Está en la página 1de 6

OPTIMIZACION DE CICLO DE CARGUIO-TRANSPORTE-ACARREO

La industria minera, al igual que otros sectores de producción, está


siempre en busca de nuevas soluciones para la mejora de sus procesos
con el fin de lograr una operación sostenible que vaya en armonía con el
cuidado por el medio ambiente. Mejorar la seguridad de los trabajadores
y la productividad de los equipos frente a la fluctuación de los costos y
cambios en los precios de las materias primas en el mercado, se ha
convertido en prioridad para las operaciones en nuestro país y en el
mundo entero. Para este fin, los más recientes avances en tecnología de
información se han venido introduciendo en el campo de la minería,
ayudando a centralizar, integrar y analizar los datos de operación. Como
resultado de ello, la industria ha generado múltiples herramientas
especializadas en aumentar la productividad.

Desarrollo del modelo de optimización.


El éxito de una operación minera depende en gran parte de la gestión
cuidadosa de cada una de sus etapas. Aunque en la actualidad se
aplican diversas técnicas para resolver problemas críticos, todavía
existen oportunidades para la mejora continua de los procesos. El
transporte de material es una de las etapas más costosas del ciclo de
producción, siendo en promedio 60% del costo total. Sin embargo, el
trabajo diario hace que algunos aspectos elementales pasen
desapercibidos.

Una de las primeras tareas asignadas a ingenieros jóvenes al iniciar su


trabajo es controlar el tiempo de ciclo del equipo durante la producción.
Se recoge una cantidad considerable de datos, los cuales son analizados
y los resultados de este análisis se convierten en información valiosa
que conforma el conocimiento requerido por la supervisión de
operaciones para la toma de decisiones basadas en una comparación
entre los resultados reales y las condiciones de funcionamiento ideales,
representadas por indicadores clave de rendimiento (Key Performance
Indicators o KPI).Las tareas de operación rutinarias dejan muy poco
tiempo para comprobar la calidad y precisión de los datos recogidos;
sumado a esto tenemos que es muy elevado el riesgo de exponer a
personal sin experiencia para que trabaje cerca de los principales
equipos. Con los últimos avances en la tecnología informática, existen
dispositivos que monitorean continuamente las distintas actividades de
cada equipo (palas, camiones, chancadora, balanzas, etc.); el registro
de todos los signos vitales es almacenado en una base de datos
centralizada. El estado de funcionamiento de los equipos en operación
puede ser presentado ya sea en tiempo real o al final de cada turno; en
cualquier caso, es posible hacer seguimiento del plan de minado y la
gestión de la operación puede ser mejorada en forma efectiva.

La metodología de investigación propuesta tiene como finalidad


centrarse en la identificación y control de los factores que afectan el
rendimiento del ciclo de carguío, transporte y acarreo de minas a cielo
abierto. Esto se consigue mediante los siguientes pasos:

• Demostrar los beneficios del análisis de tiempos y cómo éste afecta a


los resultados de productividad en el proceso de producción.
• Demostrar la utilidad de los indicadores clave de rendimiento en la
extracción de mineral y desmonte, y cómo estos indicadores ayudan a
reconocer el desempeño del equipo.

• Desarrollar interfaces de software para visualizar el sistema de alerta


con el fin de aumentar la capacidad de percepción en el supervisor de
operaciones.

Definición de parámetros
El transporte de materiales es uno de los aspectos más importantes a
controlar en las operaciones a cielo abierto. Esta actividad requiere
grandes equipos cuyo costo por hora es elevado; por lo tanto, es
necesario lograr una alta productividad con la correcta asignación de
camiones y palas. En años recientes el desarrollo de nuevos sistemas de
soporte a las decisiones contribuyó significativamente al incremento de
la productividad, reduciendo así los costos de operación. Sin embargo,
un problema persistente son ciertos tiempos muertos: camiones que
esperan para ser cargados, cobertura insuficiente de la demanda de las
palas, reasignación no coordinada de viajes, paradas no programadas, y
otros retrasos en la ruta de acarreo. Esto crea un consumo ineficiente
del combustible, el cual incide indirectamente en energía desperdiciada
y en el incremento de las emisiones de carbono en la atmósfera.

Una metodología propuesta para la mejora de los tiempos de ciclo en las


operaciones mineras se basa en la utilización de un simulador de
eventos discretos. No existía hasta la fecha un trabajo dedicado al
desarrollo de sistemas de alerta para monitorear las diferentes sub
actividades del proceso de transporte en el que se identifican
mayormente los retrasos en las operaciones. Con un sistema basado en
el contexto de operaciones sería posible obtener más información para
optimizar el tiempo de ciclo del transporte basado en el control de los
retrasos de los equipos de producción. Una vez aplicados los ajustes que
el modelo existente presenta, se ejecuta una nueva simulación con los
ajustes recomendados y, finalmente, se corrigen los valores de
rendimiento del programa de producción que están fuera de los
estándares.

Para el desarrollo del modelo se utilizaron los datos de taladros


diamantinos de un proyecto de pórfido de cobre hipotéticamente
ubicado en el estado de Arizona (Estados Unidos). Los valores de las
muestras fueron introducidos en un software de modelamiento 3D a fin
de generar un modelo de bloques y un tajo económicamente óptimo una
vez distribuida la infraestructura básica, incluyendo talleres, oficinas,
laboratorios y planta concentradora, entre otros. Luego se trazaron los
caminos principales de los frentes de producción a las chancadoras.

Con el fin de producir los datos que constituirían la base de datos de


origen se construyó un modelo de las rutas de la mina usando un
software de simulación (versión académica), generando una población
de los tiempos de ciclo para un máximo de 100 repeticiones de un día
completo de trabajo (dos guardias). Este conjunto de simulaciones y sus
resultados conformó el modelo “original” de operación. Se desarrollaron
algoritmos de identificación de las diversas etapas del proceso de
producción lo que permitió validar las premisas y asunciones previas a la
ejecución de la simulación, algunas de las cuales fueron:

• No se consideraron los tiempos de stand by (modo de espera).


• Todos los camiones y las palas tenían las mismas características
(modelo, carga, velocidad, capacidad, consumo de energía).
• Sólo existía un camino para transportar mineral y otro para el
desmonte.
• La distancia por carretera varía de acuerdo con el desarrollo de la
mina y la profundidad del pit.
• No estaba permitido el sobrepaso entre camiones.
• Se aplicó el método FIFO para la carga de camiones y descarga de
material.
• El número de camiones y palas se genera de acuerdo con las
necesidades de producción.
• Los tiempos incluyeron posible retrasos por el tráfico.
• Todos los caminos se mantienen en buenas condiciones.
• Los camiones y las palas estuvieron siempre disponibles y no tenían
paradas intempestivas por fallas o daños.
• La simulación se llevó a cabo durante un período de 16 horas que
representa dos guardias por día.

Sistema de alerta

El sistema de alerta consiste en un conjunto de algoritmos de


seguimiento del comportamiento de los equipos durante la operación
(conteo de paradas, velocidades promedio, tiempos de espera,
tonelajes, porcentaje de utilización) con lo cual se puede detectar
patrones de rendimiento que son luego almacenados en la base de datos
“original”, es decir aquella que servirá como base de referencia para la
posterior optimización.

Luego de una serie de repeticiones se detectaron los factores que


impactaron negativamente en el rendimiento durante un día típico de
operación. Dichos factores son visualizados en un panel por el
supervisor de producción. Los ajustes recomendados por el sistema son
aplicados al modelo antes de ser ejecutada nuevamente la simulación.
Los nuevos resultados son presentados en cuadros comparativos para
rendimientos individuales y de la flota entera. El objetivo es demostrar
que la producción de una mina a cielo abierto se puede aumentar.
Aplicación de ajustes

Con los parámetros utilizados para construir el modelo original y la


utilización del simulador de eventos discretos, se generó una base de
datos con las variables de mayor relevancia para el análisis. Entre ellas
destacan los tiempos productivos y los tiempos de parada, el número de
colas generadas, las asignaciones a palas específicas, las distancias a
recorrer por los camiones, y la capacidad de la chancadora. Esta base de
datos se analizó mediante una tabla dinámica de una hoja de cálculo
convencional, con el fin de detectar las anomalías del tiempo de ciclo.

La base de datos original contiene los campos que son relevantes para
el proceso de transporte y campos calculados fueron derivados de los
datos de origen. Algunos de estos campos son tiempos medios de
subactividades tales como tiempo productivo, tiempo improductivo, y el
tiempo total del ciclo. Además, se generan los indicadores clave de
rendimiento para las actuaciones individuales y flotas. El resultado de
este análisis se convierte en la información que se construye el
conocimiento que se utiliza para tomar las acciones correctivas (gestión
del conocimiento).

Análisis de resultados

El análisis descrito anteriormente proporciona una visión general de la


situación actual del transporte en el modelo original. En esta etapa, las
oportunidades para la aplicación de los conocimientos pueden
identificarse, basadas en experiencias previas y el desarrollo del criterio
adecuado del supervisor de operaciones. Los resultados se muestran en
un gráfico dinámico para tener una percepción general del tiempo del
ciclo completo.

Una vez hechas las correcciones respectivas que se presentaron durante


la simulación con el modelo original, se ejecutó una nueva simulación
con las modificaciones, generando como resultado el modelo
optimizado. A partir de este punto, diversas alternativas de análisis
permiten establecer las diferencias entre ambos modelos. Un cuadro
comparativo de tiempos para camiones brindando servicio a la pala 1 en
el caso estudio presentado muestra las diferencias de tiempos entre
carga, descarga y las demoras, y cómo es posible establecer diferencias
consistentes en dichos tiempos, lo que incidirá directamente en los
resultados de tonelajes esperados para el marco de tiempo establecido
para las pruebas.

Conclusiones
La herramienta de simulación seleccionada permitió representar un
sistema real en proceso. Los parámetros de simulación pueden ser
modificados múltiples veces sin necesidad de efectuar cambios en el
modelo real, hasta obtener la última optimización; de esta manera se
ahorran costos, recursos y tiempo.

Uno de los principales objetivos del estudio fue contribuir con el


desarrollo de una metodología para mejorar la productividad, reducir los
tiempos improductivos, incremento de la utilización de palas y
camiones, reducción de colas en palas y chancadora, con la aplicación
de técnicas de simulación y sin la necesidad de incurrir en una inversión
adicional. El objetivo de la metodología presentada fue determinar si es
factible tomar ventaja de la simulación de eventos discretos para la
optimización de los procesos de producción. Los resultados obtenidos lo
confirman.