Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de Factores Operacionales en Detenciones de Productividad de Sistema De....
Analisis de Factores Operacionales en Detenciones de Productividad de Sistema De....
PROFESOR GUÍA:
MANUEL REYES JARA
MIEMBROS DE LA COMISIÓN
XAVIER EMERY
JUAN LUIS YARMUCH GUZMÁN
SANTIAGO DE CHILE
2014
RESUMEN DE LA MEMORIA PARA OPTAR AL
TÍTULO DE: Ingeniero Civil de Minas
POR: Víctor Manuel Barrientos González
FECHA: 26/11/2014
PROFESOR GUÍA: Manuel Reyes
Los resultados indican que se observa que los días de mayor productividad
son aquellos que poseen la menor duración de las detenciones en estudio, entre
otros factores. El modelo permite construir nuevos escenarios a partir del caso base,
donde se agregan cambios operacionales ligados a agregar la posibilidad de que los
camiones puedan realizar cambios de turno cargado, que se varíe la posición del
estacionamiento respecto al chancador y el cambio del tipo de camiones. Los
escenarios con cambio de turno con los camiones cargados y donde estacionamiento
está más cercano al chancador, aumentan la productividad diaria y disminuyen el
total de las detenciones en estudio. Por otra parte, al cambiar el tipo de equipos de
transporte hacia uno de mayor velocidad se logra que las detenciones disminuyan,
mientras que un análisis en la productividad diaria no es posible de realizar debido a
que es necesario cambiar la flota de transporte. Finalmente se recomienda realizar
la implementación de que el camión pueda realizar el cambio de turno cargado y
además acercar el estacionamiento al chancador. El resultado de un escenario
combinando ambas estrategias logra un aumento de un 4.2% en la productividad
diaria y disminuye en un 10.6% la duración de las detenciones. Esto se traduce en
un aumento del beneficio económico de 4.07 MUS$ mensualmente.
In open pit large scale mining, the truck-shovel systems are widely used to
do the labor of the loading and hauling. Nowadays the costs related to these items
are around 50% of the costs of operation, and the main improvements are reached
through an optimal management of the reliability, availability and maintenance of
the system. The main goal of this study is to find the operational changes that lead
to the best results in scheduled detentions of shift changes and meal breaks, and
how this impacts the daily productivity of the loading-hauling system.
The outcomes indicates that the days of higher productivity are those which
has the shortest detention, between others factors. The model allows to build new
scenarios, where operational changes will be added related to considering the
possibility of doing the shift change with trucks loaded, changing the position of the
parking lot relative to the crusher and changing the type of truck. The scenarios
with shift changed with loaded trucks and the parking lot nearest to the crusher,
increases the daily productivity and diminishes the detentions in study. In the other
hand, by changing the truck type to a higher-speed it’s achieved that the detentions
decreases, meanwhile an analysis in the daily productivity it’s not possible because
it’s necessary to change the haulage fleet. Finally it’s recommended to implement
that the trucks can perform the shift change loaded and also change the parking lot
position to one nearer to the crusher. The result of both changes applied in one
scenario shows that the daily productivity is increased by 4.2% and the detentions
decreases by 10.6%. This turns out in a monthly improvement of 4.07 MUS$ in
terms of economic profit.
With the obtained results the goal of this study it’s accomplished, since it’s
able to find a setting that increase the daily productivity, and consequently, add
value in a system already in operation. It’s possible to complement the study by
adding more detailed information related to the studied detentions, being able to
perform specific statistical analysis and the simulation model can be calibrated
based to this data.
ii
AGRADECIMIENTOS
iii
TABLA DE CONTENIDO
RESUMEN ............................................................................................. i
ABSTRACT ........................................................................................... ii
TABLA DE CONTENIDO ..........................................................................iv
ÍNDICE DE FIGURAS .............................................................................vi
ÍNDICE DE GRÁFICOS .......................................................................... vii
ÍNDICE DE TABLAS ...............................................................................ix
1. INTRODUCCIÓN .............................................................................. 1
1.1. Descripción del sistema ............................................................ 3
1.2. Objetivos ................................................................................ 6
1.2.1. Objetivo General ................................................................ 6
1.2.2. Objetivos Específicos ........................................................... 6
1.3. Alcances ................................................................................. 7
1.4. Antecedentes generales ............................................................ 9
1.4.1. Simulación dinámica de eventos discretos .............................. 9
1.4.2. Minería de datos: Clustering k-means ................................. 12
1.5. Estado del arte ...................................................................... 14
1.6. Motivación del trabajo ............................................................ 15
2. METODOLOGÍA ............................................................................. 16
3. Desarrollo .................................................................................... 17
3.1. Recolección, procesamiento y gestión de datos .......................... 17
3.1.1. Limpieza de datos ............................................................. 18
3.1.2. Distribuciones de tiempo ................................................... 20
3.1.3. Productividad de los eventos .............................................. 22
3.2. Análisis estadístico y minería de datos ...................................... 24
3.2.1. Nueva base de datos: construcción de caracterización por días 24
3.2.2. Análisis base de datos caracterización días ........................... 30
3.3. Modelo de simulación dinámica ................................................ 35
3.3.1. Flujo lógico de información en modelo base ......................... 36
3.3.2. Implementación en Arena de modelo base ........................... 37
3.3.3. Validación y calibración del modelo base .............................. 43
3.3.4. Escenario cambio de turno cargado ..................................... 47
3.3.5. Escenario con variación de posición de estacionamiento ........ 49
3.3.6. Escenario cambiando tipos de equipos de transporte ............. 50
3.4. Análisis de los resultados de los nuevos escenarios .................... 51
3.4.1. Resultados escenario cambio de turno cargado ..................... 51
3.4.2. Resultado escenario con variación de posición de
estacionamiento ........................................................................... 53
3.4.3. Resultados escenario cambiando tipos de equipos de transporte
54
3.4.4. Resultados escenario combinado: cambio turno cargado y
estacionamiento junto a chancador ................................................. 55
4. CONCLUSIONES............................................................................ 59
5. BIBLIOGRAFÍA .............................................................................. 62
iv
6. ANEXOS....................................................................................... 64
v
ÍNDICE DE FIGURAS
vi
ÍNDICE DE GRÁFICOS
viii
ÍNDICE DE TABLAS
ix
1. INTRODUCCIÓN
Perforación
Tronadura
Carguío
Transporte
Chancado
Molienda
Flotación
Fusión
Conversión
Electro
refinación
2
1.1. Descripción del sistema
N07
SLM
SAL
N06
CHANCADO
ESTACIONAMIENTO
1
Existen casos donde el camión parte su ciclo en una ubicación distinta al estacionamiento,
producto de que al final del turno no fue posible su viaje a este o simplemente resultaba
mejor realizar el cambio de turno en la locación en que se encontraba en el momento.
3
Figura 3: Esquema ciclo camión
4
Figura 4: Diseño del sistema
5
1.2. Objetivos
1.2.2.Objetivos Específicos
6
1.3. Alcances
7
Obtención de datos de dispatch de los eventos de descarga en
chancado, con sus tiempos de ciclo desglosados, incluyendo la limpieza
(mediante restricciones físicas) y procesamiento de dichos datos.
8
1.4. Antecedentes generales
9
decir, las relaciones funcionales entre las variables del sistema están
perfectamente definidas.
- Estocástico: en este caso algún elemento del sistema tiene una
conducta aleatoria. Entonces, para entradas conocidas no es posible
asegurar los valores de salida. Cuando un sistema determinístico es
alimentado con entradas estocásticas, la respuesta del sistema es
también estocástica.
- Estático: el tiempo no varía en un modelo estático, se desarrolla en
un punto dado en el tiempo.
- Dinámico: el tiempo varía a lo largo de la simulación. La mayoría de
los modelos operacionales son de estas características.
- Continuo: Se tiene un sistema continuo cuando las relaciones
funcionales entre las variables del sistema sólo permiten que el estado
evolucione en el tiempo en forma continua (basta que una variable
evolucione continuamente). Matemáticamente, el estado cambia en
infinitos puntos de tiempo.
- Discreto: Se tiene un sistema discreto cuando las relaciones
funcionales del sistema sólo permiten que el estado varíe en un
conjunto finito de puntos temporales. Las causas instantáneas de los
cambios de estados se denominan eventos.
También se hace necesario definir los elementos por los que estos tipos
de simulaciones están compuestas [7]:
10
individualizan a cada entidad. También se definen como variables
locales específicas de cada entidad.
11
una red definida. Sirven como elemento limitante cuando las
capacidades de transporte son finitas.
Existen dos tipos de entity transfers:
- Transportadores (del inglés y ahora en adelante: transporters):
desde el punto de vista del modelamiento se pueden definir como
recursos movibles que pueden transportar la entidad de un punto a
otro, que además funcionan como dispositivos individuales de
transporte de entidades. Ejemplos de modelamiento con
transporters pueden ser camiones, carros, personas, etc.
- Cintas transportadoras (del inglés: conveyors): corresponden a
elementos que realizan el transporte a través de un requerimiento
de espacio y que se encuentran físicamente a lo largo entre dos
estaciones. Ejemplos de modelamiento con conveyors pueden ser
cintas transportadoras, líneas de remolques, escaleras mecánicas,
etc.
12
suele referirse también como clasificación no supervisada, ya que en
términos generales consiste en un problema de clasificación (se debe asignar
una clase o etiqueta a cada patrón), sólo que en la ejecución del algoritmo
no se dispone de etiquetas reales que deban ser aprendidas. El aprendizaje
de las clases debe hacerse utilizando sólo los patrones mismos y medidas de
similitud entre ellos. De ahí el concepto de aprendizaje no supervisado [10].
13
Algoritmo k-means: El método más simple y difundido de los que
ocupan el criterio del error cuadrático es el algoritmo k-means [12]. El
método comienza con una partición inicial aleatoria de los datos, y continúa
reasignando los patrones a cierto cluster basado en la similitud entre el
patrón y los centroides, hasta que se cumpla cierto criterio de detención (por
ejemplo, que no haya reasignación de un patrón desde un cluster a otro, o
que el error cuadrático no descienda significativamente por un número de
iteraciones). El algoritmo k-means es popular porque es muy simple de
implementar y porque su complejidad computacional es O (n), donde n es el
número de patrones. El procedimiento exacto que aplica el algoritmo k-
means es el siguiente:
14
1.6. Motivación del trabajo
15
2. METODOLOGÍA
Una vez que se tengan los resultados de los distintos escenarios, es posible
realizar un análisis que permita medir cuantitativamente el impacto de los
cambios operacionales en los dos puntos objetivos, detenciones operaciones
y productividad. De la misma manera, se pueden crear nuevos escenarios
que combinen más de una estrategia y así poder ver el aumento en los
beneficios asociados. Finalmente se realiza un análisis del beneficio
económico de todos los escenarios simulados.
16
3. DESARROLLO
Por otra parte, sin una limpieza apropiada de los datos, estadísticos
como la media o la desviación estándar no tienen utilidad alguna ya que
poseen cantidades no menores de datos aberrantes.
17
Ítem N Mínimo Máximo Media Desv. típ.
Tiempo de cola en carguío [min] 112007 0.00 238.17 1.69 3.64
Tiempo acul. En carguío [min] 112800 0.00 58.28 1.05 1.22
Tiempo de carguío [min] 111312 0.00 149.42 2.65 1.66
Tiempo de acul. + descarga [min] 112800 0.00 230.97 3.83 4.55
Tiempo viaje ida [min] 111832 0.00 405.18 11.02 8.12
Tiempo viaje regreso [min] 112800 0.00 412.30 11.04 12.02
Tiempo de cola en descarga [min] 112800 0.00 132.00 0.07 1.45
Tiempo cola+acul.+descarga [min] 112799 -5.55 445.80 5.89 7.82
Tiempo total ciclo [min] 112797 0.00 429.67 31.15 17.39
Tolva [t] 112800 231.00 708.00 312.43 50.32
Distancia total [m] 112800 0.00 89312.00 3034.92 2354.49
Tabla 1: Estadísticas básicas datos dispatch sin limpiar
3.1.1.Limpieza de datos
18
Tiempo de fila, cola y descarga en chancado: como este es un ítem
compuesto por tiempos de 3 labores distintas, el filtro inferior que se
ocupa corresponde a 0.9 minutos, que corresponde a el mínimo de 0.4
minutos de aculatamiento y el mínimo de 0.5 minutos de descarga. Por
otra parte la suma de los tiempos que sea mayor a 10 minutos se
escapa completamente de los rangos ocupados, dado que en la faena
se privilegia la inexistencia de colas en la descarga.
Desv.
N Mínimo Máximo Media
típ.
Original 112007 0 238.17 1.69 3.64
Tiempo de cola en carguío [min]
Limpio 111991 0 58.43 1.68 3.35
Original 112800 0 58.28 1.05 1.22
Tiempo acul. En carguío [min]
Limpio 75233 0.4 4 1.31 0.74
Original 111312 0 149.42 2.65 1.66
Tiempo de carguío [min]
Limpio 98119 1 19.67 2.94 1.4
Tiempo cola+acul.+descarga Original 112799 -5.55 445.8 5.89 7.82
[min] Limpio 79371 0.9 10 3.56 2.48
Original 111832 0 405.18 11.02 8.12
Tiempo viaje ida [min]
Limpio 99920 1 139.42 12.28 7.36
Original 112800 0 412.3 11.04 12.02
Tiempo viaje regreso [min]
Limpio 98739 1 142.77 12.51 11.49
Original 112797 0 429.67 31.15 17.39
Tiempo total ciclo [min]
Limpio 112690 4.3 149.95 31.04 16.62
Tabla 2: Comparativa de estadísticas básicas con datos iniciales y limpios
19
tiempos medidos, y el camión al pasar a través de este marca los datos que
están siendo estudiados. Es así como ocurren casos en que el camión falla en
alguna parte de la ruta, por ejemplo, y no necesariamente pasa por alguno
de los pórticos, dando tiempos mayores a los normales. Otro ejemplo puede
ser cuando una fila tiene una extensión mayor y excede la ubicación del
pórtico, aportando tiempo de viaje cuando el tiempo debería ser tomado
como de fila.
3.1.2.Distribuciones de tiempo
Una vez con los datos limpios es posible calcular las distribuciones que
siguen los distintos tiempos obtenidos. Lo anterior permitirá ingresar estas
distribuciones en el modelo de simulación que se construirá, lo que aportará
parte de la variabilidad que se tiene en la operación misma.
20
0 4
Tiempo de aculatamiento en carguío [min]
0 8
Tiempo de carguío [min]
0
0 99
Tiempo de aculatamiento más descarga [min]
0
21
3.1.3.Productividad de los eventos
[ ]
-0,1
-0,086
-0,2 -0,153
-0,3 -0,206
-0,28
-0,4 -0,356
-0,5 -0,446
-0,6 -0,545
-0,7
-0,691
-0,8
Cabe destacar que esta nueva variable construida (la productividad del
evento) refleja solamente la productividad del equipo en el tiempo
relacionado al evento, por lo que no refleja el comportamiento a lo largo del
día. Para esto es necesario construir nuevas bases de datos.
23
3.2. Análisis estadístico y minería de datos
[ ]
Así es posible construir una curva temporal para cada día la cual
describe el comportamiento que tienen las detenciones en estudio (cambios
de turno y colaciones a lo largo del día) a través de la productividad a lo
largo del día (Tabla 4).
Productividad [t/h]
Hora Día 1 Día 2 …
0.25 2420 6588 …
0.5 7672 10092 …
0.75 7672 6176 …
1 3836 4760 …
… … … …
Tabla 4: Formato tipo de la construcción de las productividades temporales durante el día
Fecha.
24
Productividad máxima [t/h]: corresponde al máximo valor
alcanzado por la productividad instantánea.
⇒ .
⇒ .
⇒ .
Si ninguno de los casos se cumple ⇒ .
⇒ .
( )
25
⇒ .
( )
⇒
Si ninguno de los casos se cumple ⇒
Si .
Si pasa continuamente más de media hora bajo el criterio
anterior.
26
2 grupos
7000
6000
Productividad [t/h]
5000
4000
3000
2000
1000
0
Hora
Baja Productividad Alta Productividad
3 Grupos
8000
7000
Productividad [t/h]
6000
5000
4000
3000
2000
1000
0
3,25
4,25
0,25
1,25
2,25
5,25
6,25
7,25
8,25
9,25
10,25
11,25
12,25
13,25
14,25
15,25
16,25
17,25
18,25
19,25
20,25
21,25
22,25
23,25
Hora
Productividad Media Productividad Baja
Productividad Alta
Gráfico 6: Análisis k-mean separados en 3 grupos según caracterización diaria de productividad
27
productividad media y baja, ya que el grupo de productividad alta mantiene
prácticamente inalterado la cantidad de datos que contiene (de 198 a 195).
4 grupos
8000
7000
6000
Productividad [t/h]
5000
4000
3000
2000
1000
Hora
Prod. Baja Turno Dia, Alta Turno Noche Prod. Media
Prod. Baja Prod. Alta
Gráfico 7: Análisis k-mean separados en 4 grupos según caracterización diaria de productividad
28
5 grupos
8000
7000
Productividad [t/h]
6000
5000
4000
3000
2000
1000
0
Hora
Prod. Media Prod. Alta Turno Noche, Baja Turno Día
Prod. Alta Prod. Baja
Nuevo conglomerado
Gráfico 8: Análisis k-mean separados en 5 grupos según caracterización diaria de productividad
150
89
100
50
34
50
0
1 2 3 4
Clase
Gráfico 9: Frecuencia por conglomerado de k-media
29
Así, con la caracterización por el análisis de k-mean entregará una
nueva variable categórica a la base de datos de caracterización de los días en
estudio.
Frecuencia
150 200
100 150
100
50 33
50
0 5 4 0 0
0 0
1 (SHD) 2 (SHE) 3 (LDW) 4 (ninguno) 1 (960e) 2 (793) 3 (797) 4 (Make- 5
up) (ninguno)
Clase
Clase
Gráfico 10: Número de casos para cada grupo de datos, izquierda: grupo palas, derecha: grupo
camiones
30
Promedio de Productividad [tpd] 95767.8
Promedio de Promedio Distancias [m] 2802.6
Promedio de Detenciones[h] 7.83
Tabla 5: Promedios al total de datos en caracterización diaria
Conglomerado k-mean 1 2 3 4
Baja día, Prod. Prod. Prod.
Nombre conglomerado Alta noche Media Baja Alta
Cuenta de Grupo de Producción 34 89 50 195
Promedio de Productividad [tpd] 82122.0 91496.8 8138.5 122565.4
Promedio de Promedio Distancias [m] 3145.3 3063.5 1079.8 3065.5
Promedio de Detenciones[h] 10.45 9.46 6.70 6.93
Tabla 6: Promedios separados por grupos de datos en caracterización diaria
31
7
6
5
Frecuencia
4
3
2
1
0
10
8
Frecuencia
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Clase detenciones [h]
Gráfico 12: Histograma detenciones grupo 1
30
25
Frecuencia
20
15
10
5
0
32
8
Frecuencia
4
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Clase detenciones [h]
Gráfico 14: Histograma detenciones grupo 2
40
35
30
Frecuencia
25
20
15
10
5
0
25
20
Frecuencia
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Clases detenciones [h]
Gráfico 16: Histograma detenciones grupo 3
33
respecto a la media de detenciones refleja el comportamiento esperado en
una faena minera de este estilo, con detenciones operacionales de cambio de
turno y colación que oscilan entre las 5 y 10 horas diarias (Gráfico 18).
80
70
60
Frecuencia
50
40
30
20
10
0
10
8
Frecuencia
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Clases detenciones [h]
Gráfico 18: Histograma detenciones grupo 4
34
3.3. Modelo de simulación dinámica
35
3.3.1. Flujo lógico de información en modelo base
Des
Aculatamiento Transporte
¿Pala libre? Si Carga aculatamiento
en carga a chancador
en carga
No Esperar en
fila
Des
¿Chancador Aculatamiento Verifica si corresponde
Si Descarga aculatamiento
libre? en descarga detención
en descarga
Esperar en
No
fila
Detención
Transporte a Tipo de
por cambio
estacionamiento detencion
de turno
Detención
por colación
37
El sub-modelo llamado dispatch cumple con dos objetivos, el primero
corresponde a asignar el origen a cada camión que realiza la consulta, y el
segundo corresponde a realizar la consulta si ya es tiempo de realizar algún
cambio de turno o colación dependiendo del tramo del día en que se
encuentre.
38
Lo anterior se realiza para emular la lógica seguida por el dispatch en
faena, donde a grandes rasgos se realiza una evaluación instantánea (o por
turno) donde se estima el mayor rendimiento de cada equipo considerando
colas en los orígenes. Esta asignación sigue la estrategia de asignación de 1-
camión-para-n-palas descrita por Alarie y Gamache [18].
39
Figura 9: Chequeo de detención operacional en sub-modelo dispatch
Figura 10: Seize o apoderamiento del recurso en una primera intersección para luego realizar el
transporte hacia la ubicación de la pala en sub-modelo destino
40
Una vez ubicado en la intersección donde se encuentra la pala, basta
con realizar los procedimientos de aculatamiento, carga, liberación del
recurso pala y transporte hacia el destino, con sus respectivas asignaciones
de los tiempos relevantes a medir, es decir, en entradas y salidas de cada
proceso (Figura 11).
Origen
Camión: número identificador de cada camión.
TNOW (Fin Ciclo): tiempo en que se realiza el registro (salida del
chancador).
Tolva [t]: cantidad de mineral trasportada.
41
TViajeIda [min]: tiempo de viaje vacío.
TColaOrigen [min]: tiempo de fila en origen.
TAculOrigen [min]: tiempo de aculatamiento en origen.
TCarga [min]: tiempo de carga en origen.
TViajeVuelta [min]: tiempo de viaje cargado.
TColaChancado [min]: tiempo de fila en chancador.
TAculChancado [min]: tiempo de aculatamiento en chancador.
TDescarga [min]: tiempo de descarga en chancador.
TCiclo [min]: tiempo del ciclo completo (suma de los tiempos
anteriores).
NREP: número de replicación de la simulación.
42
donde se corrobore que salgan a la hora que ocurre en la realidad (Figura
14).
Figura 14: Corroboración de la hora de salida para cada detención en sub-modelo estacionamiento
43
Figura 15: Representación gráfica modelo simulación base
Por otra parte, las variables del modelo deben ser calibradas para que
los resultados que arroja este sean lo suficientemente cercanas al
comportamiento real. Es por esto que se ocupa en una primera instancia el
número de camiones presentes para comparar la producción diaria del
modelo y la producción diaria promedio de los datos obtenido de la faena. A
través de esto se llega a que con un total de 8 camiones del tipo CAT 793 se
logra el mismo orden de magnitud que los datos reales. Lo anterior se realiza
porque como el sistema en estudio es un sub sistema de una mina completa,
no se tienen datos de la flota que contiene, ya que no siempre son los mismo
equipos de transporte que están presentes en el sub sistema en estudio, es
por esto que se debió llegar a esta flota equivalente a través del modelo de
simulación.
44
Promedio Real [t] Promedio Simulado [t] Relación
95675.5 95435.2 99.7%
TViajeIda Promedio Real [min] Promedio Simulado [min] Relación
N06 13.9 13.8 99.5%
SLM 2.8 2.7 96.2%
SAL 2.9 2.9 98.7%
TViajeIda Promedio Real [min] Promedio Simulado [min] Relación
N06 9.9 10.2 103.1%
SLM 3.3 3.2 98.3%
SAL 3.3 3.2 95.8%
Tabla 7: Comparación entre parámetros reales y simulados
45
160%
140%
120%
Diferencia porcentual
100%
80%
60%
40%
20%
0%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50
Replicación
Gráfico 19: Diferencias porcentuales entre promedios acumulados para cada replicación
6000
5000
PRODUCTIVIDAD INSTANTÁNEA [T]
4000
3000
2000
1000
0
21
12
15
18
0
2,25
3
9
0,75
1,5
3,75
4,5
5,25
6,75
11,25
12,75
17,25
18,75
7,5
8,25
9,75
10,5
13,5
14,25
15,75
16,5
19,5
20,25
21,75
22,5
23,25
HORA
Productividad Simulada (promedio 50 simulaciones) Productividad Real
46
Sin embargo, es necesario realizar una comparación más robusta. Esto
se puede realizar a través de un gráfico de dispersión entre cada punto real y
simulado (Gráfico 21), el cual muestra que la línea de tendencia de los datos
es prácticamente igual a una línea de pendiente 1, y que el R² asociado es
de un 0.8664. La principal razón del valor del R² corresponde a las
diferencias intrínsecas que existirán entre una simulación y los datos reales,
dado que es imposible considerar todos los detalles que existen en la
realidad. Cabe recordar que una modelación de este tipo es una
simplificación de la realidad, considerando esto, el valor de R² obtenido es un
excelente valor desde el punto de vista de la representatividad de los
resultados obtenidos mediante la simulación.
6000,0
y = 0,986x
Productividad instantánea simulada [t]
R² = 0,8664
5000,0
4000,0
3000,0
2000,0
1000,0
0,0
0 1000 2000 3000 4000 5000 6000
Productividad instantánea real [t]
47
carguío y una vez cargado realice el cambio de turno en un estacionamiento
exclusivo para ello.
Figura 16: Modificación a sub-modelo dispatch para integrar posibilidad de "medio viaje"
48
Por otra parte, es necesario incorporar la opción de que el camión una
vez en la pala asignada se traslade hacia el estacionamiento exclusivo para
camiones cargados. Para esto solo basta con agregar la opción en el sub-
modelo origen a través del atributo definido en el sub-modelo dispatch
(Figura 17).
Figura 17: Modificación sub-modelo origen para incorporar viaje a estacionamiento exclusivo camiones
cargados
49
La implementación en Arena se refleja en cambiar la distancia en los
segmentos que unen el chancador con el estacionamiento y aquel que une el
estacionamiento con la fase N06.
50
3.4. Análisis de los resultados de los nuevos escenarios
51
productividad diaria CASO BASE
96951.3 95435.2 101.6%
Promedio Simulado por Caso Base por Diferencia por
detenciones camión [h] camión [h] unidad
Colación 1 Noche 0.93 0.89 105.2%
Colación 2 Noche 0.69 0.69 99.8%
CT Noche 0.73 0.93 78.5%
Colación Día 1.56 1.56 99.9%
CT Día 0.83 1.03 81.2%
TOTAL 4.74 5.09 93.1%
Tabla 10: Resultados escenario cambio de turno cargado
6000
Productividad instantánea [t/h]
5000
4000
3000
2000
1000
0
11,25
12,75
14,25
15,75
17,25
18,75
20,25
21,75
23,25
0,75
1,5
2,25
3,75
4,5
5,25
6,75
7,5
8,25
9,75
10,5
13,5
16,5
19,5
22,5
3
18
0
12
15
21
24
Hora
Productividad cambio turno cargado Productividad Caso Base
Gráfico 22: Comparativa productividad instantánea entre caso base y caso con cambio turno cargado
52
3.4.2. Resultado escenario con variación de posición de estacionamiento
99000 5,40
98000
5,30
97000
5,20
Productividad diaria [t/h]
94000 5,00
93000
4,90
92000
4,80
91000
4,70
90000
89000 4,60
50 500 1000 1500 2000 2500 3000 3500
Distancia EST-CH [m]
Detenciones por unidad Productividad diaria
Gráfico 23: Productividad diaria y detenciones operacionales versus distancia entre estacionamiento y
chancador
53
Diferencia con
Promedio Simulado [t] CASO BASE [t] CASO BASE
productividad diaria 98161.1 95435.2 102.9%
Simulado por Caso Base por Diferencia por
Promedio detenciones camión [h] camión [h] unidad
Colación 1 Noche 0.73 0.89 81.8%
Colación 2 Noche 0.61 0.69 89.0%
CT Noche 0.94 0.93 100.6%
Colación Día 1.57 1.56 100.6%
CT Día 1.02 1.03 99.2%
TOTAL 4.86 5.09 95.5%
Tabla 11: Resultados mejor caso en escenario de cambio de posición de estacionamiento
6000
PRODUCTIVIDAD INSTANTÁNEA [t/h]
5000
4000
3000
2000
1000
23,25
6
12
15
18
21
0
9
9,75
11,25
12,75
14,25
15,75
17,25
18,75
20,25
21,75
0,75
1,5
2,25
3,75
4,5
5,25
6,75
7,5
8,25
10,5
13,5
16,5
19,5
22,5
HORA
CASO BASE Mejor caso (50m)
Gráfico 24: Comparativa productividad instantánea entre caso base y mejor caso en escenario
variando posición de estacionamiento
54
equipos de transporte poseen una mayor velocidad de traslado, haciendo que
el tiempo de traslado hacia el estacionamiento para realizar la detención sea
menor.
Cabe destacar que al realizar este tipo de estudios sobre una faena en
producción, es prácticamente imposible que se realice un cambio en los
equipos de transporte, dada su alta inversión por equipo y sobre todo por
flota. Sin embargo, para análisis de equipos de transporte en etapas de pre-
factibilidad en revisiones de proyectos mineros será favorable considerar la
incidencia directa en los tiempos de detención de la velocidad del equipo de
transporte, y en consecuencia, en la productividad diaria.
6000
Productividad instantánea [t/h]
5000
4000
3000
2000
1000
0
20,25
3,75
0,75
2,25
5,25
6,75
8,25
9,75
10,5
11,25
12,75
13,5
14,25
15,75
16,5
17,25
18,75
19,5
21,75
22,5
23,25
1,5
4,5
7,5
12
15
18
21
24
0
Hora
Escenario combinado Caso Base
Gráfico 25: Comparativa productividad instantánea entre caso base y escenario combinado
* +
[ ] ( ( * + * +) * + * +)
4,50
4,00
4,07
3,50
Beneficio [MUS$/mes]
3,00
2,50 2,78
2,00
1,50
1,55
1,00
0,50
0,00
Cambio turno cargado Estacionamiento 50m Escenario combinado
Caso
Gráfico 26: Beneficio asociado a cada caso
57
cercano al chancador se tiene que el beneficio aumenta en 1.24 MUS$/mes
en relación a implementar solo la posibilidad del cambio de turno cargado.
Finalmente, la implementación de ambas estrategias conlleva un aumento
del beneficio de 1.29 MUS$/mes en relación a solo implementar el
acercamiento del estacionamiento al chancador.
4,50
4,00
Diferencial beneficio [MUS$/mes]
3,50 1,29
3,00
2,50
1,24
2,00
1,50
1,00
1,55
0,50
0,00
Cambio turno cargado Estacionamiento 50m Escenario combinado
Caso
Gráfico 27: Diferencial del beneficio asociado al caso anterior
58
4. CONCLUSIONES
61
5. BIBLIOGRAFÍA
1. Ming- Xiang He, Jiu- Chuan Wei, Xin- Ming Lu and Bao-Xiang Huang,
2010. The Genetic Algorithm for Truck Dispatching Problems in Surface
Mine. Information Technology Journal, 9: 710-714.
62
12. J. MacQueen, “Some methods for classification and analysis of
multivariate observations,” En: Proc. 5th Berkeley Symp. Mathematical
Statist. Probability, 1967, pp. 281–297.
63
6. ANEXOS
Fecha.
Turno.
Cuadrilla.
Camión.
Tipo de Camión.
Pala.
Tipo de Pala.
Material.
Origen.
Destino.
Hora registro [h].
Tiempo de [min]:
Fila en carguío.
Aculatamiento en carguío.
Carga.
Aculatamiento más descarga en chancado.
Fila en descarga.
Viaje de ida.
Viaje de vuelta.
Ciclo total.
Distancia total [m].
64
Gráfico 28: Histograma de tiempo de cola en carguío
65
Gráfico 30: Histograma de tiempos de carguío
66
Gráfico 32: Histograma de tiempos de ciclos
N06
67
Gráfico 34: Histograma de tiempos de ciclo desde la fase N06
68
Gráfico 36: Histograma de tiempos de ciclo desde el stock SLM
69