Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
COMISIÓN EXAMINADORA
_____________________________________
José Delgado Vega
Profesor comisión
_____________________________________
Ivonne Salas Rojas
Profesor comisión
“La oportunidad se deja alcanzar solo por quienes la persiguen.”
CAPITULO 1............................................................................................................1
CAPITULO 2............................................................................................................6
CAPITULO 3..........................................................................................................47
CAPITULO 4..........................................................................................................70
CAPITULO 5........................................................................................................100
CAPITULO 6........................................................................................................126
CAPITULO 7........................................................................................................159
CAPITULO 8........................................................................................................187
CAPITULO 9........................................................................................................219
CONCLUSIONES Y RECOMENDACIONES.......................................................219
ANEXOS..............................................................................................................227
LISTA DE FIGURAS
CAPITULO 1
INTRODUCCION Y OBJETIVOS
1.1 Introducción
1
2
2
3
Con esto se pretende cumplir con los objetivos planteados por Compañía
Minera Zaldívar:
3
xxiv
CAPITULO 1
INTRODUCCION Y OBJETIVOS
1.1 Introducción
1
2
2
3
Con esto se pretende cumplir con los objetivos planteados por Compañía
Minera Zaldívar:
3
4
4
5
5
6
CAPITULO 2
6
7
En enero del 2006 Barrick Gold compra el 80% a Placer Dome incluida
Compañía Minera Zaldívar, siendo ésta última la única mina de cobre explotada
actualmente por Barrick Gold.
7
8
2.2 Ubicación
8
9
mantenida por M.E.L y C.M.Z. Cabe destacar que en la zona también existe el
circuito ferroviario Antofagasta (Chile) – Salta (Argentina) y un aeródromo de tierra
mejorada construido y mantenido por M.E.L. Lo anterior se ilustra en la Figura 2.1:
Cam in
o M in
a5 s al #Gaby Sur
Rut
B-28 Highway
R
ut
a
La Negra
de
La
M
in
e
r ía
# Zaldivar
#
Escondida
Legend
Properties
Joint Venture Properties 2005
0 25 50 100 Placer Dome Properties 2005
Kilometers
2.3 Clima
9
10
dentro del clima desértico interior, el cual abarca prácticamente toda la depresión
intermedia y constituye el desierto en toda su expresión. En esta zona se
presentan cielos claros con una humedad relativa muy reducida.
10
11
2.4 Organización
11
12
12
13
2.4.2 Organigrama
13
14
14
15
2.5 Geología
15
16
16
17
¾ Zona Principal (al oriente de 93.000 Este), dividida en sentido norte – sur
por la Falla Portezuelo.
17
18
2.5.3 Litología
Pórfido Llamo (LPY): Unidad litológica de poca extensión areal que aflora en
forma irregular, con orientación predominante noreste-suroeste en la parte central
del yacimiento. En general, esta unidad limita con zonas de brechización y/o rocas
andesíticas o intrusivas, dependiendo de su ubicación respecto a la falla
Portezuelo. Además, esta unidad intruye tanto a la andesita como al pórfido
Zaldívar y corresponde a una granodiorita a monzodiorita, con texturas
equigranulares de grano medio a fino.
18
19
Brechas (BXX): Unidad litológica de poca extensión areal que se localiza, como
brecha de borde, en el entorno del pórfido Llamo. Composicionalmente, esta
unidad se observa en el desarrollo de brechas andesíticas cuando la roca de caja
del evento intrusivo es andesita, es decir, en los sectores occidentales de M.Z., y
de brechas intrusivas cuando la roca de caja del evento intrusivo es el pórfido
Zaldívar, en los sectores orientales de M.Z.
19
20
2.5.4 Mineralización
20
21
21
22
2.5.5 Alteración
22
23
2.6 Reservas
23
24
TABLA 2.2: RESERVAS MINERAS Y CATEGORIZACIÓN DE ELLAS SEGÚN BENEFICIOS POR BLOQUE.
Tipo de
Beneficio (US$/Bloque) Tipo de Material
Reserva
Mx > Beneficio Mínimo, evaluado Mineral, Material Chancado y Lixiviado
con Algoritmo Profit HL en Pilas.
Mineral
Mx =< Beneficio Mínimo, evaluado Stock, Material Chancado y Lixiviado en
con Algoritmo Profit HL Pilas, Al final de la vida de la Mina.
24
25
25
26
ZPY-N
AND-1
AND-2
LP-BX-E
LP-BX-W
AND-3
AND-2
26
27
Las etapas que permitieron alcanzar el pit final fueron definidas por
decrecimiento de beneficio, esto significa que se explotaron primero las etapas
que entregaron un mayor beneficio económico. Los criterios de diseño
consideraron como ancho mínimo operacional en los bancos involucrados en las
expansiones, 100 metros. Por su parte, las paredes de cada una de las
expansiones están diseñadas manteniendo los ángulos de la pared final,
establecidos sobre la base de la zonificación geotécnica.
27
28
FIGURA 2.7: SECUENCIA DE EXTRACCIÓN POR ETAPAS PARA ALCANZAR EL PIT FINAL.
FIGURA 2.8: DIAGRAMA DEL PIT FINAL SEGÚN EL ACTUAL PLAN DE MINA.
28
29
De hecho la mayor parte del espacio de la propiedad minera, fuera del pit
final, está destinado al depósito de estéril. Por esto C.M.Z. tiene fuera de su
propiedad las instalaciones de campamento de operaciones, paños de lixiviación,
planta de SX, planta de EW, tranques de relaves y caminos de accesos.
29
30
Botaderos
Etapa Principal Principal Principal Norte
Inferior Intermedio Superior Superior
4 3260 a 2990 3470 a 3275
5 3200 a 2960
6 3275 a 2870 3470 a 3290
7 3275 a 3110 3410 a 3290 3470 a 3425
8 3170 a 2840 3245 a 3185
9 3305 a 2960
10 3230 a 2960
TABLA 2.5. DESCRIPCIÓN DE BOTADEROS DE DESTINO DEL MATERIAL ESTÉRIL SEGÚN BANCOS
EXPLOTADOS.
30
31
2.8.4 Tributación
31
32
El agua llega a Zaldívar desde Negrillar a una distancia de 100 Km., donde
existe un campo de pozos en el Salar de Atacama (lecho de un lago seco). El
precioso elemento es tomado de 6 pozos y bombeado al lugar de operaciones
mediante una tubería, llegando ésta hasta el estanque de agua fresca, cercano a la
instalación de chancado terciario en la planta. La napa freática, que se alimenta de
los deshielos de los Andes, se encuentra a 100 metros por debajo de la superficie
y los pozos tienen una profundidad de 300 metros. El gasto de los pozos puede
llegar a 640 litros por segundo y los procesos de Zaldívar requieren de un gasto
aproximado de 375 litros por segundo. Los resultados de pruebas indicaron que la
napa freática se recarga a una razón mayor que la de extracción.
32
33
2.10.1 Perforación
33
34
2.10.2 Tronadura
34
35
35
36
2.10.3 Carguío
36
37
Las ventajas de las palas de cable con respecto a los cargadores frontales
radican en que sus costos de operación son menores y tienen una vida útil y
disponibilidad mayor. En contrapartida, el costo de capital puede llegar a ser el
triple que el de un cargador frontal. Las figuras 2.13 y 2.14 presentan un detalle de
los equipos de carguío empleados en C.M.Z.
37
43
43
39
Cabe destacar que los caminos por los cuales circulan los equipos poseen
una resistencia a la rodadura no mayor a 3% y las pendientes de las rampas
principales no superan el 10%. A continuación se presenta en la Figura 2.15 un
equipo de transporte trabajando.
39
40
40
41
2.11.1 Chancado
41
42
42
43
43
44
En cuanto a los tiempos óptimos de lixiviación estos varían entre 150 días
para el mineral oxidado y hasta 500 días en el caso del mineral sulfurado.
44
45
2.11.4 Electro-obtención
45
Capitulo 2 – Antecedentes Generales Compañía Minera Zaldivar
------------------------------------------------------------------------------------------------------------------------------------
46
47
CAPITULO 3
3.1 Introducción
sistemas de información, los cuales nos servirán para analizar y concluir con una
base fundamentada la investigación que se desarrollará.
47
48
¾ Perforación y Tronadura
¾ Carguío
¾ Transporte
¾ Equipos de Apoyo
¾ Otros
El rastreo de los consumos se realizó entre los meses de Enero del año
2009 hasta Diciembre del año 2009. La clasificación del consumo de petróleo en
operación mina son mostrados en la tabla 3.1
48
49
49
50
Ev o lu ció n d el Co n su m o d e Co m b u st ib le
3.300.000
3.000.000
2.700.000
Consumo de Combustible [Lts.]
2.400.000
2.100.000
1.800.000
1.500.000
1.200.000
900.000
600.000
300.000
0
Ene-09 Feb-09 Mar-09 Abr-09 May-09 Jun-09 Jul-09 Ago-09 Sep-09 Oct-09 Nov-09 Dic-09
Tiempo [Meses]
50
51
0
Transporte
Carguio
Eq.de Apoyo
Otros
FIGURA 3.2: ANÁLISIS DE PARETO PARA EL CONSUMO PETRÓLEO EN OPERACIÓN MINA.Perf. & Tron.
Gracias al gráfico de la figura 3.2 se puede concluir que los pocos vitales
pertenecientes al consumo de combustible en el área mina, se agrupan en un
87,25% en la clasificación de transporte, es por esto que nos concentraremos en
el análisis particular de la flota de transporte.
51
52
52
53
Total H14 87312 91686 112997 99087 116582 103520 106239 99643 84979 105042 43497 73674 1124258
Total H15 0 82190 100933 97729 109878 100756 115898 109227 89385 70909 92017 111548 1080470
Total H16 87833 89478 96387 86334 107437 97483 106035 103936 104267 112822 97435 99854 1189301
Total H17 109330 93408 112307 83990 100165 100311 110429 86281 106730 119301 68590 112121 1202963
Total H18 100239 104679 116159 97105 100455 104349 110998 110780 91398 126486 96161 124009 1282818
DIESEL FLOTA
471121 436530 470833 421093 465125 453126 406580 472694 447100 465618 455155 464156 5429131
KOMATSU
Total H31 116059 107785 96346 93718 110044 112485 120817 116721 113686 120616 107204 116635 1332116
Total H32 115036 112781 124780 113063 118687 116530 60045 106204 121089 125926 107553 115806 1337500
Total H33 115865 100564 122362 103845 116975 113297 103108 124562 103946 86547 116356 120599 1328026
Total H34 124161 115400 127345 110467 119419 110814 122610 125207 108379 132529 124042 111116 1431489
TOTAL FLOTA
2543437 2414666 2630824 2327904 2543248 2486938 2597820 2825427 2858914 2992064 2795018 2962110 31978371
CMZ
53
54
17% 5%
15%
63%
54
55
realmente la flota con mayor consumo unitario. Todo esto se realiza para no caer
en sesgos de medición.
La Tabla 3.3 nos informa sobre las horas operacionales mensuales del
año 2009, de cada camión que compone la flota C.M.Z.
Se da cuenta según la figura 3.4, que la flota que contribuye con un mayor
consumo unitario al consumo total de combustible; es la flota Komatsu con
aproximadamente 202 [Lts/hrs.]. Ahora bien el consumo de combustible va
estrechamente ligado con el tipo de motor que cuenta los equipos analizados, es
por esto, fundamentalmente definir y clasificar los tipos de motores que cuenta la
flota de trasporte.
55
56
MESES ENE FEB MAR ABR MAY JUN JUL AGO SEP OCT NOV DIC TOTAL
H19 336 63 112 0 278 0 0 0 344 537 441 397 2508
H20 435 394 56 0 2 328 500 589 521 452 451 291 4017
H21 316 257 161 379 554 495 556 516 425 417 344 62 4482
F.CATERPILLAR 1087 713 329 379 833 824 1056 1105 1289 1407 1236 750 11007
H23 600 529 549 533 597 446 587 611 466 581 521 530 6551
H24 380 455 541 488 482 326 540 486 540 505 522 556 5821
H25 526 497 514 467 581 247 421 504 458 322 436 380 5352
H26 323 558 621 586 571 2657
H27 370 477 595 573 592 2606
H28 327 489 599 596 615 2626
F. TEREX 1507 1481 1605 1487 1660 1020 1547 2621 2988 3222 3233 3244 25613
H01 484 503 498 575 561 591 577 577 555 505 321 524 6270
H02 519 450 567 586 617 523 509 570 559 492 578 462 6431
H03 574 492 606 552 493 523 475 454 509 548 485 517 6228
H04 510 506 504 497 577 462 567 470 293 351 534 412 5683
H05 597 517 571 400 482 576 573 387 380 555 505 551 6093
H06 599 501 576 577 553 548 322 592 477 564 481 603 6392
H07 590 504 579 508 511 587 538 531 468 404 531 552 6302
H08 567 479 589 594 557 566 380 529 503 425 467 464 6120
H09 587 514 475 536 481 502 513 514 553 599 525 533 6332
H10 576 516 431 464 479 528 564 590 516 490 433 536 6123
H11 575 522 563 546 574 574 563 583 464 522 545 555 6586
H12 560 478 585 537 350 549 572 503 530 320 331 558 5873
H14 471 492 584 576 615 546 545 532 394 510 227 379 5871
H15 0 469 532 560 586 547 583 556 459 352 453 559 5658
H16 521 506 614 575 611 542 575 574 543 580 520 541 6700
H17 601 497 607 468 574 542 568 489 538 612 348 582 6427
H18 564 524 600 524 539 554 592 575 446 614 476 601 6609
F. HAULPACK 8893 8473 9481 9076 9159 9261 9015 9025 8186 8444 7759 8928 105698
H31 615 554 485 485 593 593 611 589 555 597 532 569 6777
H32 575 541 602 588 613 582 291 534 556 599 518 554 6552
H33 568 481 599 575 589 568 489 603 486 415 569 587 6528
H34 631 558 613 593 609 568 603 616 515 608 561 544 7017
F. KOMATSU 2389 2133 2298 2240 2404 2312 1994 2341 2111 2220 2179 2253 26873
FLOTA CMZ 13875 12799 13712 13182 14055 13415 13612 15092 14574 15293 14408 15175 169192
56
57
F.CATERPILLAR 158 156 168 148 148 153 144 141 152 153 147 155 151
Total C19 148 162 146 0 148 0 0 0 144 140 143 146 145
Total C20 155 153 184 0 1286 147 147 140 150 151 142 152 149
Total C21 175 158 177 148 144 157 141 142 161 172 159 227 156
F.TEREX 186 177 181 166 171 182 190 192 199 200 194 195 189
Total H23 175 171 181 162 176 185 184 187 198 189 187 178 181
Total H24 190 181 176 170 169 182 196 193 198 192 192 202 187
Total H25 196 180 185 167 166 177 189 189 207 203 198 191 187
Total H26 201 198 195 187 197 195
Total H27 196 190 205 197 192 196
Total H28 193 206 214 203 206 206
F. HAULPAK 182 189 191 177 182 186 194 188 198 198 197 196 190
Total H01 189 190 201 178 184 183 195 189 200 199 206 194 192
Total H02 175 175 176 155 174 182 180 181 175 186 181 168 176
Total H03 184 192 197 180 186 191 199 186 205 199 200 202 193
Total H04 190 196 205 183 195 199 209 208 226 196 199 189 199
Total H05 180 194 187 183 178 179 195 180 200 187 192 200 188
Total H06 192 193 203 185 184 201 205 192 204 199 196 193 195
Total H07 183 194 199 184 176 179 188 189 188 203 199 197 190
Total H08 184 186 191 179 184 186 206 189 204 210 216 202 193
Total H09 179 190 189 169 174 180 192 177 190 196 193 208 187
Total H10 181 194 195 180 181 174 187 181 190 182 193 198 186
Total H11 182 192 203 184 187 192 193 190 200 197 205 203 194
Total H12 182 193 196 189 183 191 192 191 196 209 194 196 192
Total H14 185 186 193 172 190 189 195 187 216 206 192 194 192
Total H15 0 175 190 174 188 184 199 196 195 201 203 200 191
Total H16 169 177 157 150 176 180 184 181 192 195 188 185 177
Total H17 182 188 185 179 174 185 195 177 198 195 197 193 187
Total H18 178 200 194 185 186 188 187 193 205 206 202 206 194
F. KOMATSU 197 205 205 188 194 196 204 202 212 210 209 206 202
Total H31 189 195 199 193 186 190 198 198 205 202 202 205 197
Total H32 200 209 207 192 194 200 207 199 218 210 208 209 204
Total H33 204 209 204 181 199 199 211 207 214 209 204 206 203
Total H34 197 207 208 186 196 195 203 203 210 218 221 204 204
TOTAL FLOTA
183 189 192 177 181 185 191 187 196 196 194 195 189
CMZ
57
58
151
202
189
190
DIESEL FLOTA CATERPILLAR DIESEL FLOTA TEREX DIESEL FLOTA HAULPAK DIESEL FLOTA KOMATSU
Los motores diesel típicamente están diseñados para laborar muchas más
horas bajo condiciones adversas, antes de requerir un overhaul (cambio de
motor). También hay que tener en cuenta, que cualquier negligencia en el nivel de
mantención preventiva en un motor diesel, puede significar un costo mucho mas
elevado en términos de reparación correctiva.
Es por esto que es de suma importancia conocer con que tipos de motores
trabaja la flota de transporte en C.M.Z.; esta clasificación se puede apreciar en la
figura 3.5
58
59
59
60
En las tablas (3.5, 3.6, 3.7) y en las figuras (3.6, 3.7, 3.8), se aprecia los
factores de carga promedios mensuales del año 2009, según los motores QSK-60
MTU-4000 y CAT3516 respectivamente.
TABLA 3.5: FACTORES DE CARGA MENSUALES AÑO 2009 PARA TIPO MOTOR QSK-60.
Motor FACTOR DE CARGA QSK – BARRICK ZALDIVAR 2009
QSK-60
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Prom.
H01 34,3% 34,7% 34,8% 33,6% 33,6% 36,1% 36,5% 36,3% 36,6% 36,8% 37,5% 39,9% 35,9%
H03 32,8% 32,8% 32,9% 35,6% 32,6% 35,8% 36,1% 36,1% 36,5% 37,0% 37,2% 37,5% 35,2%
H06 32,4% 37,2% 37,2% 37,9% 37,9% 38,5% 38,7% 37,4% 40,2% 40,3% 40,1% 39,3% 38,1%
H07 31,5% 33,5% 33,5% 33,5% 39,0% 38,0% 39,5% 36,0% 37,5% 37,9% 37,9% 38,6% 36,4%
H11 38,9% 38,6% 38,4% 33,8% 36,2% 36,1% 36,1% 35,8% 36,3% 37,7% 39,1% 39,8% 37,2%
H12 37,8% 36,6% 36,5% 32,8% 44,6% 39,9% 39,6% 39,7% 40,0% 39,9% 39,7% 39,7% 38,9%
H14 32,5% 34,3% 32,3% 35,4% 41,3% 38,7% 39,3% 39,6% 39,6% 40,9% 40,6% 37,7%
H16 34,2% 34,1% 31,4% 25,8% 33,1% 33,5% 33,5% 32,7% 32,3% 32,7% 32,6% 32,9% 32,4%
H17 36,9% 35,8% 36,0% 34,3% 44,0% 34,7% 35,1% 35,8% 35,3% 35,4% 35,8% 37,8% 36,4%
H18 30,0% 30,2% 30,5% 33,7% 32,5% 34,5% 34,8% 35,1% 35,4% 35,7% 35,8% 36,1% 33,7%
H31 36,2% 39,1% 39,0% 38,9% 39,2% 39,3% 39,1% 39,2% 39,4% 39,0% 40,7% 41,0% 39,2%
H32 36,1% 36,7% 36,7% 36,5% 36,7% 36,3% 36,7% 36,7% 37,2% 37,2% 37,7% 37,8% 36,9%
H33 36,0% 36,0% 36,0% 36,5% 36,5% 36,2% 36,6% 36,7% 37,1% 37,1% 37,2% 37,3% 36,6%
H34 37,1% 36,0% 36,0% 36,1% 36,6% 35,6% 35,9% 36,2% 36,6% 40,3% 37,4% 36,7% 36,7%
Prom. 34,8% 35,5% 35,2% 34,4% 37,0% 36,8% 36,9% 36,6% 37,1% 37,6% 37,8% 38,2% 36,2%
60
61
38,2%
37,8%
37,6%
37,1%
37,0%
36,9%
36,8%
39%
36,6%
36,2%
Factores de Carga [%]
38%
35,5%
35,2%
34,8%
37%
34,4%
36%
35%
34%
33%
32%
Dic
Oct
Jun
Mar
Jul
May
Nov
Ene
Abr
Prom.
Feb
Ago
Sep
Tiempo [Meses]
FIGURA 3.6: GRAFICO COMPORTAMIENTO MENSUAL FACTORES DE CARGA PARA MOTORES QSK-60.
TABLA 3.6: FACTORES DE CARGA MENSUALES AÑO 2009 PARA TIPO MOTOR MTU-4000.
Motor
FACTOR DE CARGA MTU – BARRICK ZALDIVAR 2009
MTU
4000 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Prom.
H02 34,3% 34,7% 34,8% 33,6% 34,7% 35,4% 33,4% 35,6% 35,0% 33,4% 36,9% 37,4% 34,9%
H04 32,8% 32,8% 32,9% 35,6% 33,8% 34,9% 36,6% 36,1% 36,0% 40,1% 38,1% 38,5% 35,7%
H05 32,4% 37,2% 37,2% 37,9% 34,2% 35,9% 38,5% 35,8% 39,0% 41,7% 39,9% 39,7% 37,5%
H08 31,5% 33,5% 33,5% 33,5% 34,6% 35,4% 35,2% 36,5% 37,0% 38,2% 38,2% 38,6% 35,5%
H09 38,9% 38,6% 38,4% 33,8% 36,0% 39,1% 38,9% 38,2% 41,0% 41,9% 37,3% 38,7% 38,4%
H10 37,8% 36,6% 36,5% 32,8% 35,4% 38,2% 40,4% 39,0% 40,0% 40,1% 39,5% 38,3% 37,9%
H15 32,5% 34,3% 32,3% 39,2% 40,6% 41,9% 41,1% 42,0% 42,6% 39,7% 38,7% 38,6%
H23 34,2% 34,1% 31,4% 25,8% 37,0% 43,5% 36,9% 40,8% 40,0% 41,4% 36,2% 38,6% 36,7%
H24 36,9% 35,8% 36,0% 34,3% 33,4% 36,2% 37,4% 38,2% 39,0% 38,6% 38,4% 36,2% 36,7%
H25 30,0% 30,2% 30,5% 33,7% 37,1% 38,0% 39,9% 40,7% 42,0% 42,2% 36,5% 37,0% 36,5%
H26 42,2% 44,0% 45,8% 43,1% 42,7% 43,6%
H27 42,9% 42,0% 44,6% 41,2% 40,8% 42,3%
H28 42,7% 45,0% 45,9% 40,1% 41,9% 43,1%
Prom. 34,3% 34,6% 34,6% 33,3% 35,5% 37,7% 37,9% 39,2% 40,2% 41,3% 38,9% 39,0% 37,2%
61
62
41,3%
40,2%
39,0%
39,2%
38,9%
37,9%
37,7%
37,2%
34,6%
34,6%
33,3%
35,5%
34,3%
50%
Oct
Dic
Jun
Mar
Jul
May
Nov
Ene
Abr
Prom.
Feb
Ago
Sep
Tiempo [Meses]
FIGURA 3.7: GRAFICO COMPORTAMIENTO MENSUAL FACTORES DE CARGA PARA MOTORES MTU-4000.
TABLA 3.7: FACTORES DE CARGA MENSUALES AÑO 2009 PARA TIPO MOTOR CAT-3516.
Motor
FACTOR DE CARGA CAT-3516 - BARRICK ZALDIVAR 2009
CAT-
3516 Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic Prom.
H19 28,0% 29,4% 25,3% 26,5% 25,7% 25,3% 25,4% 26,6% 26,5%
H20 29,6% 27,3% 34,2% 27,0% 25,4% 25,9% 27,0% 27,9% 25,1% 28,0% 27,7%
H21 34,3% 28,6% 32,6% 28,6% 25,7% 29,5% 24,2% 26,3% 29,4% 32,9% 29,2% 45,4% 30,6%
Prom. 30,6% 28,4% 30,7% 28,6% 26,1% 28,3% 24,8% 26,1% 27,4% 28,7% 26,6% 33,3% 28,3%
28,6%
28,3%
28,7%
28,4%
28,3%
27,4%
26,1%
26,6%
26,1%
24,8%
35,0%
30,0%
Factores de Carga
25,0%
20,0%
[%]
15,0%
10,0%
5,0%
0,0%
Ene Feb M ar Abr M ay Jun Jul Ago Sep Oct Nov Dic Prom.
Tiempo [Meses]
Factores de Carga CAT-3516
FIGURA 3.8: GRAFICO COMPORTAMIENTO MENSUAL FACTORES DE CARGA PARA MOTORES CAT-3516.
62
63
63
64
TABLA 3.7: KILÓMETROS RECORRIDOS POR LA FLOTA DE TRANSPORTE MES ENERO 2010.
KILOMETRAJE
CAMION
VACIO LLENO TOTAL
H01 4.266 4.635 8.901,4
H02 3.228 4.160 7.387,4
H03 4.341 4.492 8.832,7
H04 4.388 4.592 8.980,6
H05 5.202 5.423 10.624,9
H06 4.908 5.113 10.020,2
H07 4.127 4.427 8.553,4
H08 3.381 3.766 7.147,1
H09 3.886 4.036 7.921,4
H10 4.412 4.672 9.083,9
H11 4.529 4.755 9.284,3
H12 5.215 5.383 10.597,3
H14 4.380 5.093 9.472,4
H15 3.023 3.195 6.217,5
H16 2.542 2.720 5.262,0
H17 4.961 5.146 10.106,2
H18 4.019 4.479 8.497,9
H19 3.828 5.753 9.581,6
H21 2.574 3.990 6.564,8
H23 4.760 5.127 9.887,6
H24 4.684 4.895 9.579,8
H25 3.726 3.913 7.639,0
H26 4.401 4.798 9.198,8
H27 5.223 5.758 10.980,8
H28 5.155 5.446 10.600,4
H31 4.962 5.574 10.535,9
H32 5.501 5.891 11.392,1
H33 4.493 5.101 9.593,7
H34 4.934 5.612 10.545,9
PROMEDIO 4.311,94 4.756,71 9.068,66
64
65
3.6.2 Tiempos
Los períodos entregados por dispatch nos muestran los tiempos en donde los equipos fueron utilizados
y los tiempos en los cuales los equipos se detuvieron ya sea por una mantención programada o una
irregularidad no programada. Estos tiempos quedan expresados en la tabla 3.8 y corresponden al mes de
Enero del 2010.
65
66
H16 359 8 6 373,1 63,0 12,4 295,2 0,2 0,0 744,0 58,6 58,6 85,6
H17 562 14 10 586,4 95,3 28,5 26,9 0,0 6,9 744,0 91,6 91,6 86,0
H18 508 15 11 534,0 108,8 70,7 26,4 0,0 4,2 744,0 86,4 86,4 83,1
H19 467 12 7 486,1 137,8 27,6 92,5 0,0 0,0 744,0 83,9 83,9 77,9
H21 321 10 8 338,4 162,4 19,2 222,7 0,0 1,2 744,0 67,3 67,3 67,6
H23 545 19 12 576,5 95,7 32,5 23,7 5,0 10,6 744,0 90,3 90,3 85,8
H24 518 17 8 543,4 98,9 25,2 57,3 0,0 19,3 744,0 86,3 86,3 84,6
H25 416 13 12 440,3 116,0 38,3 124,0 0,0 25,4 744,0 74,8 74,8 79,1
H26 551 16 9 576,2 103,3 20,2 38,8 0,0 5,5 744,0 91,3 91,3 84,8
H27 594 18 12 623,9 95,5 19,2 4,9 0,0 0,5 744,0 96,7 96,7 86,7
H28 552 17 13 581,7 99,1 16,8 46,4 0,0 0,0 744,0 91,5 91,5 85,4
H31 562 14 9 585,7 101,6 22,9 25,0 0,0 8,8 744,0 92,4 92,4 85,2
H32 597 18 8 623,0 87,8 17,1 14,5 0,0 1,5 744,0 95,5 95,5 87,6
H33 539 19 12 569,2 99,2 12,6 60,7 0,0 2,3 744,0 89,8 89,8 85,2
H34 566 17 10 593,0 111,6 14,8 24,5 0,0 0,2 744,0 94,7 94,7 84,2
TOTAL 14.484 437 278 15.199 3.025 895 2.214 77 167 21.576 2.449 2.449 2.411
PROMEDIO 499,44 15,06 9,60 524,09 104,30 30,86 76,35 2,64 5,75 744,00 84,45 84,45 83,15
66
67
3.6.3 Cargas
Dispatch también nos puede facilitar las cargas realizadas por los
camiones en cualquier tiempo determinado, en este caso la tabla 3.9 nos enseña
las cargas de los camiones efectuadas en el mes de enero del 2010.
67
68
68
69
69
70
CAPITULO 4
REGRESIÓN MULTIVARIABLE
4.1 Introducción
70
71
71
72
Donde:
Y : Variable dependiente que se quiere explicar o predecir
Xi : Variables independientes o predictoras,
e : Término de error.
β0 : Término constante o intercepto
β1 a βp : Pendientes parciales.
72
73
4.2.5.1 Interacción
73
74
2. E (ei)= 0: El valor promedio del error es cero para toda i. Esta hipótesis implica
que el ajuste que se va realizar está centrado respecto a los datos. Así, en virtud
de esta hipótesis cabe esperar que la recta de regresión esté centrada en la nube
de puntos de los datos.
3. Var (ei) = σ2= CTE: La varianza de los errores es constante y no depende del
nivel de las variables. Esta hipótesis implica que la nube de puntos de los datos
tiene una anchura semejante a lo largo de la recta de regresión. Si lo datos
cumplen esta hipótesis se dice que son Homocedásticos. Por el contrario, datos
cuya variabilidad no es constante se denominará Heterocedásticos.
4. Independencia E (ei ej)= 0 Esta hipótesis implica que las observaciones son
independientes. Es decir una observación no ofrece información sobre los valores
de la siguiente. Esta hipótesis invalida el análisis de regresión, con datos de tipo
temporal en los que exista autocorrelación.
74
75
La ecuación 4.2, junto con las hipótesis señaladas para los términos xij y
ei, se llama a menudo modelo lineal general. La palabra lineal se utiliza de una
manera peculiar. Como algunos predictores x pueden ser funciones no lineales de
los otros, la expresión no significa necesariamente que E(Y) es una función lineal
de las variables independientes. Es decir si observamos el modelo lineal general
como una función de los parámetrosβ, considerando a las x como números dados,
si es lineal. Cualquier ecuación de predicción que es lineal en los parámetros β
satisface el modelo lineal general.
75
76
4.3.1 Residuos
∧ ∧ ∧ ∧ ∧
yi − yi = yi − (β0 + β1∗ xi1 + β2 ∗ xi 2 + ....+ β p ∗ xi p ) (4.3)
Donde:
yi : Valor Observado
ŷ : Valor Ajustado
76
77
∑ ( yi − y i ) 2 = ∑ ( yˆ i − y i ) 2 + ∑ ( yi − yi ) 2 (4.5)
Donde:
yi : Valor Observado
ŷ : Valor Promedio
Los grados de libertad (g.l.) para esta suma de cuadrados son n-(p+1). Se
sustrae un g.l. para el término constante y un g.l. para cada una de las pendientes
parciales.
SC ( regresion ) = ∑ ( yˆ i − y i ) 2
(4.6)
SC ( regresion ) = ∑ [( βˆ0 + βˆ1 * xi1 + βˆ2 * xi 2 + .... + βˆ p * xip ) − yi ]2
77
78
SC ( residual ) = ∑ ( yi − yˆ i ) 2
(4.7)
SC ( residual ) = ∑ [ yi − ( βˆ0 + βˆ1 ∗ xi1 + βˆ2 ∗ xi 2 + .... + βˆ p ∗ xi p )]2
78
79
SC (residual )
MC (residual ) = (4.8)
n − ( p + 1)
Se = MC ( residual ) (4.9)
79
80
4.3.6 R2 (Ajustado)
80
81
4.3.7 R2 (pronosticada)
81
82
4.3.8 Colinealidad
82
83
SC (regresión) / p MC (regresión)
F= = (4.10)
SC (residual ) /[ n − ( p + 1)] MC (residual )
83
84
1
S e ( βˆi ) = S e (4.11)
∑ ( x ji − x i ) (1 − R 2 xi *x1 ... xi−1xi+1 ... x p )
2
Donde R xi *x1 ...xi−1xi+1 ...x p es el valor R2 que se obtiene al permitir que xj sea la
2
variable independiente en una regresión múltiple en que todas las demás variables
x son independientes. Observe que Se es la desviación estándar residual para la
regresión múltiple de y sobre x1, x2,…, xp.
84
85
βˆ i − tα / 2 S βˆ ≤ β i ≤ βˆ i + tα / 2 S βˆ
i i
(4.12)
Donde tα/2 tiene un área α/2 en la cola de una distribución t con g.l. = n-
(p+1).
4.4.3 Prueba de hipótesis de que cada coeficiente de regresión es cero
En este caso la hipótesis nula es H0: βi= 0 (i= 1,…, p), o sea, la variable xi
no es importante en el modelo, versus la hipótesis alterna Ha: βi≠ 0 (i= 1,…, p), que
significa que la variable xi si es importante. La prueba estadística es la prueba de t
dada por la ecuación 4.13
Prueba t
1. t > tα
2. t < - tα
3. |t| > tα/2
85
86
βˆi
t=
S e βˆi ( ) (4.13)
Esta hipótesis no afirma que xi no tiene valor predictivo por sí misma. Tan
sólo afirma que no tiene valor predictivo adicional más allá de las otras variables
independientes; es decir, si las demás variables x ya fueron utilizadas en un
modelo de regresión y xi se añadió en último lugar, no habrá ninguna mejora en la
predicción. Consideramos que H0: βi = 0 significa que xi no tiene valor predictivo
adicional como “último predictor que entra” en la regresión.
Las pruebas t y F de regresión múltiple que se analizaron en este capítulo
contrastan diferentes hipótesis nulas. En ocasiones sucede que la prueba F
resulta en el rechazo de H0: β1 = β2 =... = βp = 0, mientras que ninguna prueba t de
H0: βi = 0 es significativa. En tal caso, podemos concluir que hay un valor
predictivo en la ecuación como un todo, pero no podemos identificar las variables
específicas que tienen valor predictivo. Recuerde que cada prueba t examina el
valor que tendría la variable al entrar como “último predictor”. Cuando las variables
explicativas están altamente correlacionadas entre sí, sucede a menudo que no se
puede demostrar que alguna xi tenga un valor significativo al “entrar al último
lugar”, aun cuando se haya demostrado que las variables x juntas son útiles.
86
87
Los modelos con una gran cantidad de variables predictoras son muy
difíciles de interpretar y además son altamente costosos desde el punto de vista
de recolección de datos y el uso de la computadora.
4.5.2 Colinealidad
87
88
88
89
El proceso termina cuando todos los “p-values” son menores que 0.05, o
sea cuando todas las variables predictoras son significativas al modelo con un
95% de confiabilidad. O cuando todos los valores de la prueba t son mayores que
2 en valor absoluto.
Lo anterior también se puede hacer con una prueba F-parcial, puesto que
F = t2 (cuando el numerador tiene grados de libertad igual a 1). Luego, el método
terminará cuando todas las F son mayores que 4.
89
90
Aquí el paso inicial se considera una regresión lineal simple que incluye a
la variable predictora que da la correlación más alta (R2) con la variable de
respuesta. Se incluye una segunda variable en el modelo, que es aquella variable
dentro de las no incluidas aún, que da el “p-value” más bajo para la prueba t o el
valor de la prueba de t más grande en valor absoluto. Y así se siguen incluyendo
variables, notando que una vez que ésta es incluida ya no puede ser sacada del
modelo. El proceso termina cuando los “p-values” para la prueba t de todas las
variables que aún no han sido incluidas son mayores que 0.05 ó la prueba de t es
menor que 2 para dichas variables. Si se usa la prueba de F, entonces el proceso
termina cuando todas las F son menores que 4.
90
91
El mejor modelo es aquel con R2 más alto pero con el menor número de
variables posibles (propiedad de parsimonia).
SC ( residual , pcoeficientes )
Cp = − (n − 2 p) (4.14)
MC (residual , todoslosco eficientes )
( n − p ) MC ( residual , pcoeficientes )
Cp = − (n − 2 p ) (4.15)
MC ( residual , todoslosco eficientes )
91
92
ε i = yi − (μ + αi ) (4.16)
¾ La Normalidad
¾ La homocedasticidad (varianza constante) del error
¾ La independencia de las observaciones
92
93
Dado que los errores del modelo son desconocidos, las hipótesis
anteriores pueden y deben chequearse a partir de los residuos (Ecuación 4.17):
∧
ei = yi − yi (4.17)
ei
Rsi = (4.18)
Se
La hipótesis de normalidad afirma que los errores del modelo ε siguen una
distribución normal. Esta hipótesis se contrasta a partir de los residuos
estandarizados. Se pueden aplicar los contrastes y gráficos de normalidad
descritos a continuación:
93
94
94
95
2
La hipótesis de homocedasticidad implica que Var (εi) =σ = cte, esto es,
la varianza de los residuos es constante y no varía en los diferentes niveles del
factor. La falta de homocedasticidad se denomina heterocedasticidad. Esta influye
en el modelo de regresión lineal múltiple, los estimadores mínimo-cuadráticos
siguen siendo centrados pero no son eficientes y las fórmulas de las varianzas de
los estimadores de los parámetros no son correctas. Por tanto no pueden
aplicarse los contrastes de significación.
95
96
Para resolver este problema las alternativas que hay son las siguientes:
y 1 x x x x ε
= βˆ 0 + βˆ1 1 + βˆ 2 2 + ... + βˆ k −1 k −1 + βˆ k k + (4.19)
xk xk xk xk xk xk xk
y 1 x x x ε
= βˆ 0 + βˆ1 1 + βˆ 2 2 + ... + βˆ k −1 k −1 + βˆ k + (4.20)
xk xk xk xk xk xk
96
97
calcular los estimadores de los parámetros del modelo como los valores que
minimizan la siguiente función de los residuos.
97
98
H0 : ρ (ε i , ε i + 1 ) = 0
(4.21)
HA : ρ (ε i , ε i + 1 ) ≠ 0
98
99
∑ (e
i=2
i − e i −1 ) 2
d= ≅ 2(1 − r1 )
n
(4.22)
∑e
2
t
i =1
99
100
CAPITULO 5
5.1 Introducción
Esta es una gran herramienta, pero por si sola no es suficiente para lograr
los estándares de eficiencia requeridos para el cumplimiento pleno de las metas
trazadas, es necesario el conocimiento y comprensión de las variables operativas
que intervienen en el proceso, las cuales tienen una directa incidencia en el logro
de los KPI, pertenecientes al área de Despacho, al nivel del Supervisor de
Despacho.
100
101
5.2.1 Alcances
101
102
El área del problema está enfocada directamente, con las variables que
intervienen en uno de los insumos fundamentales de la mina, el petróleo, el cual
afecta de manera notoria los costos pertenecientes al área mina.
Variables independientes:
102
103
Variables
KR =A TC = B FC = C TM =D RC = E VP = F
Independientes
103
104
5.4.1.1 Colinealidad
104
105
Matriz de Correlación
105
106
106
107
40
20
Ninguna
0
0 1 2 3 4 5 6 7 8
N° de Coeficientes
FIGURA 5.1: GRÁFICO DE R-CUADRADO AJUSTADO.
107
108
Apreciando la tabla 5.1, nos podemos percatar que el modelo BCF es uno
de los modelos con la desviación estándar mas baja y al mismo tiempo el modelo
con menores variables posibles y con el mejor R2 ajustado (parsimonia). Esto nos
indica que el mejor modelo contiene las 3 variables predictoras TC, FC, VP.
5.4.1.5 Resultado
108
109
5.5.1 SC (residual)
SC (residual) = 33461
5.5.2 MC (residual)
Con n = 332 y p = 3.
109
110
Se = 102,015 = 10,100
52633,3 / 3 17544,4
E.P.: F = = = 171,98
33461 /[332 − (3 + 1)] 102,015
110
111
¾ Se utilizó un 95 % de confianza.
¾ g.l. = 332 – (3+1) = 328.
¾ El valor t que tiene un área de 0.025 en una distribución t con g.l.=328 es
1960.
111
112
¾ Se utilizó un 99 % de confianza.
¾ g.l. = 332 – (3+1) = 328.
¾ El valor t que tiene un área de 0.01 en una distribución t con g.l.=328 es
2.326
112
113
Parámetro Estimación β p
S β̂ Estadístico t
p
113
114
La tabla 5.6, muestra los resultados de los test ejecutados, con los cuales
se determina si los residuos estandarizados de nuestro modelo de regresión
múltiple pueden ser modelados adecuadamente por una distribución normal.
Analizando los p-valor obtenidos para el test de normalidad, observamos que
todos son mayores a 0.01, entonces podemos afirmar que los residuos
estandarizados proceden de una distribución normal con un nivel de confianza del
99%.
A) El Histograma
114
115
25
Frecuencia
20
15
10
0
-2,25 -1,50 -0,75 0,00 0,75 1,50 2,25
Residuo estandarizado
115
116
70
60
50
40
30
20
10
5
0,1
-3 -2 -1 0 1 2 3
Residuos Estandarizados
0,8
0,6
0,4
0,2
0
-2,8 -1,8 -0,8 0,2 1,2 2,2 3,2
Residuos Estandarizados
FIGURA 5.3: GRÁFICO DE DISTRIBUCIÓN NORMAL PARA LOS RESIDUOS ESTANDARIZADOS.
116
117
4
Residuo estandari zado
-2
-4
-6
117
118
118
119
119
120
260
50
-50
140
100 -100
Pr omedio
Ene- 09
Feb- 09
Mar-0 9
May-0 9
Jun- 09
Jul-09
O ct-09
Nov-09
Dic-09
Sep-09
Ago-09
Abr-0 9
Tiempo [Meses]
Error de Consumo Especifico Consumo Especifico
Prediccion [%] Real [Lts/Hrs.] Calculado [Lts/Hrs.]]
FIGURA 5.5: PREDICCIÓN DEL ERROR PARA FLOTA HAULPAK AÑO 2009.
120
121
260
50
11,57 10,38
220 3,39 0,07 -0,48 5,19 6,34 7,09 4,38 2,60 7,34
-0,14 4,78
0
180
-50
140
100 -100
Promedio
May-09
Ene-09
Feb-09
Jul-09
Oct-09
Nov-09
Dic-09
Mar-09
Jun-09
Sep-09
Abr-09
Ago-09
Tiempo [Meses]
Error de Consumo Especifico Consumo Especifico
Prediccion [%] Real [Lts/Hrs.] Calculado [Lts/Hrs.]]
FIGURA 5.6: PREDICCIÓN DEL ERROR PARA FLOTA CATERPILLAR AÑO 2009.
121
122
260
50
220 0,59 -1,60 -0,89 5,69 6,35 4,25 0,60 2,46 1,68 -0,19 0,87 -0,60 1,59
0
180
-50
140
100 -100
Prom edio
Ene-09
F eb-09
M ar-09
M ay -09
J un-09
J ul-09
O c t-09
N ov -09
D ic -09
Sep-09
Abr-09
Ago-09
Tiempo [Meses]
Error de Consumo Especifico Consumo Especifico
Prediccion [%] Real [Lts/Hrs.] Calculado [Lts/Hrs.]]
FIGURA 5.7: PREDICCIÓN DEL ERROR PARA FLOTA TEREX AÑO 2009.
122
123
260
50
-50
140
100 -100
Promedio
Ene-09
Feb-09
J ul-09
O ct-09
Mar-09
May-09
Jun-09
Nov-09
Dic-09
Sep-09
Abr-09
Ago-09
Tiempo [Meses]
FIGURA 5.8: PREDICCIÓN DEL ERROR PARA FLOTA KOMATSU AÑO 2009.
123
124
124
125
220
210
Respuesta calculada
200
190
180
170
160
150
140
140 150 160 170 180 190 200 210 220 230
Respuesta real
125
126
CAPITULO 6
6.1 Introducción
126
127
Tiempos de Ciclo: Esta variable aporta con un 33,92% del total al modelo. En
otras palabras, si disminuyéramos un minuto los tiempos de ciclos promedios de
los camiones. El consumo especifico de combustible se reduciría en 1,73 [Lts. /Hr]
en nuestra flota de transporte.
Factor de Carga: Esta variable tiene un peso dentro del modelo de un 28,24% del
total. Nos indica que, si bajáramos punto porcentual el factor de carga de los
camiones, el consumo especifico de combustible disminuiría en 1,44 [Lts. /Hr] en
nuestra flota de transporte.
127
128
De la tabla 6.2, podemos inferir lo siguiente; a partir de los datos del mes
de Diciembre del año 2009, reemplazando los valores de cada variable obtenemos
el consumo especifico de combustible [Lts. /Hr] correspondiente a este tipo de
flota. Luego, enfocado en ese caso base, hacemos variar en una unidad cada
variable explicativa y vemos como afecta esta variable predictora en el consumo
especifico, observando claramente que la mayor variable que influye al modelo es
la velocidad promedio, pero como esta variable es difícil de controlar; nos
enfocaremos en la segunda variable que mas influye al consumo especifico de
petróleo y que tiene un impacto muy cercano a la variable anterior, además de ser
la más factible en atacar; estamos hablando del tiempo de ciclo.
Si analizamos una a una las variables, nos daremos cuenta que no todas
pueden ser controladas en este caso por el Ingeniero de Gestión Mina.
128
129
129
130
40 60
40
35
Tiempo Ciclo [min]
0,49
20
0,40
1,46
4,91
-0,29
1,14
Del ta [%]
0,34
30 0
-0,97
-1,03
-0,92
-1,27
-3,38
-20
25
-40
20 -60
Oct-09
Jun-09
Ene-09
Feb-09
Mar-09
May-09
Jul-09
Nov-09
Dic-09
Sep-09
Ago-09
Abr-09
Tiempo [Meses]
FIGURA 6.1: TENDENCIA TIEMPO DE CICLO PARA FLOTA TRANSPORTE EL AÑO 2009.
6.3.2 Conclusión
130
131
diferencia entre estos. Ahora presentaremos un análisis (ver tabla 6.3), en el cual
cuantificaremos los Lts de combustible que se pueden ahorrar solamente
enfocándonos en la disminución de los tiempos de ciclo.
131
132
de esta variable, estableciendo las más reiterativas y las que aporten en mayor
magnitud al aumento de esta.
132
133
133
134
1,50
Tiem po [min]
1,00
0,50
0,00
di o
9
9
9
9
-09
9
9
09
9
t-0
-0
c-0
-0
v-0
-0
-0
y-0
l -0
r-0
me
b-
n
r
o
e
Oc
Ju
Ab
Ma
Di
No
Ju
Ma
Ag
Se
En
Fe
o
Pr
Tiempo [Meses]
1,20
Tiempo [min]
0,90
0,60
0,30
0,00
di o
9
09
9
09
09
09
9
09
9
9
t-0
c-0
v-0
r-0
y-0
l -0
r-0
n-
o-
p-
e-
me
b-
Oc
Ju
Ab
Ma
Di
No
Ju
Ma
Ag
Se
En
Fe
o
Pr
Tiempo [Meses]
134
135
1,80
Tiempo [min]
1,20
0,60
0,00
di o
9
9
9
9
-09
9
09
9
t-0
-0
c-0
-0
-0
-0
v-0
l -0
y-0
r-0
me
b-
n
r
e
Oc
Ju
Ab
Ma
Di
No
Ju
Ma
En
Fe
Ag
Se
o
Pr
Tiempo [Meses]
Visualizando la figura 6.4 nos lograremos dar cuenta que nuestros tiempos
de carga actuales diferenciados por las columnas de color verde, son mucho
mayores que los tiempos óptimos propuestos por operación descritos por las
columnas de color rojo. Si ponemos énfasis en tratar de llegar al tiempo óptimo
operacional promedio, esto aportara con un ahorro de 0,42 min. en nuestro tiempo
de ciclo.
135
136
2,50
2,00
Tiempo [min]
1,50
1,00
0,50
0,00
di o
9
9
9
9
-09
9
09
9
t-0
-0
c-0
-0
-0
-0
v-0
l -0
y-0
r-0
me
b-
n
r
e
Oc
Ju
Ab
Ma
Di
No
Ju
Ma
En
Fe
Ag
Se
o
Pr
Tiempo [Meses]
136
137
6.5.1 Introducción
137
138
H0 = u1 = u2 =… = uI, Contra
Hα = Al menos dos de las ui son diferentes.
∑X
j =1
ij
X i° = , i = 1,2,..., I (6.5)
Ji
138
139
∑X i°
X °° = i =1
(6.6)
n
Además, representamos con S12 , S 22 ,...,S 2I las varianzas muéstrales,
calculadas con la Ecuación 6.7
Ji
∑(X
j =1
iJ i − X i° ) 2
S i2 = , i = 1,2,..., I (6.7)
Ji −1
Suposiciones
E ( X iJ i ) = u i (6.8)
V ( X iJ I ) = σ 2 (6.9)
139
140
140
141
del status de H0 (verdadera o falsa). No en el caso con el MSE, porque las S i2 solo
141
142
I Ji I Ji
1 2
SST = ∑∑ ( X ij − X °° ) 2 =∑∑ X ij2 − X °° , grados de libertad=n-1 (6.13)
i =1 j =1 i =1 j =1 n
I Ji I
1 2 1 2
SSTr = ∑ ∑ ( X i ° − X °° ) 2 = ∑ X i ° − X °° , grados de libertad=I-1 (6.14)
i =1 j =1 i =1 Ji n
I Ji
SSE = ∑∑ ( X ij − X i2° ) = SST − SSTr , grados de libertad = ∑ ( J i − 1) = n − I (6.15)
i =1 j =1
142
143
MSE ⎛ 1 1⎞
wij = Qα , I ,n − I • ⎜⎜ + ⎟⎟ (6.16)
2 ⎝ Ji Ji ⎠
X i ° − X j ° − wij ≤ u i − u j ≤ X i ° − X j ° + wij
143
144
144
145
1
Tipo de Operador
31 41 51 61 71
Tiempo de Ciclo
FIGURA 6.7: GRAFICO DE CAJA Y BIGOTES PARA LOS TIEMPOS DE CICLOS DE CADA OPERADOR
145
146
146
147
Gráficos de Residuos
12
Residuo
-12
-24
1 2 3
Tipo de Operador
FIGURA 6.8: GRAFICO DE RESIDUOS PARA LOS TIEMPOS DE CICLO DE CADA OPERADOR
147
148
La figura 6.9 notamos los residuos en el orden que están almacenados los
datos en la variable tiempo de ciclo.
12
Residuo
-12
-24
0 10 20 30 40 50
Número de Fila
FIGURA 6.9: GRAFICO DE RESIDUOS SEGÚN ALMACENAMIENTO DE LOS TIEMPOS DE CICLO.
148
149
SSTr = 473,405
Con 2 grados de libertad.
SSE = 1831,05
Con 43 grados de libertad.
SST = 2304,46
Con 45 grados de libertad.
149
150
MSTr 236,703
f = = = 5,56
MSE 42,5836
150
151
42,58 ⎛ 1 1 ⎞
w12 = 4,37 • • ⎜ + ⎟ = 7,3420
2 ⎝ 11 24 ⎠
42,58 ⎛ 1 1 ⎞
w13 = 4,37 • • ⎜ + ⎟ = 8,5981
2 ⎝ 11 11 ⎠
42,58 ⎛ 1 1⎞
w23 = 4,37 • • ⎜ + ⎟ = 7,3420
2 ⎝ 24 11 ⎠
151
152
52
Tiempo de Ciclo
48
44
40
36
1 2 3
Tipo de Operador
FIGURA 6.10: INTERVALOS HSD DE TURKEY CON UN 99% DE CONFIANZA
152
153
1 11 40,4818 X
2 24 45,5167 XX
3 11 49,7409 X
153
154
154
155
Como podemos darnos cuenta según la tabla 6.8, si logramos mejorar las
prácticas operacionales de los operadores en entrenamiento o bien de los
operadores con una experiencia intermedia al máximo teórico, lograremos mejorar
aproximadamente 190000 litros de combustible al mes.
155
156
156
157
20,00
15,93 25,00
Porcentaje [%]
Tiem po [m in]
8,03
15,00 -0,87
0,00
10,00 -3,71
-25,00
5,00
0,00 -50,00
T. Carga
T.V.Vacio
T. Cola
T.V.Cargado
T. Vaciado
T. Acul.
Tiempos Desglosados
25,00 50,00
35,53 34,74
20,00
14,57 25,00
11,61 Porcentaje [%]
Tiempo [ min]
5,41
15,00
0,00
10,00 -1,87
-25,00
5,00
0,00 -50,00
T. Acul.
T.V.Vacio
T. Cola
T. Carga
T.V.Cargado
T. Vaciado
Tiempos Desglosados
157
158
25,00 50,00
31,07 32,76
27,02
20,00
15,83 25,00
Porcentaje [%]
Tiempo [min ]
15,00 0,30
0,00
10,00
-6,99
-25,00
5,00
0,00 -50,00
T. Acul.
T.V.Vacio
T. Cola
T. Carga
T.V.Cargado
T. Vaciado
Tiempos Desglosados
158
159
CAPITULO 7
7.1 Introducción
159
160
160
161
161
162
162
163
163
164
CONS. POR
102 95 98 91 88 87 88 94 102 86 96 103 [Lts/Ciclo]
CICLO.
CONS. TOT.
2.804.528 2.419.123 2.704.293 2.607.347 2.609.463 2.548.989 2.507.329 2.945.591 3.038.888 2.232.198 2.859.002 3.095.141 [Lts/Mes]
PETR.
REAL= 2.846.390 2.314.530 2.586.033 2.563.186 2.458.078 [Lts/Mes]
% ERROR PRED. -1,47 4,52 4,57 1,72 6,16 [%]
GASTO TOT.
[US$/Mes]
PETR. 1.822.943 1.572.430 1.757.791 1.694.775 1.696.151 1.656.843 1.629.764 1.914.634 1.975.277 1.450.929 1.858.351 2.011.842
175
176
176
177
Top
UOC = (7.7)
Top + Tres + DP
177
178
178
179
179
170
Al analizar la tabla 7.7 y 7.8 respectivamente nos podemos dar cuenta que
el error de predicción mensual no supera el 5,1 % de error en su predicción mas
mala, además del error promedio del alcance de investigación no supera el 2%.
Percibiendo que lo proyectado incurre en un error de predicción muy bajo,
podemos concluir que el modelo mensual queda completamente certificado.
170
171
171
172
172
173
173
174
Una vez obtenidos todos los datos de entrada para nuestro modelo según FORESCAST 5+7,
proyectaremos el consumo de combustible para el año 2010.
CONSUMO PETROLEO PROYECTADO MENSUAL AÑO 2010
1) DATOS: INPUT
174
175
CONS. POR
102 95 98 91 88 87 88 94 102 86 96 103 [Lts/Ciclo]
CICLO.
CONS. TOT.
2.804.528 2.419.123 2.704.293 2.607.347 2.609.463 2.548.989 2.507.329 2.945.591 3.038.888 2.232.198 2.859.002 3.095.141 [Lts/Mes]
PETR.
REAL= 2.846.390 2.314.530 2.586.033 2.563.186 2.458.078 [Lts/Mes]
% ERROR PRED. -1,47 4,52 4,57 1,72 6,16 [%]
GASTO TOT.
[US$/Mes]
PETR. 1.822.943 1.572.430 1.757.791 1.694.775 1.696.151 1.656.843 1.629.764 1.914.634 1.975.277 1.450.929 1.858.351 2.011.842
175
176
176
177
Top
UOC = (7.7)
Top + Tres + DP
177
178
178
179
179
180
(7.8)
7.6.7 Consumo Mensual de Petróleo
Consumo de Combustible [Lts/Año] = Indicador [Lts/Ton*Hrs] * Horas Op. [Hrs] * Toneladas Trans. [Ton/Año]
(7.9)
7.7 Validación del Modelo
180
181
181
182
182
183
183
184
184
185
185
186
Una vez obtenidos todas las variables de entrada para nuestro modelo según LOM 2011-2026,
planearemos el consumo de combustible anual hasta el fin de nuestras operaciones.
186
187
CAPITULO 8
8.1 Introducción
187
188
188
189
189
190
190
191
Las propiedades que posee el aditivo se ven reflejados en la tabla 8.1 que
se presenta a continuación.
191
192
¾ Horas operativas
¾ Toneladas movidas
¾ Litros reportados
¾ Kilómetros recorridos.
192
193
193
194
Una vez obtenida la línea base se comenzará con la mezcla del aditivo y
el petróleo, esta consiste en depositar en los estanques de combustible ubicados
en el área mina, propiedad de Copec, la cantidad del aditivo necesario para
respetar la relación 1lt de aditivo por 2500 Lts de combustible.
La mezcla del aditivo comenzó el día lunes 31 de mayo, pero se dio una
semana de adaptación del aditivo o marcha blanca hasta el domingo 6 de junio.
194
195
195
196
196
197
Una vez obtenidos los parámetros operacionales para las pruebas con y
sin aditivo, se procede a realizar las comparaciones, las cuales nos mostraran
resultados cuantitativos sobre, si existe o no, ahorro de combustible. La figura 8.1
nos muestra un análisis de comparación para los parámetros operacionales que
se midieron en la prueba con o sin aditivo.
Parametros Medidos
6131700
6000000
6055200
4000000
Cantidad 2246533
2338438
2000000
12941 13736 249396 285586 54 56
0
Horas Toneladas Litros Kilometros
N°Turnos
Operativas Transportad Reportados Recorridos
Sin Aditivo 12941 6131700 2246533 249396 54
Con Aditivo 13736 6055200 2338438 285586 56
Parametros
197
198
480,00 20,00%
360,00 10,00%
Cantidad
7,31%
-1,97%
240,00 -7,48% 0,00%
-10,01%
120,00 -10,00%
0,00 -20,00%
[TON/HR] [LT/HR] [KMS/HR] [LTS/KM]
Diferencia [%] -7,48% -1,97% 7,31% -10,01%
Sin Aditivo 473,83 173,60 19,27 9,01
Con Aditivo 440,84 170,25 20,79 8,19
Indicadores
198
199
199
200
1000,00 20,00%
800,00 818,82
10,00%
600,00
Cantidad
0,00%
400,00
-7,88% -10,00%
200,00 -10,01%
0,00 -20,00%
TIEMPO [HR] CONSUMO [LT]
Diferencia [%] -7,88% -10,01%
Sin Aditivo 5,19 900,79
Con Aditivo 4,81 818,82
Parametros
200
201
Flujo de Caja
El flujo de caja privado tiene como objetivo medir los flujos efectivos
(ingresos y egresos) de dinero que deben realizar para llevar a cabo un proyecto,
situándolos en el momento en que se producen.
201
202
Indicadores de evaluación
Esta variable también llamada como Valor Presente Neto (VNP), Valor
Neto Descontado (VND), Beneficio Neto Actual (BNA), el VAN queda definido por
la Ecuación 8.1.
n
Ft
VAN = F0 + ∑ n
(8.1)
t =1
∏ (1 + r )
k =1
k
202
203
Es decir son todas aquellas tasas de descuento constantes que hacen que
el VAN del proyecto en cuestión sea cero. O sea, para un proyecto que presenta
flujos "simple" (primero negativos y luego positivos) es la tasa de descuento límite
entre la aceptación y rechazo de un proyecto.
203
204
204
205
205
206
TABLA 8.4: SENSIBILIZACIÓN DEL FLUJO DE CAJA C/R AL PRECIO DEL COMBUSTIBLE Y ADITIVO
SENSIBILIZACION FLUJ O DE CAJ A CON R ESP ECTO AL P R ECIO COMBUSTIBLE
206
207
207
208
208
209
209
210
210
211
211
212
212
213
213
214
214
215
215
216
216
217
217
218
TABLA 8.6: SENSIBILIZACIÓN DEL FLUJO DE CAJA CON RESPECTO AL AHORRO DE COMBUSTIBLE
218
219
CAPITULO 9
CONCLUSIONES Y RECOMENDACIONES
219
220
220
221
Es por esto que el modelo presentado en el capitulo VII nos sirve de gran
medida para las proyecciones mensuales de petróleo, ya que tiene un error de
predicción promedio de 1,73%.
Anexos
------------------------------------------------------------------------------------------------------------------------------------
228
229
Anexos
------------------------------------------------------------------------------------------------------------------------------------
229
230
Anexos
------------------------------------------------------------------------------------------------------------------------------------
230
231
Anexos
------------------------------------------------------------------------------------------------------------------------------------
231
232
Anexos
------------------------------------------------------------------------------------------------------------------------------------
232
233
Anexos
------------------------------------------------------------------------------------------------------------------------------------
233
234
Anexos
------------------------------------------------------------------------------------------------------------------------------------
234
235
Anexos
------------------------------------------------------------------------------------------------------------------------------------
235
236
Anexos
------------------------------------------------------------------------------------------------------------------------------------
236
237
Bibliografía
------------------------------------------------------------------------------------------------------------------------------------
REFERENCIAS BIBLIOGRAFICAS
[4] http://www.tpx.cl
237