Gutierrez Mallqui, Manolo Ericson Moreano Rodriguez, Alvaro Villarreal Salazar, Elias Soriano Contreras, Cristian ericzons@hotmail.com ederm_5@hotmail.com elfo_ejvs@hotmail.com soriano_uni@hotmail.com Alfredo Marn Surez alfredomaringeo@hotmail.com Universidad Nacional de Ingeniera
GT-CGP, 2 de 11
RESUMEN
El marco terico de esta investigacin aplicada a la ingeniera de minas est constituido por la aplicacin de modelos matemticos probabilsticos con la ayuda de lenguajes de simulacin discreta evento - evento. Estos lenguajes de simulacin utilizan los conceptos del Teorema de Lmite Central de A. Liapounov, de la Teora de Colas, el mtodo de Monte Carlo de John Von Neumann, entre otros, para aproximarse a la realidad. El modelo matemtico probabilstico presentado en este trabajo, se dise y program haciendo uso del lenguaje de simulacin GPSS World versin estudiantil, para ser aplicado en las operaciones de transporte de mineral a tajo abierto. El modelo ha sido desarrollado para reproducir y estudiar la operacin del sistema de transporte de mineral en 12 guardias, en donde cada guardia tiene una duracin de 8 horas, permitindonos simular la produccin en toneladas de mineral a travs del modelo, estimar el porcentaje de utilizacin de los equipos de carguo: palas y cargadores frontales, estimar la probabilidad de falla de los equipos de carguo y transporte: palas y camiones, y estimar el nmero de camiones que pueden presentarse en la cola de cada unidad de carga y descarga. Este modelo matemtico puede ser utilizado para el diseo de nuevas rutas, diseo de una nueva flota de transporte, entre otras aplicaciones; es decir, como una herramienta de prediccin del comportamiento de futuras operaciones de transporte de mineral en minera superficial. Este trabajo ha sido desarrollado por el Grupo de Transporte del Centro Geoestadstico Peruano dirigido por el profesor principal de los cursos de Geoestadstica y Anlisis de Sistemas Mineros, Dr. Alfredo Marn Surez, de la Escuela de Minas de la Facultad de Ingeniera Geolgica, Minera y Metalrgica de la Universidad Nacional de Ingeniera.
ABSTRACT
The theoretical framework used at the research, applied to mine enginneering, consists on the application of probabilistic mathematical models with the aid of discrete simulation languages event - event. These simulation languages uses the following concepts to study the reality: the Central Limit Theorem of A. Liapounov, the Queuing Theory, Monte Carlo method of John Von Neumann, among others. The probabilistic mathematical model mentioned in this paper was designed and programmed by using the simulation language GPSS World Student Version, to be applied in ore transport operations of open pit. The model has been design to study the operation of the ore transport system of 12 guards where each guard has a duration of eight hours, letting us: simulate the production in tonnes of ore, estimate the percentage of equipment to load use (shovels and loaders), estimate the failure probability of transport and loading equipment (shovels and trucks), and estimate the number of trucks that can occur at the queue on each unit of loading and unloading. This mathematical model could be used for create new routes, a new fleet of transport, among other applications; it means use this model as a tool for predicting future behavior of ore transport operations in surface mining. This research has been done by the Grupo de Transporte del Centro Geoestadstico Peruano led by the head teacher of Geostatistics and Analysis of Mining Systems courses, Dr. Alfredo Marn Surez, of the Escuela de Minas of the Facultad de Ingeniera Geolgica, Minera y Metalrgica of the Universidad Nacional de Ingeniera.
INTRODUCCIN
En este mundo globalizado, que desde el ao 2008 a raz de la especulacin de las hipotecas norteamericanas sufre una crisis mundial, financiera e industrial; y como consecuencia los precios de los metales cayeron originando grandes prdidas de dinero en nuestras empresas mineras, tal situacin oblig a muchas empresas a detener sus operaciones y a otras a reducir sus operaciones de explotacin del mineral. Tambin motiv a reflexionar acerca de la importancia de la ciencia y la tecnologa, el diseo y el planeamiento, en concreto, de la ingeniera ante este tipo de situaciones. Pues las empresas con mayor desarrollo de ingeniera en sus operaciones, lograron enfrentar la crisis mejorando sus procesos y reduciendo sus costos, a fin de prepararse para incrementar sus ganancias en el periodo de recuperacin que siempre se da en la economa mundial. Una de las tcnicas que utiliza la ingeniera y que ayuda a mejorar los procesos industriales es la simulacin, esta tcnica nos permite estimar el nmero de camiones que deben operar en el tajo y su distribucin. Y como bien sabemos, un camin ms o un camin menos o una mala distribucin de los camiones, generan tiempos no productivos de la pala, tiempos no productivos del camin, colas, bajas eficiencias; en conclusin grandes prdidas de dinero para la empresa minera. En el presente trabajo se muestra un ejemplo de lo que se puede lograr al aplicar la tcnica de la simulacin a la minera.
GT-CGP, 3 de 11
1. PLANTEAMIENTO DEL PROBLEMA
En la minera debido a que se cuenta con equipos de elevado costo de adquisicin, elevado costo operativo y elevado costo de mantenimiento; se busca mejorar la eficiencia de estos equipos. El proceso de carguo y transporte del material que resulta de la voladura de rocas requiere el empleo de estos equipos dentro de un sistema llamado sistema de transporte de mineral. A continuacin describiremos un sistema de transporte de mineral en minera superficial para ser estudiado: En la mina QORI ALLPA que explota mineral de oro por el mtodo de explotacin superficial, se tiene un tajo en el cual operan dos palas SH001 y SH002 y las cuales realizan el minado de los bancos 3920 y 3910 respectivamente. En esta mina la proporcin de material y su destino se definirn de acuerdo a la cantidad de material que se obtiene de la secuencia de minado, en este tajo en particular la proporcin de desmonte mineral es 1:17, en el tajo se utiliza los camiones CAT 793B y CAT 793C de 234 tn y salen de un punto conocido como garaje. El carguo de camiones en las Palas se realiza mediante el mtodo frontal cuts, que consiste en que la pala atiende a los camiones por ambos lados, siendo el ancho mnimo operativo de 60 m. El ancho de vas es de 36 m, debido a ello tenemos circulacin de camiones en ambos sentidos. En este sistema ocurren fallas de camiones y fallas de las palas. La asignacin de camiones a cada pala se realiza, primero buscando la pala que se encuentre libre, si las dos palas estn ocupadas se procede a buscar la de menor cola. Algunas preguntas que resultan al plantear este problema son las siguientes: Cul es el nmero de camiones que deben operar en este tajo?
Figura 1. Eleccin del nmero de camiones que deben operar en el tajo.
A qu pala debe dirigirse el camin en caso de estar ambas palas ocupadas y con la misma cantidad de camiones esperando en la cola?
Figura 2. Eleccin de la poltica de operacin de los camiones que operan en el tajo.
Con qu combinacin de camiones y poltica de operacin se obtiene la mayor produccin?
Como consecuencia de la problemtica expuesta, nos planteamos los siguientes objetivos con los cuales se inicia nuestro trabajo
2. OBJETIVOS
2.1 Objetivos generales
Desarrollar la metodologa para construir un modelo probabilstico del transporte de mineral en minera superficial. Construir el modelo de simulacin del sistema de transporte de la mina QORI ALLPA.
2.2 Objetivos especficos
Encontrar el menor nmero de camiones que permita obtener la mayor produccin reduciendo los tiempos ociosos de las palas y camiones. Encontrar la mejor distribucin de camiones que permita obtener la mayor produccin reduciendo los tiempos ociosos de las palas y camiones.
3. MARCO TERICO
Las teoras matemticas entre ellas la Teora de la probabilidad y la Teora de colas, en conjunto con los procedimientos cientficos como la tcnica de la simulacin y el mtodo de Monte Carlo; permiten, a travs de la informtica, construir un Lenguaje de Simulacin. Este bagaje de conocimientos, sintetizados en el Lenguaje de Simulacin, son utilizados para disear un modelo probabilstico del sistema de transporte de mineral.
GT-CGP, 4 de 11
Figura 3. Esquema que representa la interaccin de los conceptos matemticos y las herramientas informticas utilizadas en este trabajo.
4. METODOLOGA DE TRABAJO APLICADA A UNA MINA MODELO
4.1. Descripcin del sistema de transporte de la mina QORI ALLPA
El tajo en estudio presenta los siguientes componentes:
4.1.1. Planes de explotacin (frentes) Frente 3910.- Este frente se ubica en el nivel 3910 m, hasta aqu llegan ambos tipos de camiones (CAT 793B y CAT 793C). En este lugar trabaja la pala SH002, el mineral de este frente es trasladado al Pad de Lixiviacin y el desmonte al Botadero. Este frente est a una distancia aproximada de 232 m del CRUCE (siguiendo la ruta del camin).
Frente 3920.- Este frente se ubica en el nivel 3920 m, hasta aqu llegan ambos tipos de camiones (CAT 793B y CAT 793C). En este lugar trabaja la pala SH001, el mineral de este frente es trasladado al Pad de Lixiviacin y el desmonte al Botadero. Este frente est a una distancia aproximada de 680 m del CRUCE (siguiendo la ruta del camin).
4.1.2. Botadero de desmonte En este botadero hasta 3 camiones pueden descargar el desmonte simultneamente. El botadero se ubica en el nivel 4010, a una distancia, siguiendo la ruta del camin, de 1600 m del CRUCE.
4.1.3. Zona de descarga de mineral (Pad de lixiviacin) En este Pad hasta 3 camiones pueden descargar el mineral simultneamente. El Pad se ubica en el nivel 3980, a una distancia, siguiendo la ruta del camin, de 3600 m del CRUCE.
4.1.4. Zona de salida de camiones (garaje) Los camiones salen del garaje los das Lunes en la primera guardia, y no regresan; esto debido al cambio en caliente que consiste en trasladar al personal que ingresa al tajo hasta el lugar donde se ubica su equipo. La flota consta de 12 camiones, 5 camiones CAT 793B y 7 camiones CAT 793C. El garaje se ubica en el nivel 3950 y est a 30m del tajo. En este sistema se est considerando la falla de camiones y palas, la falla de camiones se asume que ocurre despus de que el camin ha descargado el material a transportar; en el caso de las palas, la falla puede ocurrir en cualquier momento, y cuando una pala falla los camiones se dirigen a la otra pala.
Figura 4. Vista panormica de la mina QORI ALLPA.
4.2. Recoleccin de datos para el modelo probabilstico
Se requieren los siguientes datos del sistema de transporte de mineral: Mapa de rutas de los equipos del sistema de transporte pala camin, con sus respectivas pendientes. Tiempos de viaje de los camiones por tramos. Tiempos de servicio de todas las palas. Tiempos de descarga en el botadero y en el pad de lixiviacin. Cdigos de las maquinarias con sus respectivas capacidades. Descripcin de la operacin en una guardia. Descripcin de cantidades de material a transportar en cada frente de trabajo. Relacin desmonte - mineral en cada frente de trabajo. Descripcin de los caminos: cruces, tipo de va, restricciones, etc.
GT-CGP, 5 de 11
Cantidad de material que ingresa en el pad de lixiviacin y en el botadero. Caractersticas de las lneas de espera en el botadero y en el pad de lixiviacin. Luego de recolectar estos datos ubicamos la entrada de los camiones al sistema (i.e. el garaje), los servicios (e.g. pala, pad de lixiviacin, botadero); finalmente los tramos, que son los trayectos por los que se desplazan los camiones. Tambin identificamos la Lgica y Tiempos de operacin, y los parmetros de los equipos (e.g. capacidad del camin). Tomamos los tiempos de operacin de los equipos (i.e. camin, pala), estos tiempos se clasifican en tres categoras: tiempos de entrada al sistema, tiempos de viaje por tramo y tiempos de servicio. Una vez recolectados los datos, realizamos el Tratamiento estadstico que consiste en construir las Tablas de frecuencias y la Funcin de distribucin acumulada para proceder a realizar una prueba de bondad de ajuste. En paralelo al tratamiento estadstico, elaboramos el diagrama de bloques que es plasmar la lgica del sistema de transporte. Dicho diagrama se codifica en el lenguaje de simulacin GPSS. El programa codificado es corrido varias veces para obtener resultados que sirven para validar el modelo. Luego de la validacin se procede con el anlisis de sensibilidad, buscando reducir costos y aumentar la produccin.
Figura 5. Representacin grfica del proceso metodolgico aplicado en la construccin del modelo probabilstico.
4.2.1. Ubicacin de las zonas de recoleccin de datos Ubicamos la entrada de camiones al sistema, que en este caso es el Garaje, el dato a recolectar en este lugar es el tiempo entre llegadas de camiones.
Figura 6. Representacin grfica del ingreso de los camiones al sistema de transporte de mineral.
Tambin ubicamos los tramos por donde se trasladan los camiones, en estos lugares se toman los tiempos de viaje.
Figura 7. Representacin grfica del traslado de los camiones en el sistema de transporte de mineral.
Finalmente ubicamos los servicios como por ejemplo la pala, en estos lugares se toman los tiempos de servicio.
Figura 8. Representacin grfica del carguo de camiones en el sistema de transporte de mineral.
4.2.2. Obtencin de tiempos
4.2.2.1. Si se dispone de un sistema de administracin de equipos con tecnologa GPS. Estos sistemas (i.e. Jigsaw, Dispatch) recolectan datos como el cdigo del equipo, la velocidad instantnea, el estado del equipo y la fecha y hora cada 3 segundos. Los tiempos de operacin de los camiones, en este caso, se calculan a partir de velocidades instantneas extradas de la base de datos de estos sistemas de despacho.
GT-CGP, 6 de 11
Tabla 1. Datos proporcionados por el sistema de administracin con tecnologa GPS. Flota Veloci dad (Km) Fecha y Hora N Satel ites X (m) Y (m) Z (m) Estado Cat 793B 20 03/12/2009 8:08 9 1675 5 2710 1 406 2 Vaco Cat 793B 29 03/12/2009 8:09 8 1699 0 2715 3 408 1 Vaco Cat 793B 23 03/12/2009 8:09 8 1720 4 2710 8 409 6 Vaco Cat 793B 39 03/12/2009 8:10 6 1748 7 2710 3 408 1 Cargado Cat 793B 37 03/12/2009 8:10 6 1775 1 2694 8 406 2 Cargado Cat 793B 35 03/12/2009 8:11 9 1793 6 2669 0 402 9 Cargado Cat 793B 37 03/12/2009 8:11 7 1790 7 2640 4 398 7 Cargado Cat 793B 43 03/12/2009 8:12 8 1809 4 2630 0 396 0 Cargado
Al contar con las velocidades instantneas, calculadas cada tres segundos por el sistema de despacho con GPS, se pueden clasificar estos datos segn: La pendiente del tramo por el cual pasa el camin. Las condiciones de trabajo del camin (i.e. secas, hmedas). El tipo de camin. El estado del camin en el momento del clculo de su velocidad. (i.e. vaco, cargado) Luego de clasificados estos datos, se procede a construir un polgono que contenga el tramo de la carretera por la que transita el camin. Esto con el objetivo de seleccionar el conjunto de velocidades instantneas que han sido calculadas dentro del polgono. Finalmente se asume una hiptesis de conservacin de la velocidad instantnea a lo largo del polgono. Debido a esta consideracin aplicamos un anlisis de Montecarlo y simulamos velocidades instantneas basndonos en la funcin de distribucin de cada tramo. Con estas velocidades calculamos los tiempos de viaje del camin que sern empleados por el modelo para simular el sistema real.
Figura 9. Representacin grfica del polgono.
Figura 10. Representacin grfica del polgono que contendr las velocidades instantneas calculadas por el sistema de despacho.
4.2.2.2. Si no se dispone de un sistema de administracin de equipos con tecnologa GPS. Los tiempos en este caso deben ser tomados en el campo utilizando un cronmetro. En ambos casos los tiempos obtenidos se clasifican en tres categoras que son:
Tiempos de entrada al sistema En la presente tabla se muestran los tiempos que deben ser tomados, la diferencia entre los tiempos de llegada de los camiones, es la variable aleatoria que nos permite simular el ingreso de camiones al sistema.
Tabla 2. Tiempos de entrada al sistema tomados del campo con un cronmetro.
Donde:
GT-CGP, 7 de 11
- Tiempo de entrada al sistema del objeto, para nuestra aplicacin el camin. Para
-Tiempo de entrada al sistema del objeto.
-Diferencia de tiempos, para este caso:
Tiempos de viaje por tramos Se delimitan los tramos y se toman los tiempos al pasar el camin por el punto inicial y el punto final del tramo, la diferencia entre los tiempos es la variable aleatoria; tiempo de viaje, que nos permite simular el traslado de los camiones de un lugar a otro.
Tabla 3. Tiempos de viaje por tramos tomados del campo con un cronmetro.
Donde: - Tiempo en el punto, punto inicial de un tramo determinado, al pasar el objeto (camin en nuestra aplicacin). Para
- Tiempo en el punto, punto final del mismo tramo, al pasar el objeto.
- Diferencia de tiempos, para este caso:
Tiempos de servicio Se toman los tiempos al ingresar y al salir el camin del servicio, la diferencia entre los tiempos es la variable aleatoria; tiempo de servicio, que nos permite simular el tiempo en que un camin es atendido por una pala.
Tabla 4. Tiempos de servicio tomados del campo con un cronmetro.
Donde:
- Tiempo de entrada al servicio (carga o descarga) del objeto (camin). Para
- Tiempo de salida del servicio (carga o descarga) del objeto (camin).
- Diferencia de tiempos, para este caso:
Figura 11. Representacin grfica del sistema de transporte de mineral de la mina QORI ALLPA.
4.2.3. Lgica de operacin Un ejemplo de lgica de operacin, es el que se muestra en el CRUCE, al cual llegan camiones sin carga y deben ser direccionados a una de las dos palas, en este sistema se elige como prioridad la pala que est desocupada y en caso de que ambas palas estn ocupadas se elige la pala que tenga la menor cantidad de camiones esperando en la cola. A esta secuencia de eleccin por prioridades le llamamos la lgica de operacin del sistema. 4.2.3. Parmetros de los equipos Equipos de Carguo
GT-CGP, 8 de 11
Entre los parmetros que se consideran para el modelo, estn la capacidad de la cuchara y la disponibilidad mecnica de la pala. Equipos de Transporte Tambin son considerados la capacidad de la tolva y la disponibilidad mecnica del camin.
4.3. Tratamiento estadstico
4.3.1. Tabla de frecuencias Al obtener el conjunto de datos de tiempos; por ejemplo, tiempos de atencin de una pala, se procede a construir la Tabla de Frecuencias. En esta tabla se aprecian: las frecuencias absolutas, las frecuencias relativas y las frecuencias relativas acumuladas; que describen el comportamiento probabilstico de la variable aleatoria, tiempo de viaje de un camin en un tramo.
Tabla 5. Tabla de Frecuencias de los tiempos de viaje de un camin en un Tramo.
4.3.2. Histograma El histograma indica entre qu valores est una variable aleatoria y la frecuencia con que se presenta cada valor; es decir, es la aproximacin basada en datos reales a la ley de distribucin de esa variable aleatoria.
Figura 12. Histograma de la variable aleatoria tiempo de viaje del camin.
4.3.3. Funcin de distribucin acumulada La funcin de distribucin acumulada, representa la acumulacin de probabilidad de que un evento suceda. Esta funcin, es la que permite realizar el mtodo de Monte Carlo, para la generacin ilimitada de valores de una variable aleatoria que cumplen con una ley de distribucin determinada.
Figura 13. Funcin de distribucin acumulada de la variable aleatoria tiempo de viaje del camin.
4.3.4. Pruebas de Bondad de ajuste Chi cuadrado y Kolmogorov Smirnov Las Pruebas de la Bondad de Ajuste nos permiten saber cun bien se ajusta una muestra concreta de una poblacin determinada a un comportamiento terico, es decir, puedo conocer el porcentaje de error al aproximar el comportamiento estadstico de una cantidad de datos a una funcin de distribucin cualquiera. Entre las pruebas ms difundidas estn: la Chi Cuadrado y la Kolmogorov Smirnov. En este trabajo la distribucin terica utilizada es la Distribucin Normal. Para desarrollar estas pruebas ser necesario obtener previamente las Frecuencias Relativas y Frecuencias Relativas Acumuladas de la muestra, razn por la cual se construye la tabla de frecuencias. i CATEGORiA FAbs FR FAbs_Acu FR_Acu 1 x<= 5.89 3 0.00 3 0.00 2 5.89 < x<= 6.78 2 0.00 5 0.01 3 6.78 < x<= 7.67 4 0.01 9 0.01 4 7.67 < x<= 8.56 11 0.02 20 0.03 5 8.56 < x<= 9.44 85 0.13 105 0.17 6 9.44 < x<= 10.33 465 0.74 570 0.90 7 10.33 < x<= 11.22 35 0.06 605 0.96 8 11.22 < x<= 12.11 19 0.03 624 0.99 9 12.11 < x 8 0.01 632 1 ___ 632 Media= 9.93 Desviacin Estndar = 0.85
GT-CGP, 9 de 11
Figura 14. Resultados de las Pruebas de Bondad.
4.4. Construccin del diagrama de bloques
El diagrama de bloques, es la representacin de la lgica del sistema. Aqu mostramos el diagrama de bloques correspondiente al sistema de transporte de mineral de la mina QORI ALLPA.
Figura 15. Diagrama de bloques del modelo probabilstico.
4.5. Codificacin en el lenguaje de simulacin GPSS
Este lenguaje de simulacin de propsito general, pertenece a los lenguajes de simulacin discreta evento- evento, fue diseado por Geofrey Gordon de la empresa IBM, en la dcada de 1960.
Figura 16. Cdigo en GPSS.
4.6. Corridas del programa y validacin del modelo probabilstico
Para validar nuestro modelo elegimos una variable de estado, que en este caso es el tonelaje de mineral producido durante los 4 das de operacin. Para este sistema de transporte de mineral, se simul la operacin durante 4 das (12 guardias). Estos son los resultados al final de los 4 das. La corrida del modelo arroj un tonelaje de mineral de 457 470 tn que representa un 99.0% del tonelaje real del sistema.
Tabla 6. Validacin del modelo utilizando la variable de estado Tonelaje por 4 das.
Tonelaje por 4 das (tn) Aproximacin (%) Modelo 457470 99.0 Sistema real 462090
Prueba de Bondad de Ajuste Chi-Cuadrado y Kolmogorov-Smirnov GL = 6 DistribuciOn Xchi DM(k-s) Normal 21.368419 0.219418 NOTA 1: Busca en una tabla un Xchi con una Confiabilidad (1 - alfa) que sirva como referencia. alfa.- Nivel de significancia. NOTA 2: Confiabilidad (Por ciento) 90 95 99 0.048529 0.054098 0.064838
GT-CGP, 10 de 11
N Cam. 793B Pro. ($) TO tot. ( $) Ing. Net. ($) 12 8119019 170032 6566884 13 8524564 178187 6849098 14 8844945 189422 7043069 15 9761478 209782 7824066 16 10138635 273614 8022216 17 10410350 343993 8108377 18 10588790 431659 8083976 19 10799674 642126 7969218 20 10844284 781512 7759266 21 10706399 946905 7340812 22 10483349 1238342 6711150 Tabla 7. Tonelaje de las zonas de descarga arrojado por el modelo durante un periodo de 4 das. Zonas de descarga Tonelaje (tn) Pad de lixiviacin 457 470 Botadero 73 710
4.7. Anlisis de sensibilidad utilizando el modelo
Considerando un sistema de transporte de mineral administrado mediante una tecnologa GPS (que incluye los algoritmos de Programacin Lineal, Programacin Dinmica y de la Mejor Ruta), se tiene una distribucin variable de los camiones que procedemos a estudiar mediante nuestro modelo de simulacin. El anlisis de sensibilidad, para una distribucin variable de camiones en la mina QORI ALLPA durante un periodo de 4 das equivalente a 12 guardias, arroja los siguientes resultados.
Tabla 8. Ingreso Neto para las combinaciones de los dos tipos de camiones.
Tabla 9. Ingreso Neto sin considerar camiones 793C
El primer campo corresponde al Nmero de camiones 793B. El segundo corresponde a la Produccin de mineral en dlares. Seguidamente tenemos el Tiempo Ocioso Total en dlares. El Tiempo Ocioso Total es la suma de los tiempos ociosos de los camiones y de las palas. Finalmente observamos el Ingreso Neto en dlares. Este Ingreso Neto corresponde a la produccin de mineral en dlares restado de la prdida de dinero por tiempos ociosos totales, y de los costos debido al empleo de los camiones. Para las 404 alternativas que se presentan, observamos que el mayor Ingreso Neto corresponden a 17 camiones del tipo 793B y ninguno del tipo 793C. Mayor Ingreso Neto implica mayor produccin y menor tiempo ocioso.
5. CONCLUSIONES
Se desarroll la metodologa para construir un modelo probabilstico del transporte de mineral en minera superficial, que si bien ha sido desarrollada para una mina modelo, es perfectamente aplicable a una mina real, incluso a una mina subterrnea. El modelo de simulacin para 4 das equivalente a 12 guardias de trabajo, nos da un tonelaje total de 531 180 tn, con una aproximacin del 99% con respecto al tonelaje de mineral producido en la mina, de los cuales 457 470 tn corresponden al mineral descargado en el pad de lixiviacin y 73 710 tn de desmonte descargado en el botadero. Realizando el anlisis de sensibilidad utilizando el modelo con el objetivo de estimar la cantidad de camiones que origine el mayor Ingreso Neto, se recomienda utilizar 17 camiones del tipo 793B y ningn camin del tipo 793C. Esto significa incrementar 12 camiones del primer tipo y eliminar todos los del segundo. N Cam. 793B N Cam. 793C Ing. Net. ($) 0 17 5956708 1 16 6098130 2 15 6230126 3 14 6337089 4 14 6335917 5 11 6530010 6 11 6595567 17 0 8108377 16 1 7937228 16 2 7941364 13 3 7644416 14 4 7628711 12 5 7516206 12 6 7420501 11 7 7173900 10 8 7025774
GT-CGP, 11 de 11
Con esta nueva flota de camiones se obtiene un tonelaje de mineral de 584 766 tn que expresado en dlares origina un Ingreso Neto de $ 8 108 000. Este valor comparado con el sistema actual cuyo Ingreso Neto es $ 5 453 000, genera un incremento en la ganancia de $ 2 655 000 que expresado en porcentaje es 49%, en slo 4 das de trabajo. Cuando ambas Palas estn ocupadas y existe igual nmero de camiones en las colas, la lgica de atencin en el punto llamado CRUCE debe ser que el camin se dirija a la pala ms cercana ya que nos genera un incremento en el ingreso neto de $ 113 550, que expresado en porcentaje es 1.21%. Aplicando la tcnica de la simulacin a la industria minera podremos predecir cul debe ser el mejor nmero y distribucin de camiones en el sistema de transporte, con el fin de obtener mayor produccin al menor costo, y en consecuencia obtener una alternativa que nos d un mayor Ingreso Neto. La tcnica de la simulacin est basada en la teora de probabilidades, teora de colas, anlisis estadstico y lenguaje de programacin, es decir, este conjunto de conocimientos cientficos resuelven problemas de ingeniera muy complejos y por lo tanto genera mayores ganancias para las empresas mineras.
6. REFERENCIAS
Alfredo Marn Surez, Simulacin con GPSS, Cuarto seminario latinoamericano de investigacin operativa aplicada a la industria minera O.E.A., Santiago de Chile (1974). Eder de la Cruz, Modelo Probabilstico de Transporte de Mineral en el Tajo Ral Rojas, 29 Convencin Minera-Perumin 2009, TT-110 Final (2009). Alfredo Marn Surez, Apuntes del curso Anlisis de Sistemas Mineros, FIGMM Universidad Nacional de Ingeniera, Lima (2008). Juan Carlos Sotelo, Apuntes del curso Simulacin, FIIS Universidad Nacional de Ingeniera, Lima ( 2008). Thomas. H. Naylor, et al, Tcnicas de simulacin en computadoras, John Wiley & Sons, Inc (USA), Mxico (1971) Maurice Boudot, Lgica Inductiva y Probabilidad, Libraire Armand Colin, Pars (1978). I. Bronshtein y K. Semendiaev, Manual de Matemticas para ingenieros y estudiantes, Mir, Mosc (1973). M. Azarang, Simulacin y Anlisis de Modelos Estocsticos,p1890,McGraw-HillInteramericana Editores, Mxico .D.F., Mxico (1996). G.P.Wadsworth, Aplicaciones de la teora de Probabilidades y Variables Aleatorias, p 3499, Editorial Alhambra, Madrid, Madrid (1978). McFarlane Mood, Alexander. Introduccin a la teora de la Estadstica, Mc Graw Hill, USA (1950).