Análisis de variables de control para desarrollar un indicador de desempeño integral de carguío y acarreo que permita reducir impacto negativo en la producción de minado

Abstract

En la presente investigación se analizaron las variables de control y su interacción en la flota de carguío y acarreo. Las variables de control fueron monitoreadas y controladas en el sistema de despacho incluido el tiempo del proceso productivo de cada equipo a un nivel de detalle de actividades. Las actividades de los equipos están dentro de la línea de tiempo, cada equipo tiene 24 horas por día los 365 días o 366 días (en año bisiesto) por año, las cuales se distribuyen por 3 partes principales, la primera es el tiempo disponible para la operación, la segunda es el tiempo requerido para realizar el mantenimiento y la tercera es el tiempo requerido para reparación mayor o el ensamble del equipo. La línea de tiempo se considera fijo en el período estipulado (como ejemplo un día con 24 horas, 1,440 minutos o 86,400 segundos) en cuanto a las actividades del ciclo productivo, considerando que son procesos independientes, las variables de control contribuyen inversamente al valor final de la producción, esto significa que, si los equipos realizan sus ciclos en menos tiempo, la producción se incrementa. El problema consiste en el impacto que genera las prácticas individuales de las guardias y los cambios de planes sin tener un análisis previo y para determinar que variables son los de mayor relevancia se modela el ciclo en base al principio de balance de capacidad de flota “Factor de producción” donde las capacidades son equivalentes. La capacidad excedente se reduce adicionando demoras hasta que se equilibra con el de menor capacidad para balancear la producción entre sí. Sea el caso, si es mayor la flota de cargadores, se necesita agregar tiempo como tiempo de espera para camiones y para flota de acarreo, el tiempo agregado es la cola en la flota de cargadores. Se desarrolló el modelo productivo y con la simulación Montecarlo se determinó el impacto entre variables de control y los resultados de sensibilidad expresado en toneladas ponderan cada factor contra su objetivo y que el promedio ponderado geométrico de los factores de mayor impacto seleccionados integra todo el modelo y su preponderancia en un solo indicador clave. Finalmente, el modelo se ajustó a los escenarios planteados y la simulación se comparó contra los resultados de cada escenario real, con lo que se demostró que las prácticas planteadas son las mejores opciones para el proceso productivo. Palabras Claves: Sistema de despacho, Indicador Clave de Desempeño, Carguío y Acarreo, Simulación Montecarlo, Balance de Flota, Factor de Productividad

In the current research the control variables and their interacting into the loading and hauling fleet are analyzed, which are monitored and controlled in the dispatch system included the time of the productive process of each equipment and their activities. The equipment activities are into the timeline, each equipment has 24 hour per day the 365 or 366 days per year (in leap year) and it is mainly distributed by 3 parts, first it is the time available by operation, second it is the time for equipment maintenance and the last is the time used for overhauling or assemble the equipment The timeline is considered fixed in a stipulated period (as sample one day has 24 hours or 86,400 seconds) in term of the activities of the production cycle, considering that they are independent processes, the control variables contribute inversely to the final value of production, which It means that if the equipment achieve their cycles in less time the production rises. The problem consists of the impact generated by individual practices of the shift crew and the plans changes without previous analysis and to determine which variables are the most relevant and to set this analysis it is necessary modeled the fleet cycle based on the principle of fleet capacity balance usually called “fleet match“ where those capacities are equivalent. The surplus production capacity is reduced adding delays time up to set within the minor production capacity to balance each other, as example, if the loader fleet capacity is higher, it is necessary to add as truck waiting time, in contrast, if the hauling fleet capacity is higher, it is necessary to add as queue time at the loader fleet. The production process model was developed and simulated with Montecarlo’s method to determine the impact for each control variable and the result obtained as sensitivity analysis, each variable it is powered by the impact expressed in tonnages and their weighted geometric mean of those highest impact factor it is represents the key performance indicator (KPI) proposed. Finally, the model was tuned for each sceneries proposed and compared against each real production, which is demonstrated that those practices proposed are the best option for production process.