Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROFESOR GUÍA:
IVÁN BRAGA CALDERÓN
MIEMBROS DE LA COMISIÓN:
MANUEL ROJAS VALENZUELA
CRISTIÁN FOIX CASTILLO
SANTIAGO DE CHILE
2017
1
“MODELAMIENTO DE COSTOS DE LA INDUSTRIA DEL COBRE
Y ESTIMACIÓN DE EFECTOS CÍCLICOS Y ESTRUCTURALES”
Las componentes cíclicas del costo corresponden a aquellas variables que dependen
del mercado y que no están relacionadas con las características geológicas del
yacimiento, en cambio las componentes estructurales dependen exclusivamente de las
características geológicas de la mina.
Para poder identificar el impacto de cada variable que explica el costo de operación de
una mina de cobre, fue necesario modelar econométricamente las principales variables
del costo y los índices geológicos del yacimiento, para luego obtener una función que
calcule el costo real de una mina de cobre. Para lograr lo anterior, fue necesario
modelar los datos de las minas con modelos de panel balanceado con efecto fijo. Este
tipo de modelamiento permite capturar la heterogeneidad no observable entre las
minas, dado que esta heterogeneidad no se puede detectar con estudios de series
temporales, ni tampoco con corte transversal.
El período reciente de inflación de los costos (2003 – 2012) fue precedido por un
período de 15 años de significativa deflación de los costos a principios de los años 90,
este hecho es un ejemplo de lo que podría pasar en la actualidad. En ese momento, la
respuesta de la industria a la presión sobre los precios fue enfocarse en la
productividad y reducir los costos al mínimo. Hoy en día, el efecto de la baja del precio
del cobre en las empresas ha obligado a las firmas a reducir su deuda por la vía de
venta de activos, ya que la baja del precio fue muy rápida, y la baja de los costos tuvo
un retraso de un año.
En el primer período del análisis (2003 - 2012) el aumento en el costo se explica por las
variables cíclicas en un 80%, y el principal efecto es el precio de los insumos, los
servicios y la mano de obra. Solamente la ley de mineral tiene un impacto en el costo
estructural, las otras variables no son significativas. En el segundo periodo del análisis
(2012 - 2015) la disminución en el costo se explica por las variables cíclicas en un 85%,
y el efecto principal en el costo son el precio del combustible, los servicios y la energía.
Sólo la ley de mineral tiene un impacto estructural. Luego al proyectar los costos desde
el año 2016 al 2020 el resultado del modelo indica que los costos tendrían una
tendencia plana desde el año 2017 con una baja al año 2020 de 5,1%.
El efecto cíclico tiene un gran impacto en los costos de la industria del cobre. Este
efecto deja poco espacio al propietario para gestionar el costo. Por lo anterior, resulta
atractivo para el propietario integrarse aguas arriba, para reducir los riesgos de
aumentos en los precios de los insumos, la energía y los servicios especializados de
minería. El estudio efectuado es concluyente en que el costo de la industria, en el
periodo estudiado, está indexado en al menos un 80% a los vaivenes del precio del
cobre.
2ii
Le dedico este trabajo
A mis queridos hijos Gastón, Felipe
A mí querida Verito y a mi querida Madre.
3
iii
Gracias a ti Padre querido por
Mostrarme el mundo minero
Desde pequeño.
4
iv
Tabla de Contenido
Indice de Ilustraciones .............................................................................................................................7
1. Introducción ..........................................................................................................................................9
1.1. Descripción del Problema ........................................................................................................10
1.2. Objetivos .....................................................................................................................................10
1.2.1. Objetivo General ................................................................................................................10
1.2.2. Objetivos Específicos ........................................................................................................11
1.3. Metodología ................................................................................................................................11
1.4. Alcances......................................................................................................................................12
1.5. Resultado Esperado..................................................................................................................12
2. Antecedentes del Mercado del Cobre ........................................................................................13
2.1. Antecedentes del Proceso Minero de Extracción de Cobre ...............................................15
2.2. Antecedentes de Costos de Producción ................................................................................16
2.3. Antecedentes de Indicadores Geológicos .............................................................................18
3. Metodología ........................................................................................................................................20
3.1. Fuente de los Datos y Caracterización de los Costos .........................................................21
3.2. Antecedentes de Función de Producción de Cobb – Douglas ...........................................23
3.3. Antecedentes de Modelamiento con Método de Panel .......................................................27
3.3.1. Modelos de Mínimos Cuadrados Generalizados (GLS) ..............................................28
3.4. Planteamiento del Modelo ........................................................................................................30
3.5. Análisis de las Muestras Modeladas ......................................................................................32
3.6. Análisis de Correlaciones entre las Variables y el Precio del Cobre.................................40
4. Análisis de Resultados .....................................................................................................................48
4.1. Resultados de Efectos Cíclicos y Estructurales ...................................................................48
4.2. Resultados de Efectos Cíclicos y Estructurales para Codelco...........................................50
4.3. Resultados del Posicionamiento de Codelco ........................................................................52
4.4. Simulación de Costos de la industria proyectada hasta el año 2020................................54
4.5. Análisis de Sensibilidad ............................................................................................................57
4.6. Situación Actual de Codelco ....................................................................................................59
5. Comentarios y Conclusiones ...........................................................................................................62
6. Anexos ................................................................................................................................................65
6.1. Antecedentes del Proceso Minero de Minería Subterránea ...............................................65
6.2. Antecedentes del Proceso Minero de Minería a Rajo Abierto ............................................73
5
6.3. Procesamiento del Mineral.......................................................................................................76
6.4. Indice de Fórmulas ....................................................................................................................89
6.5. Modelos Econométricos Estudiados ......................................................................................89
6.5.1. Modelo I (2003 - 2015) ........................................................................................................89
1.1.1. Modelo II (2012 - 2015) .......................................................................................................90
1.1.1. Modelo III (2013 - 2015) ......................................................................................................91
7. Bibliografía ..........................................................................................................................................92
6
Indice de Ilustraciones
Ilustración 1: Detalle de costo neto a cátodo y cash cost de la industria del cobre al año 2015. ...9
Ilustración 2: Producción de cobre por país. .........................................................................................13
Ilustración 3: Consumo de cobre por país, incluye consumo de chatarra........................................14
Ilustración 4: Consumo de cobre por tipo de propiedad y consumo de cobre por sector..............14
Ilustración 5: Costo unitario de producción de cobre...........................................................................15
Ilustración 6: Clasificación de costos en la industria del cobre. .........................................................17
Ilustración 7: Ejemplo de balance metalúrgico. ....................................................................................18
Ilustración 8: Leyes de concentrado. ......................................................................................................19
Ilustración 9: Curva Ley / Recuperación de Mineral. ...........................................................................20
Ilustración 10: Desagregación de los costos de operación. ...............................................................21
Ilustración 11: Variables explicativas de la función de costo. ............................................................30
Ilustración 12: Evolución de la producción de las muestras de los modelos analizados. ..............32
Ilustración 13: Evolución de variables clave de la muestra de 128 operaciones. ...........................33
Ilustración 14: Evolución de variables geológicas de la muestra de 128 operaciones. .................34
Ilustración 15: Evolución de principales variables de insumos (consumables). ..............................34
Ilustración 16: Evolución de producción por país. ................................................................................35
Ilustración 17: Evolución de producción por compañía. ......................................................................35
Ilustración 18: Evolución de producción por tipo de mina...................................................................36
Ilustración 19: Evolución de producción por tipo de proceso. ............................................................36
Ilustración 20: Resultado modelo I (2003 – 2015). ..............................................................................37
Ilustración 21: Resultado modelo I (2003 – 2015) comparado con la muestra real. ......................38
Ilustración 22: resultado modelo II (2012 – 2015). ...............................................................................39
Ilustración 23: Resultado modelo II (2012 – 2015) comparado con la muestra real. .....................39
Ilustración 24: Resultado modelo III (2013 – 2015). ............................................................................40
Ilustración 25: Gráfico del precio del cobre (1908 – 2016) .................................................................41
Ilustración 26: Gráfico del precio del cobre (1985 – 2014) .................................................................41
Ilustración 27: Gráfico del precio del cobre y el costo laboral. ...........................................................43
Ilustración 28: Gráfico del precio del cobre y el precio del diesel. .....................................................44
Ilustración 29: Gráfico del precio del cobre y el precio de la energía. ..............................................44
Ilustración 30: Gráfico del precio del cobre y el indice precio de los insumos. ...............................45
Ilustración 31: Gráfico del precio del cobre y el indice de precio de los servicios. .........................45
Ilustración 32: Gráfico del precio del cobre y el mineral tratado. .......................................................46
Ilustración 33: Gráfico del precio del cobre y la relación lastre / mineral. ........................................46
Ilustración 34: Gráfico del precio del cobre y la ley de mineral. .........................................................47
Ilustración 35: Gráfico del precio del cobre y recuperación de cobre. ..............................................47
Ilustración 36: Tabla del Correlaciones de variables y supuestos cíclicos y estructurales. ..........48
Ilustración 37: Gráfico de diferenciales del costo en periodo 2003 – 2012 con muestra de 128
operaciones. ...............................................................................................................................................49
Ilustración 38: Gráfico de diferenciales del costo en periodo 2003 – 2012 según estudio de
Goldman Sachs (año 2013). ....................................................................................................................49
7
Ilustración 39: Gráfico de diferenciales del costo en periodo 2012 – 2015 con muestra de 128
operaciones. ...............................................................................................................................................50
Ilustración 40: Gráfico de diferenciales del costo en periodo 2003 – 2012 para operaciones de
Codelco. ......................................................................................................................................................51
Ilustración 41: Gráfico de diferenciales del costo en periodo 2012 – 2015 para operaciones de
Codelco. ......................................................................................................................................................52
Ilustración 42: Gráfico de diferenciales del costo en periodo 2003– 2012 para mundo sin
Codelco y operaciones de Codelco. .......................................................................................................53
Ilustración 43: Gráfico de diferenciales del costo en periodo 2012– 2015 para mundo sin
Codelco y operaciones de Codelco. .......................................................................................................54
Ilustración 44: Gráfico de diferenciales del costo en periodo 2015– 2020 para mundo sin
Codelco y operaciones de Codelco. .......................................................................................................55
Ilustración 45: Resultado modelo III (2013 – 2020) comparado con la muestra real. ....................56
Ilustración 46: Evolución de variables clave de la muestra de 226 operaciones. ...........................56
Ilustración 47: Evolución de variables geológicas de la muestra de 226 operaciones. .................57
Ilustración 48: Análisis de sensibilidad I. ...............................................................................................58
Ilustración 49: Gráfico de análisis de sensibilidad I. ............................................................................58
Ilustración 50: Análisis de sensibilidad II. ..............................................................................................58
Ilustración 51: Gráfico de análisis de sensibilidad II. ...........................................................................59
Ilustración 52: Evolución de costo cash c1 en Codelco. .....................................................................59
Ilustración 53: Evolución de producción y la ley de mineral de Codelco (2012 – 2018). ...............60
Ilustración 54: Evolución de producción y la ley de mineral de Codelco (2012 – 2018). ...............61
Ilustración 55: Evolución del costo c1 de la industria del cobre y de Codelco (2012 – 2018). .....61
Ilustración 56: Diagrama del proceso minero de minería subterránea. ............................................65
Ilustración 57: Diagrama del ciclo minero de minería subterránea. ..................................................67
Ilustración 58: Diagrama de minería de piezas y pilares para mineral grueso y roca competente.
......................................................................................................................................................................69
Ilustración 59: Diagrama de minería de piezas y pilares para mineral grueso y roca menos
competente. ................................................................................................................................................69
Ilustración 60: Diagrama de agujero largo.............................................................................................70
Ilustración 61: Diagrama de corte y relleno. ..........................................................................................71
Ilustración 62: Diagrama de excavación por bloques (block caving). ...............................................72
Ilustración 63: Diagrama de excavación de sub-niveles. ....................................................................73
Ilustración 64: Definiciones de una mina a rajo abierto.......................................................................75
Ilustración 65: Celda mecánica de flotación..........................................................................................82
Ilustración 66: Celda de columna de flotación. .....................................................................................83
Ilustración 67: Circuito de flotación. ........................................................................................................83
Ilustración 68: Diagrama de flujo de proceso de extracción por solvente. .......................................88
8
1. Introducción
El actual escenario que enfrenta la industria del cobre presenta grandes desafíos a las
empresas productoras para poder sobrellevar los bajos precios de venta del metal rojo,
por esto, todas las empresas productoras están optimizando sus operaciones tratando
de bajar los costos al mínimo posible. En esta línea la Corporación Nacional del Cobre
(Codelco), empresa líder de la industria, se ha autoimpuesto la meta de bajar los costos
directos de sus operaciones, para volver a situarse en el primer cuartil de costos al año
2020. Esta meta se podrá cumplir en la medida que las materias primas de los costos
operacionales bajen en el periodo, como también las variables geológicas de las minas
no menoscaben la calidad minera de cada yacimiento. He aquí la relevancia de
identificar las variables cíclicas y estructurales de la industria, como también el impacto
de estas variables en la historia reciente, para tratar de proyectar el costo de la industria
y verificar si seguirá bajando y hasta que nivel.
Ilustración 1: Detalle de costo neto a cátodo y cash cost de la industria del cobre al año 2015.
Fuente: Wood Mackenzie y Codelco.
Por lo anterior es importante modelar los costos de la industria con la mejor información
disponible para poder proyectar los costos de la industria en el futuro y de esta forma
analizar si la meta que se fijó Codelco será tan desafiante como parece actualmente.
Para el caso del estudio se analizará el costo operacional de mina (minesite cost) y las
principales variables geológicas de cada operación.
9
1.1. Descripción del Problema
El resultado de este análisis servirá para evaluar el impacto de los efectos cíclicos y
estructurales en el alza sostenida que tuvo el costo de la industria desde el año 2003
hasta el año 2012, y luego evaluar el mismo impacto de las variables mencionadas en
el siguiente periodo desde el año 2012 al 2015, en donde se verifica una baja de costos
de toda la industria.
Al obtener una función de costo de la industria del cobre, será posible proyectar los
costos en el corto plazo para evaluar los distintos escenarios que podría enfrentar la
industria frente a cambios en los drivers que componen la ecuación resultante de la
industria del cobre.
1.2. Objetivos
10
consolidar el costo de operación, pero el nivel de trabajo es mucho mayor que modelar
todas las minas con un modelo de panel balanceado.
- Efectuar correlaciones entre el precio del cobre y las variables que componen el
costo de mina y variables geológicas implícitas de cada mina para determinar
que variables se consideran estructurales (que dependen del yacimiento) o
cíclicas (que dependen del mercado). También se identificarán los eventos que
explican cambios de tendencias en las variables cíclicas.
1.3. Metodología
- Los efectos individuales específicos (Efectos Fijos), son aquellos que afectan de
manera desigual a cada uno de los agentes de estudio contenidos en la muestra
(individuos, empresas, bancos, para nuestro estudio las minas) los cuales son
invariables en el tiempo y que afectan de manera directa las decisiones que
tomen dichas unidades. Usualmente se identifica este tipo de efectos con
cuestiones de capacidad empresarial, eficiencia operativa, capitalización de la
experiencia, acceso a la tecnología, etc.
- Los efectos temporales (Efectos Aleatorios) son aquellos que afectan por igual a
todas las unidades individuales del estudio pero que no varían en el tiempo. Este
tipo de efectos pueden asociarse, por ejemplo, a los choques macroeconómicos
que pueden afectar por igual a todas las empresas o unidades de estudio.
11
explicativa del costo y de esta manera se ahorra trabajo al no modelar cada operación
por separado.
1.4. Alcances
El alcance de este estudio pretende encontrar la mejor ecuación de costos que explique
el costo de mina de la muestra desde el año 2003 al año 2015 para la información real,
luego se utilizará información proyectada hasta el año 2020.
Una de las limitaciones del modelamiento de panel es que no se permite incluir minas
que no tengan información en el periodo de la muestra, por lo que no es posible incluir
minas que iniciaron operaciones luego del primer año de la muestra.
Luego de obtener las funciones de costo para cada periodo, se analiza el impacto de
cada variable en el costo del periodo analizado. Para realizar este estudio, se
reemplaza la información del periodo final en el periodo inicial para cada variable de la
función de costo y luego se recalcula el costo con la información específica de cada
variable, obteniendo el impacto de cada variable en el costo de cada mina.
La última fase del estudio será la simulación de distintos escenarios para la proyección
del costo de producción de la industria y por mina hasta el año 2020.
12
Codelco es posible lograrla con el actual Plan de Desarrollo y Negocio desarrollado por
Corporación.
Otro factor relevante en la industria del cobre son las variables geológicas que
caracterizan a Chile como una locación favorable para encontrar yacimientos de cobre.
Chile al igual que en la producción, tiene el liderazgo en reservas de cobre con el 30%
de las reservas mundiales.
Chile al tener tantos yacimientos en su territorio evidencia una ventaja comparativa con
el resto del mundo, esa ventaja está explicada en las variables que componen el costo
de producción, que han permitido que Chile sea competitivo para producir cobre, frente
a otras regiones del mundo. A continuación, se muestra la producción de cobre por país
y se observa el liderazgo de Chile en al menos 15 años hasta hoy.
13
30 CONSUMO DE COBRE POR PAÍS
(millones de tmf)
25
20
15
10
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
China Norte América Europa Japón Otros Asia Resto del Mundo
Consumo
Uso Estético y General Construcción
Maleable 24% 31%
28% Conductividad
Eléctrica Transporte
Transferencia 60% 11%
de Calor
Maquinaria Red Eléctrica
9%
Industrial 23%
11%
Ilustración 4: Consumo de cobre por tipo de propiedad y consumo de cobre por sector.
Fuente: Wood Mackenzie.
14
400 COSTO DE PRODUCCIÓN DE COBRE
(c/lb, Moneda constante, 2016)
350
300
250
200
150
100
50
1999
2013
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2014
2015
2016
Labour Electricity Fuel
Stores Services & Other Precio del Cobre
La elección entre la minería a rajo abierto y la minería subterránea depende del propio
cuerpo del mineral y de sus características físicas, tecnológicas y económicas. Los
parámetros físicos incorporan la geometría del cuerpo de mineral, las características
físicas del mineral, la roca y la estructura del suelo de la roca huésped y el cuerpo de
mineral, las condiciones geotérmicas e hidrológicas. Los parámetros tecnológicos
incluyen la disponibilidad de servicios tales como agua, energía y disponibilidad de
recursos humanos. Las consideraciones económicas la componen los costos de capital,
costos de operación y los costos de cierre y remediación.
La minería a rajo abierto se utiliza para extraer los depósitos más cerca de la superficie.
15
Un mayor detalle de los procesos mineros de minería subterránea, minería a rajo
abierto y concentración del mineral se encuentran en el Apéndice de este trabajo.
Existen tres opciones para calcular los costos unitarios de producción según la
metodología de Wood Mackenzie: contenido de metal en concentrado, metal pagable y
metal recuperado de concentrado.
Wood Mackenzie prefiere que el metal sea la unidad más apropiada para el costo de la
producción minera de las minas que venden en el mercado doméstico, ya que esta
base refleja el contrato real entre el minero y la fundición. Sin embargo, para un
productor integrado, Wood Mackenzie utiliza la base de metal recuperado para derivar
el metal pagado con los costos reales de fundición y refinado reemplazando el cargo de
tratamiento.
Cada operación se analiza mediante el cálculo de los costos unitarios (c/lb) por dos
métodos:
Costo Normal, en el que los costos totales se asignan al metal bajo análisis y los
ingresos netos por subproducto se acreditan contra los costos operativos en efectivo
para dar un costo operativo neto de efectivo (este método es a veces denominado costo
de crédito por subproducto).
Costo Pro-rata, en el que el costo total de cada etapa del proceso se distribuye a los
productos que comparten esa etapa del proceso; de acuerdo con sus valores netos en
esa fase.
Estos dos métodos de costeo se utilizan para producir tres tipos de ligas de costeo
competitivo, ligas de costo normal, ligas de costo pro rata y ligas de costo compuesto.
En esta última, las minas individuales se incluyen como operaciones normales o pro
rata de cálculo de costos de acuerdo con estas reglas.
16
Todos los costos se refieren al costo de producción, es decir, los datos basados en
ventas y las valuaciones de inventario "anormales" se han ajustado para reflejar los
costos reales de producción.
Cargos de fundición y refinería: Todos los costos se toman desde el punto de vista de la
mina. Por lo tanto, para todos los productores no integrados, los cargos de la fundición
se consideran costos.
Costo de Operación
Costo de Transporte
C1
Costo de Fundición, Refinado y Ventas C2
Costos Indirectos
Para el análisis del presente trabajo se analizará el costo de operación de cada mina,
por lo que corresponde al primer ítem de costo. Adicionalmente al análisis de los costos
de cada operación en el siguiente capítulo se analizarán las variables geológicas de
cada operación que tienen una incidencia directa en los costos de cada mina.
17
2.3. Antecedentes de Indicadores Geológicos
Recuperación
18
La ley de Mineral
19
Ilustración 9: Curva Ley / Recuperación de Mineral.
Fuente: Wood Mackenzie.
3. Metodología
En este capítulo se describen cómo están caracterizados los costos en la base de datos
de Wood Mackenzie, luego se describe y se deduce la función de producción de Cobb
Douglas. Esta función permite modelar los costos de producción y es ampliamente
usada en la economía moderna. Al final de este capítulo se describe el método de
modelamiento econométrico de Panel. Este método permite modelar muchas
operaciones con características distintas logrando obtener una función general que
explica el comportamiento de cada operación. El método de Panel ahorra mucho
trabajo econométrico, ya que de lo contrario, es necesario modelar cada operación por
separado.
20
3.1. Fuente de los Datos y Caracterización de los Costos
La fuente de datos de costos y los datos geológicos por mina proviene de reporte de
diciembre de 2016 de empresa Wood Mackenzie, en donde a continuación se muestra
como están desagregados los costos por cada proceso.
Gastos
Minería a Minería Proceso de
Costos de Operación Concentradora SxEw Generales y de
Rajo Abierto Subterránea Lixiviación
Administración
Remuneraciones (Labour) x x x x x x
Contratistas (Contrators) x x
Servicios (Services) x x x x x x
Combustibles (Diesel) x x x x x x
Energía (Power) x x x x x x
Insumos (Consumables) x x x x x x
Acido (Acid) x x
Impuestos (Taxes) x
21
de concentrado. Con las operaciones más remotas, el requisito de la planta de
desalinización para bombear el agua hasta el sitio de la mina y para concentrar hasta el
puerto a través de tuberías puede aumentar significativamente los niveles de consumo
de energía.
Acido (Acid): La mayor parte del consumo de ácido se asocia con la lixiviación del
mineral en la pila y los colchones de volcado.
Costo de Minería Subterránea: Todos los costos incurridos bajo tierra. Incluye:
exploración para mantener la reserva explotable; Desarrollo secundario de la mina
subterránea; Pagos de arriendo de equipos.
Costos del proceso de Lixiviación: Los costos comienzan en la extracción del mineral
del stockpile del chancador primario hasta el PLS (Pregnant Leach Solution) que entra
en el proceso SxEw. Incluye: colocación de mineral sobre las pilas y los desechos de
lixiviación; bombeo de soluciones; remediación ambiental en curso.
Costos del proceso SxEw: Los costes comienzan en el proceso de SxEw y terminan con
el producto final del cátodo en la puerta de la mina.
22
3.2. Antecedentes de Función de Producción de Cobb – Douglasiv
Es esencial explicar la función de producción, ya que una empresa debe minimizar los
costos de su función de producción para lograr mayores utilidades. La función de
producción es la parte central de la teoría de la producción y como tal hay un interés
teórico en sus estimaciones. Los economistas a menudo participan en la descripción de
la actividad a nivel de una empresa o industria o la economía en su conjunto por el
enfoque de la función de producción.
Esta función de producción también implica rendimientos constantes a escala. Esto es,
si L y К se incrementan en n veces, la salida Q también aumenta por n veces. Esta
forma de función de producción es una función de producción bien comportada. Sólo
necesita descubrir una proporción óptima de factores.
Mientras los precios de los factores relativos permanezcan constantes, no tiene que
tomar ninguna nueva decisión con respecto a las proporciones de los factores a utilizar,
a medida que expande su nivel de producción. Además, esta característica de las
mismas proporciones óptimas de factor es también muy útil en el análisis de insumo-
producto.
Q = ALαKβ (f2)
23
Donde Q es salida y L y K son entradas de trabajo y capital respectivamente. A, α y β
son parámetros positivos donde α> 0, β> 0. La ecuación indica que la salida depende
directamente de L y K y que la parte de la salida que no puede explicarse por L y К se
explica por A que es el 'residuo ', A menudo llamado cambio técnico.
Supongamos que tenemos dos factores de producción x1 y x2, cuyos precios son w1 y
w2, y que queremos averiguar la forma más barata de producir una determinada
cantidad y. Si x1 y x2 miden las cantidades utilizadas de los dos factores y f(x1,x2) es la
función de producción de la empresa, este problema puede expresarse de la forma
siguiente:
24
Multiplicando la primera ecuación por x1 y la segunda por x2 tenemos que:
w1x1 = λ α x1 α x2 β = λ α y (f12)
w2 x2 = λ β x1 α x2 β = λ β y (f13)
Por lo que:
, Ecuación 1. (f14)
, Ecuación 2. (f15)
( ) ( ) (f16)
( ) (f17)
( ) ( ) (f18)
( ) ( ) (f19)
La función de costos puede hallarse calculando los costos en que incurre la empresa
cuando toma decisiones minimizadoras del costo:
( ) ( ) ( ) (f20)
( ) [( ) ( ) ] (f21)
25
Se puede observar que los costos aumentan más que proporcionalmente, con respecto
a la producción dependiendo de que a+b sea menor, igual o mayor que 1,
respectivamente.
Yt = Producción en el periodo t.
A = Progreso Técnico Exógeno.
Kt = Stock de Capital en el periodo t.
Lt = Número de empleados en la economía en el periodo t.
Linealización de la función:
Con este tipo de ecuación es posible modelar una función de costo de producción. A
continuación se explica en profundidad el método de panel para lograr obtener una
ecuación simplificada que explique el costo de producción para una mina de cobre
genérica con una variable específica para cada operación.
26
3.3. Antecedentes de Modelamiento con Método de Panel
Una forma de modelar el efecto individual de una mina, es por medio de efectos fijos,
este modelo no supone que las diferencias entre minas sean aleatorias, sino constantes
o fijas. Los modelos de trabajo de esta tesis se desarrollaron en el software Eviews,
versión 8.0. A continuación, se describe el método de modelamiento con panel de
software Eviews 8.0.v:
(f25)
(f26)
(f27)
(f28)
27
Donde las matrices B y X están preparados para imponer restricciones a los datos y
parámetros entre unidades de la sección cruzada y períodos, y donde la forma general
de la matriz de covarianza de error incondicional viene dada por:
(f29)
Conviene usar este método cuando existe correlación entre los residuos de la muestra.
Existen cuatro estructuras básicas de la varianza que se pueden especificar:
(f30)
(f31)
Para todos i, j, s, y t con i ≠ j, donde Xi * contiene a Xi. Luego usando los vectores
residuales de la sección transversal, podemos reescribir la principal hipótesis como:
(f32)
(f33)
(f34)
28
Para todos i, j, s, y t con s ≠ t, donde Xt * contiene a Xt. Luego usando los vectores
residuales del periodo específico, podemos reescribir la principal hipótesis como:
(f35)
(f36)
(f37)
(f39)
(f40)
(f41)
(f42)
(f43)
Variable Descripción
Services Price Aproximado como índice precios de servicio de terceros, US$/ tmf de mineral tratado (fuente WM).
Aproximado como el índice de precios de insumos críticos de Codelco (IPIC) sin incluir combustibles,
Consumables Price
ni energía eléctrica.
Ore Grade Incorpora cambios de leyes en Mill, Heap y ROM (fuente WM).
Recovery Rate Incorpora cambios de recuperación en Mill ,Heap y ROM (fuente WM).
Dummy Mina Efectos fijos de cada mina al modelar el panel de efecto fijo cruzado.
30
La función a modelar será la siguiente:
En donde,
Dummy Mine 1it = Efectos fijos de cada mina al modelar el panel de efecto fijo cruzado.
Dummy Mine 2it = Dummy de mina a Rajo Abierto, Subterránea o Mix.
α1, α2, α3, α4, α5 = Coeficientes de factores productivos que serán estimados en la
función de producción en minería.
β1, β2, β3, β4, β5, β6 = Coeficientes de factores productivos relativos a cada mina.
Inicialmente se modeló una muestra de 128 operaciones desde el año 2003 al año
2015, pero para efectos del análisis de efectos cíclicos y estructurales, sólo se toma
este modelo hasta el año 2012, luego de este año se vuelve a modelar otra muestra con
216 operaciones y luego desde año 2013 se modela una muestra de 226 operaciones.
Todo esto con la finalidad de captar una mayor cantidad de operaciones y poder reflejar
la tendencia alcista de la producción en el último tramo del estudio. Si bien en el tramo
desde el año 2003 al 2012 la producción de la muestra de 128 operaciones va en
descenso llegando a captar solo el 60% de la muestra el año 2012, el modelo resultante
para ese periodo explica con un mínimo error al alza de costos de industria en su
totalidad, por lo que no era necesario analizar por segmentos ese periodo.
18 Millones de TMF
16
14
12
10
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
MuestraTotal Modelo I (128 Minas) Modelo II (216 Minas) Modelo III (226 Minas)
32
A continuación se grafican las características de la muestra modelada:
Observando la figura anterior, se verifica que el costo operacional de mina llega al punto
más alto en el año 2012 con un aumento de 152% desde año 2003, para luego
comenzar el descenso en los años sucesivos. Otro precio que sigue una similar
tendencia es el índice de precios de servicios y contratistas. Las otras variables como
los insumos (consumables) también llegan a valores máximos el año 2012. Precios
como el costo laboral (labour costs) y el precio de la energía presentan alzas
moderadas en el periodo. Por último el precio del diesel presenta una baja importante
desde año 2014 al 2015.
Luego al analizar las variables geológicas de la muestra se verifica una baja de 23% en
la ley del mineral desde el año 2003 al 2015. En contraste a la ley de mineral, el mineral
tratado sube un 21% para contrarrestar la baja de la ley del mineral de las operaciones.
La relación Lastre / Mineral (Strip Ratio) y la recuperación de cobre tienen bajas
marginales en el periodo analizado.
33
Evolución de Variables de Precios de la Muestra de 128 Operaciones
Años 2003 a 2015, índice 100 = 2003
(Promedio aritmético para cada variable)
34
Luego al analizar las principales variables de insumos, se puede verificar que no todos
los insumos presentan aumento de precios al final del periodo, incluso los productos
químicos y los acondicionadores utilizados en el proceso de concentración presentan
bajas de 15% y 20% respectivamente. Se destacan los neumáticos y la cal como los
insumos que más subieron durante el periodo.
De la figura anterior, se puede observar que ingresan nuevos países entre los
principales productores en la muestra estudiada, es el caso de países africanos como
Zambia y Congo. También se destaca el aumento importante de Perú, China y Canadá,
la baja de Indonesia, EE.UU. y Chile en términos porcentuales.
36
Al analizar el tipo de proceso, también se observa que el proceso de concentración de
cobre es el mayormente usado para recuperar cobre y presenta un aumento de 3% en
el año 2015 con respecto al año 2003.
A continuación, se presenta el modelo resultante para el periodo 2003 – 2015 con 128
operaciones en la muestra. Siguiendo la metodología explicada en sección 3.4, se
modeló 10 variables y se obtuvo una bondad de ajuste (R2) de 0,94 para el primer
modelo. Al analizar la consistencia de los signos de las variables se puede verificar lo
siguiente: Las variables son significativas para explicar el costo de cada operación y los
signos de los coeficientes son consistentes, ya que para el caso de los signos
negativos, como es el caso del mineral tratado (ore), Ley de Mineral (grade) y
Recuperación de Cobre (recovery) se puede inferir que si estas variables aumentan, el
costo de operación disminuye y el resto de variables contribuye al aumento de los
costos de la operación. Para el caso de la dummy de rajo abierto, también es
consistente marginalmente, ya que en general las minas de rajo abierto tienen costos
menores que una mina subterránea.
37
operaciones que cerraron frente a la crisis del año 2008. Para mejorar la
representatividad de la muestra entre los años 2012 a 2015, se desarrolló otro modelo
con 216 operaciones que permite representar de mejor manera la baja de los costos de
la muestra real.
100
50
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015
Ilustración 21: Resultado modelo I (2003 – 2015) comparado con la muestra real.
Fuente: Elaboración Propia.
A continuación, se presenta el modelo resultante para el periodo 2012 – 2015 con 216
operaciones en la muestra. Siguiendo la metodología explicada en sección 3.4, se
modeló 10 variables y se obtuvo bondad de ajuste (R2) de 0,94 para el segundo
modelo. Al analizar la consistencia de los signos de las variables se puede verificar lo
siguiente: Las variables son significativas para explicar el costo de cada operación y los
signos de los coeficientes son consistentes, ya que para el caso de los signos
negativos, como es el caso del mineral tratado (ore), Ley de Mineral (grade) y
Recuperación de Cobre (recovery) se puede inferir que si estas variables aumentan, el
costo de operación disminuye y el resto de variables contribuye al aumento de los
costos de la operación, con la excepción de los Insumos (consumables) que para el
periodo 2012 – 2015 va en una tendencia de decrecimiento.
38
Dependent Variable: LOG(COST)
Method: Panel EGLS (Cross-section weights) Effects Specification
Date: 02/13/17 Time: 17:35
Sample: 2012 2015
Periods included: 4
Cross-sections included: 216 Cross-section fixed (dummy variables)
Total panel (balanced) observations: 864
Linear estimation after one-step weighting matrix
Weighted Statistics
Ilustración 23: Resultado modelo II (2012 – 2015) comparado con la muestra real.
Fuente: Elaboración Propia.
A continuación, se presenta el modelo resultante para el periodo 2013 – 2015 con 226
operaciones en la muestra. Siguiendo la metodología explicada en punto 3.4, y se
observa que no tiene cambios relevantes con modelo anterior y mejora la bondad de
ajuste (R2) a 0,99. Este modelo se utilizará para la proyección del costo hasta el año
2020.
39
Dependent Variable: LOG(COST)
Method: Panel EGLS (Cross-section weights) Effects Specification
Date: 03/20/17 Time: 18:17
Sample: 2013 2015
Periods included: 3
Cross-sections included: 226 Cross-section fixed (dummy variables)
Total panel (balanced) observations: 678
Linear estimation after one-step weighting matrix
Weighted Statistics
Para definir qué variable depende o no del mercado se correlacionará cada variable con
el precio del cobre, y se identificará si se correlaciona con el mercado o de lo contrario
depende específicamente de la operación minera.
40
Ilustración 25: Gráfico del precio del cobre (1908 – 2016)
Fuente: Elaboración Propia.
41
A partir del año 1980 se verifica una prologada caída del precio por debajo del precio
promedio histórico de 200 c/lb hasta el año 1988, en donde el precio llega a niveles del
año 1945. En este periodo se registran recesiones mundiales en 1980 y 1982, que
contribuyeron con el descenso del precio del cobre y otros commodities. Otra razón que
acrecentó la bajada del precio, fue la tasa de crecimiento de la generación de energía
eléctrica que había disminuido a finales de los años 70 en la mayoría de los países
industrializados. También en la década de 1980 el cobre comenzó a sustituirse por
otros materiales como el aluminio y la fibra óptica. Luego del año 1989 el precio vuelve
a caer a niveles del año 1935, (Gran Depresión) influenciado por mayor apertura de
mercados de la antigua unión soviética (incremento en la oferta), para luego subir
explosivamente desde el año 2003 al 2006, explicado principalmente por la demanda
de cobre de China y de otros países asiáticos que sustituyeron la demanda de Europa y
EE.UU. También frente a la baja prolongada en el precio durante los años 1998 al 2003,
muchas minas de cobre cerraron al no ser rentables, lo que contribuyó en la
recuperación del precio en el siguiente periodo. Luego del año 2005 el precio no ha
bajado de la media histórica, aunque el año 2008 y 2009 se experimentaron bajas del
precio por la crisis subprime y la quiebra de varias instituciones financieras en EE.UU.
Actualmente el precio está en una tendencia a la baja debido a un menor consumo de
cobre de China, que ha bajado de niveles desde 10% a niveles de 2 a 3% por año.
1996: Sumitomo Corp. revela pérdidas enormes y los precios caen en picada. Crisis
económicas de Asia y la rápida expansión de la capacidad mundial se combinan para
generar gran superávit mundial.
42
1997 – 2003: Fue un período de dificultad financiera que se apoderó de Asia en julio de
1997 y aumentó el temor de un desastre económico mundial por contagio financiero.
2004 – 2007: Se verifica el mayor incremento del precio en sólo tres años, debido
principalmente al mayor consumo de países asiáticos y principalmente China, que se
explican por sus planes de urbanización con el consecuente mayor consumo de cobre.
2008 – 2009: Crisis financiera global o crisis Subprime que trajo la quiebra de varias
instituciones financieras en EE.UU. con el efecto en el precio del cobre.
2012 – Actualidad: Se verifica un deterioro del precio del cobre por aumento de los
inventarios y decrecimiento global (en particular China), influenciado por bajas
productividades y baja de otros commodities como el petróleo.
43
Periodo 1987 - 2014 1987 - 2002 2002 - 2014
Correlación 0,94 -0,47 0,92
Ilustración 28: Gráfico del precio del cobre y el precio del diesel.
Fuente: Elaboración Propia.
44
Periodo 1992 - 2014 1992 - 2002 2002 - 2015
Correlación 0,90 -0,45 0,81
Ilustración 30: Gráfico del precio del cobre y el indice precio de los insumos.
Fuente: Elaboración Propia.
Ilustración 31: Gráfico del precio del cobre y el indice de precio de los servicios.
Fuente: Elaboración Propia.
45
Periodo 2003 - 2015
Correlación 0,60
Ilustración 33: Gráfico del precio del cobre y la relación lastre / mineral.
Fuente: Elaboración Propia.
46
Periodo 1980 - 2015 1980 - 2002 2002 - 2015
Correlación -0,59 0,01 -0,81
47
A continuación se muestran las variables que serán consideradas como cíclicas y las
variables que serán consideradas estructurales para el estudio del impacto de cada
variable en la variación de los costos para los periodos estudiados.
4. Análisis de Resultados
En el análisis del primer periodo desde el año 2003 al 2012, los costos subieron un
153% según los resultados del modelo, desde 96,2 c/lb a 159,3 c/lb. Los principales
impactos en el alza de los costos están por el lado cíclico de los costos con un 80% del
total. Las principales alzas se observan en los precios de los insumos (consumables),
precio de los servicios (services) y costo laboral (labour). Por el lado de las variables
estructurales, sólo se verifica un alza de costos por la baja en la ley del mineral tratado.
A continuación se muestra el gráfico resultante. Esta alza de costos sostenida se
puede explicar por el contexto de un consumo explosivo de cobre por parte de China, lo
48
que transformó la industria en una carrera por abastecerse de insumos para la minería
para lograr aumentos de producción que permitirían obtener utilidades extraordinarias,
el costo de producción en este periodo no era lo importante, sino era producir lo máximo
posible a cualquier costo.
(c/lb)
180
1,0 0,1 159,3
160
0,1 18,6
-1,0
140
33,6
120 96,2
c/lb
100 16,3
8,1
80 7,4
63,1 11,9
60
40
20
12% 8% 8% 17% 35% 0% -1% 19% 1% 0%
0
Ilustración 37: Gráfico de diferenciales del costo en periodo 2003 – 2012 con muestra de 128
operaciones.
Fuente: Elaboración Propia.
Otro análisis desarrollado por el Banco de Inversión Goldman Sachs en el año 2013
obtuvo resultados similares al presente estudio para el periodo analizado entre los años
2003 y 2012 con la misma información base de Wood Mackenzie. En ese estudio se
analizaron sólo cinco variables, pero se destaca la ley de mineral con un 23% de
impacto en el costo estructural, el 77% restante se atribuye a factores cíclicos.
Ilustración 38: Gráfico de diferenciales del costo en periodo 2003 – 2012 según estudio de
Goldman Sachs (año 2013).
Fuente: Goldman Sachs.
49
En el análisis del segundo periodo desde el año 2012 al 2015, los costos bajaron un
20% según los resultados del modelo, desde 159,3 c/lb a 128,0 c/lb. Los principales
impactos en la baja de los costos están por el lado cíclico de los costos con un 85% del
total. Las principales bajas se observan en los precios de los insumos (consumables),
precio de los servicios (services), precio del petróleo (diesel) y precio de la energía
(power). Por el lado de las variables estructurales, sólo se verifica un alza de costos por
la baja en la ley del mineral tratado y en menor manera la recuperación de cobre. A
continuación se muestra el gráfico resultante.
(c/lb)
180
159,3
160 -2,3
-7,8 -31,3
-4,3
140 -7,0 c/lb
128,0
-16,3 1,2 0,0
-0,6 0,7 5,3
120
100
80
60
40
20
-9% -25% -14% -22% -52% -2% 2% 17% 4% 0%
0
Ilustración 39: Gráfico de diferenciales del costo en periodo 2012 – 2015 con muestra de 128
operaciones.
Fuente: Elaboración Propia.
En el análisis del primer periodo desde el año 2003 al 2012, los costos subieron un
158% según los resultados del modelo, desde 52,7 c/lb a 136,3 c/lb. Los principales
impactos en el alza de los costos están por el lado cíclico de los costos con un 88% del
total. Las principales alzas se observan en los precios de los insumos (consumables),
precio de la energía (power) y costo laboral (labour). Por el lado de las variables
estructurales, sólo se verifica un alza de costos por la baja en la ley del mineral tratado
y marginalmente la recuperación. A continuación se muestra el gráfico resultante.
50
(c/lb)
160
136,3
140 1,2 0,0
0,2 -1,6 9,9
120
30,3
100 83,5
c/lb
8,6
80 15,4
7,6
60 52,7 11,9
40
20
Ilustración 40: Gráfico de diferenciales del costo en periodo 2003 – 2012 para operaciones de
Codelco.
El análisis incluye Andina, Chuquicamata, Chuqui LGS (SBL) SxEw, Chuquicamata SxEw, El Teniente, El
Teniente SxEw, Radomiro Tomic SxEw, Salvador y Salvador (Quebrada M) SxEw. Fuente: Elaboración
Propia.
Luego al analizar el mismo periodo (2012 – 2015) se observa que los costos bajaron un
18% según los resultados del modelo, desde 136,3 c/lb a 111,5 c/lb. Los principales
impactos en la baja de los costos están por el lado cíclico de los costos con un 67% del
total. Las principales bajas se observan en el precio de los insumos (consumables), el
precio de la energía (power) y el precio del petróleo (diesel). Por el lado de las variables
estructurales, se verifica un alza de costos por la baja en la ley del mineral tratado, baja
recuperación de cobre y por menor mineral tratado especialmente en Chuquicamata. A
continuación se muestra el gráfico resultante.
51
(c/lb)
160
140 136,3
0,1
-12,6 -24,8
c/lb
120 -14,0 0,0 111,5
9,4
-3,2 11,9
100 19,8 4,7
1,3
80
60
40
20
Ilustración 41: Gráfico de diferenciales del costo en periodo 2012 – 2015 para operaciones de
Codelco.
El análisis incluye Andina, Chuquicamata, Chuqui LGS (SBL) SxEw, Chuquicamata SxEw, El Teniente, El
Teniente SxEw, Radomiro Tomic SxEw, Salvador y Salvador (Quebrada M) SxEw. Fuente: Elaboración
Propia.
52
MUNDO SIN CODELCO CODELCO
153%: 99 c/lb 158%: 84 c/lb
(c/lb) (c/lb)
200 200
180 180
20,0 1,0 0,2 163,5
160 160
-0,1 -0,9
0,0 136,3
140 140 -0,0
10,0 1,2
-1,4
34,3
120 98,8 120
30,3
c/lb
100 17,5 100 84
7,1 c/lb 8,6
80 7,4 80 15,4
64,7 12,0 7,6
60 60 52,7 11,9
40 40
20 20
12% 7% 7% 18% 35% 0% -1% 20% 1% 0% 14% 9% 18% 10% 36% 0% -2% 12% 1% 0%
0 0
Ilustración 42: Gráfico de diferenciales del costo en periodo 2003– 2012 para mundo sin Codelco y
operaciones de Codelco.
El análisis incluye Andina, Chuquicamata, Chuqui LGS (SBL) SxEw, Chuquicamata SxEw, El Teniente, El
Teniente SxEw, Radomiro Tomic SxEw, Salvador y Salvador (Quebrada M) SxEw. Fuente: Elaboración
Propia.
En el análisis del segundo periodo desde el año 2012 al 2015, los costos bajan sobre
un 18% en ambos casos, según los resultados del modelo. Los principales impactos en
la baja de los costos están por el lado cíclico de los costos superando el 67% del total.
Las principales bajas se observan en los precios de los insumos (consumables),
petróleo (diesel), el precio de los servicios (services) y el precio de la energía (power)
para ambos casos. Por el lado de las variables estructurales, sólo se verifica un alza de
costos por la baja en la ley del mineral tratado en ambos casos y sobresale el mayor
efecto de costo por menor mineral tratado en las operaciones de Codelco, explicado por
Chuquicamata, como también la menor recuperación de cobre. A continuación se
muestra el gráfico resultante.
53
MUNDO SIN CODELCO CODELCO
-20%: 33 c/lb -18%: 25 c/lb
(c/lb) (c/lb)
200 200
180 180
163,5
160 -3,1 160
-7,4
-3,3 -33
-7,7 c/lb 136,3
140 -14,4 -0,5 -0,2
4,7 0,0 130,3
140 0,1
0,2 -12,6 -25
111,5 c/lb
120 120 -14 9,4 0,0
-3,2 11,9
100 100 -19,8 1,3 4,7
80 80
60 60
40 40
20 20
-9% -22% -10% -23% -49% -1% -1% 14% 1% 0% 0% -51% -57% -13% -80% 5% 19% 48% 38% 0%
0 0
Ilustración 43: Gráfico de diferenciales del costo en periodo 2012– 2015 para mundo sin Codelco y
operaciones de Codelco.
El análisis incluye Andina, Chuquicamata, Chuqui LGS (SBL) SxEw, Chuquicamata SxEw, El Teniente, El
Teniente SxEw, Radomiro Tomic SxEw, Salvador y Salvador (Quebrada M) SxEw. Fuente: Elaboración
Propia.
Al analizar el estado de los costos en el futuro, fue necesario ocupar otro modelo
añadiendo más operaciones (modelo se detalló en punto 3.5), en este caso 226 minas
en total para mejorar la representatividad de la muestra.
Al analizar el resultado desde año 2015 hasta el año 2020 se observa que se estima
una baja de 7,5% en costos de la industria sin Codelco y para el caso de Codelco la
baja sería de 5,8%. El efecto cíclico en los costos sería de 84% para la industria sin
Codelco y para Codelco 72%. Los mayores impactos a la baja, se verifican en el precio
de los insumos (consumables), el precio de los servicios (services) y el costo laboral
(labour). La excepción en los costos, es el efecto del precio del diesel que aumenta en
el periodo. Por el lado estructural se verifican mayores costos por la baja de la ley de
mineral y menores costos por mayor tratamiento de mineral. A continuación se muestra
el gráfico resultante.
54
MUNDO SIN CODELCO CODELCO
-7,5%: 10,1 c/lb -5,8%: 7,0 c/lb
(c/lb) (c/lb)
200 200
180 180
160 160
135,8 -10,1
140 -2,9 2,5 -1,8
140
-4,0 -0,6 -3,7 6,5 0,2 0,1 125,6 c/lb 122,0 -7
-6,3
-2,3 2,0 -1,0 0,9 115,0 c/lb
120 120 -5,8 -2,0 7,3 0,1
-2,0 -0,9
100 100
80 80
60 60
40 40
20 20
-29% 24% -18% -39% -62% -6% -36% 64% -2% -1% -33% 28% -14% -82% -74% -28% -12% -105% 2% 13%
0 0
Ilustración 44: Gráfico de diferenciales del costo en periodo 2015– 2020 para mundo sin Codelco y
operaciones de Codelco.
El análisis incluye Andina, Chuquicamata, Chuqui LGS (SBL) SxEw, El Teniente, El Teniente SxEw,
Gaby, Ministro Hales, Radomiro Tomic PhII Mill, Radomiro Tomic SxEw and Salvador. Fuente:
Elaboración Propia.
Al comparar los resultados del modelo con 226 operaciones, con los datos reales de
Wood Mackenzie, se verifica que existe convergencia en el punto del año 2016, pero el
año 2015 se observa una diferencia de 4,2% en el costo. Luego del año 2016 se verifica
un aumento de los costos según la información de Wood Mackenzie, pero este efecto
no se observa en el resultado modelado ya que se verifica una tendencia plana desde el
año 2017 con una baja al año 2020 de 5,1%. Esta diferencia se debe a que puede
haber inconsistencia en los datos proyectados de las operaciones en el futuro.
55
200 COSTO DE PRODUCCIÓN DE COBRE
180 (c/lb, Moneda de 2015)
160
140
120
100
80
60
40
20
0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Costo Total (WM) Costo Modelado (226 Minas) Costo Modelado (216 Minas)
Ilustración 45: Resultado modelo III (2013 – 2020) comparado con la muestra real.
Fuente: Elaboración Propia.
56
En general las variables de precios disminuyen para todas las variables, pero el precio
del diesel es la excepción al compararlo desde el año 2015, desde donde sube un 26%,
factor determinante en el aumento de costos luego del año 2016. A continuación se
analizan las variables geológicas que componen el modelo para el periodo analizado.
Evolución de Variables de Precios de la de la Muestra de 226 Operaciones
Años 2013 a 2020, índice 100 = 2013
(Promedio aritmético para cada variable)
Luego al analizar las variables geológicas de la muestra se verifica una baja de 11% en
la ley del mineral desde el año 2015 al 2020. En contraste a la ley de mineral, el mineral
tratado sube un 8% para contrarrestar la baja de la ley del mineral de las operaciones.
La relación Lastre / Mineral (Strip Ratio) baja un 15%, dato relevante que disminuye los
costos en el periodo. La recuperación de cobre se mantiene plana.
57
Total Muestra Codelco
Disminución en Año Base Variación en Disminución en Año Base Variación en
Efecto Cíclico 2016 el costo Efecto Cíclico 2016 el costo
0% 131,26 0% 123,22
-5% 128,46 -2% -5% 118,09 -4%
-10% 122,82 -6% -10% 112,88 -8%
-15% 117,11 -11% -15% 107,62 -13%
-20% 111,35 -15% -20% 102,30 -17%
-25% 105,51 -20% -25% 96,92 -21%
-30% 99,60 -24% -30% 91,47 -26%
58
Fuente: Elaboración propia.
Respecto a lo anterior se verifica que el efecto cíclico tiene un mayor impacto en los
costos para Codelco en comparación a la industria.
Se verifica que Codelco bajó su costo cash C1 en 23% desde el año 2013 hasta el año
2016. Esta información va en línea con los resultados del modelo, ya que la baja desde
el año 2012 hasta el año 2015, según los datos reales, es de 15,2% en el costo C1,
luego en el modelo se verifica una disminución de 18%. Cabe destacar que el Costo C1
incluye el crédito por subproductos lo que hace bajar un poco más el costo de
operación. A continuación se muestra la información mencionada:
c/lb Desde el año 2013,
170
164 el costo directo Cash
163
C1 de Codelco
160
disminuyó en un • Menores leyes.
150 23% • Menor producción de
150 molibdeno.
• Mayores precios de
139 139 insumos.
140
130 AGENDA DE
130
126 PRODUCTIVIDAD Y
120
COSTOS 2020
110
2012 2013 2014 2015 2016* 2017 (P) 2018 (P)
Respecto a los costos de Codelco en la industria del cobre, se puede decir que la meta
de lograr volver al primer cuartil de costos se hace muy difícil, ya que como vimos en los
efectos cíclicos y estructurales, el impacto de los costos cíclicos es muy alto, sobre el
60% en casi todos los periodos estudiados, por lo que prácticamente la compañía no
tiene control sobre los efectos de los aumentos de los insumos mineros.
Además, las minas de Codelco presentan bajas generalizadas en las leyes de mineral a
partir del año 2016, lo que trae un aumento de costos de manera importante. A
continuación se muestra la producción y la ley de mineral de las minas de cobre de
Codelco:
CODELCO
1.800
1,4
1.600
1,2
1.400
1,0
1.200
1.000 0,8
800
0,6
600
0,4
400
0,2
200
0 0,0
2012 2014 2016 2018
Producción Ley de Mineral
60
MINISTRO HALES SALVADOR ANDINA EL TENIENTE
220
c/lb
200
180
160
Corte 3er cuartil
140
Corte 2 cuartil
120
Corte 1er cuartil
100
80
60
40
20
CODELCO
0
1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015 2017 2019 2021
Ilustración 55: Evolución del costo c1 de la industria del cobre y de Codelco (2012 – 2018).
Fuente: Codelco y Wood Mackenzie.
61
La proyección del costo C1 de Codelco visualiza a la empresa en la frontera del
segundo cuartil con el tercer cuartil de costos en todo periodo desde el año 2016 al año
2021. Es improbable que Codelco vuelva al primer cuartil con la actual forma de operar
y con la base minera bajando en leyes de mineral.
5. Comentarios y Conclusiones
El período reciente de inflación de los costos de la industria del cobre (2003 – 2012) fue
precedido por un período de 15 años de significativa deflación de los costos a principios
de los años 90, este hecho es un ejemplo de lo que podría pasar en la actualidad. En
ese momento, la respuesta de la industria a la presión sobre los precios fue enfocarse
en la productividad y reducir los costos al mínimo. Hoy en día, el efecto de la baja del
precio del cobre en las empresas ha obligado a firmas como Freeport McMoran a
reducir su deuda por la vía de venta de activos para evitar el escenario de quiebra,
Glencore cerró temporalmente minas de cobre en Zambia y Congo y otras empresas
han logrado reducir sus costos de manera importante para poder sobrellevar este mal
momento en la industria.
Para lograr estimar los efectos cíclicos y estructurales de los costos de la industria del
cobre fue necesario modelar tres periodos con distintas muestras y con un modelo de
panel balanceado con efecto fijo, este método permite añadir una variable específica
para cada mina y mejora la precisión del modelo al analizar toda la muestra.
Las restricciones del modelo de panel econométrico no permiten incluir nuevas minas
en la muestra, este factor es un problema cuando modelamos un gran período de
tiempo, no obstante, el modelo deducido permite estimar el costo con gran precisión en
el periodo 2003 – 2012, luego de ese periodo ingresan una gran cantidad de
operaciones, por lo que no se pueden agregar todas al modelo, lo que reduce el tamaño
de la muestra. Sin embargo, para resolver ese problema, se modelaron otros dos
periodos: 2012 – 2015 y 2013 – 2020 con distintas muestras que representaban de
mejor manera la tendencia del costo de toda la industria.
62
En el primer período del análisis (2003 - 2012) el aumento en el costo se explica por las
variables cíclicas en un 80% para toda la industria, y el principal efecto es el precio de
los insumos, los servicios y la mano de obra. Solamente la ley de mineral tiene un
impacto en el costo estructural, las otras variables no son significativas.
En el tercer periodo del análisis (2015 – 2020) se verifica una disminución del costo que
según los datos de Wood Mackenzie sería solo hasta el año 2016, luego de ese año el
costo volvería a subir debido a un efecto más estructural debido a bajas de leyes de
mineral de la industria, y por el lado cíclico de los costos se espera aumento del costo
del diesel, las otras variables tienen una tendencia descendente.
El resultado del modelo para el periodo proyectado futuro (2016 – 2020) resulta distinto
respecto a los resultados de Wood Mackenzie ya que se verifica una tendencia plana
desde el año 2017 con una baja al año 2020 de 5,1%. La razón de la diferencia es que
los datos futuros no tienen consistencia con los valores reales históricos, o la muestra
analizada resulta diferente al escenario futuro de Wood Mackenzie.
Luego al sensibilizar el efecto cíclico bajando hasta un 30% el costo cíclico se obtiene
una baja en el costo total de la industria de 24% y al hacer el mismo ejercicio en
Codelco se obtiene una baja de 26%. Luego al bajar la ley de mineral tratado en un
30% el costo de la industria sube 20% y en el caso de Codelco sube 17%.
64
6. Anexos
6.1. Antecedentes del Proceso Minero de Minería Subterránea
La elección entre el Adit, la rampa en espiral y el pique (shaft) depende del costo de
capital y de operación, una vez que se han tenido en cuenta las restricciones prácticas.
66
La minería se lleva a cabo en una secuencia determinada: perforación, tronadura, carga
(o mucking) y transporte de mineral / residuos.
El cargamento de mineral se efectúa por LHD (Load, Haul, Dump) o tranvías scoop.
Muchos LHD ahora tienen la capacidad de ser conducidos remotamente (donde el
conductor puede ver el vehículo) o tele-remotamente (donde el conductor utiliza una
serie de cámaras montadas en el LHD). Los problemas de seguridad impulsaron el
desarrollo de la remoción remota, pero también puede haber beneficios de costos al
reducir la cantidad de ventilación y la escala necesaria para hacer que el área de
trabajo sea segura para el acceso humano. LHDs conducidos remotamente permiten la
extracción completa de mineral de un tablero.
El mineral se transfiere a:
- Naturalmente autosuficiente.
- Requerir sustancial apoyo artificial.
El método de la pieza y el pilar es adecuado para los cuerpos de minas planas, de 3-6
m de espesor en roca competente. El mineral se extrae en rodajas horizontales con
pilares de mineral a la izquierda para mantener la integridad del techo (pared colgante o
espalda). Los soportes de tierra artificiales tales como pernos de roca, pernos de cable,
malla y hormigón proyectado se pueden utilizar para sostener el techo o mantener la
integridad de los pilares y evitar su desprendimiento.
La extracción total del mineral in situ no puede ser superior al 75% (esto se permite en
el cálculo de las reservas de mineral explotable), pero puede llegar al 90% o incluso al
100% si resulta práctico y económico quitar los pilares en una etapa posterior.
La minería de la pieza y los pilares es un método altamente productivo, ya que casi todo
el desarrollo está en mineral, por lo que hay poco gasto en la extracción y manipulación
de residuos de roca.
68
Ilustración 58: Diagrama de minería de piezas y pilares para mineral grueso y roca competente.
Fuente: Atlas Copco.
Sin embargo, si la roca no es lo suficientemente competente y el relleno es necesario
entonces el segundo ascensor se toma desde el techo después de que la zona extraída
se rellena con residuos. Como la mayor parte de la minería se lleva a cabo en mineral,
puede que no haya suficientes residuos de desarrollo para el relleno, que podrían tener
que ser extraídos por separado. A continuación se muestra un esquema de este
método.
Ilustración 59: Diagrama de minería de piezas y pilares para mineral grueso y roca menos
competente.
Fuente: Atlas Copco.
Método de Agujero Largo
Los desvíos del sub-nivel pueden estar ubicados dentro del cuerpo de los tanques,
entre los niveles principales, para permitir que se realice el taladro de agujero largo
(perforación de ventilador, anillo o banco con orificios de 140mm-160mm de diámetro y
de 30m a 60m largo). Los puntos de estiramiento están ubicados en la parte inferior del
tablero para permitir una limpieza segura por LHD o control remoto LHD.
La minería de corte y relleno se utiliza en los cuerpos minerales profundos con una
estabilidad de suelo pobre o moderado. Proporciona un buen grado de selectividad
minera y alta recuperación de mineral, y es adecuado para minerales irregulares y
zonas de mineral dispersas.
El mineral es excavado en rodajas horizontales que trabajan hacia arriba desde la parte
inferior del bloque de mineral (recorte y relleno manual). El relleno soporta la pared
colgante y la pared del pie y actúa como una plataforma de trabajo para excavar la
siguiente rebanada. A continuación se muestra una disposición típica de un tablero de
corte y relleno.
70
proporcionar un techo de trabajo seguro. Después de la perforación, de la tronadura y
del carguío, el stope vacío se llena con el relleno consolidado. Esto tiene que ser de alta
resistencia (y por lo tanto caro) ya que proporciona el techo para el siguiente tablero,
que se excavó debajo de él.
Se usa más comúnmente para extraer depósitos de pórfido de cobre, como El Teniente
y Northparkes, y depósitos de diamantes como Finsch. También se utiliza en Palabora y
es el método de minería preferido para el proyecto de Oyu Tolgoi en Mongolia. El uso
de la excavación de bloques en la industria del cobre probablemente aumentará con el
tiempo, ya que los rajos abiertos a gran escala se vuelven antieconómicos con la
profundidad y la minería debe trasladarse al subsuelo.
71
Ilustración 62: Diagrama de excavación por bloques (block caving).
Fuente: Atlas Copco.
Excavación de Sub-niveles
72
Ilustración 63: Diagrama de excavación de sub-niveles.
Fuente: Atlas Copco.
Primero se minan los topes primarios, luego se rellenan. Generalmente, cuando todo el
mineral ha sido cargado, los pilares del mineral se dejan entre estos stops primarios.
Cuando el relleno se ha consolidado, los topes "secundarios" (es decir, los pilares de
mineral) pueden ser extraídos.
El relleno puede ser de varios tipos: residuo de roca, arena o relleno de molino de-
slimed. Éstos se mezclan generalmente con el cemento en diversas proporciones para
crear rellenos de diversas fuerzas.
- Alta productividad.
- Una estructura de gestión más sencilla.
- Mayor producción.
- Simplicidad geológica.
- Economías de escala posibles.
73
- Mejores condiciones de trabajo y seguridad.
- Expuestos al clima.
- Efecto sobre el medio ambiente.
La minería de la tira (Strip Mining) es donde hay una delgada capa mineral y el mineral
es literalmente raspado de la superficie. Las lateritas de níquel y los depósitos de
bauxita se extraen generalmente de esta manera con el mineral encontrado en la
superficie. Con frecuencia, el mineral no es explotado y solo es excavado en camiones,
o es minado por grandes draglines.
A medida que se desarrolla y profundiza la mina a cielo abierto, la pared final del rajo se
hace más inclinada al ángulo final de la pendiente del pozo. Esto se consigue a menudo
haciendo que los bancos tengan doble altura en la pared final del pozo.
74
El patrón de perforación puede cambiar dependiendo de si el mineral o los desechos se
están extrayendo, y la flota minera también puede ser diferente en mineral y residuos,
con equipos más pequeños extrayendo selectivamente ciertas zonas de mineral. La
clasificación final del mineral y de los desechos se hace una vez que se han perforado
los barrenos con el material perforado muestreado antes de que se cree el plan final de
minería.
A medida que un pozo se profundiza, la pendiente del pozo también puede cambiar
(como se muestra en la sección de pozos abiertos en la Figura 11), con una pared de
pozo final más pronunciada en las secciones superiores del pozo. El ángulo de la
pendiente del pozo varía con el tipo de roca que se extrae y tiene que ser capaz de
sostenerse con seguridad.
La minería a cielo abierto alcanza economías de escala utilizando una flota de pozos
grandes. A modo de ejemplo, durante los años 80 hasta los primeros años de este siglo,
el tamaño de la carga útil de los camiones de transporte creció de 100 toneladas a
sobre 360 ton. Esto se logró mediante una combinación de eficiencias del motor
mejoradas y la adopción de cuerpos livianos. De hecho, algunos de los camiones más
grandes no sólo transportan cargas útiles más grandes, sino que también operan de
manera más eficiente.
Los camiones más grandes también necesitan cargadores más grandes y ahora hay
flotas de palas eléctricas, que pueden llenar los camiones más grandes en menos de
tres cargas (por ejemplo, la pala Bucyrus más grande tiene una capacidad de 135t). Es
muy importante que coincida con los tamaños de los equipos para mantener el tiempo
de espera bajos y las productividades altas.
75
6.3. Procesamiento del Mineral
Los minerales "óxidos" se describen como los minerales formados durante el desgaste
superficial y la oxidación de minerales de cobre preexistentes y son una mezcla de
óxidos, sulfatos, carbonatos y otros compuestos.
Los sulfuros secundarios pueden recuperarse por flotación de la misma manera que los
sulfuros primarios. Adicionalmente, sin embargo, el cobre puede ser recuperado por
lixiviación bacteriana / férrica. Actualmente, muchas operaciones de extracción de
lixiviación tratan minerales sulfurados secundarios como la calcociita y la covellita. Este
material suele ser triturado hasta un tamaño máximo de 3/4" y se esperan tasas de
recuperación del 60% al 80% en la práctica. Las tasas de lixiviación típicas son más
lentas que para los minerales de óxido y varían entre cuatro y dieciocho meses. La
lixiviación de estos minerales sulfurosos es por reacción con sulfato férrico para
producir el sulfato de cobre que luego se purifica y recupera en la planta SxEw. La
producción de sulfato férrico en los vertederos se cataliza por la acción de bacterias
tales como los ferrooxidantes de thiobacillus, sin los cuales el mecanismo de lixiviación
es demasiado lento para ser comercialmente viable. Las bacterias necesitan oxígeno
para propagarse y continuar descomponiendo los minerales de sulfuro. Este proceso de
lixiviación fue iniciado por la Sociedad Minera Pudahuel en Chile y se ha utilizado en
Cerro Verde en Perú desde 1977 y en Lo Aguirre en Chile desde 1980. Las minas Cerro
Colorado, Quebrada Blanca y Zaldivar en Chile y la mina Morenci en Estados Unidos
Lixivian sulfuros secundarios para una parte significativa de su producción planificada.
El consumo de ácido puede ser mucho menor para la lixiviación de minerales sulfurados
secundarios que los óxidos, con tasas típicamente de 5kg / t de mineral.
Los minerales de óxido de cobre son más difíciles de flotar selectivamente que los
sulfuros y las recuperaciones por flotación son generalmente pobres. Es posible, sin
embargo, cambiar químicamente, es decir disolver, los óxidos de cobre contenidos en
estos minerales, usando una solución acidificada, para producir sulfato de cobre del que
se puede recuperar el cobre.
77
La lixiviación de óxidos de cobre incluyendo la malaquita, la azurita y la atacamita
puede ser rápida y relativamente completa. Las recolecciones de cobre de mineral
triturado y lixiviado en pilas de entre el 70% y el 90% no son infrecuentes durante un
período de entre dos y seis meses. Las tasas de recuperación de la crisocola son más
lentas, y de las cupritas más lento todavía. Las tasas de consumo de ácido de alrededor
de 20 kg / t de mineral no son infrecuentes y pueden ser mayores si los minerales de
óxido están asociados con la ganga que consume ácido (por ejemplo, minerales
carbonatados).
La Molienda
La trituración puede llevarse a cabo en un circuito abierto donde no se lleva a cabo una
clasificación de tamaño o en circuito cerrado donde siempre hay una fracción
sobredimensionada recirculante. El material de menor tamaño se elimina tan pronto
como sea posible para aumentar el rendimiento (en ~ 35%) y minimizar los costos de
operación; no hay ningún beneficio en continuar conminando partículas minerales ya
liberadas. La reducción de tamaño nunca se intenta en una sola etapa y se logra
usualmente mediante trituración seguida de trituración. Muchos circuitos modernos han
eliminado la última parte del circuito de trituración y la han reemplazado por un molino
SAG (Semi-Autogenous Grinding), que se explica con más detalle a continuación.
Los tipos de trituradora varían, dependiendo del material que se va a manejar y de las
etapas subsiguientes del proceso y normalmente son mandíbulas, giratorias, de cono,
trituradoras de martillos o en algunos lugares, rodillos de trituración de alta presión.
Estos toman el mineral, en etapas (primaria, secundaria de trituración, etc) de mineral
ROM (Run of Mine) con un rango de tamaño de aproximadamente 250 mm - 1500 mm
a un mineral triturado con un tamaño entre 5-20 mm. Las pantallas vibratorias ayudan a
eliminar el material de tamaño inferior y ayudan a aumentar el rendimiento de la
trituradora.
78
Hay varios tipos de molinos:
Una parte integral de la preparación del mineral es el tamaño de las partículas durante
el triturado. El tamaño es importante y significa que todo el material es de un tamaño
similar y todo pasa ciertos umbrales de tamaño en preparación para la separación.
Separación y Concentración
80
- Gravedad: utilizadas en la separación de estaño y oro.
La flotación de espuma (Froth Flotation) se inventó en los primeros años del siglo XIX y
se desarrolló para su uso en las minas australianas de plomo y zinc en mina Broken
Hill, donde resolvió el problema de concentrar los minerales de sulfuro de grado inferior
contenidos en relaves y minerales por debajo de las zonas oxidadas. Desde entonces
ha sido ampliamente a nivel mundial como una forma de mejorar los minerales de
menor calidad y hacer que muchas minas sean económicas.
81
estricto control de la cantidad de oxígeno y el pH, hacen que los minerales sean
hidrofílicos.
Los colectores (xantatos, ácidos grasos y aminas) son compuestos orgánicos, que
hacen que los minerales seleccionados sean hidrófobos enmascarando la superficie de
minerales seleccionados y haciendo que el mineral pueda unirse a una burbuja de aire
al contacto. Estos compuestos se denominan heteropolar con una molécula que es
asimétrica en estructura con un grupo hidrocarbonado no polar en un extremo y un
grupo polar en el otro. Es este grupo polar que se une al mineral, mientras que el
extremo no polar que se adhiere a la burbuja de aire.
Hay otro tipo de células de uso común, particularmente en los circuitos de cobre
llamados células de columna. Las células de la columna son altas, con una alta relación
altura / diámetro. La pulpa de alimentación se inyecta a mitad de camino hacia arriba de
la celda, con una generación de burbujas en la parte inferior. No hay agitación
mecánica de la pulpa y la agitación se consigue neumáticamente. Las burbujas se
82
elevan a través de la pulpa descendente recogiendo valiosos minerales a medida que
se elevan. Salidas de residuos en la parte inferior de la celda, cayendo bajo la influencia
de la gravedad. A continuación se muestra una celda de columna.
83
Estanque a través de un espesante.
Lixiviación de Cobre
El sulfato de cobre producido por el proceso de lixiviación puede ser mejorado por
precipitación para formar un "cemento", al metal por electroerosión directa, o casi
universalmente ahora, por extracción con disolvente y electro-ganancia (SxEw).
Aunque los desechos de minas (que contienen óxidos y / o sulfuros) y otros depósitos
de sulfuro de cobre de baja ley han sido lixiviados durante muchos años, no fue hasta
alrededor de 1960 que se hizo un examen sistemático de las condiciones que afectan la
lixiviación ácida de los desechos. Antes de 1960, la recuperación de cobre a partir de
soluciones de lixiviación de bajo grado era únicamente por medio de la precipitación de
cobre sobre la chatarra colocada en corrientes de lavado. El tratamiento no fue
sistemático con poco o ningún control sobre la composición de las soluciones de
lixiviación.
84
Las décadas de 1960 y 1970 vieron cada vez más la atención centrada en la lixiviación
sistemática de desechos de baja calidad que se acumulaba rápidamente en las
operaciones de cobre pórfido del oeste de los Estados Unidos. Empresas como
Kennecott fueron activas en el examen de la optimización del diseño de volcado, la
comprensión de la química de la solución, el papel de la aireación, la solución de
ciclismo, cinética de precipitación, etc Un método rentable fue buscado para recuperar
el cobre de las soluciones de bajo grado producido por la lixiviación De residuos de baja
calidad. El avance en la economía de la recuperación de cobre a partir de soluciones de
lixiviación de bajo grado llegó con la aplicación de tecnología de extracción con
disolvente a la industria del cobre a principios de los años setenta, luego del éxito de la
planta de 6kt / a de Bluebird SxEw. La tecnología de extracción de disolventes estaba
en uso generalizado en ese momento en la industria del uranio. Las operaciones de
cobre Bagdad, Twin Buttes, Valle del Pinto, Inspiración Miami y Cerro Verde se
realizaron durante los años 1970, sentando las bases para la práctica moderna de
lixiviación de cobre. La planta de lixiviación de colas de Nchanga fue la primera
operación SxEw a gran escala, con una capacidad de 120kt / a de cobre, construida
originalmente en 1973, pero expandida en 1985.
Precipitación
La recuperación más temprana del cobre lixiviado fue por precipitación sobre hierro. El
precipitado de cobre, conocido como "cemento", está normalmente entre 60 y 80% de
pureza y se funde para recuperar el cobre. El proceso es capaz de recuperar cobre a
partir de soluciones de cobre de muy bajo grado, p. Bajo 1 g / l de cobre.
Otras fuentes de cobre electrolítico directo, tales como subproductos del refinado de
metales de níquel mate y de metales del grupo del platino, son relativamente
insignificantes. La calidad de las soluciones de cobre lixiviadas antes de la extracción
electrolítica tiende a ser más alta en estas operaciones, ya que la mayor parte de las
impurezas se eliminan en etapas de procesamiento anteriores.
Una vez que el cobre está en solución acuosa (es decir, después de la lixiviación) la
fase siguiente es concentrar el cobre y eliminar impurezas para proporcionar una
alimentación adecuada para la extracción electrolítica. Esto se logra en la sección de
extracción con disolvente, abreviada a Sx. Este proceso comprende un mínimo de dos
etapas, siendo la primera etapa "extraer" el cobre de la solución de lixiviación a la fase
orgánica, y una segunda etapa para "separar" el cobre de la fase orgánica en una fase
acuosa adecuada para la extracción electrolítica.
87
etapa de "tira", transfiere el ácido contenido en el electrolito agotado de vuelta a la
"etapa de extracción". En la etapa de extracción, este ácido se transfiere entonces a la
solución acuosa agotada de cobre, denominada refinado. Así, las 1,5 toneladas de
ácido generado por tonelada de cobre chapado en el proceso de extracción electrolítica
se transfieren al proceso de lixiviación.
88
6.4. Indice de Fórmulas
Weighted Statistics
CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación
1 -0,328464 Aitik 31 0,458168 Cobar - CSA 61 0,661742 Jaguarari 91 0,836623 Olympic Dam 121 -0,22616 Valentin
2 0,218912 Alumbrera 32 0,569415 Cobriza 62 -0,82625 Jianchang Bajiazi 92 0,385158 Palabora 122 -0,670905 Xiaotieshan
3 0,24519 Andacollo SxEw 33 0,189806 Collahuasi 63 -1,011672 Jiawula 93 -0,393272 Philex 123 -0,65418 Yauliyacu
4 0,016869 Andina 34 -0,006548 Collahuasi SxEw 64 -0,390111 Jinchuan 94 1,170637 Polish Copper 124 -0,252484 Yauricocha
5 0,358607 Antamina 35 -0,904248 Colquisiri 65 0,692933 Kaz Minerals East 95 0,729902 PT Freeport Indonesia 125 0,5629 Yongping
6 0,197055 Assarel 36 0,621235 Condestable 66 0,379189 Kidd 96 -0,081586 Punta del Cobre 126 0,482213 Zaldivar SxEw
7 -0,849458 Atacocha 37 -0,169137 Cuajone 67 0,088979 La Caridad 97 0,138792 Punta del Cobre SxEw 127 1,238578 Zhezkazgan
8 -0,029906 Austria Duvaz 38 0,665897 Dexing 68 -1,804422 La Caridad SxEw 98 -0,275415 Pyhasalmi 128 0,230121 Zyryanovsk
9 -0,064971 Bagdad 39 -1,060281 Doe Run 69 -0,454054 La Ronde 99 -1,22768 Qixiashan Nanjing
10 1,04579 Balkhash 40 0,174832 El Abra SxEw 70 -0,058552 Lomas Bayas SxEw 100 0,274374 Quebrada Blanca SxEw
11 0,529525 Batu Hijau 41 0,447735 El Bonce (Atacama Kozan) 71 -0,080481 Los Bronces 101 0,21772 Quiruvilca
12 0,09448 Bingham Canyon 42 -1,098613 El Porvenir 72 -0,835939 Los Bronces SxEw 102 -0,096748 Radomiro Tomic SxEw
13 -0,214202 Black Mountain 43 0,281406 El Soldado 73 0,044978 Los Pelambres 103 -0,946978 Raglan
14 0,080381 Boliden Mill 44 0,089097 El Teniente 74 0,281772 Manto Verde SxEw 104 0,203834 Ray
15 -0,083557 Butte 45 -2,098253 El Teniente SxEw 75 0,168069 Mantos Blancos 105 0,302632 Ridder
16 -0,77709 Cadia Hill 46 0,214046 Erdenet 76 0,574223 Mantos Blancos Vat Leach 106 -0,648379 Ridgeway
17 -0,010316 Candelaria 47 0,153021 Ernest Henry 77 0,652924 Michilla (Lince) SxEw 107 -1,076145 Rosebery
18 -0,133727 Casapalca (Americana) 48 0,206432 Escondida 78 0,235171 Mission 108 -0,330208 Sabinas
19 0,195544 Cayeli 49 0,248375 Escondida Oxide Leach 79 0,256205 Morenci SxEw 109 0,135633 Salvador
20 0,444191 Centinela Leach 50 0,348624 Falconbridge Nickel Ops 80 -0,012475 Morococha 110 0,006421 Salvador (Quebrada M) SxEw
21 0,429122 Cerro Colorado SxEw 51 0,88317 Fushun Hongtoushan 81 0,447279 Mount Isa Copper 111 -0,616139 Santa Barbara
22 -0,175359 Cerro Verde I SxEw 52 -1,793768 Garpenberg 82 1,069385 Mufulira 112 0,653105 Sarcheshmeh
23 1,026553 Chambishi (NFC) 53 0,944289 Gay 83 0,200315 Myra Falls 113 -0,014163 Sierrita
24 0,026136 Changba (Baiyin) 54 0,137772 Golden Grove 84 0,706341 Nchanga 114 -0,787107 Silver Bell SxEw
25 -1,026956 Charcas 55 -0,265829 Guemassa 85 0,10917 Nchanga Dam Tails SxEw 115 -0,848404 Tizapa
26 0,239912 Chelopech 56 -0,447754 Highland Valley Copper 86 0,637362 Neves Corvo 116 -0,15092 Toquepala
27 -1,212616 Chungar 57 0,953905 Hindustan Copper 87 0,781707 Nkana 117 0,141017 Triple Seven
28 -1,251162 Chuqui LGS (SBL) SxEw 58 0,105625 Huaron 88 0,400116 Norilsk 118 -0,105967 Tyrone SxEw
29 0,307435 Chuquicamata 59 -0,161127 Huckleberry 89 -0,08245 Northparkes 119 0,420456 Uchal
30 0,490421 Chuquicamata SxEw 60 -1,782455 Huili Tianbaoshan 90 0,531193 Ok Tedi 120 0,216903 Vale Sudbury
89
1.1.1. Modelo II (2012 - 2015)
CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación
1 0,26704 Aguas Tenidas 61 0,805908 Dahongshan 121 0,039303 Las Cruces SxEw 181 0,412117 Sarcheshmeh
2 -0,103198 Aitik 62 0,326515 DeGrussa 122 0,270519 Lomas Bayas SxEw 182 0,274861 Sepon / Khanong
3 -1,306553 Al Amar 63 0,536248 Dexing 123 0,328767 Los Bronces 183 0,501887 Shituru
4 -0,000367 Aljustrel 64 -0,740929 Doe Run 124 -0,715902 Los Bronces SxEw 184 -0,451078 Silver Bell SxEw
5 0,265253 Andacollo 65 0,525283 Dongguashan 125 0,071155 Los Pelambres 185 -0,411806 Sin Quyen
6 -1,634248 Andaychagua 66 -0,746287 Dongshenmiao 126 0,802041 Lubambe (Konkola North) 186 0,19648 Sossego
7 0,384716 Andina 67 0,249413 Duobaoshan Mill 127 0,002635 Luita 187 0,015399 Spence SxEw
8 0,178993 Antamina 68 0,408158 El Abra SxEw 128 0,993333 Luita SxEw 188 0,618751 Sungun
9 0,054835 Antapaccay 69 0,037095 El Bonce (Atacama Kozan) 129 0,45689 Lumwana 189 0,006123 Tayahua
10 -0,134015 Ashele 70 -0,182964 El Monte 130 -0,769484 Mahr Tunnel 190 -0,273574 Telfer
11 -0,072094 Assarel 71 -0,570529 El Porvenir 131 0,238922 Manto Verde SxEw 191 0,812616 Tenke Fungurume SxEw
12 -0,484984 Atacocha 72 0,403708 El Soldado 132 0,291285 Mantos Blancos 192 -1,116057 Tizapa
13 0,24334 Atlas 73 0,253102 El Teniente 133 0,707669 Mantos Blancos Vat Leach 193 -0,463142 Tonglvshan
14 -0,179901 Austria Duvaz 74 -1,780182 El Teniente SxEw 134 -1,3638 Miaogou 194 -0,051872 Toquepala
15 -0,051143 Bagdad 75 0,061458 Erdenet 135 0,264221 Miduk 195 -0,6331 Toquepala SxEw
16 1,012565 Balkhash 76 0,550729 Ernest Henry 136 0,609884 Milpillas SxEw 196 -0,066976 Triple Seven
17 0,513245 Batu Hijau 77 0,370052 Escondida 137 -0,013241 Mission 197 0,234994 Tyrone SxEw
18 0,555696 Bingham Canyon 78 0,093632 Escondida Oxide Leach 138 -0,082101 Morenci 198 0,733462 Uchal
19 -0,277934 Bismark 79 0,117267 Falconbridge Nickel Ops 139 0,536774 Morenci SxEw 199 0,574309 Vale Sudbury
20 0,000434 Black Mountain 80 0,345824 FNX Sudbury JV 140 0,011691 Morococha 200 -0,764844 Valentin
21 -0,390251 Boddington Expansion 81 -0,58825 Fozichong 141 0,325227 Mount Isa Copper 201 -0,826835 Varvarinskoye
22 -0,005019 Boliden Mill 82 -0,860734 Francisco Madero 142 -0,266003 Mount Polley 202 0,319333 Veliki Krivelj
23 0,027734 Bolivar Sierra 83 0,300326 Franke SxEw 143 0,242096 Muliashi SxEw 203 -0,954221 Voisey's Bay
24 0,316098 Buenavista del Cobre 84 0,036476 Freeport Miami Leach SxEw 144 0,885483 Mutanda 204 -0,468957 Wenshan Dulong
25 0,061432 Butte 85 0,14604 Fushun Hongtoushan 145 0,969341 Nchanga 205 0,61626 Wunugetushan
26 -0,294549 Cadia Hill 86 0,30242 Gaby 146 0,007435 Nchanga Dam Tails SxEw 206 -1,193485 Wuxian Xiaomaoshan
27 -0,829264 Cananea SxEw 87 -1,353286 Gacun 147 0,441659 Neves Corvo 207 -1,101186 Xiaotieshan
28 0,381901 Candelaria 88 -1,663951 Garpenberg 148 0,08551 New Afton 208 0,279307 Yangla
29 -0,133743 Casapalca (Americana) 89 0,89432 Gay 149 0,218648 Norilsk 209 -0,603575 Yauliyacu
30 -0,023001 Cayeli 90 0,207218 Gibraltar 150 -0,025791 Northparkes 210 0,412496 Yongping
31 0,329841 Centinela 91 0,519429 Golden Grove 151 0,442754 Ojos del Salado 211 0,438074 Zaldivar SxEw
32 0,255881 Centinela Leach 92 0,39316 Guelb Moghrein 152 0,586569 Ok Tedi 212 1,39343 Zhezkazgan
33 0,621746 Cerro Colorado SxEw 93 -0,311427 Guemassa 153 1,201631 Olympic Dam 213 0,179566 Zijinshan Mill
34 -0,344992 Cerro Corona 94 0,076057 Highland Valley Copper 154 0,481094 Palabora 214 -0,362448 Zijinshan SxEw
35 -0,162985 Cerro Lindo 95 0,555643 Hindustan Copper 155 -0,288911 Philex 215 -0,877578 Zinkgruvan
36 -0,33553 Cerro Verde I SxEw 96 -0,770548 Hongling 156 0,145756 Phu Kam 216 -0,299676 Zyryanovsk
37 0,0757 Cerro Verde Mill 97 -0,235509 Huanzala 157 0,215743 Piedras Verdes SxEw
38 0,744547 Chambishi (NFC) 98 -0,18349 Huaron 158 0,150167 Pinto Valley
39 0,450779 Chambishi Leach 99 0,223389 Jiama Exp (6-20kt/d) 159 0,768978 Polish Copper
40 -0,274009 Changba (Baiyin) 100 -1,270558 Jianchang Bajiazi 160 0,23586 Prominent Hill
41 0,104615 Chapada 101 -1,310246 Jiawula 161 1,286851 PT Freeport Indonesia
42 -0,509594 Charcas 102 -0,494588 Jinchuan 162 0,143474 Punta del Cobre
43 -0,53076 Chelopech 103 0,020744 Kanmantoo 163 0,153709 Punta del Cobre SxEw
44 -0,089709 Chengmenshan Expansion 104 0,303362 Kansanshi 164 -1,129502 Qixiashan Nanjing
45 0,243718 Chibuluma South 105 -0,419073 Kapan 165 0,144453 Quiruvilca
46 0,063491 Chino 106 1,118951 Karaganda 166 0,084823 Radomiro Tomic SxEw
47 0,245565 Chino SxEw 107 0,527802 Kaz Minerals East 167 -0,732572 Raglan
48 -0,975496 Chuqui LGS (SBL) SxEw 108 -0,196486 Kevitsa 168 -0,026856 Raura
49 0,207016 Chuquicamata 109 -0,559247 Khandiza 169 0,227153 Ray
50 0,155901 Chuxiong 110 0,454038 Kidd 170 0,259706 Ridder
51 0,026982 Cobar - CSA 111 0,506679 Kinsevere SxEw 171 0,090255 Robinson (Ely)
52 0,345388 Cobriza 112 -0,659604 Koktaus 172 -0,741566 Rosebery
53 0,31997 Collahuasi 113 1,171743 Konkola Deep Project 173 0,800418 Ruashi Etoile Phase 2
54 -0,170388 Colquijirca 114 -0,259528 La Caridad 174 -0,957656 Rubtsovsky
55 -0,998857 Colquisiri 115 -1,693047 La Caridad SxEw 175 -0,50005 Sabinas
56 0,533962 Condestable 116 0,223257 La Cascada SxEw 176 0,132058 Salobo
57 0,053184 Contonga 117 -0,35892 La Ronde 177 0,583581 Salvador
58 0,010892 Copper Mountain 118 0,737064 Lala 178 -0,33542 San Francisco
59 0,137296 Cozamin 119 0,284538 Lalor Lake 179 -0,830139 Santa Barbara
60 -0,140277 Cuajone 120 -0,073155 Langlois 180 -0,796994 Santa Francisca
90
1.1.1. Modelo III (2013 - 2015)
CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación CROSSID Effect Operación
1 0,202789 Aguas Tenidas 61 0,96564 Dahongshan 121 -0,014354 Lalor Lake 181 -1,035431 Rosebery
2 -0,088595 Aitik 62 -0,186831 DeGrussa 122 -0,341317 Langlois 182 0,924137 Ruashi Etoile Phase 2
3 -1,493635 Al Amar 63 0,800126 Dexing 123 0,069574 Las Cruces SxEw 183 -0,984456 Rubtsovsky
4 -0,066798 Aljustrel 64 -0,167722 Didipio 124 0,227422 Lomas Bayas SxEw 184 -0,355625 Sabinas
5 0,261301 Andacollo 65 -0,902506 Doe Run 125 0,320596 Los Bronces 185 0,186294 Salobo
6 -1,708481 Andaychagua 66 0,640812 Dongguashan 126 -1,074076 Los Bronces SxEw 186 0,455544 Salvador
7 0,351882 Andina 67 -0,749363 Dongshenmiao 127 0,138839 Los Pelambres 187 -0,197157 San Francisco
8 0,15567 Antamina 68 0,612929 Duobaoshan Mill 128 0,984776 Lubambe (Konkola North) 188 -0,721357 Santa Barbara
9 -0,128446 Antapaccay 69 0,532485 El Abra SxEw 129 0,066529 Luita 189 -0,967213 Santa Francisca
10 -0,072479 Ashele 70 -0,018937 El Bonce (Atacama Kozan) 130 0,992731 Luita SxEw 190 0,463303 Sarcheshmeh
11 0,01143 Assarel 71 -0,080205 El Monte 131 0,346043 Lumwana 191 0,427933 Sepon / Khanong
12 -0,729171 Atacocha 72 -0,555438 El Porvenir 132 -0,670682 Mahr Tunnel 192 0,597472 Shituru
13 0,533371 Atlas 73 0,386794 El Soldado 133 0,375253 Manto Verde SxEw 193 -0,534397 Silver Bell SxEw
14 -0,129535 Austria Duvaz 74 0,155934 El Teniente 134 0,270794 Mantos Blancos 194 -0,223948 Sin Quyen
15 -0,079545 Bagdad 75 -1,962595 El Teniente SxEw 135 0,721502 Mantos Blancos Vat Leach 195 0,252145 Sossego
16 1,117263 Balkhash 76 0,172291 Erdenet 136 -1,370044 Miaogou 196 -0,101973 Spence SxEw
17 0,679705 Batu Hijau 77 0,236576 Ernest Henry 137 0,197999 Miduk 197 0,576293 Sungun
18 0,569966 Bingham Canyon 78 0,397212 Escondida 138 0,937753 Miheevskoye 198 -0,036222 Tayahua
19 0,004873 Bisha 79 0,061608 Escondida Oxide Leach 139 0,695474 Milpillas SxEw 199 -0,52952 Telfer
20 -0,346766 Bismark 80 -0,023906 Falconbridge Nickel Ops 140 0,267538 Mina Ministro Hales 200 0,783385 Tenke Fungurume SxEw
21 -0,087319 Black Mountain 81 0,141283 FNX Sudbury JV 141 0,081115 Mission 201 -1,082617 Tizapa
22 -0,434816 Boddington Expansion 82 -0,538437 Fozichong 142 -0,124537 Morenci 202 -0,371253 Tonglvshan
23 -0,213187 Boliden Mill 83 -0,936965 Francisco Madero 143 0,694744 Morenci SxEw 203 0,045135 Toquepala
24 0,444494 Buenavista del Cobre 84 0,390438 Franke SxEw 144 0,038333 Morococha 204 -0,666659 Toquepala SxEw
25 -0,01621 Butte 85 -0,063611 Freeport Miami Leach SxEw 145 0,133845 Mount Isa Copper 205 -0,23853 Triple Seven
26 -0,640168 Cadia Hill 86 0,6942 Frontier Restart 146 0,469881 Mount Milligan 206 0,131409 Tyrone SxEw
27 -0,875389 Cananea SxEw 87 0,314418 Fushun Hongtoushan 147 -0,599175 Mount Polley 207 0,814716 Uchal
28 0,281339 Candelaria 88 0,356092 Gaby 148 0,497213 Muliashi SxEw 208 0,303449 Vale Sudbury
29 -0,025339 Casapalca (Americana) 89 -1,174233 Gacun 149 0,989587 Mutanda 209 -0,728036 Valentin
30 -1,207793 Caserones SxEw 90 -1,819233 Garpenberg 150 0,943541 Nchanga 210 -0,831698 Varvarinskoye
31 -0,10462 Cayeli 91 1,021415 Gay 151 0,095515 Nchanga Dam Tails SxEw 211 -0,851972 Velardena
32 0,454427 Centinela 92 0,131707 Gibraltar 152 0,43162 Neves Corvo 212 0,544632 Veliki Krivelj
33 0,402954 Centinela Leach 93 0,273541 Golden Grove 153 -0,260065 New Afton 213 -0,960791 Voisey's Bay
34 0,296292 Cerro Colorado SxEw 94 0,534224 Guelb Moghrein 154 0,169403 Norilsk 214 -0,135401 Wenshan Dulong
35 -0,239358 Cerro Corona 95 -0,384877 Guemassa 155 -0,462516 Northparkes 215 0,816711 Wunugetushan
36 -0,163227 Cerro Lindo 96 0,01599 Highland Valley Copper 156 0,215943 Ojos del Salado 216 -1,039212 Wuxian Xiaomaoshan
37 0,175096 Cerro Verde I SxEw 97 0,499022 Hindustan Copper 157 0,634729 Ok Tedi 217 -1,056284 Xiaotieshan
38 0,253046 Cerro Verde Mill 98 -0,694507 Hongling 158 0,870939 Olympic Dam 218 0,393673 Yangla
39 0,825173 Chambishi (NFC) 99 -0,325383 Huanzala 159 0,527762 Oyu Tolgoi 219 -0,565239 Yauliyacu
40 0,586352 Chambishi Leach 100 -0,024313 Huaron 160 0,406276 Palabora 220 0,492566 Yongping
41 -0,292707 Changba (Baiyin) 101 0,53234 Jiama Exp (6-20kt/d) 161 -0,353055 Philex 221 0,473942 Zaldivar SxEw
42 0,245696 Chapada 102 -1,070089 Jianchang Bajiazi 162 -0,816951 Phoenix (Battle Mountain) 222 1,54282 Zhezkazgan
43 -0,382055 Charcas 103 -1,237817 Jiawula 163 -0,820781 Phoenix SxEw 223 0,391947 Zijinshan Mill
44 -0,495452 Chelopech 104 -0,335591 Jinchuan 164 0,304515 Phu Kam 224 0,001429 Zijinshan SxEw
45 0,170845 Chengmenshan Expansion 105 -0,080028 Kanmantoo 165 0,319298 Piedras Verdes SxEw 225 -0,922268 Zinkgruvan
46 0,274574 Chibuluma South 106 0,437426 Kansanshi 166 0,007022 Pinto Valley 226 -0,192109 Zyryanovsk
47 -0,063619 Chino 107 -0,391481 Kapan 167 0,904312 Polish Copper
48 -0,958251 Chuqui LGS (SBL) SxEw 108 1,251987 Karaganda 168 0,037532 Prominent Hill
49 0,299262 Chuquicamata 109 0,636696 Kaz Minerals East 169 1,038729 PT Freeport Indonesia
50 0,293612 Chuxiong 110 -0,345147 Kevitsa 170 0,104615 Punta del Cobre
51 -0,066298 Cobar - CSA 111 -0,536794 Khandiza 171 0,044519 Punta del Cobre SxEw
52 0,488055 Cobriza 112 0,263267 Kidd 172 -1,032956 Qixiashan Nanjing
53 0,252054 Collahuasi 113 0,648017 Kinsevere SxEw 173 0,125474 Quiruvilca
54 -0,063557 Colquijirca 114 -0,537652 Koktaus 174 0,126332 Radomiro Tomic PhII Mill
55 -1,000278 Colquisiri 115 1,096211 Konkola Deep Project 175 0,247841 Radomiro Tomic SxEw
56 0,614232 Condestable 116 -0,048764 La Caridad 176 -0,84652 Raglan
57 -0,001321 Contonga 117 -1,600219 La Caridad SxEw 177 -0,045861 Raura
58 -0,08513 Copper Mountain 118 0,147495 La Cascada SxEw 178 0,273942 Ray
59 0,136347 Cozamin 119 -0,578616 La Ronde 179 0,191387 Ridder
60 0,04909 Cuajone 120 0,873497 Lala 180 -0,017517 Robinson (Ely)
91
7. Bibliografía
i
Manuel Arellano, Olympia Bover, 1990. La econometría de datos de panel, London School of Economics. 45p.
ii
Wood Mackenzie, Manual Técnico de Enero 2017.
iii
Goldman Sachs, “Cost deflation”. 9 de Septiembre de 2013.
iv
Varian, Economía Intermedia, Un enfoque Actual.
v
Software Eviews 8.0, manual de ayuda.
vi
John T. Cuddington y Daniel Jerrett, Super Cycles in Real Metals Prices?, 2008. Fondo Monetario Internacional.
vii
Información sacada de presentación de Presidente Ejecutivo de Codelco en MINNOVEX, 15 de Marzo 2017.
92