Aplicación de simulación discreta en la estimación del número de camiones en una mina de cobre a tajo abierto

• Autores: Bujaico Morante, Gabriel Alejandro, Huayanca Escobar, Diego Fernando
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: español
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/24461
• Enlace del recurso: http://hdl.handle.net/20.500.12404/24461
• Nivel de acceso: acceso abierto
• Materia: Minería a cielo abierto; Cobre; Maquinaria minera; https://purl.org/pe-repo/ocde/ford#2.07.05

Esta tesis busca proponer una metodología de simulación de eventos discretos para el cálculo de flota de camiones necesaria para el cumplimiento del plan de producción anual incorporando variables aleatorias presentes en el ciclo de transporte que reflejen las condiciones operativas reales de la mina. Para el presente documento se tomó como caso de estudio una operación minera que explota cobre a tajo abierto y busca expandir sus operaciones desde las 100,000 hasta las 140,000 toneladas por día. El plan anual desarrollado incluye incorporar más camiones a su flota existente de 29 camiones, para ello, en la unidad se emplea una metodología de estimación de flota determinística utilizando los valores medios de la capacidad de carguío y de tiempos fijos en el ciclo de transporte. Sin embargo, dado que la adición de cada camión significa una inversión considerable de dinero, es necesario evaluar los criterios considerados y afinar ciertas variables que, en definitiva, afectan el cálculo y permitan cumplir con los objetivos de producción establecidos por la compañía. En el presente documento se compara la aplicación de modelos estocásticos y determinísticos. En ambos casos se emplea el software Arena para modelar el proceso de carguío y acarreo. En primer lugar, se calibra el modelo estocástico con los parámetros recopilados de los procesos mencionados y, posterior a la verificación de los resultados producidos, se procede a replicar los doce meses del plan anual. Asimismo, se emplea el algoritmo de Dijkstra para estimar el tiempo promedio de los viajes de ida y regreso, y toda la información obtenida de las simulaciones es procesada con el lenguaje de programación Python en el IDE llamado Jupyter Notebook. Posterior al procesamiento de datos, se calculan diversos indicadores de interés tales como las horas trabajadas por la flota de camiones en el mes, la productividad de estos, el tiempo promedio del ciclo de acarreo, la distancia promedio recorrida. Todos los anteriores indicadores ayudan a explicar el número de camiones requeridos mes a mes.