Beruflich Dokumente
Kultur Dokumente
INFORME MODELACION Y
SIMULACION
CALCULO FLOTA DE CAMIONES
RESUMEN EJECUTIVO
En el presente informe se describe el procedimiento realizado para desarrollar un estudio de
simulacin para el clculo de una flota de camiones. Para conseguir ese objetivo, el profesor
encargado facilito una base de datos sobre la cual se desarroll el estudio.
A travs del software Crystal Ball se calcularon datos necesarios para el procedimiento a partir
de los entregados inicialmente. Herramientas como supuestos con distribuciones de
probabilidad determinadas:
- Distribucin Extremo Mximo para camiones vacos
- Distribucin Logstica para camiones cargados
y definir el pronstico para la flota.
Para mayor confiabilidad se corri una simulacin con 5000 iteraciones con una confiabilidad
de un 98 %. El software entreg un grfico para cada previsin (dos en total), los que
ilustraban la distribucin de los posibles resultados, datos que fueron ajustados a alguna
distribucin existente asociados a una estadstica descriptiva. Los resultados finales arrojaron
que se requieren 23 camiones para satisfacer la produccin de mineral y 74 camiones para
lastre, dando un total 97 camiones en la flota.
INDICE
INTRODUCCION ............................................................................................................................. 3
OBJETIVOS ..................................................................................................................................... 4
ALCANCES Y LIMITACIONES ........................................................................................................... 5
METODOLOGIA DE TRABAJO......................................................................................................... 6
DESARROLLO DEL TRABAJO........................................................................................................... 7
CALCULOS ...................................................................................................................................... 8
METODO DE SECUENCIA DE LLENADO ........................................................................................ 11
RESULTADOS ............................................................................................................................... 11
CONCLUSIONES Y RECOMENDACIONES ...................................................................................... 12
ANEXOS ....................................................................................................................................... 13
INTRODUCCION
En el mundo actual, estamos llenos de mucha informacin y las empresas deben tener
un mecanismo de anlisis para poder sacarle provecho y poder traducir este
conocimiento en mejores ingresos monetarios y menores riesgos o costos, por ende
mejores utilidades. El servicio de Minera de Datos Aplicada a la Inteligencia en los
Negocios se hace necesario en toda empresa cuando existe tanta informacin de sus
operaciones que se hace muy difcil analizarla y tomar decisiones de una manera
sistemtica y oportuna. Adicionalmente, la Minera de Datos facilita la creacin de
modelos que hoy en da son necesarios en las empresas por la facilidad del
tratamiento de sus bases de datos. Una herramienta a disposicin es el software
Crystal Ball que constituye un mtodo de simulacin mediante Monte Carlo.
El presente informe da a conocer un clculo de flota de camiones realizada en laboratorio de
Modelacin y Simulacin, a travs del software Crystal Ball, donde se utilizaron datos
proporcionados por el profesor para finalmente obtener el nmero de camiones nominales de
lastre y mineral ptimo.
OBJETIVOS
Simular en cristal ball el N de camiones necesarios para una ptima produccin de
mineral y lastre de una mina.
Objetivos Especficos
Adquirir conocimientos bsicos sobre la herramienta Crystal Ball e interpretar
resultados.
Aplicar estos conocimientos al rea de la minera.
ALCANCES Y LIMITACIONES
El anlisis se realiza sobre el supuesto de trabajar con camiones en perfectas
condiciones, tonelajes de lastre y mineral fijos por da, distancia a recorrer constante al
igual que el tiempo de carga, descarga y capacidad de los camiones.
En el estudio se utiliz un nivel de confianza del 98% y 5000 iteraciones.
Crystal ball realiza simulaciones utilizando el mtodo de Montecarlo, el que se basa en
nmeros aleatorios.
La principal limitacin fue tener que trabajar en los computadores de la universidad,
dependiendo de su disposicin.
No poseer conocimientos previos sobre las caractersticas del programa.
METODOLOGIA DE TRABAJO
A travs de la herramienta crystal ball se desarroll la simulacin que permiti
pronosticar el nmero de camiones con lastre y mineral en operacin para optimizar
los recursos dispuestos de la minera.
Se calcularon el tiempo de ciclo de lastre, tiempo de ciclo mineral, nmero de ciclos da
lastre y mineral, tonelaje diario lastre, tonelaje diario mineral, nmero de camiones
operativos tanto para lastre como para mineral, nmero de camiones nominales lastre
y mineral. Tambin se someti a supuesto las velocidades de los camiones.
Con todos estos datos se procede a realizar el pronstico para el nmero de camiones
que se deben tener en operacin.
DESARROLLO DEL TRABAJO
En primera instancia se realiz un supuesto para la velocidad del camin vaco y
cargado.
La velocidad para el camin vaco se someti a un supuesto utilizando distribucin
extremo mximo, los valores para los parmetros ms probables y escala fueron 29,08
y 17,44 respectivamente. El supuesto realizado en los camiones cargados se realiz
utilizando distribucin logstica y para la media y escala los valores fueron 16,23 y 3,32.
Luego se obtuvieron el tiempo de ciclo del lastre, del mineral, el nmero de ciclos al
da de lastre y mineral, tonelaje diario de lastre y mineral, nmero de camiones
operativos de lastre y mineral, nmero de camiones nominales de lastre y mineral. El
procedimiento realizado se detalla en la seccin Clculos.
Con todo resuelto se define el pronstico del nmero de camiones nominales lastre y
camiones nominales mineral. Se seleccion la casilla respectiva y luego definir
pronstico, se desplegara una pestaa solicitando nombre y unidades, en nombre se
debe completar con lo que se desea calcular, nmero camiones nominales lastre y el
otro caso, nmero camiones nominales mineral.
Posteriormente en la seccin ejecutar de crystal ball seleccionamos preferencias de
ejecucin y se definen: del nmero de iteraciones que se desea realizar, que en este
informe son 5000 y el porcentaje de confianza de un 98%, finalmente se presiona
iniciar para arrancar el programa, al finalizar el anlisis, se desplegaran 4 grficos que
representaran la flota optima de camiones en produccin.
Finalmente es posible obtener un informe completo detallando y describiendo los
grficos obtenidos, gracias a la opcin crear reporte y seleccionar reporte
completo.
CALCULOS
Basndonos en los datos entregados inicialmente:
Se obtuvieron los siguientes valores:
Para calcular el tiempo de ciclo lastre, de un camin, se requiere:
[]
[]
Dnde:
[
]
[
]
[]
[]
Tiempo de ciclo mineral de un camin,
[]
[]
Dnde:
[]
[]
El nmero de ciclos al da por parte del lastre, que hace un camin se obtiene:
[]
La cantidad de ciclos al da por parte del mineral, que hace un camin, se determina
con:
[]
Tonelaje diario extrado por camin de lastre se usa:
[]
Tonelaje diario extrado por camin de mineral:
[]
Para calcular, el nmero de camiones operativos diarios de lastre:
Para calcular, el nmero de camiones operativos diarios de mineral, se utiliza:
Para calcular los camiones nominales lastre necesario, se utiliza:
Para calcular los camiones nominales de mineral es necesario:
Para el Clculo nmero total de camiones:
METODO DE SECUENCIA DE LLENADO
En primer lugar se llenaron las casillas correspondientes con los clculos obtenidos
anteriormente. Luego en las casillas de velocidades de camiones cargados y vacos de
los camiones se someten a un supuesto. Para las velocidades de camiones vacos se
aplic una distribucin de extremo mximo con 29,08 como numero as probable y una
escala de 17,44, en el caso de los camiones cargados la distribucin seleccionada fue la
distribucin logstica, con media de 16,13 y escala de 3,32. Finalmente de definieron
los pronsticos para el nmero de camiones nominales de lastre y mineral que deban
mantenerse.
RESULTADOS
Al realizar las operaciones descritas con anterioridad fue posible llegar al nmero de
camiones en operacin ptimos, resultando el nmero de camiones nominales lastre
de 74 y para los nominales de mineral una cantidad de 23, siendo en total una
cantidad de 97 camiones.
CONCLUSIONES Y RECOMENDACIONES
Gracias al programa crystal ball es posible realizar la simulacin que determina la cantidad de
camiones ptimos para la empresa, de manera rpida y confiable a travs del mtodo Monte
Carlo, dando como resultado 97 camiones en total, 23 para el manejo del mineral y 74 para el
manejo del lastre.
Los resultados obtenidos si bien fueron arrojados considerando un 95% de confianza, las
variables ingresadas para realizar la simulacin, fueron constantes en mucho de los casos,
situacin que en la faena minera no se da, pues estos datos varan dentro de los turnos. Datos
como horas trabajadas, situacin mecnica de los camiones, rendimiento de los camiones, los
tiempos de carga y descarga, no son datos constantes en el tiempo y debera considerarse un
anlisis ms profundo en su comportamiento para ver cmo influyen realmente en el proceso
y as obtener un resultado ms realista.
ANEXOS
Reporte de Crystal Ball -
Completo
La simulacin comenz en
22/01/2014 en 16:55
La simulacin se detuvo en
22/01/2014 en 16:55
Ejecutar preferencias:
Cantidad de iteraciones
ejecutadas 5.000
Velocidad extrema
Monte Carlo
Semilla aleatoria
Control de precisin en
Nivel de confianza 98,00%
Estadsticas de ejecucin:
Tiempo total de ejecucin
(seg.) 0,30
Iteraciones/segundo
(promedio) 16.553
Nmeros aleatorios por seg. 66.211
Datos de Crystal Ball:
Supuestos
4
Correlaciones 0
Grupos correlacionados 0
Variables de decisin 0
Pronsticos
4
Pronsticos
Hoja: [Calculo_de_flota_petroleo (1).xls]Calculo de Flota
Pronstico: E29
Resumen:
El rango completo est entre -5.031,93 y 9.742,97
El caso base es 73,74
Luego de 5.000 iteraciones, el error est. de la media es 2,82
Estadsticas:
Valores
pronosticados
Iteraciones
5.000
Media
56,55
Mediana
48,68
Moda
---
Desviacin estndar 199,31
Varianza
39.725,67
Asimetra
18,50
Curtosis
1.253,46
Coeficiente de variabilidad 3,52
Mnimo
-5.031,93
Mximo
9.742,97
Rango
14.774,90
Error estndar de la media 2,82
Pronstico: E29 (contina)
Percentiles:
Valores pronosticados
0%
-5.031,93
10%
35,43
20%
39,16
30%
42,34
40%
45,30
50%
48,67
60%
52,83
70%
58,15
80%
65,73
90%
81,64
100%
9.742,97
Pronstico: E30
Resumen:
El rango completo est entre -1.436,32 y 2.785,08
El caso base es 22,44
Luego de 5.000 iteraciones, el error est. de la media es 0,81
Estadsticas:
Valores pronosticados
Iteraciones
5.000
Media
17,53
Mediana
15,28
Moda
---
Desviacin estndar 56,95
Varianza
3.242,91
Asimetra
18,50
Curtosis
1.253,46
Coeficiente de variabilidad 3,25
Mnimo
-1.436,32
Mximo
2.785,08
Rango
4.221,40
Error estndar de la media 0,81
Pronstico: E30 (contina)
Celda:
E30
Percentiles:
Valores
pronosticados
0%
-1.436,32
10%
11,50
20%
12,56
30%
13,47
40%
14,32
50%
15,28
60%
16,47
70%
17,99
80%
20,16
90%
24,70
100%
2.785,08
Hoja: [Calculo_de_flota_petroleo (1).xls]Calculo flota
Pronstico: E29
Celda:
E29
Previsin: E33
Unidades = Total Camiones Lastre
Resumen:
El rango completo est entre -1.684,77 y 5.535,68
El caso base es 73,74
Luego de 5.000 iteraciones, el error est. de la media es 1,86
Estadsticas:
Valores
pronosticados
Iteraciones
5.000
Media
58,35
Mediana
48,92
Moda
---
Desviacin estndar 131,26
Varianza
17.228,63
Asimetra
20,21
Curtosis
746,77
Coeficiente de variabilidad 2,25
Mnimo
-1.684,77
Mximo
5.535,68
Rango
7.220,45
Error estndar de la media 1,86
Pronstico: E29 (contina)
Celda:
E29
Percentiles:
Valores
pronosticados
0%
-1.684,77
10%
35,85
20%
39,75
30%
42,75
40%
45,70
50%
48,92
60%
52,84
70%
57,72
80%
64,81
90%
79,18
100%
5.535,68
Pronstico: E30
Celda:
E30
Previsin: E34
Unidades = Total Camiones Mineral
Resumen:
El rango completo est entre -479,99 y 1.583,00
El caso base es 22,44
Luego de 5.000 iteraciones, el error est. de la media es 0,53
Estadsticas:
Valores
pronosticados
Iteraciones
5.000
Media
18,05
Mediana
15,35
Moda
---
Desviacin estndar 37,50
Varianza
1.406,42
Asimetra
20,21
Curtosis
746,77
Coeficiente de variabilidad 2,08
Mnimo
-479,99
Mximo
1.583,00
Rango
2.062,98
Error estndar de la media 0,53
Pronstico: E30 (contina)
Celda:
E30
Percentiles:
Valores pronosticados
0%
-479,99
10%
11,62
20%
12,73
30%
13,59
40%
14,43
50%
15,35
60%
16,47
70%
17,87
80%
19,89
90%
24,00
100%
1.583,00
Fin de los pronsticos
Supuestos
Hoja: [Calculo_de_flota_petroleo (1).xls]Calculo de Flota
Supuesto: E7
Celda:
E7
Extremo Mximo distribucin con parmetros:
Ms Probable 29,08
Escala
17,44
Supuesto: E8
Celda:
E8
Logstica distribucin con parmetros:
Media
16,23
Escala
3,32
Hoja: [Calculo_de_flota_petroleo (1).xls]Calculo flota
Supuesto: E7
Celda:
E7
Suposicin: E7
Distribucin Extremo mximo
Ms probable = 29.08
Escala = 17.44
Extremo Mximo distribucin con parmetros:
Ms Probable 29,08
Escala
17,44
Supuesto: E8
Celda:
E8
Suposicin: E10
Distribucin Logstica
Media = 16.23
Escala = 3.32
Logstica distribucin con parmetros:
Media
16,23
Escala
3,32
Fin de los supuestos