Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Optimal bulk mineral stockpile location to minimize the total transportation distance
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.
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.
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
instancias de gran tamaño del problema. Por otro conjunto Ω de pares de espacios designados para
lado, [9] y [1] modelaron el proceso de colocar el mismo tipo de mineral (j,j’) donde
almacenamiento de mineral de hierro y carbón que 𝑗, 𝑗′ ∈ {1, … , 𝑁𝑝 } 𝑦 𝑗′ ≠ 𝑗 Dentro del patio se
son transportados mediante una compleja red de encuentra una cantidad Nv de tolvas que son los
bandas transportadoras hacia un conjunto de puntos de abastecimiento para el cliente. La
acereras. La diferencia entre ambos es que el distancia del punto medio del espacio de
primero muestra el estudio para la planificación almacenamiento 𝑗 ∈ {1, … , 𝑁𝑝 } a la tolva 𝑧 ∈
táctica a mediano plazo, mientras que el segundo {1, … , 𝑁𝑣 } se denota como Djz. El horizonte de
muestra la planificación operativa diaria. Los tiempo en el que se hace el estudio está dividido
autores en [9], proponen un modelo de en NT periodos de la misma duración. En cada
programación entera que encuentra la localización periodo 𝑡 ∈ {1, … , 𝑁𝑇 } se tiene una cantidad de
óptima de las pilas de almacenaje tomando en mineral tipo 𝑖 ∈ {1, … , 𝑁𝑀 } que llega al patio
cuenta restricciones sobre el tipo de material, la proveniente de los barcos que se denota como Oit
geometría y separación de las pilas y la cantidad (oferta) y una demanda Kit solicitada por el
máxima a almacenar. Los autores en [1] proponen cliente. El un modelo de programación lineal
un modelo de programación entera que encuentra propuesto considera tanto el arribo del mineral
la localización óptima de mineral dentro de un como el abastecimiento de éste en forma de flujos
patio para minimizar tanto la distancia recorrida (toneladas de mineral) movidas durante un
por el mineral en las bandas transportadoras, como periodo de tiempo específico. Un número Nw de
la penalización por no entregar el mineral a tiempo cargadores frontales se utiliza para transportar el
a los clientes. El modelo matemático toma en mineral desde las pilas hasta alguna de las tolvas.
cuenta los niveles de mineral tanto en las pilas del Cada cargador 𝑤 ∈ {1, … , 𝑁𝑊 } tiene una
patio, como el remanente en los barcos anclados en capacidad Cw. Si la cantidad a transportar excede
los espacios de anclaje. De la misma manera, el esta capacidad, el cargador deberá realizar el
modelo debe encontrar la ruta en el sistema de recorrido en más de una ocasión. Se asume que la
bandas transportadoras que evite la colisión entre cantidad total de oferta y demanda llega y sale del
distintos tipos de mineral y entre el mineral patio respectivamente, por lo que no hay costo de
suministrado a los clientes. penalización por demanda no cumplida.
El modelo matemático presentado en este artículo El modelo permite mejorar el programa de
es similar al de [1] en cuanto a que modela descarga de naves localizando las pilas de mineral
decisiones a nivel operativo (cada día). Sin acorde a su demanda; es decir, colocar aquellas
embargo, difiere en que el objetivo es reducir la que sean más solicitadas por el cliente en
distancia recorrida por los vehículos de transporte posiciones más cercanas a las tolvas, de modo que
de mineral, que es el paso intermedio omitido por la distancia total que deban recorrer los
los autores. El aporte de este trabajo es un modelo cargadores frontales desde las pilas hacia los
matemático para la operación diaria de un patio de alimentadores sea mínima. La formulación
acopio de mineral. matemática de esta solución posibilita que los
equipos no transiten grandes distancias
innecesariamente dada la estrategia en el
ANÁLISIS TEÓRICO posicionamiento de las pilas. Para lograr dicho
objetivo, es necesario sectorizar la cancha de
El patio de almacenaje de mineral cuenta con Np acopio de mineral, identificando de forma fija los
espacios para colocar mineral a granel. Una perímetros donde se podría descargar el mineral y
cantidad de mineral es descargada de un barco y delimitando siempre los espacios y caminos
transportada a un espacio disponible. Se cuenta necesarios para el traslado de los equipos al
con NM tipos de mineral para colocar en los interior del área.
espacios en el patio. Dos tipos distintos de
mineral no se pueden mezclar, por lo que el Subíndices
mineral que llega se debe colocar en un espacio
vacío, o bien en uno en donde se encuentre el i: tipos de mineral.
mismo tipo de mineral. Existen, sin embargo un
3
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx
i’: subíndice auxiliar para tipos de mineral. j’, 𝑗 ≠ 𝑗′, por el cargador w en el periodo t, 0 de
j: espacios o posiciones delimitados para el otra forma.
apilamiento del mineral de llegada.
j’: subíndice auxiliar para posición de cada pila. Parámetros
t: periodos que forman el horizonte de tiempo.
Iij Es la cantidad inicial de mineral tipo i en la pila
w: cargadores frontales. j.
z: tolvas o alimentadores. Ft Es la cantidad máxima de toneladas que el
apilador puede acarrear en el periodo t.
Variables de decisión 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.
4
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)
∑ ∑ Xijt ≤ Ft Ɐt (4)
δijt , βijt ∈ {0,1} Ɐ i, j, t (22)
𝑖=1 𝑗=1
5
Ingeniare. Revista chilena de ingeniería, vol. xx Nº x, 20xx
Finalmente las restricciones (20) a (25) definen la 25300 toneladas para todos los periodos de tiempo.
naturaleza de las variables. Se estableció Cw=6 toneladas para todos los
vehículos de carga. Para cada escenario de prueba
se utilizaron datos ficticios tanto para llegada (Oit)
RESULTADOS y demanda de mineral (Kit), como para el conjunto
de distancias entre los espacios de almacenamiento
Verificación del modelo matemático y los puntos de alimentación (Djz) y el conjunto de
distancias entre los puntos de almacenamiento
En esta sección se mostrarán los experimentos (Djj’) respetando el acuerdo de confidencialidad
realizados para determinar el alcance del modelo con la empresa colaboradora para este proyecto.
matemático.
El modelo fue codificado en Cplex OPL y
Se realizó una simulación simplificada de la ejecutado en un computador [ASUS, i7 5500U, 2.4
cancha del cliente con el objetivo de comprobar si Ghz, 8GB RAM]
el modelo representa adecuadamente las
funciones que se realizan. La Figura 2 muestra Caso 1
una representación reducida del sistema con Np=4 En la primera evaluación se modificaron tanto NM
y Nv=2. El resto de los parámetros fueron como Np. Se mantuvo NT=31 días, NW=2
modificados en el transcurso de la simulación. 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
Figura 2. Representación del sistema utilizado de la Tabla 1 indica si se obtuvo o no la solución
para la verificación del modelo. óptima. En caso de no obtener la solución óptima
en el tiempo indicado, se escribe la calidad de la
El análisis verificó el cumplimiento de los solución en términos del porcentaje entre la mejor
siguientes puntos: solución encontrada y el límite inferior (GAP).
En una pila puede haber sólo un tipo de
mineral para cualquier periodo de Tabla 1. Resultados de los tiempos de ejecución
tiempo. obtenidos por el modelo, para escenarios
El mineral más demandado debe de ser con diferente cantidad de minerales y
posicionado en la combinación posiciones para apilamiento.
posición/tolva que resulte en la menor
distancia total.
Ejecución [s]
Escenario
Variables
Cantidad
Óptimo
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 1. Se modificaron tanto el número de tipos de
que ya se encuentran apilados en ella (Iij ). En este mineral de llegada (Oit ) y de abastecimiento
caso, la llegada de mineral consiste en solamente (Kit ). Al aumentar el número de tipos de mineral
1 tipo de mineral en todos los escenarios de demanda, pero manteniendo NW=2, se hace
calculados variando sólo el mineral inicial. Por necesario que alguno de los vehículos recorra la
otro lado, los diferentes tipos de mineral que distancia entre pilas Djj’, aumentando la
componen la mezcla abastecida a la empresa complejidad del escenario. Básicamente la
generadora de energía también permanece diferencia está en la composición de la descarga
constante. y abastecimiento de carbón. Por ejemplo, en el
caso 1 se descargaba a lo más dos tipos de carbón
Caso 2 simultáneamente; en cambio, en el caso 3, se
saturó la descarga de hasta 8 descargas
A diferencia del caso anterior, en estos simultáneas por periodo pero de poco tonelaje,
experimentos permanecen contantes NM=7 tipos siempre y cuando no se sobrecargase el tonelaje
de mineral, NT=31 días y Np=9 espacios de diario de descarga permitido. Por otro lado, el
almacenamiento o pilas para cuatro de los abastecido, se mantuvo constante a dos tipos de
escenarios estudiados. Se modifican tanto NW carbones. La saturación del modelo, en
como NV. La Tabla 2 muestra los cambios en los comparación al caso 1, está en que en el caso 3 la
parámetros, el número de variables debido a estos decisión de asignar carbones en la fase de
cambios, el tiempo de ejecución del modelo y si descarga se hace mucho más compleja al tener
se obtuvo o no la solución óptima. una mayor cantidad de variables en cada periodo
t. Lo mismo se hizo después para un caso con
Tabla 2. Resultados de los tiempos de ejecución i=12. Ambos casos no llegaron al óptimo durante
obtenidos al modelo, para escenarios con las horas de ejecución, a diferencia de lo
diferente cantidad de cargadores encontrado al caso 1; por ende se concluyó que la
frontales y tolvas de alimentación. configuración de la descarga y abastecido afecta
considerablemente la obtención de una solución
óptima por parte del modelo. La Tabla 3 muestra
Ejecución [s]
Escenario
Variables
Tiempo
Óptimo
Variables
Cantidad
Tiempo
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%
interior del área de acopio. Dicha característica fue o 10 días); aunque ubicaría las pilas sin considerar
fundamental en el tiempo de respuesta, pues en el próximos arribos que podrían saturar el área total
segundo escenario incluso no se llegó a la solución de acopio para operaciones futuras.
óptima después de 2 horas, obteniendo un GAP (la
diferencia porcentual entre la mejor solución Por otro lado, es imperante conocer el
encontrada por el software y el límite inferior) de posicionamiento inicial de las pilas por tipo y
un 4,53%. Del mismo modo, aunque en menor tonelaje de mineral al momento de ejecutar el
cuantía, el modelo se vio influenciado por los modelo de programación lineal. Este parámetro
subíndices asociados a los cargadores frontales y adquiere relevancia en cuanto a la disponibilidad
tolvas de alimentación, ya que cuando estos que se tendrá para cumplir con la demanda de
aumentan de forma independiente, disminuye y abastecido y determinar, en el periodo cero, qué
aumenta el tiempo de ejecución respectivamente, pilas están vacantes para continuar con la
aunque con solución óptima de todos modos y descarga.
siempre dependiendo de la cantidad de tipos de
mineral que compongan la mezcla a abastecer. A modo general, es primordial realizar
periódicamente una toma de datos precisa del
Finalmente, y a modo general, es importante tonelaje descargado y abastecido (especificado
destacar que la implementación del modelo de por tipo) y horómetros de cada cargador frontal
optimización lineal precisa evaluar paralelamente participante en la cancha respectiva (diferenciado
a nivel técnico-económico la solución propuesta por hora operacional y horas ralentí), pues dichos
que este arroja; ya que se debe considerar el efecto datos históricos permiten generar una
del cambio en el diseño del layout de una cancha comparación real y validar continuamente la
de acopio y verificar las capacidades reales de cada solución entregada por el modelo de optimización
pila acorde a las necesidades del cliente. a partir de las distancias obtenidas. La relevancia
en la precisión de estos datos radica en evitar
Recomendaciones posteriormente errores de cálculos de eficiencias
del modelo o generar muestras poco
Para un correcto funcionamiento del modelo representativas que no logren medir eficazmente
propuesto, se debe tener en cuenta una serie de el funcionamiento del modelo.
consideraciones con el objeto de aumentar la
representatividad del valor numérico a obtener de
éste. AGRADECIMIENTOS
Principalmente, conocer todos los parámetros de Los autores quisieran agradecer las facilidades
entrada anticipadamente es lo más importante prestadas por la empresa colaboradora para la
para alimentar el modelo; es decir, contar con un realización de este artículo.
calendario de descarga diferenciado por tonelaje,
tipo y periodo respectivo. Además, se debe REFERENCIAS
conocer con antelación el programa de abastecido
(mismo horizonte de tiempo que la descarga), [1] M., Ago, T., Nishi, y M., Konishi. (2007).
detallando también el tonelaje a solicitar por tipo “Simultaneous Optimization of Storage
de mineral y el periodo a alimentar. Para dichos Allocation and Routing Problems for Belt-
parámetros, entre mayor sea el horizonte previo conveyor Transportation”. Journal of
de tiempo que se conozca la información Advanced Mechanical Design, Systems,
(anticipación de ésta), más válida y representativa and Manufacturing, 1(2), 250–261. Abril,
será la solución a entregar, pues de esta manera el 2007. http://doi.org/10.1299/jamdsm.1.250
modelo considerará una distribución estratégica [2] E., Angelelli, T., Kalinowski, R., Kapoor, y
de las pilas dentro de la cancha acorde a un mayor M. Savelsbergh. “A reclaimer scheduling
tonelaje de descarga, distribuyendo el área de una problem arising in coal stockyard
mejor manera para almacenar todo el mineral. management”. Journal of Scheduling.
Cabe resaltar que el modelo funciona de igual 19(5), 563–582. Octubre, 2016.
modo con un periodo de tiempo inferior a 30 (15 http://doi.org/10.1007/s10951-015-0436-y
10
Apellido de los autores: Título del artículo
11