UNIVERSIDAD NACIONAL DE SAN

CRISTÓBAL DE HUAMANGA
FACULTAD DE INGENIERIA MINAS GEOLOGIA Y
CIVIL
ESCUELA DE FORMACION PROFESIONAL DE INGENIERIA DE
MINAS

“APLICACIÓN DE LA INVESTIGACION DE OPERACIONES

EN MINERIA”

CURSO : INVESTIGACION DE OPERACIONES

SIGLA : MI-527

PROFESOR : Ing. CAMPOS ARZAPALO, Edmundo

ALUMNO : CALDERON GAMARRA, Jeseman

AYACUCHO-PERU
2007
 INTRODUCCION

El siguiente trabajo de investigación consta explícitamente de tres capítulos las cuales

han sido ordenados de tal modo que empezamos en el primer capítulo con la
Optimización de las Operaciones Unitarias de la U.E.A Catalina Huanta en el cual se
aplica el Algoritmo Simplex. En el segundo se ilustra la aplicación de la Programación
Lineal Entera aplicada en la U.E.A Iscaycruz, donde se verá aplicaciones para optimizar
las operaciones que ocurren diariamente en la industria minera. En el tercer y último
capítulo se ve la simulación, esto ayuda a los ingenieros de minas a estudiar varias
alternativas. La simulación de un sistema de perforación hidráulica con jumbos se
realizó tomando como muestra la malla de perforación y el trazo de voladura respectivo
de las minas Huanzalá, Pallca, Milpo y Raura.

2
 DEDICATORIA

A todas las personas que me apoyaron en

la culminación de este trabajo de
investigación.

3
 INDICE

INTRODUCCION
DEDICATORIA
INDICE
CAPITULO I
OPTIMIZACION DE LAS OPERACIONES UNITARIAS DE MINADO EN LA
U.E.A CATALINA HUANCA
1.1. Ubicación 6
1.2. Objetivo Del Presente Trabajo 6
1.3. Metodología Del Trabajo. 6
1.4. Situación Actual De La Mina. 7
1.5. Optimización De La Operación De Minado Aplicando Programación Lineal 8
1.5.1 Determinando El Margen Económico (ME) De La Operación Actual 8
1.5.2 Optimizando El Margen Económico Actual Sujeto A Restricciones 8
1.5.3 Aplicación Del Método Simplex 10

CAPITULO II
OPTIMIZACION DEL TIEMPO DE EJECUCION DE LABORES MINERAS EN
LA CIA MINERA ISCAYCRUZ
2.1 Ubicación 13
2.2 Objetivo Del Presente Trabajo: 13
2.3 Planteamiento Del Problema: 13
2.4 Solución: Por Programación Lineal Entera Mixto 14

CAPITULO III
SIMULACIÓN DE UN SISTEMA DE PERFORACIÓN HIDRÁULICA:
JUMBOS
3.0 FUNDAMENTO 17
3.0.1 Una Situación Real en Términos Matemáticos 17
3.0.2 Diseño de Simulación en el Computador 17
3.1 OBJETIVO 18
3.1.1 Modelo de Simulación en Explotación 18

4
3.1.2 Modelo de Simulación en Túneles 19
3.2 FUNCIÓN DE PROBABILIDAD 20
3.2.1 Distribución de Frecuencias 20
3.2.2 Probabilidad en Taladros de Producción y Avance 20
3.2.3 Método para generar un número aleatorio 21
3.4 RESULTADO DE LAS SIMULACIONES 21
3.5 APENDICE: 25
Apéndice 3.1.1 Simulación de Producción 25
Apéndice 3.2.1 Simulación de Avances 25

CONCLUSIONES 29
RECOMENDACIONES 31
BIBLIOGRAFIA 32

5
 CAPITULO I

OPTIMIZACION DE LAS OPERACIONES UNITARIAS DE MINADO EN LA

U.E.A CATALINA HUANCA

1.1 UBICACIÓN
La Unidad Minera “Catalina Huanta” se encuentra ubicada en el departamento de
Ayacucho, provincia de Víctor Fajardo, distrito de Canarias, esta se encuentra con
coordenadas geográficas de 73º56’15” Longitud Oeste y 13º58’45” Latitud Sur y a una
altitud de 3500 metros sobre el nivel del mar.

1.2 OBJETIVO DEL PRESENTE TRABAJO

El objetivo es realizar un trabajo de optimización de las operaciones unitarias de minado
en la U.E.A Catalina Huanca tendientes al aumento de la producción y productividad.

1.3 METODOLOGIA DEL TRABAJO.

La metodología usada fue de campo y gabinete. El trabajo de campo consistió en:
 Evaluación del estado actual de las labores.
 Recopilación de datos de cubicación.
 Reservas.
 Mapeos geológicos.
 Rendimientos, costos y diagnóstico de problemas de la explotación.
El trabajo de gabinete constituye en el análisis de datos recogidos y propuestas de
optimización.
1.4 SITUACION ACTUAL DE LA MINA.

6
Actualmente la mina se encuentra con sus operaciones mineras normales ejecutados por
contratistas mineros, tendiendo a mecanizar la mina.

1.5 OPTIMIZACIÓN DE LA OPERACIÓN DE MINADO APLICANDO

PROGRAMACION LINEAL:
En una explotación bien planificada es importante explotar realizando un blendig en
proporciones adecuadas, las leyes con respecto al tonelaje. El manto Amanda cuenta
con los siguientes parámetros.
PARAMETROS TAJEO 01 TAJEO 02
Producción (Tm/mes) 2,200 700
Ley de Plomo (%) 4.45 3
Ley de Zinc (%) 3.71 6.49
Factor de Potencia (Kg/Tm) 0.22 0.18
Costo de Operación ($/Tm) 29.25 28.64

Contenido de ganga:
Conc.Pb = 9.243%
Conc.Zn = 3.082%
DATOS:
 Taladros:
Tajeo 01 = 1222
Tajeo 02 = 350
 Barrenos : 4’ y 6’
 Peso de cartucho : 0.080 Kg
 5 cartuchos/taladro
Recuperación Metalúrgica y Factor de liquidez
R F
Pb 0.66 0.80
Zn 0.84 0.87
Cotización:
Pb = 474.98 $/TM
Zn = 784.45 $/TM
NOTA: Previo estudio de las operaciones se puede llegar a 3,000 Tm en el tajeo 01 y
900 Tm en el tajeo 02.

7
1.5.1 DETERMINANDO EL MARGEN ECONOMICO (ME) DE LA
OPERACIÓN ACTUAL:

TAJEO 01
VP = Ton x ley x R X F X Cotiz.
VP = (1 x 0.0445 x 0.66 x 0.8 x 474.98) + (1 x 0.0371 x 0.84 x 0.87x 784.45)
VP = 32.43 $/TM
ME = VP – CP
ME = 32.43 – 29.25
ME = 3.18 $/TM
TAJEO 02
VP = Ton x ley x R X F X Cotiz.
VP = (1 x 0.030 x 0.66 x 0.8 x 474.98) + (1 x 0.0649 x 0.84 x 0.87 x 784.45)
VP = 44.73 $/TM
ME = VP – CP
ME = 44.73 – 28.64
ME = 16.09 $/TM

El margen económico con el blending actual, en condiciones normales es :

TJ -01 ME = 3.18 x 2,200 = 6,996 $
TJ -02 ME = 16.09 x 700 = 11,263 $
18,259 $
1.5.2 OPTIMIZANDO EL MARGEN ECONOMICO ACTUAL SUJETO A
RESTRICIONES.
Planteamiento:
TJ – 01 = X1, TJ – 02 = X2, ME = Z
La función objetiva (FO) del problema es maximizar (Z)
MAX(Z) = 3.18X1 + 16.09X2

Sujeto a las siguientes restricciones:

Metros perforados.
1m/TM x 2,200TM + 0.9m/TM x 700 = 2830 m
1X1 + 0.9X2 ≤ 2830

8
Contenido de ganga en el concentrado.
0,010X1 + 0.0117X2 ≤ 31

Contenido fino.
2200TM(0.0445 +0.0371) + 700TM(0.030 + 0.0649) = 245.95 TM
0.0816X1 + 0.0949X2 ≥ 245.95

Consumo de Explosivo.
2200TM(0.22 Kg/TM) + 700 TM(0.18Kg/TM) = 610 Kg
0.22X1 + 0.18X2 ≤ 610

RESUMEN:
MAX(Z) = 3.18X1 + 16.09X2
restricciones: 1X1 + 0.9X2 ≤ 2830
0.0816X1 + 0.0949X2 ≥ 245.95
0,010X1 + 0.0117X2 ≤ 31
0.22X1 + 0.18X2 ≤ 610
X1 = 3000
X2 = 900
Pasando a la forma Estándar:
Max(Z) = 3.18X1 + 16.09X2 + 0S1 + 0S2 + 0S3 + 0S4 + 0S5 + 0S6
Sujeto a:
1X1 + 0.9X2 + 1S1 + 0S2 + 0S3 + 0S4 + 0S5 +0S6 = 2830
0.0816X1 + 0.9X2 + 0S1 + 1S2 + 0S3 + 0S4 + 0S5 +0S6 = 245.95
0.010X1 + 0.0117X2 + 0S1 + 0S2 + 1S3 + 0S4 + 0S5 +0S6 = 31
0.22X1 + 0.18X2 + 0S1 + 0S2 + 0S3 + 1S4 + 0S5 + 0S6 = 610
1X1 + 0X2 + 0S1 + 0S2 + 0S3 + 0S4 + 1S5 + 0S6 = 3000
0X1 + 1X2 + 0S1 + 0S2 + 0S3 + 0S4 + 0S5 +1S6 = 900

9
1.5.3 APLICACIÓN DEL METODO SIMPLEX
VARIABLE DE
BASE DECISION VARIABLE DE HOLGURA SOLUCION
X1 X2 S1 S2 S3 S4 S5 S6
S1 1,000 0,900 1,000 0,000 0,000 0,000 0,000 0,000 2.830,000
S2 0,082 0,095 0,000 1,000 0,000 0,000 0,000 0,000 245,950
S3 0,220 0,180 0,000 0,000 1,000 0,000 0,000 0,000 610,000
S4 0,010 0,012 0,000 0,000 0,000 1,000 0,000 0,000 31,000
S5 1,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 3.000,000
S6 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
Z -3,180 -16,090 0,000 0,000 0,000 0,000 0,000 0,000 0,000

NUEVA FILA DEL

PIVOTE (X2) 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000

FILA S1
VIEJA FILA DE S1 1,000 0,900 1,000 0,000 0,000 0,000 0,000 0,000 2.830,000
COEFICIENTE DE S1 0,900 0,900 0,900 0,900 0,900 0,900 0,900 0,900 0,900
NUEVA FILA DEL
PIVOTE S1 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
NUEVA FILA DE S1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
NUEVA FILA S2
0,082 0,095 0,000 1,000 0,000 0,000 0,000 0,000 245,950
0,095 0,095 0,095 0,095 0,095 0,095 0,095 0,095 0,095
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
0,082 0,000 0,000 1,000 0,000 0,000 0,000 -0,095 160,540
NUEVA FILA S3
0,220 0,180 0,000 0,000 1,000 0,000 0,000 0,000 610,000
0,180 0,180 0,180 0,180 0,180 0,180 0,180 0,180 0,180
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
0,220 0,000 0,000 0,000 1,000 0,000 0,000 -0,180 448,000
NUEVA FILA S4
0,010 0,012 0,000 0,000 0,000 1,000 0,000 0,000 31,000
0,012 0,012 0,012 0,012 0,012 0,012 0,012 0,012 0,012
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
0,010 0,000 0,000 0,000 0,000 1,000 0,000 -0,012 20,470
NUEVA FILAS S5
1,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 3.000,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
1,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 3.000,000
NUEVA FILA Z
-3,180 -16,090 0,000 0,000 0,000 0,000 0,000 0,000 0,000
-16,090 -16,090 -16,090 -16,090 -16,090 -16,090 -16,090 -16,090 -16,090
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
-3,180 0,000 0,000 0,000 0,000 0,000 0,000 16,090 14.481,000
2da Iteración:

10
 VARIABLE DE
BASE DECISION VARIABLE DE HOLGURA SOLUCION
X1 X2 S1 S2 S3 S4 S5 S6
S1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
S2 0,082 0,000 0,000 1,000 0,000 0,000 0,000 -0,095 160,540
S3 0,220 0,000 0,000 0,000 1,000 0,000 0,000 -0,180 448,000
S4 0,010 0,000 0,000 0,000 0,000 1,000 0,000 -0,012 20,470
S5 1,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 3.000,000
X2 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
Z -3,180 0,000 0,000 0,000 0,000 0,000 0,000 16,090 14.481,000

NUEVA FILA DEL

PIVOTE X1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000

FILA S2
VIEJA FILA DE S1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
COEFICIENTE DE
S1 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
NUEVA FILA DEL
PIVOTE S1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
NUEVA FILA DE S1 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
FILA S3
0,220 0,000 0,000 0,000 1,000 0,000 0,000 -0,180 448,000
0,220 0,220 0,220 0,220 0,220 0,220 0,220 0,220 0,220
1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
0,000 0,000 -0,220 0,000 1,000 0,000 0,000 0,018 3,600

FILAS S4 0,010 0,000 0,000 0,000 0,000 1,000 0,000 -0,012 20,470
0,010 0,010 0,010 0,010 0,010 0,010 0,010 0,010 0,010
1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
0,000 0,000 -0,010 0,000 0,000 1,000 0,000 -0,003 0,270

FILAS S5 1,000 0,000 0,000 0,000 0,000 0,000 1,000 0,000 3.000,000
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
0,000 0,000 -1,000 0,000 0,000 0,000 1,000 0,900 980,000

FILA X2 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000

FILA Z -3,180 0,000 0,000 0,000 0,000 0,000 0,000 16,090 14.481,000
-3,180 -3,180 -3,180 -3,180 -3,180 -3,180 -3,180 -3,180 -3,180
1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
0,000 0,000 3,180 0,000 0,000 0,000 0,000 13,228 20.904,600

VARIABLE DE V.
BASE DECISION VARIABLE DE HOLGURA SOLUCION
X1 X2 S1 S2 S3 S4 S5 S6
S1 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000
X1 1,000 0,000 1,000 0,000 0,000 0,000 0,000 -0,900 2.020,000
S3 0,000 0,000 -0,220 0,000 1,000 0,000 0,000 0,018 3,600
S4 0,000 0,000 -0,010 0,000 0,000 1,000 0,000 -0,003 0,270
X2 0,000 1,000 0,000 0,000 0,000 0,000 0,000 1,000 900,000
Z 0,000 0,000 3,180 0,000 0,000 0,000 0,000 13,228 20.904,600
Luego de los cálculos con el Simplex tenemos que:

11
X1 = 2020
X2 = 900
Reemplazando en la función objetiva y las restricciones se tiene:
MAX(Z) = 3.18X1 + 16.09X2
Max (Z) = 3.18(2020) + 16.09(900)
Max(Z) = 20 904.600

Restricciones:
1X1 + 0.9X2 ≤ 2830
1(2020) + 0.9(900) ≤ 2830
2830 = 2830 (Cumple)

0.0816X1 + 0.0949X2 ≥ 245.95

0.0816(2020) + 0.0949(900)
250.242 ≥ 245.95 (Cumple)

0,010X1 + 0.0117X2 ≤ 31
0.010(2020) + 0.0117(900)
30.73 ≤ 31 (Cumple)

0.22X1 + 0.18X2 ≤ 610

0.22(2020) + 0.18(900)
606.4 ≤ 610 (Cumple)

12
 CAPITULO II

OPTIMIZACION DEL TIEMPO DE EJECUCION DE LABORES MINERAS

EN LA CIA MINERA ISCAYCRUZ

2.1 UBICACIÓN:
La mina Iscaycruz está ubicada en el distrito de Pachangara, provincia de Oyón,
departamento de Lima, a una altitud de 4700 msnm. Inició sus operaciones en julio de
1996, con el minado del yacimiento Limpe Centro. Actualmente se ha comenzado a
explotar un segundo yacimiento denominado Chupa y está en preparación un tercero
denominado Tinyag

2.2 OBJETIVO DEL PRESENTE TRABAJO:

El objetivo es realizar un trabajo de optimización del tiempo de ejecución de labores
mineras para tener penalidades mínimas por retraso de ejecución de labores mineras.

2.3 PLANTEAMINETO DEL PROBLEMA:

Tuneleros R&R S.A. para la ejecución de sus proyectos utiliza un solo tackdrill de tres
brazos y ha sido contratado por la CIA. MINERA ISCAYCRUZ para desarrollar tres
accesos a la Veta “Chupa”. Tanto el tiempo de ejecución como la fecha de entrega (en días)
se proporcionan en la siguiente tabla. Las fechas de entrega se miden desde la fecha cero
que es la de inicio de la primera cortada.
El objetivo del problema es determinar la secuencia con penalidad mínima por retraso para

13
la ejecución de los tres accesos.
Defina:
Xj = Fecha de terminación en días para el acceso j (medida desde la fecha cero)
TABLA I : Fechas de entrega, tiempo de ejecución y penalidad por retraso de cada
acceso
Penalidad por
Tiempo de Fecha de
Acceso retraso
ejecución (días) entrega (días)
(dólares/día)
1 5 25 190
2 20 22 120
3 15 35 340

2.4 SOLUCIÓN: POR PROGRAMACION LINEAL ENTERA MIXTO

El problema tiene dos tipos de restricciones:
(1) Las restricciones de no interferencia, que garantiza que no se ejecuten dos accesos en
forma concurrente y
(2) las restricciones de la fecha de entrega. Considere primero las restricciones de no
interferencia.
Dos accesos i y j con tiempos de ejecución pi y pj, no se ejecutaran en forma
concurrente si:
Ya sea xi ≥ xj + pj ó bien xj ≥ xi + pi
Dependiendo de si el acceso j precede al acceso i o viceversa.
Debido a que todos los problemas matemáticos tratan únicamente con soluciones
simultáneas transformamos las restricciones de uno u otro introduciendo la siguiente
variable binaria auxiliar:

1, si i precede a j
yij  
0, si j precede a i
Para que M sea lo suficientemente grande, la restricción de uno u otro a las siguientes
dos restricciones simultáneas:
Myij + (xi - xj) ≥ pj y M(1 – yij) + (xj - xi) ≥ pi
La conversión garantiza que sólo una de las dos restricciones puede ser activa en

14
cualquier momento determinado. Si yij = 0, la primera restricción es activa y la segunda es
redundante (debido a que su lado izquierdo incluirá a M, que es mucho mas grande que p i).
Si yij = 1, la primera restricción es redundante y la segunda es activa.

Enseguida, se considera la restricción de la fecha de entrega. Dado que d j es la fecha

de vencimiento para el trabajo j, dejamos que sj sea una variable no restringida. Por tanto, la
restricción asociada es:
xj + pj + sj = dj
Si sj ≥ 0, se satisface la fecha de entrega y si s j < 0, se incurre en una penalidad por el
retraso.
Utilizando la sustitución estándar:
sj = sj+ - sj- , sj+ y sj- ≥ 0
La restricción se convierte en:
xj + sj+ - sj- = dj - pj
El costo de la penalidad por el retraso es proporcional a sj-.

El modelo para el planteamiento del problema dado es:

Minimice (z) = 190s1- + 120s2- + 340s3-
Sujeto a:
x1 – x2 + My12 ≥ 20
-x1 + x2 – My12 ≥ 5 – M
x1 – x3 + My13 ≥ 15
-x1 + x3 – My13 ≥ 5 – M
x2 – x3 + My23 ≥ 15
- x2 + x3 – My23 ≥ 20 – M
x1 + s1+ - s1- = 25 – 5
x2 + s2+ - s2- = 22 – 20
x3 + s3+ - s3- = 35 – 15
x1, x2, x3, s1+, s1-, s2+, s2-, s3+, s3- ≥ 0
y12, y13, y23 = (0, 1)
 Las variables enteras y12, y13, y y23 se introducen para convertir las restricciones de

15
 uno u otro en restricciones simultaneas.
 El modelo resultante es un PLE mixto.
 Para resolver el modelo, seleccionamos M = 100, un valor que es mayor que la
suma de los tiempos de ejecución para las tres actividades.
 La solución optima es x1=20, x2=0, y x3=25. Por consiguiente, la secuencia de
ejecución óptima es 2→1→3.
 La solución requiere la terminación del acceso 2 en el tiempo 0+5=5, del acceso 1
en el tiempo 40-35=5, y del acceso 3 en 25+15=40 días.
 El acceso 3 se demora por 40-35=5 días después de su fecha de entrega, aun costo
de 5 x $340 = $ 1 700 dólares.

16
 CAPITULO III

SIMULACIÓN DE UN SISTEMA DE PERFORACIÓN HIDRÁULICA: JUMBOS

INTRODUCCIÓN
El propósito de la simulación es ayudar a los ingenieros de minas a estudiar varias
alternativas. Los costos directos de perforación y voladura conforman una parte importante
en el costo total. Para minimizar estos costos debemos:
 Determinar la flota óptima de jumbos (tipo, tamaño y número).
 Determinar la organización óptima, es decir, seleccionar y distribuir adecuadamente
para asegurar una máxima utilización de equipos.
 Establecer un sistema de mantenimiento y servicio garantizando una máxima
disponibilidad.
3.0 FUNDAMENTO
3.0.1 Una Situación Real en Términos Matemáticos
La simulación es una técnica que nos permite reflejar una situación real en términos
matemáticos. Una simulación de Monte Carlo, por ejemplo, es un tipo específico de
simulación utilizado para predecir situaciones basadas en hechos aleatorios. El modelo
presentado aquí fue básicamente desarrollado para un tipo de minado y tunelería.
3.0.2 Diseño de Simulación en el Computador
El modelo fue diseñado en hoja electrónica, cuyos datos de entrada son estándares de
perforación y voladura, tipo de equipo, ciclos de minado, ciclos de avance en túnel, método

17
de explotación, sección de túnel, costos, etc. La función de probabilidad está basada
específicamente para un método de explotación ó tunelería.
1
3.1 OBJETIVO
El gerente de producción desearía tener un modelo que le dijese si el número de jumbos que
tiene es suficiente para cumplir con un programa de producción o es excesivo. Si la
capacidad de producción de un jumbo es mucho mayor que el número de metros perforados
programados, entonces habría horas muertas con una utilización baja. Por otra parte, si el
programa excede con creces la capacidad de producción, entonces habría un retraso cada
vez mayor para cumplir dicho programa.
Si sabemos la capacidad de un equipo, será muy fácil calcular el número de metros
perforados efectivos cada día, pero cómo podemos predecir los disparos diarios efectivos.
Cada día hay problemas ligados a las operaciones, tales como aire, energía, tuberías,
conexiones, sostenimiento; asimismo, hay días en condiciones normales. En consecuencia,
a diario hay un número diferente de disparos y taladros perforados, distribuidos
aleatoriamente entre cierto rango de metros perforados.

De alguna forma intentaremos simular un día típico en la mina. Los operadores de jumbo
llegan al despacho de guardia dispuestos a “sacar” por disparos. En el despacho de guardia
se ordena para perforar y disparar tales labores y los retrasados, si hubiesen (que no se
completaron la guardia anterior). El operador revisa su equipo, desata su labor, a veces
cierto frente está en desmonte y el supervisor puede proceder a ordenar perforar primero en
mineral. Simularemos 50 días efectivos de trabajo. Para cada uno de estos días,
generaremos un número aleatorio, que se utilizará para predecir los números de metros
perforados realizados ese día.

3.1.1 Modelo de Simulación en Explotación

En el Apéndice 3.1.1 se puede apreciar el modelo, en este caso, para una zona en la mina
Huanzalá Grupo "B" Recuerdo y Huanzala. Superior, con método de corte y relleno
ascendente mecanizado con rampas, tipo de corte en breasting con relleno detrítico, con 2
jumbos Tamrock de un brazo 12 pies, 1 jumbo boomer H115 de un brazo 12 pies, 1

18
anfotruck y 2 scoops 6C de 6 yds.3. La Figura 3.1.1 muestra la malla de perforación y el
trazo de voladura respectivo del método de explotación.

3.1.2 Modelo de Simulación en Túneles

En el Apéndice 3.2.1 se aprecia el modelo para el túnel de exploración en Proyecto Mina
Pallca nivel 4400, túnel de 4m x 5m en roca abrasiva cuarcita masiva con estratos de lutita
y caliza, cámara de transferencia cada 300 m, con 2 jumbos de 2 brazos de 14 pies cada
uno, 2 scoops ST1000 de 6 yds.3, 1 anfotruck,1 camioneta empernadora, 1 equipo shotcrete
y ventiladores de 45,000 CFM cada 300 m. La Figura 3.2.1 muestra la malla de perforación
y el trazo de voladura.

19
3.2 FUNCIÓN DE PROBABILIDAD
3.2.1 Distribución de Frecuencias
Está en función directa para cada operación de minado o tunelería y se halla
estadísticamente, por lo tanto, en el punto de partida para cuantificar alternativas mediante
simulación. Para el caso de explotación se presenta frentes, breasting y sostenimiento,
véase Apéndice 3.1.1.
Basándose en la "historia" previa de una operación, el número de metros perforados
efectuados en un día cualquiera se puede predecir utilizando dicha distribución de
frecuencias.
3.2.2 Probabilidad en Taladros de Producción y Avance
En un día cualquiera, hay una probabilidad de que en la mina se perfore cierto número de
metros; la frecuencia acumulada en este caso representa dicha probabilidad.

20
3.2.3 Método para generar un número aleatorio
Para utilizar la tabla de distribución de frecuencias el mecanismo es el siguiente: al generar
un número aleatorio menor que 1, se ubica el intervalo donde pertenece en la columna de
frecuencia acumulada y se elige el menor inmediato. Usando los comandos
=ALEATORIO() y =BUSCAR(argumento) respectivamente de la hoja electrónica Excel.
3.4 RESULTADO DE LAS SIMULACIONES
TABLA 3.1
RESUMEN DE SIMULACIÓN EN TÚNELES
HUAZALA Nv "P" PALLCA Nv 4400 PALLCA Nv MILPO
4000
Nro. Jumbos 1 2 1 1 1
Nro. Brazos/jumbo 1 2 2 2 2 1
Long. de carra 12' 14' 14' 14' 14' 12'
Figura 3.2.3 3.2.4 3.2.1 3.2.1 3.12 3.2.5
Corte Quemado Bultock Bultock Bultock Bultock Bultock
Seco Túnel, m x m 4,5x3,8 4,5x3,8 5,0x4,0 5,0x4,0 5,5x4,5 3,5x3,5
AVANCE m/mes 118.90 138.6 387.3 385.3 201.2 335.4
Nro. Disparos 44 39 114 113 61 116
Nro. Tal. Perforados 2,699 2.156 6.133 6.102 3637 4,511
Metros perforados 8.654 8.037 24.164 24.040 14.346 14.453
Tareas 122 109 842 838 388 445
Hrs. Netas Pert. 158.78 77.24 408.87 406.79 242.65 330.42
Dinamita, cart. 6,764 7,729 47,14 46,899 33,07 3,817
ANFO. kg 4.551 3.903 15.423 15.344 8,312 14,457**
Broca: 45 mm 12 10 201 200 142 20
89 mm --- 1 12 12 6 2*
38 mm 1 1 1 1 1
8 8
Barra 12 o 14 pies 3 2 3 5
Shank Adapter 2 2 4 4 2 3
ÍNDICES Kg DIN 1 m 6.77 6.73 14.49 14.49 19.67 1.41
- Kg ANFO 1 m 38.28 28.57 39.62 39.62 41.32 43.10
- Kg explosivo/m 45.05 35.30 54.31 54.31 60.89 44.51
- m/tar 0.97 1.25 0.46 0.46 0.52 0.75
- m/H-G 1.20 1.56 0.50 0.50 0.67 0.80
- Rendim. H-EQ 56,88% 45,15% 49,12% 90,57% 56,63% 87,77%
- Nro. días atraso 0 0 0 0 0 0
COST DIREC. mes
- perforación. US $ 12.249 12.857 71.342 70.978 41.924 28.742
- Voladura. US $ 9.674 7.944 35.435 35.254 18.185 27.799
- Pert. +Vol..US$ 21,923 20,802 106,777 106,232 60,109 56,541
- Unitario. US $/m 184.41 152.25 275.71 275.71 298.82 168.56
** Examón V * Broca escariadora 76 mm

21
22
23
 TABLA 3.2
RESUMEN DE SIMULACIÓN EN EXPLOTACIÓN
HUANZALA GRUPO B RAURA RAURA
NRO. JUMBOS 2+ 1 2 1 1 1
Nro. de brazos/jumbo 1 2 1 1 1
Long. de barra 12'y 10' 14* 12' 12' 12'
Figura 3.1.1 3.1.1 3.1.1 3.1.2 3.1.3
Relac. E/V' 2.15:1 2.15:1 2.15:1 2.26:1 2.00:1
Secc. Frentes, m x m 4.0x3.5 4.0x3.5 4.0x3.5 8.0x4.0 8.0 x 4.0
PRODUC. ton/mes 14,093 16,842 8,408 34,859 32,755
AVANCE m/mes 142.5 158.1 138.1
Nro. Disparos 125 128 92 131 111
Nro. tal. Perforados 5,757 5,995 3,670 5,503 5,103
Metros perforados 17,907 20,962 12,111 18,158 16,841
Tareas 727 858 483 1,095 1,047
Hrs. Netas Perf. 341.04 248.03 243.24 251.09 232.29
Dinamita, cart. 11834 16,356 9,683 7,691 9,437
ANFO, kg 6,790 7,081 5,740 10,563 12,765
Broca: 45 mm 26 29 20 38 36
38 mm 7 10 0
Barra 12 ó 14 pies 5 5 4 6 6
Shank Adapter 4 4 3 4 4
ÍNDICES-Kg DIN/m 5.88 6.73 5.88
- kgANFO/m 31.83 28.57 31.83
- kg explosivo / m 37.71 35.31 37.71
- Kg DIN/ton 0.04 0.05 0.04 0.03 0.04
- kgANFO/ton 0.16 0.15 0.16 0.30 0.39
- kg explosivo/ton 0.204 0.201 0.204 0.33 0.43
- Ton / tar 19.37 19.63 17.40 31.83 31.30
- Ton / H-G 20.82 21.09 18.70 34.83 34.25
- Rendim. H-EQ 35.68% 45.43% 100% 67.95% 62.70%
- Nro. días atraso 0 0 12.4 0 0
COSTOS MES
- Perforación, US$ 28,105 26,636 20,225 30,143 27,957
- Voladura, US $ 22,879 29,831 18,091 22,975 24,068
- Perf. + VoL US$ 50,983 56,467 38,316 53,118 52,025
- Unitario, US$/m 3.62 3.35 4.56 4.72 4.85

24
3.5 APENDICE:
Apéndice 3.1.1 Simulación de Producción
Apéndice 3.2.1 Simulación de Avances

25
26
27
28
 CONCLUSIONES

U.E.A. CATALINA HUANCA:

 Para la optimización de la operación de minado en la mina Catalina Huanta se ha
aplicado técnicas matemáticas como La Programación Lineal en el cual optimiza en
todas sus restricciones.
 Existen muchos métodos analíticos para resolver programas lineales, sin embargo
uno de ellos, llamado método simplex, es el que se usa universalmente debido a su
eficiencia computacional.
 En PL, el término optimizar se usa para indicar la maximización o la minimización
de una función según sea conveniente como: requerimiento, capacidades, ganancias,
etc. Son funciones que se deben maximizar. En cambio costos, perdidas, accidentes
se deben minimizar.

U.E.A. ISCAYCRUZ:
 En la optimización, la programación lineal entera (PLE) es una de las no tan usadas,
ya que las experiencias de los cálculos con PLE son poco menos que satisfactoria.
La PLE son programas lineales cuyas variables, en parte o todas, están restringidas
a valores discretos (enteros).
 Respecto a las penalidades se concluye que el acceso 3 se demora por 40-35=5 días
después de su fecha de entrega, aun costo de 5 x $340 = $ 1 700 dólares.

SIMULACION:
 En el túnel del Nivel "P" se concluye que al laborar con un jumbo de dos brazos y
con el tipo de corte "Bullock Cut". Las horas netas de perforación bajan en un 50%,
aumenta la productividad en 28.86% (de 0.97 a 1.25 m/tar), el costo directo de
perforación y voladura resulta en US $ 152.25 por metro (17.44% menos) y la única
desventaja es que el rendimiento hombre-equipo baja de 56.88% a 45.15%, ver
Figuras 3.2.3 y 3.2.4 del mismo modo ver Tabla 5.1.
 En túnel del proyecto Pallca se analizó el Nivel 4400. Se puede concluir que, al
laborar con dos jumbos, el rendimiento hombre-equipo no alcanza el 50%; por

29
 tanto, la simulación indica que sí es posible realizar 385.30 metros al mes con un
solo jumbo manteniéndose los costos, el rendimiento hombre-equipo subiría a
90.57%, ver Figura 3.2.1.
 El costo directo de perforación y voladura en roca abrasiva como la cuarcita en el
proyecto Pallca está en relación de 2.01 a 1.00, no incluye costo de limpieza,
ventilación ni supervisión.
 Al estudiar la explotación del Grupo "B" Huanzalá. Sur, se concluye que es posible
bajar el costo unitario al laborar con dos jumbos de dos brazos de 14 pies;
asimismo, aumentaría la producción mensual de 14,093 a 16,842 toneladas;
igualmente aumentaría el avance mensual en rampas de 142.5 m a 158.1 m, ver
Tabla 3.2, aumentando también la productividad de 20.82 a 21.09 ton/h-g y el
rendimiento hombre-equipo.
 Al laborar con un corte en breasting en explotación con malla de perforación de
1.33 m x 0.80 m y con una relación de espaciamiento a burden (E'/V' = 2.26), se
aumentó la producción mensual de 32,755 a 34,859 toneladas en el caso de Raura
ver Tabla 3.2.

30
 1 RECOMENDACIONES

MINA CATALINA HUANCA:

 En el trabajo se tiene propuesto optimizar los ciclos de minado, a fin de poder lograr
mayor producción.
 El algoritmo simplex sirve como una propuesta para optimizar los ciclos de minado
en la U.E.A Catalina Huanta
 A fin de evitar la solución manual implementar con un software como el winqsb
para la solución rápida del problema.

MINA ISCAYCRUZ:
 En la actualidad es común que se disponga de software matemáticos, que facilitan el
modelamiento de la PLE, como el Excel Solver, entre otros.

SIMULACION:
 Al laborar con equipos más modernos y eficientes es recomendable estudiar
alternativas. En el caso del Nivel "P" Huanzalá. Sur se puede cumplir un programa
de avance con menos horas netas de perforación a un menor costo por metro.
 Se recomendaría una simulación por ser mucho más económica que un experimento
o modelo físico.

31
BIBLIOGRAFÍA
 GUTIERREZ HUAMAN, Camilo. “ OPTIMIZACION DE LAS
OPERACIONES UNITARIAS DE MINADO EN LA U.E.A CATALINA
HUANCA”
 DIAPOSITIVAS PROGRAMACION ENTERA. U.E.A Iscaycruz.
 XXIV, XXV, XXVI CONVENCION MINERA
 ÁNGEL BRAVO. Mitsui Mining & Smelting Co. Ltd.

32