Ingeniare.

Revista chilena de ingeniería

Localización óptima de pilas de mineral a granel para minimizar la distancia

total de transporte

Optimal bulk mineral stockpile location to minimize the total transportation distance

Alexis Gómez1 Karen Molina2 Lizandro Barahona3 Juan Pablo Riquelme4

RESUMEN

En este trabajo se presenta el problema de apilamiento de mineral a granel para su posterior traslado a
los puntos de alimentación de una empresa generadora de energía. Un conjunto de cargadores frontales
se utiliza para transportar el mineral desde las pilas de almacenamiento hasta las tolvas de alimentación.
La demanda diaria del cliente se compone de un tonelaje que debe contener una mezcla de distintos
tipos de mineral. Debido a que cada pila contiene un tipo de mineral con diferentes características, es
preciso realizar el recorrido desde más de una pila hasta alguno de los puntos de alimentación. Los
vehículos de carga tienen una capacidad límite, por lo que es necesario realizar el recorrido pila-
alimentador en más de una ocasión. Se elaboró un modelo de programación entera mixta cuyo objetivo
es minimizar la distancia total recorrida por los vehículos dada una demanda diaria conocida. El modelo
fue codificado y resuelto utilizando Cplex OPL. El resultado de este modelo indica la localización de
cada tipo de mineral dentro de la cancha de acopio, así como el recorrido diario que debe hacer cada
cargador frontal dentro de un horizonte de tiempo. Se muestran diversos escenarios que indican el
tamaño máximo del problema que se puede resolver de manera óptima.

Palabras clave: Apilamiento de mineral, transporte, localización.

ABSTRACT

The problem presented in this article is an application of the bulk mineral stockpiling and transportation
problem. A set of front-end loaders is used to transport different types of mineral stock in different
locations all the way to the discharge sites. Customer’s daily demand requires a mixture of more than
one type of mineral. Vehicles travel to and from multiple piles every day in order to collect the required
mix. Due to the loaders’ limited capacity, they repeat the same route until the required quantity of
mineral is transported. A mixed integer program was developed to minimize the total distance traveled
by the set of vehicles given a known daily demand. The model was coded and solved using Cplex OPL.
The result shows the optimal location for each type of coal and the daily routes for each vehicle within
a time horizon. Several scenarios were tested to determine the size of the problem that can be solved to
optimality.

Keywords: Bulk mineral stockpile problem, bulk transport, stockpile location.

1
Departamento de Ingeniería Industrial. Universidad Católica del Norte. Av. Angamos 0610, CP 1240000. Antofagasta, Chile.
agomezh26@gmail.com
2
Departamento de Ingeniería Industrial. Universidad Católica del Norte. Av. Angamos 0610, CP 1240000. Antofagasta, Chile.
karen.molinap@gmail.com
3
Departamento de Ingeniería Industrial. Universidad Católica del Norte. Av. Angamos 0610, CP 1240000. Antofagasta, Chile.
lizandro.barahona@gmail.com
4
Departamento de Ingeniería Industrial. Universidad Católica del Norte. Av. Angamos 0610, CP 1240000. Antofagasta, Chile.
jriquelme@ucn.cl. Corresponding author. riquelme.rodriguez.jp@gmail.com
Ingeniare. Revista chilena de ingeniería
INTRODUCCIÓN
Este trabajo examina el problema de la localización
de pilas de mineral a granel en el patio de
almacenamiento portuario, así como el transporte
de este recurso hasta los puntos de abastecimiento
del cliente. El mineral a granel es descargado de un
barco y transportado mediante una banda
transportadora hasta el patio para ser almacenado
temporalmente. El proceso de almacenaje de
mineral consta de dos pasos [6]. Durante el primer
paso, se utiliza un apilador para colocar el mineral
en el espacio seleccionado. Dependiendo de la
cantidad y características del mineral, este espacio
difiere en dimensiones y posición dentro del patio.
El segundo paso consiste en utilizar un sistema de
recuperación que remueve el mineral de las pilas y
lo coloca en un punto de alimentación. Un conjunto
de vehículos de carga transportan el mineral hasta
una serie de tolvas fijas colocadas dentro del patio.
Finalmente, un sistema de bandas transportadoras
conduce el mineral hacia el cliente. Se reciben
distintos tipos de mineral que deben colocarse en
espacios separados para evitar mezclarse. La
demanda del cliente consiste en una combinación
de distintos tipos de mineral. Para lograr una
mezcla adecuada, es necesario obtener la cantidad
exacta de mineral desde diferentes pilas y
transportarlo hasta los puntos de alimentación. El
proceso de mezclado se realiza en las instalaciones
del cliente después de recibir el mineral mediante
las bandas transportadoras.
El problema de administración de patios de
almacenamiento (Storage Yard Allocation
Problem) se ha tratado extensamente en la
literatura para el caso de terminales portuarias de
contenedores. Una revisión de los trabajos
realizados en esta área de la investigación de
operaciones se encuentra en [3]. Por el contrario,
se encuentran pocos artículos que tratan el
problema para el caso del terminal de material a
granel. Los artículos encontrados en la literatura se
pueden agrupar en dos áreas principales. En el
primer caso, se busca la localización óptima de
pilas de mineral para minimizar el tiempo de
anclaje de los barcos en la terminal portuaria. Este
problema es conocido como problema de
asignación de muelles de anclaje, en inglés, Berth
Allocation Problem (BAP). En el segundo caso, se
busca la localización óptima de las pilas de mineral
dentro de los patios para reducir el costo de
transporte de éste hacia los clientes. Ambos casos
se relacionan con el problema a tratar en este
artículo en cuanto a que se busca la localización
óptima de mineral a granel dentro de un patio de
almacenamiento. El objetivo y las restricciones
dependen de cada caso específico, pero se pueden
agrupar en asignar puntos de anclaje, decidir
respecto a la carga y descarga de material, localizar
un lugar para el apilamiento y transferir el material
mediante transporte intermodal [11]. Un ejemplo
de integración entre almacenaje a granel y
asignación de barcos se puede encontrar en [10].
La importancia de la localización de pilas de
mineral dentro de un patio para programar la
ubicación óptima de navíos fue resaltada por [4]
para el caso del puerto de Newcastle en Australia.
El problema de programación de óptima de
recuperadores fue analizado por [2].
Posteriormente, en [8] se estableció la complejidad
del problema de programación de recuperadores.
Los autores en [6] elaboraron un modelo bi-
objetivo de programación de apiladores y
recuperadores para reducir el retraso debido al
flujo continuo de mineral así como minimizar el
tiempo de permanencia del mineral en el patio. En
[7] Estudiaron el caso de un sistema de apilador-
reclamador para el manejo de pilas de mineral de
hierro proveniente de los barcos que es apilado en
el patio y posteriormente colocado en barcazas
cuyos tiempos de llegada y salida difieren del
tiempo de llegada de los barcos. El objetivo es
minimizar el tiempo de la última tarea de carga o
descarga de mineral.
El problema que se aborda en este artículo consiste
en localizar el espacio dentro del patio en el que se
almacenará el mineral a granel. Se asume que el
punto de anclaje de los barcos ya está establecido.
Lo más parecido a la problemática que se aborda
en este artículo y que se ha encontrado en la
literatura es lo presentado en [5], [9], y [1]. En [5],
Los agentes de la cadena son las minas, los patios
de acopio y los clientes. Los autores elaboraron un
modelo de programación lineal multi-objetivo para
encontrar la cantidad y mezcla óptima de distintos
tipos de carbón para suministrar a un productor de
combustible. El mineral proveniente de diferentes
minas es mezclado y después apilado en alguno de
los patios disponibles para su posterior uso por los
clientes. Entre los objetivos del estudio estaba el
minimizar el porcentaje de impurezas, así como
lograr un balance en la distribución de mineral
dentro del patio. Los autores propusieron un
algoritmo de recocido simulado para tratar

instancias de gran tamaño del problema. Por otro
lado, [9] y [1] modelaron el proceso de
almacenamiento de mineral de hierro y carbón que
son transportados mediante una compleja red de
bandas transportadoras hacia un conjunto de
acereras. La diferencia entre ambos es que el
primero muestra el estudio para la planificación
táctica a mediano plazo, mientras que el segundo
muestra la planificación operativa diaria. Los
autores en [9], proponen un modelo de
programación entera que encuentra la localización
óptima de las pilas de almacenaje tomando en
cuenta restricciones sobre el tipo de material, la
geometría y separación de las pilas y la cantidad
máxima a almacenar. Los autores en [1] proponen
un modelo de programación entera que encuentra
la localización óptima de mineral dentro de un
patio para minimizar tanto la distancia recorrida
por el mineral en las bandas transportadoras, como
la penalización por no entregar el mineral a tiempo
a los clientes. El modelo matemático toma en
cuenta los niveles de mineral tanto en las pilas del
patio, como el remanente en los barcos anclados en
los espacios de anclaje. De la misma manera, el
modelo debe encontrar la ruta en el sistema de
bandas transportadoras que evite la colisión entre
distintos tipos de mineral y entre el mineral
suministrado a los clientes.
El modelo matemático presentado en este artículo
es similar al de [1] en cuanto a que modela
decisiones a nivel operativo (cada día). Sin
embargo, difiere en que el objetivo es reducir la
distancia recorrida por los vehículos de transporte
de mineral, que es el paso intermedio omitido por
los autores. El aporte de este trabajo es un modelo
matemático para la operación diaria de un patio de
acopio de mineral.
ANÁLISIS TEÓRICO
El patio de almacenaje de mineral cuenta con Np
espacios para colocar mineral a granel. Una
cantidad de mineral es descargada de un barco y
transportada a un espacio disponible. Se cuenta
con NM tipos de mineral para colocar en los
espacios en el patio. Dos tipos distintos de
mineral no se pueden mezclar, por lo que el
mineral que llega se debe colocar en un espacio
vacío, o bien en uno en donde se encuentre el
mismo tipo de mineral. Existen, sin embargo un
Apellido de los autores: Título del artículo
conjunto Ω de pares de espacios designados para
colocar el mismo tipo de mineral (j,j’) donde
𝑗, 𝑗′ ∈ {1, … , 𝑁𝑝 } 𝑦 𝑗′ ≠ 𝑗 Dentro del patio se
encuentra una cantidad Nv de tolvas que son los
puntos de abastecimiento para el cliente. La
distancia del punto medio del espacio de
almacenamiento 𝑗 ∈ {1, … , 𝑁𝑝 } a la tolva 𝑧 ∈
{1, … , 𝑁𝑣 } se denota como Djz. El horizonte de
tiempo en el que se hace el estudio está dividido
en NT periodos de la misma duración. En cada
periodo 𝑡 ∈ {1, … , 𝑁𝑇 } se tiene una cantidad de
mineral tipo 𝑖 ∈ {1, … , 𝑁𝑀 } que llega al patio
proveniente de los barcos que se denota como Oit
(oferta) y una demanda Kit solicitada por el
cliente. El un modelo de programación lineal
propuesto considera tanto el arribo del mineral
como el abastecimiento de éste en forma de flujos
(toneladas de mineral) movidas durante un
periodo de tiempo específico. Un número Nw de
cargadores frontales se utiliza para transportar el
mineral desde las pilas hasta alguna de las tolvas.
Cada cargador 𝑤 ∈ {1, … , 𝑁𝑊 } tiene una
capacidad Cw. Si la cantidad a transportar excede
esta capacidad, el cargador deberá realizar el
recorrido en más de una ocasión. Se asume que la
cantidad total de oferta y demanda llega y sale del
patio respectivamente, por lo que no hay costo de
penalización por demanda no cumplida.
El modelo permite mejorar el programa de
descarga de naves localizando las pilas de mineral
acorde a su demanda; es decir, colocar aquellas
que sean más solicitadas por el cliente en
posiciones más cercanas a las tolvas, de modo que
la distancia total que deban recorrer los
cargadores frontales desde las pilas hacia los
alimentadores sea mínima. La formulación
matemática de esta solución posibilita que los
equipos no transiten grandes distancias
innecesariamente dada la estrategia en el
posicionamiento de las pilas. Para lograr dicho
objetivo, es necesario sectorizar la cancha de
acopio de mineral, identificando de forma fija los
perímetros donde se podría descargar el mineral y
delimitando siempre los espacios y caminos
necesarios para el traslado de los equipos al
interior del área.
Subíndices
i: tipos de mineral.
3
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx
i’: subíndice auxiliar para tipos de mineral.
j: espacios o posiciones delimitados para el
apilamiento del mineral de llegada.
j’: subíndice auxiliar para posición de cada pila.
t: periodos que forman el horizonte de tiempo.
w: cargadores frontales.
z: tolvas o alimentadores.
Variables de decisión
Figura 1. Funcionamiento del modelo aplicado al
sistema.
El esquema mostrado en la Figura 1 indica las
variables involucradas en el flujo de material
desde la llegada, apilamiento y abastecimiento a
los alimentadores.
Xijt Son las toneladas de mineral tipo i a dejar en
la pila j provenientes del barco en el periodo t.
δijt =1 si el mineral tipo i es colocado en la pila
j en el periodo t, 0 de otro modo.
Lijt Son las toneladas de mineral tipo i que se
encuentran en la pila j en el periodo t.
βijt =1 si el mineral tipo i está en la pila j en el
periodo t, 0 de otro modo.
reclijtwz Son las toneladas de mineral tipo i a
transportar desde la pila j en el periodo t con el
cargador w, hacia la tolva z.
γijtwz = 1 si el mineral tipo i es movido desde la
pila j en el periodo t con el cargador w hacia la
tolva z, 0 de otro modo.
εitz = 1 si el mineral tipo i es movido hacia la tolva
z en el periodo t, 0 de otro modo.
𝛉jj'tw= 1 si se recorre la distancia desde el punto
medio de la pila j hasta el punto medio de la pila
4
j’, 𝑗 ≠ 𝑗′, por el cargador w en el periodo t, 0 de
otra forma.
Parámetros
Iij Es la cantidad inicial de mineral tipo i en la pila
j.
Ft Es la cantidad máxima de toneladas que el
apilador puede acarrear en el periodo t.
Qj Es la capacidad (en toneladas) de la pila j.
Cw Es la capacidad (en toneladas) del cargador
frontal w.
Kmt Es la distancia máxima que los cargadores
frontales pueden recorrer en un periodo t.
Djz Es la distancia entre el punto medio de la pila
j y la tolva z.
DPjj' Es la distancia entre el punto medio de la pila
j y el punto medio de la pila j’.
Oit Son las toneladas de mineral tipo i que entran
al patio en el periodo t.
Kit Son las toneladas de demanda del mineral tipo
i en el periodo t.
Función Objetivo
Minimizar
NM Np NT NV NW
reclijtwz
2* ∑ ∑ ∑ ∑ ∑ *Djz
Cw
i=1 j=1 t=1 z=1 w=1
Np NT NW
+ ∑ ∑ ∑ ∑ θjj'tw *DPjj'
j=1 j′≠j t=1 w=1
(1)
La Función Objetivo (1) minimiza la distancia
total recorrida por los cargadores frontales al
interior de una cancha de acopio desde las pilas
hacia los alimentadores y entre pilas durante un
tiempo determinado. Para ello, se calculó la
cantidad de viajes que hizo cada equipo con la
𝑟𝑒𝑐𝑙𝑖𝑗𝑡𝑤𝑧
expresión 𝐶𝑤 , donde el numerador indica el
tonelaje total transportado hacia las tolvas en un
intervalo de tiempo determinado; mientras que el
denominador es la capacidad (toneladas) que
puede acarrear el balde de cada cargador para un
trayecto pila-tolva. El resultado de esta expresión,
es decir la cantidad de viajes, se multiplica por el
parámetro distancia pila-tolva (𝐷𝑗𝑧 ) y de esta
manera se obtiene la distancia total que recorrió
el equipo respectivo. Con la sumatoria, se obtiene
 Apellido de los autores: Título del artículo

𝑁𝑀 𝑁𝑊
la distancia total recorrida por todos los
cargadores que participaron en la alimentación ∑ ∑ γijtwz ≤1 Ɐ j, t,z (15)
del mineral hacia el cliente para el cumplimiento 𝑖=1 𝑤=1
de la demanda. Cabe resaltar que la Función
𝑁𝑊 𝑁𝑉
Objetivo está multiplicada por 2, dada la ida y
vuelta que deben recorrer los equipos en el ∑ ∑ γijtwz + ∑ δnjt ≤ 1 Ɐ i,j,t (16)

abastecido. 𝑤=1 𝑧=1 n=i'

𝑁𝑀 𝑁𝑉 𝑁𝑀 𝑁𝑉

Además, y mediante el segundo componente de la ∑ ∑ γijtwz + ∑ ∑ γij'twz ≤ θjj' tw + 1

función objetivo, se calculó la distancia que 𝑖=1 𝑧=1 𝑖=1 𝑧=1
recorrieron los vehículos en caso de que tengan Ɐ j,j ,t,w / j' ≠j
' (17)
que cargar más de un tipo de mineral.
𝑁𝑝 (18)

Restricciones ∑ 𝑋𝑖𝑗𝑡 =Oit Ɐ i, t

𝑗=1
𝑁𝑊 𝑁𝑉
𝑁𝑉 𝑁𝑊 𝑁𝑝 (19)
Lij t =Lijt-1 + Xijt - ∑ ∑ reclijtwz ∑ ∑ ∑ reclijtwz =Kit Ɐ i,t
𝑤=1 𝑧=1
𝑧=1 𝑤=1 𝑗=1
Ɐ i, j, t∈{2, …,𝑁𝑇 } (2)
Xijt , Lijt ≥0 Ɐ i, j, t (20)
Lij1 =Iij Ɐ i,j (3)
reclijtwz ≥0 Ɐ i, j, t, w, z (21)
𝑁𝑀 𝑁𝑝

∑ ∑ Xijt ≤ Ft Ɐt (4)
δijt , βijt ∈ {0,1} Ɐ i, j, t (22)
𝑖=1 𝑗=1

Lijt ≤ Qj *βijt Ɐ i,j,t (5) γijtwz ∈ {0,1} Ɐ i, j, t, w, z (23)

Xijt ≤ Ft *βijt Ɐ i,j,t (6)

εitz ∈ {0,1} Ɐ j, t, z (24)

Xijt ≤ Ft *δijt Ɐ i,j,t (7)

𝑁𝑀 𝜽jj'tw ∈ {0,1} Ɐ j, j', t, w (25)

∑ βijt ≤ 1 Ɐ j,t (8)

𝑖=1 El conjunto de restricciones del modelo se
encuentra separado en dos etapas: la descarga del
Lijt-1 ≥ Q𝑗 * δij't Ɐ i,t∈{2, …,𝑁𝑇 },(j,j')∈Ω (9)
mineral en cancha (restricciones 2 a 8) y el
𝑁𝑊 𝑁𝑉 abastecimiento al cliente (restricciones 9 a 18). La
∑ ∑ reclijtwz ≤ Lijt-1 +Xijt Ɐ i,j,t (10) importancia del primer bloque radica en el
𝑤=1 𝑧=1 posicionamiento estratégico de las pilas a lo largo
𝑁𝑀 𝑁𝑝 𝑁𝑉 de la cancha; mientras que la segunda, sujeta al
orden inicial de apilamiento, está en abastecer por
∑ ∑ ∑ Djz ∗ γijtwz el recorrido más corto desde la pila respectiva
𝑖=1 𝑗=1 𝑧=1 hacia la tolva o alimentador mediante los
Np
cargadores frontales.
+ ∑ ∑ θjj'tw * DPjj' ≤ Kmt Ɐ w, t (11)
j=1 j′≠j Para definir el nivel de cada pila al final de cada
reclijtwz ≤ Qj * γijtwz Ɐ i, j,t, w,z (12)
periodo (𝑳𝒊𝒋𝒕 ), se establece una restricción de
𝑁𝑝 𝑁𝑊 balance de inventario (2), donde esta última
∑ ∑ γijtwz ≤ εitz *j Ɐ i, t, z (13) queda sujeta a las toneladas de mineral que hayan
𝑗=1 𝑤=1 quedado al final del periodo anterior (𝑳𝒊𝒋𝒕−𝟏 ), más
𝑁𝑀 lo que llegó el mismo periodo (𝑿𝒊𝒋𝒕 ) y restando
∑ εitz ≤1 Ɐ t, z (14) aquello que se esté sacando para cumplir con la
𝑖=1 demanda (𝒓𝒆𝒄𝒍𝒊𝒋𝒕𝒘𝒛 ). Es importante considerar

5
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx
que esta restricción se aplica para cada tipo de
mineral, pila y periodo de tiempo. El conjunto de
restricciones (3) indica el inventario en el primer
periodo, t=1.
Las restricciones (4) permiten respetar la
capacidad del stacker, mientras que las
restricciones (5) aseguran que no se supere la
capacidad de cada pila. Las primeras están dadas
por el tonelaje máximo del mineral que soportaría
el stacker por periodo de tiempo, mientras que las
segundas se definieron como el tonelaje (en base
al tonelaje máximo proveniente de la nave)
máximo que puede haber en una pila para un tipo
de mineral i y en cada tiempo t. En esta última, se
incluyó además la variable binaria 𝜷𝒊𝒋𝒕 que
faculta identificar dentro del modelo qué pila se
está utilizando, con cuál tipo de mineral y qué
periodo de tiempo; es decir, asegura que cuando
el mineral tipo i se encuentra en la pila j en algún
tiempo t, la binaria tome el valor de 1. Las
restricciones (6) evitan que se descarguen
distintos tipos de mineral en la misma pila. Las
restricciones (7) permiten identificar qué tipo de
mineral se está descargando, en qué pila y durante
qué periodo de tiempo. Por otro lado, el conjunto
de restricciones (8) previene que dos tipos de
mineral se mezclen en una sola pila; es decir, en
un periodo, sólo puede haber un tipo de mineral
en una pila dada (o ninguno en su defecto). El
conjunto de restricciones (9), se aplican según los
requerimientos operacionales y permiten que el
sistema de descarga de mineral sólo ocupe la
posición j’ cuando la pila j se encuentra en su
capacidad máxima. El mismo tipo de mineral se
encuentra en j y en j’. El par de pilas (j,j’) forma
parte del conjunto predefinido Ω.
Una vez apilado el mineral respectivo, las
restricciones (10) señalan que el abastecimiento
total hecho por los cargadores hacia las tolvas
para cada tipo de mineral i desde una pila j en un
periodo t (𝒓𝒆𝒄𝒍𝒊𝒋𝒕𝒘𝒛 ), debe ser menor a lo que
disponía en dicha pila al final del periodo anterior,
sumado a lo que llegó al final del presente tiempo
(𝑳𝒊𝒋𝒕−𝟏 + 𝑿𝒊𝒋𝒕 ). Las restricciones (11) no permiten
que cada cargador recorra una distancia en cancha
mayor a la permitida en el periodo t. El parámetro
Kmt se estimó mediante la expresión (26).
6
2𝐴
𝐾𝑚𝑡 ≥ ∀𝑡
1 1 (26)
+
𝑣 𝑣′
Donde A es la duración del proceso de
abastecimiento en el periodo t, mientras que v y
v’ son las velocidades a las que el cargador debe
viajar cuando se encuentra lleno y vacío
respectivamente.
El conjunto de restricciones (12) define la
variable binaria 𝜸𝒊𝒋𝒕𝒘𝒛 determinando si un
cargador frontal w está transportando cierto
mineral tipo i desde una pila j hacia una tolva z en
algún periodo t. Las restricciones (13) y (14)
aseguran que cada tolva reciba únicamente un
tipo de mineral para un mismo periodo. El primer
grupo de restricciones permite identificar si algún
alimentador z durante un periodo de tiempo está
recibiendo un mineral tipo i; mientras que el
segundo conjunto de restricciones faculta al
modelo seleccionar sólo un tipo de mineral dentro
de los posibles a alimentar. Por otro lado, las
restricciones (15) evitan obtener dos tipos de
mineral desde una misma pila.
Las restricciones (16) permiten que una pila
puede ser usada exclusivamente para descargar o
alimentar, pero no ambos procesos en el mismo
periodo de tiempo. La variable 𝜸𝒊𝒋𝒕𝒘𝒛 se involucra
directamente en la operación simultánea de
descarga y abastecimiento, evitando de esta forma
que cuando se esté transportando un tipo de
mineral desde una pila hacia un alimentador en un
periodo de tiempo t, se descargue mineral
también en dicha posición. Operacionalmente,
cuando el número de tipos de mineral solicitado
por el cliente sea mayor al número de cargadores
frontales durante un periodo de tiempo t, se
requeriría utilizar un equipo en más de un tramo
pila – tolva, por ende, se precisa considerar dicha
distancia recorrida en la formulación del modelo
mediante el conjunto de restricciones (17), que
activan a la variable binaria 𝜽𝒋𝒋′ 𝒕𝒘 . Las
ecuaciones (18) y (19) corresponden al balance de
oferta y demanda respectivamente; es decir, todo
el mineral (para cada tipo) que llega debe ser
descargado y apilado al interior de la cancha en
alguna de las posiciones definidas, mientras que
todas las toneladas de mineral (para cada tipo)
solicitadas por el cliente deben ser abastecidas en
su totalidad, en cada periodo de tiempo t.
 Apellido de los autores: Título del artículo

Finalmente las restricciones (20) a (25) definen la
naturaleza de las variables.
RESULTADOS
Verificación del modelo matemático
En esta sección se mostrarán los experimentos
realizados para determinar el alcance del modelo
matemático.
Se realizó una simulación simplificada de la
cancha del cliente con el objetivo de comprobar si
el modelo representa adecuadamente las
funciones que se realizan. La Figura 2 muestra
una representación reducida del sistema con Np=4
y Nv=2. El resto de los parámetros fueron
modificados en el transcurso de la simulación.
Figura 2. Representación del sistema utilizado
para la verificación del modelo.
El análisis verificó el cumplimiento de los
siguientes puntos:
 En una pila puede haber sólo un tipo de
mineral para cualquier periodo de
tiempo.
 El mineral más demandado debe de ser
posicionado en la combinación
posición/tolva que resulte en la menor
distancia total.
25300 toneladas para todos los periodos de tiempo.
Se estableció Cw=6 toneladas para todos los
vehículos de carga. Para cada escenario de prueba
se utilizaron datos ficticios tanto para llegada (Oit)
y demanda de mineral (Kit), como para el conjunto
de distancias entre los espacios de almacenamiento
y los puntos de alimentación (Djz) y el conjunto de
distancias entre los puntos de almacenamiento
(Djj’) respetando el acuerdo de confidencialidad
con la empresa colaboradora para este proyecto.
El modelo fue codificado en Cplex OPL y
ejecutado en un computador [ASUS, i7 5500U, 2.4
Ghz, 8GB RAM]
Caso 1
En la primera evaluación se modificaron tanto NM
como Np. Se mantuvo NT=31 días, NW=2
vehículos y NV= 4 puntos de alimentación. La
primera columna de la Tabla 1 indica el número
del escenario utilizado. El término “Real” indica
que tanto NM como Np son datos observados en la
realidad. Las columnas 2 a la 6 de la Tabla 1
indican los parámetros del modelo que se
cambiaron para este experimento. La séptima
columna indica la cantidad de variables del
modelo matemático para cada escenario. La
octava columna indica el tiempo de ejecución de
cada escenario. Finalmente, la novena columna
de la Tabla 1 indica si se obtuvo o no la solución
óptima. En caso de no obtener la solución óptima
en el tiempo indicado, se escribe la calidad de la
solución en términos del porcentaje entre la mejor
solución encontrada y el límite inferior (GAP).
Tabla 1. Resultados de los tiempos de ejecución
obtenidos por el modelo, para escenarios
con diferente cantidad de minerales y
posiciones para apilamiento.
Ejecución [s]
Escenario

Variables
Cantidad

 No se puede extraer mineral tipo i de una

Tiempo

Óptimo

pila vacía, o en su defecto que tenga de NM Np NT NW NV

otro tipo.
 El mineral de la pila j debe ser Real 8 9 31 2 4 50.654 24 SI
alimentado hacia la tolva z más SI
2 10 13 31 2 4 92.318 25
conveniente, en base a la matriz de
3 11 13 31 2 4 100.502 27 SI
distancia proporcionada, resultando en
la menor distancia total. 4 12 13 31 2 4 108.686 29 SI

Para los siguientes experimentos se cambiaron Np, La cantidad de tipos de mineral es resultado del
NT, NV, NM y NW. Se fijó Kmt=125 Km y Ft= mineral que será descargados en cancha durante

7
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx

el periodo evaluado (Oit ) más los tipos de mineral
que ya se encuentran apilados en ella (Iij ). En este
caso, la llegada de mineral consiste en solamente
1 tipo de mineral en todos los escenarios
calculados variando sólo el mineral inicial. Por
otro lado, los diferentes tipos de mineral que
componen la mezcla abastecida a la empresa
generadora de energía también permanece
constante.
Caso 2
A diferencia del caso anterior, en estos
experimentos permanecen contantes NM=7 tipos
de mineral, NT=31 días y Np=9 espacios de
almacenamiento o pilas para cuatro de los
escenarios estudiados. Se modifican tanto NW
como NV. La Tabla 2 muestra los cambios en los
parámetros, el número de variables debido a estos
cambios, el tiempo de ejecución del modelo y si
se obtuvo o no la solución óptima.
Tabla 2. Resultados de los tiempos de ejecución
obtenidos al modelo, para escenarios con
diferente cantidad de cargadores
frontales y tolvas de alimentación.
Ejecución [s]
Escenario
1. Se modificaron tanto el número de tipos de
mineral de llegada (Oit ) y de abastecimiento
(Kit ). Al aumentar el número de tipos de mineral
de demanda, pero manteniendo NW=2, se hace
necesario que alguno de los vehículos recorra la
distancia entre pilas Djj’, aumentando la
complejidad del escenario. Básicamente la
diferencia está en la composición de la descarga
y abastecimiento de carbón. Por ejemplo, en el
caso 1 se descargaba a lo más dos tipos de carbón
simultáneamente; en cambio, en el caso 3, se
saturó la descarga de hasta 8 descargas
simultáneas por periodo pero de poco tonelaje,
siempre y cuando no se sobrecargase el tonelaje
diario de descarga permitido. Por otro lado, el
abastecido, se mantuvo constante a dos tipos de
carbones. La saturación del modelo, en
comparación al caso 1, está en que en el caso 3 la
decisión de asignar carbones en la fase de
descarga se hace mucho más compleja al tener
una mayor cantidad de variables en cada periodo
t. Lo mismo se hizo después para un caso con
i=12. Ambos casos no llegaron al óptimo durante
las horas de ejecución, a diferencia de lo
encontrado al caso 1; por ende se concluyó que la
configuración de la descarga y abastecido afecta
considerablemente la obtención de una solución
óptima por parte del modelo.⁠⁠ La Tabla 3 muestra

Variables

los resultados de esta modificación. El tiempo de

Cantidad

Tiempo

Óptimo

NM Np NT NW NV ejecución se fijó en 2 horas, sin embargo no se

obtuvo la solución óptima para estos dos
escenarios.
SI
Real 7 9 31 2 4 44.950 97 Tabla 3. Resultados de los tiempos de ejecución
A 7 9 31 2 5 52.979 228 SI obtenidos al modelo, para escenarios con
SI
diferente configuración de
B 7 9 31 3 5 75.020 23 abastecimiento.
SI
C 7 9 31 4 5 97.061 24
GAP:
ejecución [s]
Escenario

Variables
Cantidad

Tiempo

D 7 16 31 2 4 86.180 10800 7,24%

Óptimo

NM Np NT NW NV
El experimento D de la Tabla 2 muestra un
incremento en el número de espacios de
almacenamiento. El tiempo de ejecución de este Real 1,63%
escenario se limitó a 3 horas sin llegar a encontrar 8 9 31 2 4 50.654 7200
la solución óptima. 5'
12 13 31 2 4 108.686 7200
4,53%

Caso 3 Los resultados obtenidos sugieren que al aumentar

Se mantuvieron los valores de los parámetros
utilizados en el primer y último escenario del
Caso 1, los cuales se pueden observar en la Tabla
8
la cantidad de cargadores frontales, NW,
disponibles en el sistema, el tiempo de
procesamiento se ve disminuido. Por otro lado, la
extensión de la cantidad de alimentadores NV

provoca el efecto contrario, es decir, un aumento
en el tiempo de procesamiento (ver Tabla 2).
Se detectó una relación importante entre los
cargadores frontales existentes y las mezclas de
mineral abastecidas por periodo. En este ámbito, se
concluyó que el tiempo de procesamiento (o
tiempo de ejecución, en definitiva, lo que tarda
cplex en entregar la solución) será menor cuando
w sea igual o mayor a los tipos de mineral
demandados por periodo, no así cuando w sea
menor. Esto se debe a que, en el primero el posee
modelo más libertad al momento de elegir las
rutas (Djz , Djj' ) para cada cargador. Sin embargo,
en el segundo, el modelo se ve en la obligación de
utilizar un cargador para transportar distintos
tipos de mineral, lo que se traduce en un análisis
más exhaustivo en tema de combinaciones de
trayectorias. Por ejemplo, en la Tabla 2, para el
escenario A, la cantidad de cargadores es menor a
los tipos de minerales a abastecer en un mismo
periodo; sin embargo, al equiparar ambos
componentes en el escenario B, el tiempo de
procesamiento disminuye considerablemente. Por
otro lado, aunque en el escenario C la cantidad de
cargadores frontales sobreestima los tipos de
minerales a abastecer por cada lapso de tiempo, el
tiempo de procesamiento no se ve afectado
significativamente.
Se analizaron casos donde se modificó el
parámetro Np dándole a éste un valor de 16. Dicha
simulación no fue capaz de arrojar una solución
óptima, quedando con un GAP de 7,24% tras tres
horas de procesamiento (ver Tabla 2). De lo
anterior, se desprende que un valor alto de Np
repercute negativamente en el tiempo de
procesamiento, dado que el modelo debe analizar
una mayor cantidad de posibles combinaciones de
rutas.
Por otro lado, el valor del parámetro NM y el
comportamiento de la oferta juegan un papel
importante en los tiempos de procesamiento.
Según la forma en que ésta se comporte, el tiempo
de respuesta puede variar desde segundos (ver
Tabla 1) hasta horas, donde, en el último caso es
posible no obtener una solución óptima (ver Tabla
3).
Apellido de los autores: Título del artículo
CONCLUSIONES
El presente trabajo abordó la localización
estratégica de pilas al interior de una cancha de
acopio de mineral a granel con el objetivo de
minimizar la distancia total recorrida por los
cargadores frontales durante la fase operacional del
abastecido mediante un modelo de programación
entera mixta.
La solución propuesta en el documento se destaca
por su carácter replicable a otras canchas de acopio
de mineral a granel que cuenten con diferentes
parámetros de entrada a partir de la variación en los
subíndices. Los posibles cambios para el modelo
son en los siguientes aspectos:
Mineral: variedad en la cantidad y tipo de mineral
a ser descargado y abastecido por periodo.
Layout: cantidad y posición de los diferentes
sectores definidos para la descarga del mineral.
Periodo: unidad temporal del registro de los datos
operacionales y acorde a la accesibilidad que se
tenga según la empresa.
Cargador frontal: cantidad de equipos y tipo a
utilizar.
Alimentadores: cantidad de receptores para el
transporte del mineral hacia el cliente.
Se puede concluir que el número de variables y
parámetros del problema afecta tanto el tiempo de
cómputo en la búsqueda de una solución óptima
como en la calidad de ésta. Específicamente, ante
un escenario de 108.686 variables, se obtuvo una
solución óptima del modelo después de 29
segundos en un caso (1); en cambio, para una
modificación en la configuración de la descarga
(caso 3), después de 2 horas no se llegó a una
solución óptima.
La diferencia entre ambos, se da principalmente
por la configuración que tenga la descarga y
abastecimiento del mineral (subíndice i) durante el
horizonte de tiempo; es decir, cuanto más dinámica
sea la oferta y demanda en periodos cortos de
tiempo, mayor tiempo tomará en encontrar una
solución óptima dado el mayor trabajo de
procesamiento en la asignación del mineral al
9
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx
interior del área de acopio. Dicha característica fue
fundamental en el tiempo de respuesta, pues en el
segundo escenario incluso no se llegó a la solución
óptima después de 2 horas, obteniendo un GAP (la
diferencia porcentual entre la mejor solución
encontrada por el software y el límite inferior) de
un 4,53%. Del mismo modo, aunque en menor
cuantía, el modelo se vio influenciado por los
subíndices asociados a los cargadores frontales y
tolvas de alimentación, ya que cuando estos
aumentan de forma independiente, disminuye y
aumenta el tiempo de ejecución respectivamente,
aunque con solución óptima de todos modos y
siempre dependiendo de la cantidad de tipos de
mineral que compongan la mezcla a abastecer.
Finalmente, y a modo general, es importante
destacar que la implementación del modelo de
optimización lineal precisa evaluar paralelamente
a nivel técnico-económico la solución propuesta
que este arroja; ya que se debe considerar el efecto
del cambio en el diseño del layout de una cancha
de acopio y verificar las capacidades reales de cada
pila acorde a las necesidades del cliente.
Recomendaciones
Para un correcto funcionamiento del modelo
propuesto, se debe tener en cuenta una serie de
consideraciones con el objeto de aumentar la
representatividad del valor numérico a obtener de
éste.
Principalmente, conocer todos los parámetros de
entrada anticipadamente es lo más importante
para alimentar el modelo; es decir, contar con un
calendario de descarga diferenciado por tonelaje,
tipo y periodo respectivo. Además, se debe
conocer con antelación el programa de abastecido
(mismo horizonte de tiempo que la descarga),
detallando también el tonelaje a solicitar por tipo
de mineral y el periodo a alimentar. Para dichos
parámetros, entre mayor sea el horizonte previo
de tiempo que se conozca la información
(anticipación de ésta), más válida y representativa
será la solución a entregar, pues de esta manera el
modelo considerará una distribución estratégica
de las pilas dentro de la cancha acorde a un mayor
tonelaje de descarga, distribuyendo el área de una
mejor manera para almacenar todo el mineral.
Cabe resaltar que el modelo funciona de igual
modo con un periodo de tiempo inferior a 30 (15
10
o 10 días); aunque ubicaría las pilas sin considerar
próximos arribos que podrían saturar el área total
de acopio para operaciones futuras.
Por otro lado, es imperante conocer el
posicionamiento inicial de las pilas por tipo y
tonelaje de mineral al momento de ejecutar el
modelo de programación lineal. Este parámetro
adquiere relevancia en cuanto a la disponibilidad
que se tendrá para cumplir con la demanda de
abastecido y determinar, en el periodo cero, qué
pilas están vacantes para continuar con la
descarga.
A modo general, es primordial realizar
periódicamente una toma de datos precisa del
tonelaje descargado y abastecido (especificado
por tipo) y horómetros de cada cargador frontal
participante en la cancha respectiva (diferenciado
por hora operacional y horas ralentí), pues dichos
datos históricos permiten generar una
comparación real y validar continuamente la
solución entregada por el modelo de optimización
a partir de las distancias obtenidas. La relevancia
en la precisión de estos datos radica en evitar
posteriormente errores de cálculos de eficiencias
del modelo o generar muestras poco
representativas que no logren medir eficazmente
el funcionamiento del modelo.
AGRADECIMIENTOS
Los autores quisieran agradecer las facilidades
prestadas por la empresa colaboradora para la
realización de este artículo.
REFERENCIAS
[1] M., Ago, T., Nishi, y M., Konishi. (2007).
“Simultaneous Optimization of Storage
Allocation and Routing Problems for Belt-
conveyor Transportation”. Journal of
Advanced Mechanical Design, Systems,
and Manufacturing, 1(2), 250–261. Abril,
2007. http://doi.org/10.1299/jamdsm.1.250
[2] E., Angelelli, T., Kalinowski, R., Kapoor, y
M. Savelsbergh. “A reclaimer scheduling
problem arising in coal stockyard
management”. Journal of Scheduling.
19(5), 563–582. Octubre, 2016.
http://doi.org/10.1007/s10951-015-0436-y

[3] C., Bierwirth, y F., Meisel. “A survey of
berth allocation and quay crane scheduling
problems in container terminals”. European
Journal of Operational Research, 202(3),
615–627. Mayo, 2010.
http://doi.org/http://dx.doi.org/10.1016/j.ej
or.2009.05.031
[4] N., Boland, D., Gulczynski, y M.,
Savelsbergh. “A stockyard planning
problem”. EURO Journal on
Transportation and Logistics, 1(3), 197–
236. Junio, 2012.
http://doi.org/10.1007/s13676-012-0011-z
[5] D. G., Conradie, L. E., Morison, y J. W.,
Joubert, J. W. “Scheduling at coal handling
facilities using Simulated Annealing”.
Mathematical Methods of Operations
Research, 68(2), 277–293. Octubre, 2008.
http://doi.org/10.1007/s00186-008-0221-1
[6] S., Hanoun, B., Khan, M., Johnstone, S.,
Nahavandi, y D. Creighton. “An effective
heuristic for stockyard planning and
machinery scheduling at a coal handling
facility”. 11th IEEE International
Conference on Industrial Informatics
(INDIN). Bochum, Alemania. 29-31Jul,
2013.
http://doi.org/10.1109/INDIN.2013.66228
83. ISBN: 1935-4576 VO
[7] D., Hu, y Z., Yao. “Stacker-reclaimer
scheduling in a dry bulk terminal”.
International Journal of Computer
Integrated Manufacturing, 25(11), 1047–
1058. Noviembre, 2012.
Apellido de los autores: Título del artículo
http://doi.org/10.1080/0951192X.2012.684
707
[8] T., Kalinowski, R., Kapoor, y M.,
Savelsbergh, (2017). “Scheduling
reclaimers serving a stock pad at a coal
terminal”. Journal of Scheduling, 20(1),
85–101. Febrero 2017
http://doi.org/10.1007/s10951-016-0495-8
[9] B.-I., Kim, J., Koo, y B. S., Park. “A raw
material storage yard allocation problem
for a large-scale steelworks”. The
International Journal of Advanced
Manufacturing Technology, 41(9), 880–
884. Abril, 2009.
http://doi.org/10.1007/s00170-008-1538-x
[10] T., Robenek, N., Umang, M., Bierlaire, y
S., Ropke. “A branch-and-price algorithm
to solve the integrated berth allocation and
yard assignment problem in bulk ports”.
European Journal of Operational Research,
235(2), 399–411. Junio 2014.
http://doi.org/http://dx.doi.org/10.1016/j.ej
or.2013.08.015
[11] N., Umang, M., Bierlaire, e I., Vacca.
“Exact and heuristic methods to solve the
berth allocation problem in bulk ports”.
Transportation Research Part E: Logistics
and Transportation Review, 54, 14–31.
Agosto, 2013.
http://doi.org/http://dx.doi.org/10.1016/j.tr
e.2013.03.003
11