dc.contributorFranco Sepúlveda, Giovanni
dc.contributorConsuegra, José Luis
dc.contributorGrupo de Planeamiento Minero-GIPLAMIN
dc.creatorMolina Arenas, Sandra Isabel
dc.date.accessioned2021-06-18T16:03:58Z
dc.date.accessioned2022-09-21T15:37:43Z
dc.date.available2021-06-18T16:03:58Z
dc.date.available2022-09-21T15:37:43Z
dc.date.created2021-06-18T16:03:58Z
dc.date.issued2021-04-27
dc.identifierhttps://repositorio.unal.edu.co/handle/unal/79649
dc.identifierUniversidad Nacional de Colombia
dc.identifierRepositorio Institucional Universidad Nacional de Colombia
dc.identifierhttps://repositorio.unal.edu.co/
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3382986
dc.description.abstractLos desafíos de la operación minera radican en la custodia de información confiable y análisis de esta lo que hace que sea una actividad demasiado compleja, sumado a un conjunto de labores entre máquina y operario que se encuentra ligado a muchos factores que son específicos dentro de una operación minera eficiente y calificada que inciden en extremo cuidado en el tiempo. Una simple ejecución que lleve al retardo de una variable con llevaría al desequilibrio económico y con esta la reducción de la producción. Dentro del proceso de actividades unitarias de minería a cielo abierto tenemos el sistema pala-camión que ha llegado incluso a constituir el 50% y 60% de los costos operativos, el análisis adecuado de las variables involucradas en este sistema permite la toma de daciones oportunas en la operación. El sistema antes mencionado es la matriz de estudio que permitirá el planteamiento de un algoritmo evolutivo no determinístico, que admita la optimización de los tiempos muertos del sistema pala-camión en una mina de carbón a cielo abierto hacia la disminución de la incertidumbre que no son tenidas en cuenta en la mayoría de análisis mineros. En el caso de nuestra investigación las nombramos como: tx (incertidumbres de ida) y ty (incertidumbre de regreso), que permita una pronta repuesta a la toma de decisiones en la planeación a corto plazo y mejore la productividad. Esta herramienta nos entrega una gama de posibles ganadores (cromosomas) con reducción de tiempos mínimos de hasta 1,3 minutos y máximos de 5,3 minutos en el tiempo de ciclo, obteniendo una ganancia hasta de 51,75 bcm/h del proceso para el caso del ejercicio aplicado, además permite ajustarse según las restricciones del evaluador teniendo en cuenta la velocidad, contantes del proceso y población objetivo. Dentro de la literatura los procesos estocásticos en su mayoría se encuentra enfocados en las actividades unitarias de minería polimetálica, con esta propuesta presentamos una herramienta aplicada a la minería de carbón totalmente adaptativa a las condiciones de operación manual del sector en pro del desarrollo minero local. (Tomado de la fuente)
dc.description.abstractThe challenges of the mining operation lie in the custody of reliable information and its analysis, which makes it an activity that is too complex, added to a set of tasks between machine and operator that is linked to many factors that are specific within an efficient and qualified mining operation that takes great care in time. A simple execution that leads to the delay of a variable with would lead to economic disequilibrium and with this the reduction of production. Within the process of unit activities of open pit mining we have the shovel-truck system that has even constituted 50% and 60% of the operating costs, the adequate analysis of the variables involved in this system allows the taking of opportune data. in operation. The aforementioned system is the study matrix that will allow the approach of a non-deterministic evolutionary algorithm, which allows the optimization of the dead times of the shovel-truck system in an open-cast coal mine towards the reduction of the uncertainty that are not taken into account in most mining analyzes. In the case of our research, we name them as: tx (outward uncertainties) and ty (return uncertainty), which allows a prompt response to decision-making in short-term planning and improves productivity. This tool gives us a range of possible winners (chromosomes) with a reduction of minimum times of up to 1.3 minutes and maximum of 5, 3 minutes in cycle time, obtaining a gain of up to 57, 1 bcm / h of the process for that matter. of the applied exercise, it also allows adjusting according to the evaluator's restrictions, taking into account the speed, process constants and target population. Within the literature, stochastic processes are mostly focused on polymetallic mining unit activities, with this proposal we present a tool applied to coal mining that is fully adaptive to the manual operating conditions of the sector in favor of local mining development. (Tomado de la fuente)
dc.languagespa
dc.publisherUniversidad Nacional de Colombia
dc.publisherMedellín - Minas - Maestría en Ingeniería - Recursos Minerales
dc.publisherDepartamento de Materiales y Minerales
dc.publisherFacultad de Minas
dc.publisherMedellín
dc.publisherUniversidad Nacional de Colombia - Sede Medellín
dc.relationNageshwaraniyer, S., Meng, C., Maghsoudi, A., & Dessureault, S. (2013). Data-driven modeling and simulation framework for material handling systems in coal mines. Computers & Industrial Engineering., 766-779. Niño Carlos, Molina Sandra. (2014). Análisis comparativo en los ciclos de acarreo por medio de muestreo y actualización de datos en software talpac de la mina calenturitas, propiedad de c.i. prodeco s.a. en el municipio de la loma, cesar. VALLEDUPAR. Scribd . (27 de Mayo de 2014). Recuperado el 22 de Noviembre de 2020, de https://es.scribd.com/doc/226307415/3Seleccion-de-Equipos-Mineros Ahangaran, M., & Kaveh, A. (2012). Discrete cost optimization of composite floor system using social harmony search model. Applied Soft Computing, 372-381. Anirudh, K., Niels, A., & Z, R. (2017). Planning of truck platoons: A literature review and directions for future research. Transportation Research Part B: Methodological, 212-228. Apaza Risco, E. D. (2017). Disminución de tiempos improductivos para incrementar la utilización de los equipos de carguío y acarreo en la mejora continua de la productividad en el tajo Chalarina en Minera Shahuindo S.A.C. universidad Nacional de trujillo. Araujo, R. W. (2018). Optimización de la flota de volquetes en acarreo, para incrementar la producción en la mina los andes. Trujillo, Perú. Arias, F. (2012). El Proyecto de Investigación. Caracas: Episteme. Asencio, M. (2017). Palas en Mineria. Cajamarca.: Universidad de Cajamarca. B. De Souza, W. F. (2018). Proceeding del II Congreso Iberoamericano en Mineria. Santiago de Chile: Universidad de Chile. Bakhtavar, E., & Mahmoudi, H. (2019). Development of a scenario-based robust model for the optimal truck-shovel allocation in open-pit mining. Computers & Operations Research. Barranco, M. J. (2010). Tesis de Doctorado Analisis Multiobjetivos para la Optimizacion. Medellin: Universidad Nacional. Barrientos, V. (2014). Análisis de factores operacionales en detenciones y productividad de sistema de carguío y transporte en mineria a cielo abierto. Santiago de Chile. Barrientos, V. M. (2014). Analisis de Factores Operacionales en detenciones y Poductividad de Sistema de Cargue y Transporte en Mineria a Cielo abierto. Santiago de Chile. Bastos, G. (2013). Decision making applied to shift change in stochastic open-pit mining truck dispatching? IFAC Proceedings Volumes. Billene, R. (2004). Análisis de costos. . Bogota. D.C.: Ediciones Jurídicas Cuyo. Bitarafan, M., & Atei, M. (2004). Mining method selection by multiple criteria decision making tools. Journal- South African Institute of Mining and Metallurgy, 493-498. Biteus, J., & Lindgren, T. (2017). Planning Flexible Maintenance for Heavy Trucks using Machine Learning Models, Constraint Programming, and Route Optimization. SAE International Journal of Materials and Manufacturing, 306-315. Burt, C. &. (2009). Equipment Selection for Surface Mining: A Review. The Institute for Operations Research and the Management Sciences. Burt, C., Caccetta, L., Hill, S., Welgama, P., Zerger, A., & Argent, R. (2008). Models for mining equipment selection. Modelling and Simulation Society of Australia and New Zealand, (págs. 1730-1736). CARLOS MARTINEZ NIÑO, S. M. (2014). Análisis comparativo en los ciclos de acarreo por medio de muestreo y actualización de datos en software talpac de la mina calenturitas, propiedad de c.i. prodeco s.a. en el municipio de la loma, cesar. VALLEDUPAR. Caterpillar. (06 de julio de 2019). Caterpillar. Recuperado el 22 de Noviembre de 2020, de https://www.cat.com/es_MX/products/new/equipment/off-highway- trucks/miningtrucks/18093014.html Cerda, H. (1998). Los Elementos de la Investigación. Bogota D.C.: El Búho LTDA. Chaowasakoo, P. (2017). Improving fleet management in mines: The benefit of heterogeneous match factor. Eurioean Journal Of Operational Research. Chavez, F. (2016). Optimización de la Producción en Carguío y Acarreo mediante la utilización del sistema Jigsaw - Leica en Minera Toquepala. Chen, T. (2012). A job-classifying and data-mining approach for estimating job cycle time in a wafer fabrication factory. International journal of advanced manufacturing technology. Creswell, J. W. (2009). Qualitative. Quantitative,and Mixed Methods Approaches. DESING: Los angeles. Czaplicki, J. (2009). Shovel-Truck System. CRC Press Taylor and Francis Group. Czaplicki, J. (2014). Statistics for Mining Engineering. Zambia: CRC Press. De Giovanni, L. (2017). A Heuristic for Multiattribute Vehicle Routing Problems in Express Freihht Transportation. scopus. Doig Patrick, Kizil Mehmet S. (2013). Mejoras en las estimaciones de requerimiento de camiones usando análisis detallado de transporte. Australia: University of Wollongong, Queensland. Ercelebi, S., & Bascetin, A. (2009). Optimization of shovel-truck system for surface mining. Journal of the Southern African Institute of Mining and Metallurgy, 433-439. Escobar, J. (2013). Optimización de una red de distribución con parámetros estocásticos usando la metodología de aproximación por promedios muestrales. Ingeniería y Desarrollo. Esmoris, A. (2013). Algoritmos Heuristicos. Madrid, España: EIO. Fuentes, Y. A. (2017). Optimización de materiales de excavación de reutilización Industrial (MERI) de la mina de carbón “CERROLARGO” para la infraestructura vial mediante algoritmos evolutivos. BOGOTÁ D.C. Garcés, D., & Castrillón, O. (2017). Diseño de una Técnica Inteligente para Identificar y Reducir los Tiempos Muertos en un Sistema de Producción. Información tecnológica, 157-170. Giliani, S., & Sttarvand, J. (2016). Integrating geological uncertainty in long-term open pit mine production planning by ant colony optimization. Computers & Geosciences, 31-40. González, H. (2017). Selección y asignación óptima de equipos de carguío para el cumplimiento de un plan de producción en mineria a cielo abierto. Santiago de Chile: Universidad de Chile. Goodfellow, R., & Dimitrakopoulos, R. (2012). Algorithmic integration of geological uncertainty in pushback designs for complex multi-process open pit mines. Transactions of the Institution of Mining and Metallurgy, Section A: Mining Technology , 67-77. Grimaldo, G. (2017). Disponibilidad de equipos auxiliares para optimizar la productividad en el carguío y acarreo de las fases 01,03 y 07 del tajo Constancia empresa especializada. STRACON GYM S.A. Gurgur, H., & Uzuner, Y. (2011). Examining the implementation of two co‐teaching models: team teaching and station teaching. International Journal of Inclusive Education, 589-610. Hartman, H. L., & Mutmansky, J. M. (2002). Introduction to mining engineering. . Canada: John Wiley & Sons. Jara, F. (2018). Modelo integrado de simulación y optimización para planes mineros de mediano plazo en minería a cielo abierto. CHILE: Facultad de ciencias Fisicas y matematicas Departamento de Ingenieria de Minas. Jaramillo, P., Branch, J., & Sepulveda, G. (2012). PLANEAMIENTO DE MINAS A CIELO ABIERTO MEDIANTE OPTIMIZACIÓN ESTOCÁSTICA. Ciencias de la Tierra. Kumral, M., & Ozer, U. (2013). Planning additional drilling campaign using two-space genetic algorithm: A game theoretical approach. Computers & Geosciences, 117-125. Lins, O., Cano, A., & Arroyo, C. (2018). Dimensionamiento de flota en las operaciones de carguío y transporte usando modelos de simunlación de sistemas. INTERFASES, 43-55. M. Govinda Raj,Harsha Vardhan,Y.V. Rao. (2009). Production optimisation using simulation models in mines: a critical review. inderscience, 330-359. Manriquez Leon, F. A. (2015). Evaluación de la incertidumbre geológica y operacional en planes mineros de corto plazo en faenas a cielo abierto. Chile. Marcano, S. (Junio de 2017). es.Scripd.com. Obtenido de https://es.scribd.com/document/95158796/Simulacion-de-Sistemas-Continuos. Mejìa, D. (2009). Simulacion de ransporte y cargue en una mina sudterranea. Mena, R;Zio, E;Kristjanpoller, F;Arata,A. (2013). Availability-based simulation and optimization modeling framework for open-pit mine truck allocation under dynamic constraints. International Journal of Mining Science and Technology, 113-119. Moradi, A., Tabesh, M., & Askari, H. (2019). A multiple objective transportation problem approach to dynamic truck dispatching in surface mines. European Journal of Operational Research, 331-342. Natividad, J. (2014). Pronostico del rendimiento de equipos de carguío y acarreo utilizando informacion del dispatch en antamina. Lima, Perú. Nehring, M. ( 2018). A comparison of strategic mine planning approaches for in-pit crushing and conveying, and truck/shovel systems. International Journal of Mining Science and Technology, 205-214. Newman, A., Rubio, E., Caro, R., Weintraub, A., & Eurek, K. (2010). A Review of Operations Research in Mine Planning. . Ingeniería Chile, 225-245. Olazábal, J. (2015). Factibilidad del cambio de sistema de control de mina en la unidad minera de Toquepala. Lima: Universidad Catolica del Perú. Olivares, C. (2011). Mejoramiento de practicas operacionales mediante el uso de modelos de gestión. Santiago de Chile. Orosco, W. (2015). Gestión de mejora del sistema de minado, mina Lagunas norte. Lima, Perú: Universidad Nacional de Ingeniería. Osarenmwinda, J. (2013). Critical components that cause failure and downtime in electrical machine of a power generating plant: a case study. International Journal of Academic Research, 119-124. Overmeyer, L., Dreyer, J., & Altmann, D. (2010). Data mining based configuration of cyclically interlinked production systems. Cirp Annals-manufacturing Technology. Ozdemir, B., & Kumral, M. (2019). Simulattion based optimization of truckshovel material handling systems in multipit surface mine. Quebec: University Street. Parragh, S., & Cordeau, J.-F. (2017). Branch-and-price and adaptive large neighborhood search for the truck and trailer routing problem with time windows. Computers & Operations Research, 28-44. Quiquia, G. W. (2015). Mejoramiento Continuo en la gestión del Ciclo de Acarreo de Camiones en minería a tajo abierto en Antamina, Cerro verde, Toquepala, Cuajone, Yanacocha, Alto Chicama, Las Bambas, Cerro Corona, Antapacay Y Pucamarca. LIMA PERU. Rajagopal, P. (2014). Minimizing Material Processing Time and Idle Time of a Critical Machine in a Flow Shop. . Advanced Materials Research. Ramos, A. (2010). Modelos matematicos de Optimizaciòn . Comillas Madrid. Sampieri, R. H. (2014). Metodologia de la investigaciòn. México D.F: McGRAW-HILL / INTERAMERICANA EDITORES, S.A. DE C.V. Sepulveda, G. (2012). Planeamiento de minas a cielo abierto mediante optimización estocástica. Boletin de Ciencias de la Tierra. Seyyedhasani, H., Dvorak, J. S., & IAgrE. (2018). Reducing field work time using fleet routing optimization. Elsevier Ltd. Torkamani, E. (2013). Linkage of Truck-and-shovel operations to short-term mine plans using discrete evente simulation. University of Alberta.: Master of Science Thesis. Deparment of Civil & Environmental Engineering. Tovar, A., & Mota, A. (2007). Un modelo de administración por procesos. Mexico: Panorama. Turri, V. (2014). Fuel-efficient heavy-duty vehicle platooning by look-ahead control. . IEEE. Upadhyay, S. (2016). Truck-shovel allocation optimisation: a goal programming approach. Mining Technology. Van De Hoef, S., Johansson, K., & Dimarogonas, D. (2015). Coordinating truck platooning by clustering pairwise fuel-optimal plans. IEEE 18th international conference on intelligent transportation systems, 408-415. Ventura, R. (2010). Educational Data Mining: A Review of the State of the Art. IEEE Trnsactions Sistems. Vinué, P. (2006). Optimización de productos y procesos industriales. Barcelona: Gestión 2000. Wout Dullaert, G. K. (2002). New heurisicsfor the fleet size and Mix Vehicle Routing Problem with Windows. Journal of the Operational Research Society. Yang, W. (2018). Implentation of velocity Optimisation strategy based on previenw road information to trade off transport time and fue consumpyion for hybrid mining trucks. IET Intelligent Transport Systems. Zhang, L. (2015). An Integer Programming Approach for Truck-Shovel Dispatching Problem in Open-Pit Mines. Elsevier. Zhou, H. Z. (2014). Single Machine Predictive Scheduling Using Inserted Idle Times. Journal of Applied Mathematics .
dc.rightsAtribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.titleModelo de optimización de un sistema pala-camión en una mina de carbón a cielo abierto
dc.typeTesis


Este ítem pertenece a la siguiente institución