
El principal problema en el sitio Ervei Khuder era coste. El comprador principal de la empresa era un productor de chapa de acero. Las Páginas de metal, una base de datos de
información en línea líder en metales, informó el 16 de febrero de º, 2009, que los fabricantes de acero del mundo en todo el mundo tienen una producción reducido ya que los precios cayeron
más del cincuenta y uno por ciento desde su máximo de julio del año pasado. Los precios pueden tomar por lo menos seis meses en recuperarse cuando el mercado de trabajo estadounidense
mejora y la gente reanudar la compra de coches y

2613
Chinbat y Takakuwa

electrodomésticos. Por lo tanto, los administradores de la compañía estaban dispuestos a cortar todos los posibles costos de la planta. Además, la gestión señaló-que durante
tiempos tan difíciles que la compañía no podía soportar ningún principales riesgos negativos.
La identificación del riesgo fue el primer paso de las actividades RM iniciados por el equipo. Algunos de los riesgos de los proyectos mineros tienen características
distintivas que riesgos en otro tipo de proyectos. Chinbat (2009) identificó los riesgos más críticos para proyectar Ure fail en la industria minera de Mongolia acuerdo con los
profesionales que trabajan en el país según lo exhibido en la Tabla 1. A partir de la lista en la Tabla 1, se identificaron los riesgos del proyecto y la mitigación de riesgos métodos
se describen como se muestra en la Tabla 2.

Tabla 1: Riesgo Criticatal al fracaso de los proyectos en la industria minera de Mongolia

riesgos La clasificación de riesgos efecto del riesgo

Las dificultades financieras de los propietarios 1 retraso horario, Pérdida de la licencia

Administración deficiente 2 retraso horario, sobrecosto


Problema técnico 3 retraso horario, sobrecosto
burocracia gubernamental para la obtención de licencias 4 retraso horario, Pérdida de la licencia

cálculo de recursos incorrectos 5 sobrecosto, Pérdida de la licencia


La irresponsabilidad de los trabajadores 6 retraso horario, sobrecosto
retardo de transporte ferroviario 7 retraso de horario

Escasez de expertos 8 retraso de horario

Los retrasos de distribución de maquinaria 9 retraso de horario

La presión de los inspectores del gobierno 10 retraso horario, sobrecosto, Pérdida de la licencia
Los cambios en las leyes y reglamentos 11 retraso horario, sobrecosto, Pérdida de la licencia
escasez de diesel en el país 12 retraso horario, sobrecosto
daños ambientales imprevistos 13 retraso horario, sobrecosto
No lo suficiente como fondo para la recuperación 14 Pérdida de la licencia

Human / resistencia organizativa 15 retraso horario, sobrecosto


Los accidentes durante la construcción / operación dieciséis retraso horario, sobrecosto, Pérdida de la licencia

Tabla 2: Lista de los riesgos asociados con el Proyecto de Optimización

número de riesgos Riesgo Riesgo proble- método de mitigación de riesgos

riesgo EF-fect capacidad

R-1 Administración deficiente Alto Bajo Recibir asesoría de proyectos con experiencia en Los directivos.

R-2 Problema técnico Alto Bajo Para una lista de todos los posibles problemas técnicos que puedan surgir y
plan de prevención de ellos.
R-3 La irresponsabilidad de los trabajadores de alto Bajo Supervisar los trabajadores diaria
R-4 retardo de transporte ferroviario Bajo Bajo Para investigar la demanda de tren antes de enviar las máquinas. Optó
por periodos no ocupados para el envío.
R-5 Los retrasos de distribu- ción de maquinaria Bajo Alto Para hacer el pago después del envío al proveedor de la máquina.

R-6 daños ambientales Alto Bajo Asegurar la planta

R-7 Humano / organizacional tencia Bajo Bajo Para organizar reuniones semanales con los empleados para discutir acerca de
tancia los problemas.

R-8 Accidentes durante trucción ción / Alto Bajo Para seguir los manuales
operación
R-9 mentos de optimización incierta ele- Alto Alto Utilizar el análisis de simulación para visualizar el proceso y descubrir los
elementos que necesita ser optimizado.
R-10 indicio optimización incierta Alto Alto Utilizar el análisis de simulación para crear optimización virtuales que
indica varios puntos de optimización.

Con el fin de evaluar adecuadamente los riesgos del proyecto, hay que considerar tanto la probabilidad de ocurrencia del riesgo y el impacto en los objetivos del proyecto, una vez se
produzca el evento de riesgo. Esto se logra mejor mediante el trazado de los riesgos sobre la probabilidad de impactar - trix ma- (El-Sayegh 2008). Los identificado diez riesgos se colocaron en
una probabilidad - matriz de impacto, como se muestra en la Figura 1.

2614
Chinbat y Takakuwa

Figura 1: Probabilidad - Matriz de Impacto

En la matriz, el eje x representa el valor de probabilidad, mientras que el eje y representa el valor de impacto. los lazos y los impactos del riesgo probabi- fueron valorados de acuerdo a la experiencia y el

juicio de los miembros del equipo del proyecto. Los siste con- matriz de cuatro cubos denominadas A, B, C, y D. La Un cubo representa los riesgos con altos impactos y altas probabilidades. El equipo del

proyecto debe planificar e implementar planes de acción para mitigar estos riesgos. El cubo B representa riesgos con alta proba- bilidad y bajo impacto y considerado como el más probable que se produzcan

riesgos. Por lo tanto, los riesgos en el cubo B se sugieren para ser in- EXCLUYEN en el plan de mitigación de riesgos. Por ejemplo, el riesgo a 5, en el que - los riesgos de retrasos de distribución de maquinaria,

se produce con frecuencia en el país, pero el impacto sobre el fracaso del proyecto es baja. Los riesgos en el cubo C, tienen una baja probabilidad pero de alto impacto al fracaso del proyecto si se producen. Los

ejemplos típicos de los riesgos en este cubo son los riesgos externos tales como las edades dAM- ambientales y los cambios en las leyes y reglamentos. Por otra parte, los riesgos tales como accidentes o

irresponsabilidad de los trabajadores que no la mayoría es probable que ocurran, pero si ocurre, tiene un alto impacto al fracaso del proyecto se incluyen en este cubo. Ciertos riesgos en este cubo pueden ser

manejados por el seguro de riesgo. Los riesgos en el cubo D son con la probabilidad más baja y el menor impacto para proyectar Ure fail. Estos riesgos son a menudo ignorados o incluidos en la categoría de sólo

“ser-cuidado” de los equipos de proyecto. riesgos como accidentes o irresponsabilidad de los trabajadores que no la mayoría es probable que ocurran, pero si ocurre, tiene un alto impacto al fracaso del proyecto

se incluyen en este cubo. Ciertos riesgos en este cubo pueden ser manejados por el seguro de riesgo. Los riesgos en el cubo D son con la probabilidad más baja y el menor impacto para proyectar Ure fail. Estos

riesgos son a menudo ignorados o incluidos en la categoría de sólo “ser-cuidado” de los equipos de proyecto. riesgos como accidentes o irresponsabilidad de los trabajadores que no la mayoría es probable que

ocurran, pero si ocurre, tiene un alto impacto al fracaso del proyecto se incluyen en este cubo. Ciertos riesgos en este cubo pueden ser manejados por el seguro de riesgo. Los riesgos en el cubo D son con la probabilidad más baja y e

En la matriz, los riesgos 9 y 10 (elementos de optimización de incertidumbre e indicaciones) fueron consideradas como las más altas de preocupación. El supuesto equipo fue que la
herramienta mitigado adecuados para tales riesgos es un análisis de simulación.

3.1 El análisis de simulación

La herramienta de análisis de simulación puede ser utilizado en un proceso de RM según el modelo de proceso PRM que fue desarrollado por el autor, como se muestra en la Figura 2.
En este estudio un mapa de procesos se utilizó de acuerdo como sigue:
• Identificar los riesgos: Después de definir los objetivos del proyecto, el equipo identificó posibles riesgos, mediante el estudio del proceso y el uso de diversas herramientas de identificación

de riesgos.

• Evaluación del riesgo: Una vez que el proceso ha sido estudiado y los riesgos han sido identificados, se recogen los datos útiles para la construcción de un modelo de simulación.
Los riesgos identificados se evalúan utilizando herramientas adecuadas, tales como probabilidad - matriz de impacto. método de modelado de simulación puede ser útil para
evaluar ciertos riesgos, tales como los riesgos operacionales.

• La mitigación del riesgo: Los resultados del modelo de simulación se utilizaron para mitigar los riesgos específicos que se han mencionado anteriormente.

• la prevención de riesgos: Los resultados del análisis de simulación ayudaron al equipo a evitar ciertos riesgos negativos. En este punto, el equipo también tiene que hacer planes de

prevención de riesgos tales como el riesgo compartido para mayores riesgos.

• Por último, si el proyecto no se ha completado, el proceso se inicia desde la fase de identificación de riesgos, ya que los riesgos son inciertas y que necesitan ser
monitoreados y administrados constantemente.

2615
Chinbat y Takakuwa

comienzo

Definir los objetivos del Tiempo, presupuesto, requiere

proyecto calidad

Utilizar
Uso otros análisis
de identificación de riesgos
Estudiar el proceso identificar los riesgos
cuantitativo y herramientas
/ o cualitativo

Recopilar datos útiles


Utilizar el análisis cuantitativo y
Evaluación de riesgos
Construir un modelo de simulación / o cualitativo

Analizar la simulación Mitigación de riesgos - acción


Mitigación de riesgos
resultados planes

planes de prevención de riesgos (riesgo


Prevención de riesgos
compartir ... etc.)

No
completó proyecto?

Fin

Figura 2: Proceso de Gestión de Riesgos del Proyecto Mapa

Después de definir los objetivos del proyecto (mencionado anteriormente en este documento), el equipo realizó un estudio de observación y el tiempo del proceso de
operación real. Con la ayuda de los ingenieros de Monzol, se recogió la información de los datos clave de la operación de la planta Ervei Khuder y se resume en una hoja de
cálculo desarrollado. Una entrevista sobre el funcionamiento y los problemas realizados con los ingenieros y empleados de diversas posiciones de la empresa. Un mapa de
procesos se ha elaborado para ilustrar el camino natural del proceso de minería abierta en Ervei Khuder, como se muestra en la Figura 3; datos seleccionados del proceso
también se ilustran en la Tabla 3. Los datos se resume utilizando un analizador de entrada Arena para determinar la probabilidad de distribución.

Tabla 3: Parámetros del proceso de minería

Los nombres de parámetros Unidades Mineral Suelo

profundidad del agujero de picadura promedio metro 11.7 11.9


Preparación y acabado el tiempo para el cambio min
Preparación y acabado el tiempo de la taladradora min UNIF (5, 6)
perforador de salida por turno m EXPO (92.4) EXPO (90.2)
UNIF (18, 20)
el tiempo de perforación por hoyo hoyo 1 metro incluyendo la min 2.21 2.51
Explosión longitud tiempo de proceso min EXPO (60)

La planta Ervei Khuder consta de dos partes principales: la minería a cielo abierto y la fábrica de enriquecimiento de hierro. En la mina abierta, una media de
1015m 3 mineral y una media de 330 millones 3 suelo es producido por la perforación y una explosión procesa todos los días. Hay actual- mente cuatro perforadores que
se utilizan en el sitio. los trabajadores de un ingeniero de perforación y dos de perforación se asignan a cada perforador en cada turno. Antes de cada turno los
ingenieros de perforación y los trabajadores necesitan para preparar el perforador y luego ubicarlos de acuerdo con el plan de la mina. Además, al final de los turnos,
ciertos procedimientos también tiene que ser tomada con el perforador el fin de cerrar el cambio de acuerdo con las normas de seguridad de la empresa. Por otra
parte, antes y después de cada proceso de perforación, una cierta cantidad de tiempo es consumido por los ingenieros de perforación y los trabajadores en la
preparación para el proceso de perforación o en el acabado de los trabajos de perforación. Un proceso de explosión se realiza de salida una vez al final de cada día,

2616
Chinbat y Takakuwa

Figura 3: Mapa de Procesos de la Minería abierto

Una de las características de tales recursos naturales es que los depósitos están situados en diferentes áreas bajo los números disímiles y profundidades de capas
geológicas. Así, durante el trabajo de exploración, los geólogos determinar la posición y la profundidad de los depósitos. Los depósitos de mineral de hierro de la planta
Erven Khuder se determinaron para ser situado en cinco áreas diferentes accord- ing a la imagen geológica de la planta, según lo exhibido en la figura 4. Por lo tanto, el
proceso de perforación se realiza en diversas áreas de acuerdo a la geológica imagen.

2617
Chinbat y Takakuwa

cuerpos de mineral de hierro, en la foto de arriba

Figura 4: Foto geológico de Plant Khuder Erven

En la Figura 4, las áreas de puntas a cabo por una flecha son cuerpos de mineral de hierro - las piezas con recursos de mineral de hierro. El tamaño de la plancha cuerpos de mineral varían
y la profundidad de los lugares de mineral de hierro son diversas. Por lo tanto, el proceso de perforación se realiza de acuerdo a la línea de exploración prevista como se muestra en la figura 5. La
perforación procesos se llevaron a cabo en diferentes ángulos y diferentes profundidades en relación con la posición del cuerpo de mineral de hierro bajo el suelo.

Las líneas que fueron perforados para el


proceso de exploración

Uno de los cuerpos de mineral de hierro en la

foto desde el lado

Figura 5: Líneas geológicas de Plant Kuder Erven

La compañía está trabajando actualmente en el cuerpo de mineral de hierro más grande y se recogieron los parámetros para la simulación (que se muestra en la Tabla 3) sobre la
base de los trabajos realizados sólo por esta parte de la operación.
Un “tal cual” modelo de la operación actual de la planta se ha creado usando la herramienta de simulación software Arena, como se muestra en la Figura 6.

2618
Chinbat y Takakuwa

Figura 6: animada de la Planta

El equipo tuvo una oportunidad efectiva para observar y estudiar el funcionamiento de la planta a través del modelo “tal cual” y los informes RESPETA por el análisis de
simulación, ayudó a encontrar elementos en el sistema que necesita mejorar. Por lo tanto, en el estudio, los riesgos de un elementos de optimización inciertos (R-9) se redujeron
debido al uso de la herramienta de análisis de simulación.
El objetivo central del proyecto era reducir al mínimo costo. Por lo tanto, en este estudio, se utilizó un análisis de simulación para encontrar el mejor equilibrio entre
el número necesario de ingenieros y trabajadores con la intención de reducir los costos. En general, hay cuatro ingenieros de perforación y ocho trabajadores asignados
para cada turno, y el PLT difiere de acuerdo con el número de ingenieros de perforación y los trabajadores. Por lo tanto, la dirección desee para encontrar la solución
óptima con el cambio mínimo PLT. Para el PLT mínimo, el coste de las actividades que no agregan valor son importantes. En consecuencia, la medida de funcionamiento
elegido fue el costo no valor añadido por hora, NVAC, que se puede formular por

NVAC = DTC + STC. (1)

Donde DTC es el coste medio preparación de perforación y acabado por hora y STC es una media de preparación de cambio y el coste del proceso de acabado por hora.
Además,

DTC = α E + β W + ω, dónde α = β + 10. (2)

Donde: E es el número de ingenieros de perforación que trabajan en procesos de perforación en cada turno (personas),
W es el número de trabajadores trabajando en los procesos de perforación en cada turno (personas),

α es la cantidad de salario cada ingeniero de perforación recibir por hora ($ / hr),


β es la cantidad de salario cada trabajador recibir por hora ($ / hr),
ω es el coste por hora de la preparación de la perforación y el proceso de acabado. Por consiguiente:

DTC = ( β + 10) E + β W + ω (3)

Similar:

STC = ( β + 10) E + β W + σ. (4)

Dónde: σ es el coste por hora de preparación de cambio y proceso de acabado. Por lo tanto, el objetivo es reducir al mínimo NVAC para valores dados de α, β, ω y σ.

Además, en el análisis de simulación, debido a la falta de un registros de datos diarios, el valor medio de mineral y el suelo de salida del proceso de minería se calculó
y se utilizó como una entidad-entrada al modelo de simulación. Las variables O 1, O 2, ..., O norte fue consi-

2619
Chinbat y Takakuwa

dered como al azar y representa las cantidades de mineral de hierro o de entrada del suelo de norte número de días en el sistema. El valor medio de entradas de mineral o de suelo por día, que es AO

(que puede ser sustituido por cualquiera de mineral o el suelo) se dan como

. (5)

Oi, donde se emite de mineral o de suelo por día i. Aún más los tiempos de proceso se calcularon mediante la incorporación de muestras recogidas de ajuste a una distribución de probabilidad de

analizador de entrada de Arena.

3.2 Múltiple objetivo lineal Formulación modelo de programación

Un gran número de problemas reales puede ser transformado en un modelo de programación lineal (Benayoun et al. 1971). Se utilizó un modelo de programación lineal
multiobjetivo para el análisis de simulación en este estudio.
Los objetivos y sus prioridades (Pa) se enumeran a continuación: P 1: reducir el costo de los empleados. Esto se da la máxima prioridad, ya que, como se mencionó anteriormente, el
principal objetivo de la optimización
proyecto es reducir el costo. Por lo tanto, el objetivo puede alcanzarse mediante la búsqueda de un equilibrio entre los mínimos posibles ingenieros cantidad y
trabajadores en los procesos de perforación, mientras que no hacer y oposición con el P 2.
PAG 2: evitar el aumento de NVAC. Si el número variable de ingeniero es X 1 y la variable número de trabajadores es X 2, a continuación, según las ecuaciones 1-4:

Minimizar: P = [P 1, PAG 2]

PAG 1 = α X 1 + β X 2 (6)

PAG 2 = 2 X 1 ( β + 10) + 2 β X 2 + ω + σ (7)

Sujeto a: X1≥ 2
X1≤ 4
X2 ≥ 4
X2≤ 8 (8)

X 1, X 2: entero

Durante cuatro perforadores, el posible número mínimo de ingeniero de perforación es de dos y posible número mínimo de trabajadores es de cuatro. Por lo tanto, el
estudio considera quince diferentes combinaciones de números de ingenieros y trabajadores. El modelo fue serted in- en OptQuest, una herramienta de software de Arena
para buscar soluciones óptimas con variables dadas, y se analizaron los quince escenarios con diferentes número diferente de ingenieros y trabajadores para encontrar el más
adecuado x1, x2 para el P1, P2.

3.3 Los resultados

Cuando se experimenta con un modelo para medir el posible comportamiento futuro de un sistema (por ejemplo, la simulación), se adquiere una visión in- en la naturaleza
de un sistema de un proceso, se identifican problemas de diseño del sistema y gestionar el riesgo de tomar decisiones con una mejor comprensión de los costos y
beneficios (Luce et al., 2005). El análisis de riesgos es una excelente técnica con la que comparar opciones (Hall, 1986). El modelo se repitió cinco veces cada uno en los
quince escenarios diferentes y se obtuvieron los principales trics me- y analizado en la Figura 7 y en la Tabla 4.

2620
Chinbat y Takakuwa

escenarios

Figura 7: Replicación resultados de los escenarios

Escenario número 9 fue considerada como la mejor situación posible, con dos ingenieros y seis trabajadores, como se muestra en la tabla
4. De acuerdo con las medidas de rendimiento, escenario 9 demostró el menor costo y PLT mínimo. Escenario 3 representaba la “tal cual” modelo con la situación
actual de la minería abierta y se utilizó para comparar con otros escenarios. Los escenarios 1 y 15 tenían el costo más bajo del empleado que cumpla con P 1; sin
embargo, la PLT era muy largo y no satisfacía la ecuación (7) por la educación de la NVAC, el factor principal de la medida de rendimiento y una P 2.

Tabla 4: Resumen del informe Basándose en los escenarios

Número trabajador Cantidad Preparación y cierre


PLT 1+ βx 2
escenario Ingenieros (x 1) Trabajadores (x 2) tiempo para el cambio (min) Preparación y acabado
tiempo para la perforación (min)

1 2 4 UNIF (25, 28) UNIF (10, 11) 544,54 110


2 3 6 UNIF (18, 20) UNIF (5, 6) 539,09 165
3 4 8 UNIF (18, 20) UNIF (5, 6) 539,09 220
4 2 8 UNIF (18, 20) UNIF (5, 6) 539,09 170
5 4 7 UNIF (18, 20) UNIF (5, 6) 539,09 205
6 3 4 UNIF (23, 25) UNIF (9, 10) 546,68 135
7 3 7 UNIF (18, 20) UNIF (5, 6) 539,09 180
8 3 5 UNIF (18, 20) UNIF (5, 6) 539,09 150
9 2 6 UNIF (18, 20) UNIF (5, 6) 539,09 140
10 2 7 UNIF (18, 20) UNIF (5, 6) 539,09 155
11 4 4 UNIF (18, 20) UNIF (5, 6) 546,68 160
12 3 8 UNIF (18, 20) UNIF (5, 6) 539,09 195
13 4 5 UNIF (18, 20) UNIF (5, 6) 539,09 175
14 4 6 UNIF (18, 20) UNIF (5, 6) 539,09 190
15 2 5 UNIF (23, 25) UNIF (9, 10) 546,68 125 α X

Escenarios 2, 4-10, 12-14 y todos satisfechos los objetivos P 1 y P 2. Por lo tanto, el número de escenario 9 tenía los resultados más satisfactorios a partir de las
ecuaciones (6), (7) y (8) con el menor coste de los empleados y el mínimo NVAC.
Basándose en los informes de repeticiones con parámetros alterados, se seleccionó la mejor posibilidad rendimiento. Modelo de simulación aclaró los puntos de
optimización, lo que redujo los riesgos de la indicación optimización incierto (R-10).
El equipo concluyó que, de acuerdo con los análisis de simulación y optimización de los resultados, el costo de los empleados se redujo en un sesenta y tres por ciento,
sin un cambio en el PLT que cumple el objetivo del proyecto. Sin embargo, nuevas reducciones de costes y de optimización se pueden realizar usando análisis de simulación
en el futuro. El principal resultado del proyecto era, debido a la utilización de análisis de simulación, un diseño de proceso con la reducción de costes y sin interrupción del
proceso y con riesgo mitigado.

2621
Chinbat y Takakuwa

4 CONCLUSIONES

1. La gestión de la empresa se mostró satisfecho con los resultados del proyecto, ya que, reduce uno de los costos operacionales como-
sociated con el proceso de minería a cielo abierto. Sin embargo, los gerentes señalaron que más puntos de optimización para ción reducción de costos se pueden
realizar en el futuro. El proyecto puede ser implementado como un programa de mejora continua en la empresa.

2. El software de análisis de simulación ha proporcionado una visión más clara del proceso y ha creado una realidad virtual de la posi-
bles escenarios que ayudaron al equipo a tener confianza en sus puntos de optimización.
3. El uso de la herramienta de análisis de simulación en el proceso de RM ha dado al equipo una certeza de elementos requerido una optimi-
zación y la indicación sobre cómo optimizar dichos elementos. Por otra parte, uno de los riesgos que temían la gestión fue una interrupción del proceso durante la
ejecución del proyecto, que pueden haber dado lugar a los costos de tiempo de inactividad. Como resultado del uso de herramientas de simulación de análisis, el
equipo del proyecto tenía un modelo virtual satisfactorio del sistema, proporciona una oportunidad para crear varios escenarios con puntos de optimización y alterar el
modelo como deseen sin ningún temor de los factores de riesgo negativos. La investigación se basó en un estudio de caso de un proyecto de optimización de una
planta minera con sede en Mongolia.

4. Los autores sugieren que el número de los elementos de mejora se podría incrementar en futuras investigaciones. Por
la combinación de varias técnicas de análisis de riesgos con herramientas cuantitativas como el análisis de simulación, el método podría ser útil para los estudios sobre la futura
gestión del riesgo de los proyectos mineros.

Referencias

Andrade, DF, PA Barbetta, PJ de Freitas Filho, NA de Mello Zunino y CMC Jacinto. 2006. Uso de cópulas en
análisis de riesgo. En Actas de la Conferencia de simulación de Invierno 2006, ed. LF Perrone, FP Wieland, J. Liu, BG Lawson, DM Nicol, y RM Fujimoto,
727-732. Piscataway, Nueva Jersey: Institute of Electrical and Electronics ES- gineers, Inc.

Baker, RW 1986. Manejo de la incertidumbre. Revista Internacional de Gestión de Proyectos 4 (4): 205-210. disponible en
<Http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V9V-45JT0C3- 4 y _user = 119029 y _coverDate = 11% 2F30% 2F1986 y _alid =
958769250 y _rdoc = 1 & _fmt = high & _orig = buscar y _cdi = 5,908 y _docanchor = & view = C & _ct = 1 & _acct = C000009318 y _VERSION = 1 &
_urlVersi en = 0 & _userid = 119029 y = MD5 fa32b2fd22994c4cac70315b027b8f68> [ accedido el 15 de julio de, 2009]. Benayoun, R., J. de Montgolfier, J.
Tergny, y O. Laritchev. 1971. Programación lineal con múltiples funciones objetivo:

El paso de procedimiento (STEM). Programación matemática 1: 366-375.


Clark, P., y CB Chapman. 1987. El desarrollo de programas informáticos para el análisis de riesgos: Un sistema de soporte de decisiones de-
sarrollo estudiar. europeo diario de Operacional Investigación 29: 252-261. Disponible vía
<Http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6VCT-4B4RTT1- 7W y _user = 119029 y _coverDate = 06% 2F30% 2F1987 y _alid =
958789117 y _rdoc = 1 & _fmt = high & _ori g = buscar y _cdi = 5,963 y _sort = r y _docanchor = & view = C & _ct = 1 & _acct = C000009318 y
_VERSION = 1 & _urlVersion = 0 & _userid = 119029 y = MD5 29a5ad9405b395796fc897851ab689ab> [ accedido el 15 de julio de, 2009].

Chinbat, U. gestión de riesgos 2009. Proyecto en la industria minera de Mongolia. Actas de la Conferencia de Asia Pacífico en
Gestión de la Información de 2009, comité de dirección S. Takakuwa, T. Negoro, Z. Weiying, Ch. Guoqing y Ch. Yu. 348-364. Beijing: la Universidad de
Pekín.
Chinbat, U., y S. Takakuwa. 2008. El uso de la simulación de procesos de operación para un proyecto Seis Sigma de la minería y el hierro productividad
ción de fábrica. En Actas de la Conferencia de simulación Invierno 2008, ed. SJ Mason, R. Hill, L. Moench, O. Rose, T. Jefferson, y JW Fowler. 2431-2438.
Piscataway, Nueva Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc. Coelho, DK, y CMC Jacinto. 2005. La evaluación del riesgo de las operaciones
de perforación y terminación de pozos de petróleo utilizando una
Monte Carlo y un enfoque de red neural. En Actas de la Conferencia de simulación Invierno 2005, ed. ME Kuhl,
NM Steiger, FB Armstrong, y JA Joines, 1892-1897. Piscataway, Nueva Jersey: Institute of Electrical and la electrónica Engineers, Inc.

Del Cano A., y MP de la Cruz. 2002. metodología integrada para la gestión de riesgos del proyecto. Diario de la Construcción En-
gineering y Gestión ASCE 128 (6): 473-485. Hall, JN 1986. El uso de análisis de riesgos en los proyectos del Mar del Norte. Revista Internacional de Gestión de
Proyectos 4 (4): 217-222.
Disponible vía <http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V9V-
45JT0C3-
6 & _user = 119029 y _coverDate = 11% 2F30% 2F1986 y _alid = 958786274 y _rdoc = 1 & _fmt = high & _orig

2622
Chinbat y Takakuwa

= Search & _cdi = 5908 y _docanchor = & view = C & _ct = 1 & _acct = C000009318 y _VERSION = 1 & _urlVersi en = 0 & _userid = 119029 Y = MD5
326f222ca3795f9b5016167846ea493b> [ accedido el 15 de julio de, 2009]. Harbaugh, JW, JC Davis, y C. Wendebourg. 1995. Informática. Riesgo para las
perspectivas del petróleo: Principios y programas. Por-
gamon: Reino Unido.

Luce, K., L. Trepanier, F. Ciochetto y L. Goldman. 2005. Simulación y Optimización como DFSS Herramientas eficaces. En Pro-
ceedings de la Conferencia de simulación de invierno de 2005, ed. ME Kuhl, NM Steiger, FB Armstrong, y JA Joines, 1993-1999. Piscataway, Nueva
Jersey: Instituto de Ingenieros Eléctricos y Electrónicos, Inc. mundial de acero metal Páginas 2009.
desplomarse a persistir por meses. disponible en < http: //www.metal-
pages.com/news/story/37710/> [ accedido el 15 de julio de, 2009].
Instituto Nacional de Estadísticas de Mongolia. 2007. Anuario estadístico de Mongolia. Ulaanbaatar: NSA. Jacinto, CMC 2002. simulación de eventos discretos para el
riesgo de desarrollo de un campo petrolero. En Proceedings of the Win-2002
Simulation Conference ter, ed. E. Yucesan, C.-H. Chen, JL Snowdon, y JM Charnés, 1588-1592. Piscataway, Nueva Jersey: Instituto de Ingenieros
Eléctricos y Electrónicos, Inc. Kelton, D., R. Sadowski, y D. Sturrock. 2007. Simulación con Arena, Cuarta edición, Nueva York: McGraw Hill, Inc. Project
Management Institute, Inc. 2004. Una guía para la Dirección de Proyectos del Conocimiento: Guía PMBOK - Tercera

edición. Pennsylvania: Project Management Institute, Inc.


Roisenberg, M., C. Schoeninger, y RR da Silva. 2009. Un sistema difuso probabilística híbrido para el análisis de riesgos en el petróleo
exploración perspectivas. Experto sistemas con aplicaciones 36: 6.282-6.294. Disponible vía
<Http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6V03-4T26327- 5 & _user = 119029 y _coverDate = 04% 2F30% 2F2009 y _alid =
958793284 y _rdoc = 1 & _fmt = high & _orig = buscar y _cdi = 5,635 y _sort = r y _docanchor = & view = C & _ct = 1 & _acct = C000009318 y
_VERSION = 1 & _ urlVersion = 0 & _userid = 119029 y = MD5 93723bf560b0a80987aea7a438eefe53>
[Accedido el 15 de julio de

2009].
Rose, P. 2001. Análisis y gestión de empresas de exploración de petróleo Riesgos. Métodos AAPG en Serie exploración, No.
12. AAPG. ESTADOS UNIDOS.

Shannon, RE 1998. Introducción al arte y la ciencia de la simulación. En Actas de la simulación de invierno 1998 Con-
ferencia, ed. DJ Medeiros, EF Watson, JS Carson y MS Manivannan, pp. 7-14. Piscataway, Nueva Jersey: tute Institute of Ingenieros Eléctricos y
Electrónicos, Inc.
Williams, T. 1995. Una bibliografía de investigación reciente relacionada con la gestión de riesgos del proyecto clasificado. Revista Europea de
Investigación Operativa 85: 18-38.

AUTOR BIOGRAFÍAS UNDRAM Chinbat Es un Ph.D. candidato en la Escuela Superior de Economía y Administración de Empresas en la Universidad de Nagoya

en Japón. Recibió su BA en 2003 y un MBA en 2004 por la Universidad Internacional de América, campus de Lon- dres, Reino Unido. Sus intereses de investigación

incluyen la gestión de proyectos, gestión de marketing, gestión Seis Sigma y la gestión del riesgo. Su investigación actual se centra en el uso de análisis de

simulación para una gestión de riesgos del proyecto minero. Su dirección de correo electrónico es < eplanner9999@yahoo.com> .

Soemon Takakuwa es un profesor en la Escuela Superior de Economía y Administración de Empresas en Nagoya Uni-versidad en Japón. Recibió su B. Sc. y
M. Sc. Grados de ingeniero industrial de Nagoya Institute of Technology de
1,977, respectivamente. Su Ph.D. es ingeniero industrial de la Universidad Estatal de Pensilvania. Sus líneas de investigación in- optimización clude de los sistemas de
producción y logística, sistemas de información de gestión y análisis de simulación en estos sistemas, así como en los hospitales. Él ha preparado las ediciones
japonesas tanto de la introducción a la simulación utilizando SIMAN y simulación con ARENA. Él ha estado sirviendo al mismo tiempo como un alto funcionario del
Departamento de Estrategia de gestión y planificación de hospitales en el Hospital de la Universidad de Nagoya. Su dirección de correo electrónico es < takakuwa@soec.nagoya-

u.ac.jp> .

2623

También podría gustarte