Beruflich Dokumente
Kultur Dokumente
FACULTAD DE INGENIERÍA
Departamento de Ingeniería en Minas
Santiago – Chile
2015
© Reinaldo Arturo Espina Navarro, 2015.
En primer lugar, se realizó una investigación bibliográfica de los modelos teóricos existentes en
la literatura, considerándose para este estudio cuatros modelos: Praillet (1978), Bauer-Calder
(1971), Bauer-Calder-Workman (1994) y E. Smith (2012).
Por otro lado, se realizó un estudio de la vida útil respecto a la velocidad de penetración y la
resistencia a la compresión uniaxial de la roca perforada, a fin de confeccionar ábacos para la
vida útil. Además, se llevó a cabo la validación de la asignación actual de triconos utilizando el
costo total de perforación como criterio de comparación. Desde el punto de vista de la vida útil,
se concluye que no existe relación estadística relevante entre las variables en estudio y que
ésta corresponde a un parámetro complejo de modelar y estimar, debido a que depende de
muchos factores y que posee una gran variabilidad. Con lo que respecta a la asignación, la
actual es la correcta en la mayoría de los casos.
i
concluyéndose que si se utilizaba la metodología, el costo total de perforación se reducía en un
1,2%, lo que se traduce en una disminución de 14.291 US$ durante el periodo.
ii
A mis padres, por formarme como persona y ayudarme a estar donde estoy.
iii
AGRADECIMIENTOS
Deseo agradecer a mis padres Jorge y Claudia, por el gran sacrificio que han hecho para que
esté donde estoy. A Sebastián por ser un hermano y amigo, brindándome todo su apoyo y su
buena disposición para todo. A mi hermano Jorge, por enseñarme el valor de la constancia y el
nunca rendirse.
Agradezco a Giselle por caminar a mi lado y darme el apoyo que necesito para alcanzar mis
objetivos de vida. Gracias por tu cariño y por demostrarme que siempre se puede salir adelante
pese a todas las adversidades.
Para mis amigos de la vida, de la música y de la universidad; gracias por su preocupación, por
sus buenos momentos y por alegrarme la vida.
Además, quiero agradecer a cada uno de los profesionales de Sandvik Antofagasta, que me
recibieron con los brazos abiertos durante mi estancia en dicha ciudad. Para Maritza, Esteban,
Israel y todos los profesionales de servicios: ¡Gracias por su ayuda, buena disposición y gratos
momentos!
También mis más sinceros agradecimientos a los profesionales del contrato de aceros de
perforación de Minera Escondida, por su apoyo y por permitirme desarrollarme como
profesional. Además, doy mil gracias a los trabajadores de BHP Billiton por brindarme su ayuda
y permitirme desarrollar este proyecto.
¡Gracias!
iv
ÍNDICE DE CONTENIDO
v
2.8 Modelos predictivos de velocidad de penetración ....................................................... 25
3.9 Ábacos de vida útil para triconos charger® de 10 5/8’’ de diámetro ........................... 53
4.2.2 Estimación de vida útil y velocidades de penetración históricas por expansión ..... 59
4.2.3 Estimación del costo total de perforación por expansión y validación de asignación
actual de brocas tricónicas ................................................................................................... 61
4.3.1 Ejemplo de aplicación del algoritmo de optimización del costo total de perforación 65
vi
Capítulo 5: Análisis y discusión de los resultados ................................................................ 69
Bibliografía.................................................................................................................................. 82
Anexos ........................................................................................................................................ 84
vii
ÍNDICE DE TABLAS
viii
Tabla 4.6 Estimación del costo total de perforación [US$/m] por modelo de tricono para las
expansiones de Escondida Norte ................................................................................................ 62
Tabla 4.7 Asignación actual de brocas tricónicas versus la asignación óptima .......................... 62
Tabla 4.8 Tarifas utilizadas para la estimación del costo total de perforación ............................ 63
Tabla 4.9 Asignación propuesta por planificación para el turno día del 16/10/2015 ................... 65
Tabla 4.10 Asignación real del turno 15/10/2015 noche ............................................................. 65
Tabla 4.11 Matriz de costos totales de perforación y asignación propuesta por planificación para
el 16/10/2015 turno día ................................................................................................................ 66
Tabla 4.12 Nueva asignación calculada con Solver® ................................................................. 67
Tabla 4.13 Asignación final operativa para el día 16/10/2015 turno día ..................................... 68
Tabla 5.1 Parámetros utilizados para la estimación de los costos totales de perforación del
16/10/2015 turno día .................................................................................................................... 74
Tabla 5.2 Costo y gastos totales para ambas asignaciones del 16/10/2015 turno día ............... 75
Tabla 5.3 Metros perforados y costo real comprendido entre el 16/10/2015 día y 15/11/2015
noche............................................................................................................................................ 75
Tabla 5.4 Resultados de la optimización del costo total de perforación para el periodo
comprendido entre 16/11/2015 día y 15/11/2015 noche. ............................................................ 76
ÍNDICE DE FIGURAS
ix
Figura 3.2 Función de probabilidad acumulada para distribuciones normal, lognormal, Weibull y
Gamma para un 95% de confianza. ............................................................................................ 32
Figura 3.3 Función de probabilidad acumulada para distribuciones exponencial, valor extremo
más pequeño, logística y loglogística para un 95% de confianza. .............................................. 33
Figura 3.4 Histograma y distribución probabilística de la velocidad de penetración mensual
(Noviembre 2015) ........................................................................................................................ 34
Figura 3.5 Estimación del UCS promedio para las mallas de perforación .................................. 35
Figura 3.6 Efecto del tamaño de muestra en la confiabilidad de la estimación de un parámetro.
..................................................................................................................................................... 39
Figura 3.7 Diagrama yde dispersión entre la corriente de empuje [amp] y la carga en la broca
(pulldown) [kN] ............................................................................................................................. 43
Figura 3.8 Gráfica de residuo versus orden para el error del modelo propuesto ........................ 49
Figura 3.9 Histograma del error (residuo) del modelo propuesto ................................................ 49
Figura 3.10 Distribución de probabilidad acumulada de los residuos del modelo....................... 50
Figura 3.11 Gráfico de cajas y bigotes de la vida útil para distintos modelos de broca de acuerdo
al tipo de perforadora. .................................................................................................................. 52
Figura 4.2 Diagrama del proceso iterativo de optimización del costo total de perforación ......... 64
Figura 5.1 Comparación de los modelos de velocidad de penetración considerados dentro de
este estudio. ................................................................................................................................. 70
Figura 5.2 Comparación del modelo de regresión y el modelo de Bauer-Calder-Workman
respecto a la velocidad real. ........................................................................................................ 71
Figura 5.4 Proyección del gasto y costo total de perforación utilizando el modelo de regresión
propuesto en el periodo comprendido entre 16/10/2015 al 15/11/2015. ..................................... 77
Figura 5.5 Efecto del incremento en la velocidad de penetración en el costo total de perforación
..................................................................................................................................................... 78
x
CAPÍTULO 1: GENERALIDADES
1.1 INTRODUCCIÓN
La perforación corresponde a la primera operación unitaria del negocio minero. El proceso como
tal involucra una gran cantidad de variables que determinan su rendimiento y efectividad.
Muchos de estos parámetros son intrínsecos del material perforado: resistencia a la compresión
uniaxial, densidad, dureza de los minerales que la conforman, abrasividad, entre otros. Sin
embargo, existen otras variables de tipo operacionales como lo son: el peso en la broca
(pulldown), la velocidad de rotación o el diámetro de perforación, que tienen incidencia directa
en el rendimiento del proceso, lo cual se manifiesta en la velocidad de penetración (ROP por
sus siglas en inglés) muy ligada el costo total de perforación.
El costo total de perforación (TDC por sus siglas en inglés) constituye un indicador de
rendimiento del proceso de perforación, ya que relaciona el valor de los aceros, el costo horario
del equipo, la cantidad de metros perforados y la velocidad de penetración. Ésta última se
vincula de forma inversamente proporcional con el TDC, es decir, a mayor velocidad de
penetración menor será el costo total de perforación.
Este estudio tiene por objetivo la optimización del TDC a través de la utilización de modelos
predictivos teóricos de velocidad de penetración, que se basan en variables intrínsecas de la
roca y variables operacionales. Gracias a esto, fue posible determinar el rendimiento de los
aceros de perforación utilizados, validar los modelos teóricos con datos reales, estableciendo
cuál de ellos se ajusta mejor a las condiciones reales de operación. También permite la
asignación de la broca tricónica óptima para un determinado tipo de terreno de acuerdo al costo
que ésta tenga, por ende efectuar la asignación de los equipos a lugares dentro de una misma
expansión con características geotécnicas similares utilizando el mismo criterio.
Este proyecto fue aplicado a una parte de la flota de los equipos de perforación de Minera
Escondida. La faena se encuentra ubicada a 170 km al sureste de la ciudad de Antofagasta. La
compañía posee dos minas en explotación: Mina Escondida y Mina Escondida Norte donde
opera una flota de perforación para producción constituida por cuatro perforadoras Pit Viper
351®, seis perforadoras 49RIII®, dos 49RII®, un equipo Pit Viper 275®, dos perforadoras
DM45® y dos equipos Pit Viper 271®.
1
1.2.2 OBJETIVOS ESPECÍFICOS
- Validar los modelos teóricos de velocidad de penetración existentes utilizando una base
de datos tomada en terreno en la flota de perforación Minera Escondida.
Este estudio se limita únicamente a perforadoras rotativas de producción single pass, es decir,
que perforan el pozo sin necesidad de desacoplar barras. Quedan fuera de cualquier análisis
todos aquellos equipos destinados a la perforación de tiros de precorte y perforación de tiros de
amortiguación (buffer). Quedan también fuera de este estudio, las perforadoras modelo PitViper
271®, las cuales sólo tienen pocos meses de operación en faena.
Este estudio se centra sólo en triconos de diámetro 10 5/8’’ para tres modelos distintos, que
constituyeron el 88% de los metros perforados en el mes de noviembre del 2015 (Sandvik
(Chile), 2015). Las perforadoras DM-45® quedan fuera del análisis por su imposibilidad de
perforar en este diámetro.
2
También se encuentra dentro del alcance el modelamiento de la velocidad de penetración en
virtud a parámetros operacionales tales como el peso en la broca (pulldown), velocidad de
rotación de la sarta, corriente de empuje, torque y presión real de trabajo, además de
parámetros propios de la roca perforada como lo es la resistencia a la comprensión uniaxial
(UCS). La información relativa al UCS se obtuvo del área de geología de la compañía. Para
definir el valor de UCS para cada pozo muestreado se utilizó el valor representativo de esta
variable para cada malla, por lo tanto, se asumió que los pozos dentro de una misma malla
tienen aproximadamente el mismo UCS. No se consideró dentro del estudio el efecto de la
experiencia del operador en los resultados obtenidos.
Otro aspecto que se abordó es el estudio de la vida útil en metros perforados en relación a la
velocidad de penetración y el UCS. Este dato es clave para el cálculo del costo total de
perforación y se utilizó para determinar la asignación óptima. Dentro de este estudio es
importante trabajar con datos representativos de vida útil por cual se utilizarán intervalos de
confianza para esta variable.
Finalmente de este trabajo se espera generar una predicción del costo total de perforación que
sólo se ajusta a la realidad de Minera Escondida, por lo cual no es posible extrapolarlo sin los
ajustes respectivos, a otras faenas.
3
- Se efectuó un análisis estadístico para la base de datos de velocidad de penetración
histórica que dispone la compañía a fin de conocer su distribución probabilística.
Además a partir de esta información se calculará el tamaño de muestra necesario para
que la inferencia estadística que conlleva el modelo sea válida.
- Generación de una base de datos nueva con información de terreno. En base a esta se
modeló la velocidad de penetración utilizando estadística multivariable. Dicho modelo
se sustentó de parámetros operacionales y propiedades de la roca para la realidad
actual de la compañía minera. Además se llevará a cabo la validación de este, desde el
punto de vista estadístico y comparativo con la velocidad de penetración obtenida de la
toma de datos en terreno.
- Valiéndose del modelo y del ábaco se desarrolló un algoritmo de optimización del TDC,
con ello se analizó cuál es la asignación con el menor costo para cada malla en
explotación. Dicha optimización se realizó para cada equipo que se encuentra dentro
del alcance de este estudio.
4
Chile opera Minera Escondida y BHP Billiton Pampa Norte. Esta última integra las faenas de
Compañía Minera Cerro Colorado y Minera Spence.
El 14 de marzo de 1981, tras varios sondajes en la zona de Zaldívar, los geólogos Francisco
Ortiz y David Lowell dieron con el famoso Pozo 6, donde se encontraría Escondida, a 240
metros de profundidad.
5
El 31 de diciembre de 1990 partió el primer embarque con 25 mil toneladas de concentrado de
cobre desde Puerto Coloso con destino a Japón. No obstante, la inauguración oficial fue el 14
de marzo de 1991, diez años después de su descubrimiento.
6
El yacimiento de Escondida corresponde a un pórfido cuprífero y se ubica en la franja
metalogénica de la cordillera de Domeyko. Esta área está formada por bloques de basamento
paleozoico y cubierta por rocas estratificadas del Mesozoico y Cenozoico inferior, las
formaciones que la contienen son:
1.5.5 LITOLOGÍA
El yacimiento La Escondida, está asociado genéticamente a un complejo intrusivo de
composición monzonita a granodiorita, claramente en contacto de intrusión con rocas
volcánicas andesíticas de la Formación Augusta Victoria, cuerpos subvolcánicos tardíos de
composición riolítica y diques dacíticos. (Véliz, y Camacho, 2003)
La litología del yacimiento se caracteriza principalmente por rocas volcánicas, rocas intrusivas,
brechas ígneas e hidrotermales y rocas sedimentarias. Las unidades litológicas más
importantes son:
7
fundamental exhibe textura variable entre afanítica y fanerítica y de composición
felsofídica.
- Pórfido dacítico: De color gris blanquecino. Se presenta con textura porfídica con
masa fundamental microfanerítica. Los fenocristales constituyen plagioclasas, biotitas y
cuarzo, donde las primeras poseen tamaños de 1 a 7 mm y constituyen cerca del 25%
del volumen total de la roca. Los cristales de biotita son de tamaños variables de 1 a 2
mm. Los cristales de cuarzo se exhiben de forma translúcida ocupando cerca del 2%
del volumen de la roca.
- Brechas hidrotermales: presentan textura fragmental, con proporción variable de
matriz y relleno hidrotermal. Los tamaños de los fragmentos varían entre 2 mm y 20 cm,
las rocas pueden contener varios fragmentos tales como: CIFE, pórfidos feldespáticos,
pórfidos cuarcíferos y andesitas. Se encuentran asociadas a cuarzo, súlfuros de cobre y
fierro, siendo de gran importancia por sus contenidos de calcosina y covelina.
- Brechas ígneas: Poseen matriz de origen ígneo conformada por cristales de
feldespatos alterados a cuarzo-sericita, remanentes de minerales máficos alterados y
poca abundancia de cuarzo. Los fragmentos ocupan entre el 20 al 70% del volumen de
la roca, son de composición fragmentos de CIFE y en menor proporción de andesitas y
brechas.
- Rocas sedimentarias: comprenden gravas, las cuales están conformadas por
fragmentos mal seleccionado, angulosos a subangulosos, con tamaños variables. La
matriz está conformada por detritos tamaño arena y cementadas por yeso, carbonatos y
otras sales indeterminadas.
1.5.6 ALTERACIÓN
Se despliegan los clásicos tipos de alteración de un yacimiento de cobre hipógeno, es decir,
alteración potásica, cuarzo sericítica, argílicas y propilíticas.
8
1.5.7 MINERALIZACIÓN
La mineralización del yacimiento se distribuye en tres grandes zonas mineralizadas las cuales
son:
- Zona Oxidada: Representada por una zona lixiviada donde evidencia la presencia de
hematita, goetita, jarosita y en menor proporción óxidos de manganeso. Bajo esta se
reconoce la zona de Parcial Lixiviado, donde existe presencia de óxidos de fierro junto a
súlfuros de fierro y cobre, tanto primarios como secundarios. Los oxidados de cobre
comprenden a brocantita y antlerita como mena principal y forma secundaria,
pseudomalaquita, libetenita, crisocola, tenorita, almagrado, cuprita y cobre nativo.
- Zona de enriquecimiento secundario: Bajo la zona oxidada, se ubica la zona de
enriquecimiento secundario caracterizada por la ocurrencia de mineralización sulfurada
de cobre de carácter secundario tales como, calcosina y covelina. Dependiendo de las
asociaciones mineralógicas, esta zona se divide en un sector de alto enriquecimiento
caracterizado por presentar calcosina en pátina sobre pirita en vetillas y en reemplazo.
También se presenta covelina y calcopirita.
Bajo la zona de alto enriquecimiento secundario se ubica el área de bajo
enriquecimiento, caracterizada por la presencia de calcopirita, junto a covelina, pirita y
menor cantidad de calcosina.
- Zona primaria: El techo de la mineralización primaria o hipógena está definido por la
presencia de calcosina y/o covelina, cuyo contenido es menor o igual al 10% del total
de sulfuros de cobre. En esta zona se reconocen principalmente las especies de pirita,
calcopirita, molibdenita y dos centros de bornita (Veliz y Camacho, 2003).
1.5.8 ESTRUCTURAS
En Escondida se han reconocido cuatro sistemas estructurales que han sido definidos, de más
antiguo a más nuevo como sistemas NS, NE, NW y EW. El sistema NS correspondería al
sistema principal, el cual está genéticamente relacionado con el sistema de Fallas de Domeyko,
siendo este sistema el más antiguo del depósito, que habría permitido el emplazamiento del
pórfido feldespático (CIFE), y que en definitiva, a partir de sus distintos estadíos de
deformación, dio origen al actual esquema estructural del yacimiento. El arreglo estructural en el
yacimiento muestra una clara simetría rómbica, que en el marco de la tectónica transcurrente
sinestral, característica de la región, sugieren dúplex extensional. (Véliz y Camacho, 2003).
9
Tabla 1.1 Distribución de los recursos mineros de Minera Escondida
Tipo de Mineral Recursos Medido Recursos Indicados Recursos Inferidos
Óxidos 134 Mt 54 Mt 25 Mt
0,74% Cu T 0,61% Cu T 0,55% Cu T
Mixtos 78 Mt 65 Mt 60 Mt
0,66% Cu T 0,48% Cu T 0,43% Cu T
Sulfuros 5660 Mt 3110 Mt 10000 Mt
0,64% Cu T 0,50% Cu T 0,50 Cu T
Fuente: Minera Escondida, 2015
Las leyes de corte actualmente utilizadas son de 0,2% de Cu S para menas de oxidados de
cobre y 0,30% de Cu T para menas de sulfuros y mixtos.
- Reservas Mineras
Al 30 de junio de 2015, la compañía posee la siguiente distribución de sus reservas mineras
dentro de su yacimiento como se muestra en la Tabla 1.2:
- Operaciones Mina
El mineral explotado por Minera Escondida se extrae desde dos rajos: Escondida y Escondida
Norte, a una tasa de 1,4 Mtpd para ambas minas. Desde ambos rajos se explotan minerales
óxidos, sulfuros y sulfuros de baja de ley. El rajo Escondida tiene 3,9 km de largo por 2,7 km de
ancho y alcanza una profundidad 645 m. Por otro lado, las dimensiones de la mina Escondida
Norte son 2,5 km de largo por 2,2 km de ancho con una profundidad de 525 m. Ambos rajos
alimentan a las plantas concentradoras: Laguna Seca, Los Colorados y OGP1, con una
capacidad instalada para las tres plantas de 375 ktpd. La Figura 1.2 muestra la ubicación de las
instalaciones que dispone la compañía minera:
10
Figura 1.2 Instalaciones de Minera Escondida
Fuente: Hilmar, 2015
- Equipos Mina
En la Tabla 1.3 se presentan los equipos que dispone la compañía para sus operaciones en
ambas minas:
11
- Parámetros de diseño para perforación y tronadura
Como se indicó en la Sección 1.3, este estudio se limita solamente a los pozos perforados en
10 5/8’’ de diámetro. No obstante, tanto para perforación de producción como para pozos de
contorno se utilizan otros diámetros. La altura de banco para todo tipo de pozos es de 15 [m]
con una pasadura que varía entre 1,5 a 1,8 [m].
Los parámetros de perforación y tronadura dependen principalmente del tipo de roca, la cual se
encuentra categorizada dentro del modelo de bloques por zonas litológicas.
- Procesamiento de minerales
La compañía minera categoriza tres tipos de materiales que poseen distintos procesos para la
obtención de su producto comercial: cátodos y concentrado de cobre. Los minerales oxidados
extraídos de ambos rajos son dispuestos en un stockpile, donde posteriormente son chancados
desde un tamaño de 8’’ hasta 13 mm; luego el producto del chancado alimenta a dos tambores
de aglomeración donde se le adiciona ácido sulfúrico a una razón de 16 a 17 kg de ácido por
12
tonelada de mineral. Mediante cintas transportadoras se traslada el mineral hacia un apilador
radial para formar las pilas de óxidos con capacidad de 60 ktpd. Las pilas son de tipo estáticas,
sin embargo, se está desarrollando el proyecto OLAP con el cual se pretende generar pilas de
tipo dinámicas a fin de aumentar la capacidad productiva.
El proceso posterior corresponde a la extracción por solventes (SX), configurado por dos etapas
de extracción, una de stripping y otra de lavado. Finalmente, el proceso de electroobtención
(EW) se desarrolla en celdas que poseen 60 cátodos y 61 ánodos en ciclos de 5 días. El cobre
depositado es removido por una despegadora de cátodos tipo Kidd Process (Portal Minero,
2005).
Por otra parte, se hacen mezclas de óxidos y sulfuros de baja ley que son chancados y
dispuestos en pilas estáticas para el proceso de biolixiviación con capacidad de tratar 290 ktpd.
Las soluciones PLS son enviadas otra planta de SX-EW para seguir con el mismo proceso que
los minerales oxidados.
Escondida tiene una capacidad de producción de 330 ktpa de cátodos de cobre, que son
transportados hacia los puertos de Mejillones y Antofagasta para ser comercializados.
Por su parte, los minerales sulfurados son sometidos al proceso de flotación. Desde ambos
rajos se transportan los minerales que son enviados al proceso de chancado primario. Existen
tres plantas de procesamiento de minerales sulfurados las cuales son: Los Colorados (100ktpd),
Laguna Seca (130 ktpd) y OGP1 (145ktpd); Escondida posee la mayor capacidad efectiva del
mundo para procesamiento de mineral (375 ktpd). El material chancado es conducido por
correas transportadoras donde es almacenado en stockpiles para el proceso de molienda. El
proceso de molienda tiene por objetivo la reducción de tamaño cercana a los 300 micrones.
Los concentrados de todas las plantas son bombeados por un mineraducto a una distancia de
170 km hacia Puerto Coloso, a una tasa de 3.5 Mtpa de concentrado de cobre para su posterior
comercialización.
13
El diagrama del proceso productivo de la compañía se resume en la Figura 1.3:
14
CAPÍTULO 2: FUNDAMENTOS TEÓRICOS DEL PROCESO DE PERFORACIÓN Y
MODELOS PREDICTIVOS DE VELOCIDAD DE PENETRACIÓN
2.1 INTRODUCCIÓN
En el presente capítulo se nombrarán los principios y estudios teóricos basales para el
desarrollo de esta investigación. Se abordarán los parámetros y modelos empíricos de
velocidad de penetración sobre los cuales se sustenta este estudio.
La perforabilidad depende de varios factores que son inherentes del macizo rocoso. Como es
sabido, una roca se compone de la mezcla de dos o más minerales cada uno de ellos con
composiciones químicas definidas, con diversos tamaños de grano y distinto comportamiento
frente a los esfuerzos. Estas propiedades inciden directamente en la forma que se debe
perforar, en el desgaste de los aceros de perforación y el costo que tendrá la operación.
Una característica importante corresponde al tamaño de grano; una roca de grano grueso es
más fácil de perforar que una de grano fino (Sandvik, 2006). El tamaño de los granos depende
directamente de la formación de la roca en sí, donde la velocidad de enfriamiento y las
condiciones de presión en la cual se formó juegan un rol importante en el tamaño de los granos
de los minerales que conforman la roca.
Otro factor importante es la dureza del mineral que compone la roca. No es lo mismo perforar
una roca con alto contenido de sílice que una con alto contenido en calcita. La segunda
obviamente será más fácil de perforar que la primera puesto que la dureza del cuarzo es
comparativamente mayor que la de la calcita. Friedrich Mohs en 1812 creó una escala para
determinar la dureza de un mineral. En rigor, es una escala relativa que se sirve de los
siguientes minerales ordenados del 1 al 10 (del más blando al más duro):
a. Talco – Dureza 1
b. Yeso – Dureza 2
c. Calcita – Dureza 3
d. Fluorita – Dureza 4
e. Apatito – Dureza 5
f. Feldespato – Dureza 6
15
g. Cuarzo – Dureza 7
h. Topacio – Dureza 8
i. Corindón - Dureza 9
j. Diamante – Dureza 10
La escala ensaya el mineral desconocido comparándolo con uno de estos minerales normales.
Cualquier mineral que raya a otro es más duro y si se rayan mutuamente, tienen la misma
dureza.
Otro aspecto importante que se debe estudiar son las propiedades geotécnicas de la roca,
como lo son la resistencia a la compresión y el módulo de Young. La resistencia a la
compresión corresponde a la presión máxima que puede soportar un volumen muestra de roca
en un espacio no confinado antes de ceder. El módulo de Young, por su parte, es la medida de
elasticidad de roca. Todos estos parámetros se determinan a través de pruebas de laboratorio.
Deformación
16
Finalmente, otro parámetro determinante de la perforabilidad de rocas es la abrasividad, que
viene dada directamente por la cantidad de cuarzo (sílice) que posee la roca. Una roca muy
abrasiva causa un desgaste prematuro de los aceros de perforación, lo cual impacta
negativamente en el costo por metro perforado.
Martillo en Cabeza (TH): En estas perforadoras dos de las acciones básicas, rotación y
percusión, se producen fuera del barreno, transmitiéndose a través de una espiga y del varillaje
hasta el fondo del pozo. Los martillos pueden ser de accionamiento neumático o hidráulico.
- Percusión: Los impactos producidos por el golpe del pistón originan unas ondas de
choque que se transmiten a la broca a través del varillaje (OTH) o directamente sobre
ella (DTH).
- Rotación: Con este movimiento se hace girar la broca para que los impactos se
produzcan en distintas posiciones.
- Empuje: Para mantener en contacto la broca de perforación con la roca se ejerce un
empuje sobre la sarta de perforación.
- Barrido: El fluido del barrido (aire o agua) extrae el detritus del fondo del pozo.
17
la rotación y el aire de barrido a una broca con dientes de acero o insertos de carburo tungsteno
que actúa sobre la roca.
Las fuentes primarias de energía pueden ser: motores diesel o eléctricos. En perforadoras con
un diámetro de perforación por encima de las 9’’ (230 mm) se utiliza generalmente el empleo de
energía eléctrica a media tensión, alimentando la perforadora con corriente alterna. Las
perforadoras medianas y pequeñas son accionadas por motores diesel.
Una perforadora consta principalmente del mástil o torre, la estructura principal, chasis, el
cabezal de rotación, la unidad eléctrica o motor diesel, compresor, sistema de izaje, sistema de
nivelación, el sistema de control de polvo y la cabina desde donde se controla el equipo. La
perforación se efectúa por una herramienta llamada broca tricónica o tricono.
Los elementos principales que contiene un tricono son los insertos, que son los que en realidad
perforan. En la actualidad existen varios diseños de insertos, cada uno para un tipo de terreno
determinado.
Para poder remover el material ya perforado se utiliza aire (proporcionado por un compresor), el
cual es llamado barrido, que permite recuperar el material removido llamado detritus.
Al iniciar el pozo es de vital importancia el control de las paredes del pozo por posibles
derrumbes esto se logra mediante inyección de agua llamándolo empate, el agua también
permite un control efectivo de las emanaciones de polvo.
- Amortiguador
- Adaptación superior (Top Sub)
- Barra de Perforación (Drill Pipe)
- Anillo Centralizador (Deck Bushing)
- Adaptador inferior o de tricono (Bit Sub)
- Broca Tricónica
18
La otra función que cumple es de mantener a la broca tricónica siempre en contacto al fondo del
pozo.
Los adaptadores (superiores e inferiores) tiene por función el acople entre barras,
amortiguador-barra o barra-broca. Existen en varios diámetros y con distintos tipos de hilos y/o
combinación de estos (macho-hembra, hembra-hembra, macho-macho). Su función principal es
la facilitación del acople entre los componentes de la barra, además de proteger los hilos.
Las barras de perforación sirven para transmitir el empuje sobre la broca y para canalizar por
su interior los fluidos de barrido necesarios para la evacuación de detritus y el enfriamiento de
los rodillos de las brocas tricónicas. Son construidas de acero con espesores que van desde las
7/8’’ hasta las 1 ½’’. La longitud de las barras está entre el rango de 3 a 60 pies (0,91 – 18,3 m).
Adaptador Superior
Barra Seguidora
Barra Patera
Anillo Guía
Broca Tricónica
19
2.5 BROCA TRICÓNICA
La broca tricónica constituye la herramienta con la cual se perfora. Actualmente en el mercado
existen dos tipos de tecnologías de broca tricónica: la estándar y las selladas/semi selladas.
En la Figura 2.3 se muestran los distintos componentes que posee una broca tricónica estándar:
Figura 2.3 Esquema de los componentes principales de una broca tricónica estándar
Fuente: Sandvik, 2006
Una broca tricónica consiste en tres grupos de componentes principales: los conos (o
cortadores), los rodamientos y el cuerpo de la broca (o pata). Los conos son los encargados de
perforar la roca. Todas las brocas poseen en sus conos insertos de carburo tungsteno
distribuidos en hileras de forma que realizan el corte de la roca de forma eficiente (Sandvik
(Suecia), 2006). La dimensión (largo) de los insertos depende las características de la roca;
para formaciones blandas se utilizan insertos de mayor tamaño y en poca cantidad, mientras
que en formaciones duras se dispone de insertos de menor envergadura y en mayor cantidad,
como se ilustra en la Figura 2.4.
20
Los insertos están hechos de una aleación de tungsteno y cobalto. La resistencia al desgaste y
al quiebre vienen dada por el tamaño de grano del carburo de tungsteno y el porcentaje de
cobalto. El inserto se compone de una estructura definida del grano y proporción de cobalto
denominada grado del inserto. Como cada grado posee características específicas, la selección
del inserto juega un rol fundamental al momento de escoger la broca adecuada para perforar.
La geometría de las hileras, el diámetro, número y forma de los insertos son en conjunto
llamados estructura de corte.
Las brocas tricónicas están formadas por dos o tres patas las cuales son unidas con los conos.
La pata tiene un muñón maquinado que sostiene el rodamiento del cono, además, dispone de
un orificio que controla el caudal de aire que enfría los rodamientos denominado nozzle.
Como se dijo anteriormente existen dos tecnologías de triconos en el mercado. Los triconos
estándar, que se componen de rodamientos de rodillos y de bolas los cuales son enfriados por
aire comprimido. Los rodamientos de rodillo son diseñados para soportar la mayor parte de las
fuerzas radiales. Los rodamientos de bolas, por su parte, mantiene el cono en funcionamiento y
soporta el empuje hacia el interior. Cuando otras partes del cojinete están desgastadas, la pista
de bolas también soportará algunas cargas radiales y excéntricas.
Por su parte los triconos sellados o Charger®, a diferencia de los estándar, no poseen
rodamientos de rodillos. En lugar de ellos el cojinete se ubica dentro una cámara sellada con
Kevlar® protegiéndolo del ingreso de detritus y otros contaminantes, aumentando así la vida útil
de la broca. A diferencia de la tecnología estándar, sólo se requiere una pequeña cantidad de
aire para el enfriamiento de la broca aprovechándose este para la limpieza del pozo. El
enfriamiento del cojinete lo realiza principalmente el lubricante. En la Figura 2.5 se muestra la
estructura de rodamientos para brocas tricónicas estándar y selladas.
Figura 2.5 Diferencias entre broca tricónica estándar y broca tricónica sellada
Fuente: Sandvik, 2006
21
2.6 VELOCIDAD DEL BARRIDO
El barrido corresponde al caudal de aire con el cual se evacúan los detritus del fondo del pozo
de perforación. Tanto el caudal como la presión se regulan aumentando o disminuyendo el
tamaño de las boquillas de la broca (nozzle). La velocidad de barrido tiene un impacto directo
en la velocidad de penetración y la vida útil de la broca tricónica. La velocidad del barrido se
determina en relación al espacio existente entre la barra de perforación y la broca y el caudal
que genera el compresor.
El formulismo para determinar la velocidad de barrido viene dado por la Ecuación 2.1 y
Ecuación 2.2, tanto en sistema métrico y en unidades inglesas respectivamente.
En unidades métricas
𝐦𝟑
Q = V ∗ (DH 2 − DP 2 ) ∗ 47 [ ] Ecuación 2.1
𝐦𝐢𝐧
En unidades inglesas
V∗(DH2 −DP2 )
Q= [𝐜𝐟𝐦] Ecuación 2.2
183.3
Dónde:
22
𝑃 = 𝑓 (𝑊, 𝑁, 𝐶, 𝑄) Ecuación 2.3
Donde:
- P = Velocidad de penetración.
- W = Peso en la broca.
- N = Velocidad de rotación de la broca.
- C = Longitud del inserto de la broca.
- Q = Caudal dado por el compresor.
El peso en la broca se define como la fuerza neta aplicada sobre la broca tricónica y
corresponde a la carga aplicada por el equipo de perforación (pulldown) más el peso de la sarta
de perforación.
Sin embargo, esta relación de linealidad se mantiene hasta cierto punto. Un aumento excesivo
del pulldown causa deterioro de la broca tricónica, por lo tanto, se produce una caída en la
velocidad de penetración. En Figura 2.7 se muestra el comportamiento de la velocidad de
penetración versus un aumento en el peso sobre la broca para distintos tipos de roca (blanda,
media y dura).
A partir de esta figura se concluye que un aumento del pulldown inicialmente produce un
incremento en la velocidad de penetración hasta un determinado punto que viene dado por los
límites recomendados por el fabricante. No obstante, sobre este punto se genera un descenso
de la velocidad lo cual viene dado por el deterioro de la broca tricónica (Bit Bogging).
23
Figura 2.6 Velocidad de penetración (ft/min) versus el peso sobre la broca (klbs) a
distintas velocidad de rotación
Fuente: Gokhale, 2011
24
2.8 MODELOS PREDICTIVOS DE VELOCIDAD DE PENETRACIÓN
Varios autores han elaborado distintos modelos predictivos para la velocidad de penetración.
Los primeros esfuerzos de generar fórmulas empíricas para predecir esta variable datan de
principios del siglo XX, principalmente para la perforación de pozos petroleros. En las décadas
siguientes, el estudio de la velocidad de penetración se expandió a minas de hierro y de cobre
generándose varios modelos predictivos. Para esta investigación solo se considerarán los
descritos en las secciones siguientes, debido a que utilizan variables medibles en terreno.
Existen otros modelos, pero utilizan variables no dispuestas en el modelo de bloques de la
compañía y es necesario efectuar otras pruebas a nivel de laboratorio a fin obtener los datos de
entrada para utilizarlos.
2.18∗𝑊∗𝑅
𝑃= 𝐶 Ecuación 2.4
0.2∗𝐶∗𝐷0.9 ∗(10000)
Donde:
𝑃 12𝑊
log ( 6 ) = 𝐾 ∗ log ( ) Ecuación 2.5
𝑆𝑐
Donde:
25
El factor de la roca varía según la siguiente escala propuesta por Bauer y Calder (1967), éste se
encuentra tabulado en la Tabla 2.1.
En el año 1971 Bauer modificó la ecuación agregando una nueva variable a la ecuación, la
velocidad de rotación. La nueva expresión de velocidad de penetración según Bauer según la
Ecuación 2.6.
𝑊 𝑁
𝑃 = (61 − 28 ∗ log(𝑆𝑐 )) ( ∅ ) (300) Ecuación 2.6
Donde:
Como la ecuación anterior era inexacta para valores de UCS bajos (roca blanda), en 1994
Calder y Workman perfeccionaron su modelo utilizando datos obtenidos en una mina de roca
poco competente.
Donde:
26
- Sc = UCS [MPa]
- W = Carga en el Bit por diámetro [kg/mm]
- N = Velocidad de rotación [rpm]
El factor de penetración de la roca se obtiene de la Tabla 2.1 o bien interpolada del gráfico
mostrado en la Figura 2.9.
Smith propone un modelo tanto para perforadoras que transmiten el pulldown por cable (rope) o
por piñón y corona (rack and pinion). Las ecuaciones propuestas por el autor fueron elaboradas
a partir de la adaptación del modelo de Bauer a la realidad de El Abra.
𝑊 𝑅
𝑃 = (332 − 182 log(𝐶)) ∗ ( ) ( ) para Perforadoras de Cable Ecuación 2.9
𝐷 300
𝑊 𝑅
𝑃 = (112 − 30 log(𝐶)) ∗ ( ) ( ) para Perforadoras de Piñón y Corona Ecuación 2.10
𝐷 300
27
Donde:
De la ecuación anterior se infiere que un aumento en la cantidad de metros perforados por los
aceros disminuye el TDC. También, la velocidad de penetración juega un rol fundamental en el
costo de la operación unitaria ya que a mayor velocidad de penetración menor será el TDC.
28
CAPÍTULO 3: MODELO DE VELOCIDAD DE PENETRACIÓN PARA MINERA ESCONDIDA Y
ÁBACOS DE VIDA ÚTIL PARA BROCAS TRICÓNICAS DE 10 5/8’’ DE DIÁMETRO
3.1 INTRODUCCIÓN
En este capítulo se abordará cómo fue generada la base de datos de parámetros de
perforación, considerando cuáles son las variables operacionales claves a ser medidas en
terreno con el fin de cumplir el objetivo de generar un modelo de velocidad de penetración, con
el cual se optimizará el costo total de perforación.
Se efectuará la elaboración de un set de ábacos de la vida útil de la broca tricónica, para tres
modelos distintos, en función de la velocidad y la resistencia a la compresión uniaxial. Para ello
se dispuso de una base de datos histórica de un año de brocas tricónicas desgastadas o dadas
de baja. Se llevará a cabo la estadística descriptiva y una prueba de bondad de ajuste para los
datos, con el objetivo de conocer la distribución de ellos. Se abordará también, el estudio de los
intervalos de confianza para los estadísticos media y mediana para así determinar que rango de
valores de vida útil es representativo para la confección de los ábacos.
Esta información se encuentra disponible en un sistema en línea en el cual se reúne para toda
la flota, generando una base de datos de las variables antes mencionadas por pozo, además de
los tiempos operativos para cada uno de los equipos. En relación a esta base de datos, se
determinó la velocidad de penetración media para toda la flota, con alcance de un año: desde
noviembre de 2014 a noviembre de 2015.
29
entre los 3,76 a 555 [m/hr] lo cual es demasiado amplio para valores típicos, considerados entre
los 50 a 150 [m/hr].
El software utiliza el test de Anderson-Darling para definir la bondad del ajuste de la distribución
con la cual se efectúa la prueba de hipótesis. El estadístico de Anderson-Darling mide qué tan
bien siguen los datos una distribución determinada. Para un conjunto de datos y una
distribución específicos, mientras mejor se ajuste la distribución a los datos, menor será este
estadístico.
30
Se realizó el test de bondad de ajuste para ocho distribuciones de probabilidad con un 95% de
confianza (α = 0,05). Para cada uno de ellos se determinó el valor crítico de “p” y el estadístico
de Anderson-Darling, además se graficó la función de probabilidad acumulada a fin de visualizar
de mejor forma cual es la distribución que sigue la velocidad de penetración. Si el valor de p es
menor que α = 0,05 se acepta la hipótesis H1, por ende se rechaza H0, por lo que la variable no
sigue la distribución en cuestión.
Los resultados de la prueba de bondad de ajuste se detallan en la Tabla 3.2 como sigue:
Se observa que ninguna distribución valida la hipótesis nula propuesta, ya que el valor crítico no
es mayor que el nivel de significación (5%) con el cual la prueba bondad de ajuste fue
efectuada. No obstante, el estadístico AD permite discriminar el mejor ajuste basándose en la
magnitud de este parámetro; mientras más pequeño mejor es el ajuste. Por lo tanto, se
concluyó que la población se distribuye aproximadamente lognormal, lo cual implica que el
logaritmo de la velocidad de penetración tiene un comportamiento normal. En el histograma de
la Figura 3.1 se muestra el ajuste efectuado la base de datos. En rojo se muestra la distribución
lognormal, que es la que más se ajusta a la data, observándose que ésta tiene una “cola” al
lado derecho donde se encuentran los valores de mayor magnitud de la variable velocidad de
penetración.
Como se indica la Tabla 3.1 la media 96,54 [m/hr] no es un valor representativo de la población,
por ende considerarla para un análisis posterior no es correcto; pudiéndose incurrir en
conclusiones equivocadas. La distribución en cuestión tiene forma asimétrica, donde la “cola” se
encuentra al lado derecho de la distribución.
31
Figura 3.1 Histograma y distribución probabilística de la velocidad de penetración anual
Fuente: Elaboración propia, 2015
Para visualizar el ajuste para cada una de las distribuciones se procedió a graficar la función
probabilidad acumulada. Si el ajuste es bueno, la distribución de datos se acercará a la línea
recta.
En las Figuras 3.2 y 3.3, se muestran una serie de gráficos que revelan como fue el ajuste de
los datos para las distintas distribuciones que se probaron. Se observa que en la mayoría de
ellas los datos extremos (colas) tienden a alejarse de la línea recta, sin embargo, estos sólo
representan un pequeño porcentaje del total de la población.
32
Figura 3.3 Función de probabilidad acumulada para distribuciones exponencial, valor
extremo más pequeño, logística y loglogística para un 95% de confianza.
Fuente: Elaboración Propia, 2015
Los resultados obtenidos respecto a la prueba de bondad de ajuste se resumen en la Tabla 3.3:
33
Histograma de Velocidad de Penetración Mensual (m/hr)
Gamma
1200
Shape 6.876
Scale 14.22
N 16496
1000
800
Frecuencia
600
400
200
0
0 40 80 120 160 200 240 280
Velocidad de Penetración (m/hr)
Las variables relevantes y necesarias que formaron parte de la base de datos de este estudio
son:
34
- Velocidad de rotación con la cual gira la sarta de perforación dentro del barreno. Su
unidad de medida para todos los equipos es revoluciones por minuto [rpm].
Figura 3.5 Estimación del UCS promedio para las mallas de perforación
Fuente: Minera Escondida, 2015
35
La misma metodología fue replicada para todas las mallas contenidas en la base de datos de
parámetros de perforación. Si bien para esta expansión se exhiben valores de UCS bastante
regulares, existen otras expansiones donde esta variable es más heterogénea. Este hecho tiene
incidencia directa en la velocidad de penetración, ya que se evidenciaron importantes
diferencias de esta variable dentro de una misma malla, las cuales podrían ser explicadas por la
diferencia de UCS.
- Torque aplicado por el equipo el cual lo reportan sólo equipos diesel, como son el caso
de las perforadoras Pit Viper®. Su unidad de medida es [Nm].
Durante tres meses se tomaron datos de terreno, registrando pozo a pozo las variables antes
mencionadas en distintas expansiones de la mina, posteriormente se cruzó con la información
proveniente de geología de cada uno de ellos.
La cantidad mínima de datos que es necesario obtener para que la muestra del estudio sea
representativa se determinó utilizando la siguiente ecuación:
𝑁∗𝑧 ∗𝑝∗(1−𝑝)
𝑛 = (𝑁−1)∗𝑒1−𝑎
2 Ecuación 3.1
+𝑧1−𝑎 ∗𝑝∗(1−𝑝)
Donde:
36
- Z1-a es el valor de la distribución normal para un nivel de confianza (1 – α) determinado.
Para el caso de este estudio, y por solicitud del mandante, se utilizó un nivel de
confianza mínimo del 90%.
- e corresponde al error permitido para la estimación. Para este estudio y por solicitud de
la compañía, se usó un valor de 5%.
Llama la atención que para distintos tamaños de población la muestra estimada no sufre
variaciones demasiado considerables, este hecho hace que sea bastante práctico el uso de la
Ecuación 3.1 cuando la población tiene un tamaño muy grande.
En la Tabla 3.4 se muestra la muestra estimada para un 90%, 92.5%, 95% de confianza y un
error del 5% en la estimación para distintos intervalos de tiempo.
Tabla 3.4 Estimación del tamaño de muestra para distintos niveles de confianza en
distintos intervalos de tiempo.
Tamaño de Tamaño Tamaño
Tamaño de
la de de
Alcance de la Muestra
Fecha Población Muestra muestra
estimación (90% de
(pozos (92.5% de (95% de
confianza)
perforados) confianza) confianza)
octubre del 2014 a octubre del
Anual 186.107 272 310 384
2015
16 de octubre al 16 de
Mensual 16.496 268 305 376
noviembre de 2015
01 al 07 de noviembre del
Semanal 3.534 253 286 347
2015
Finalmente, la base de datos de parámetros de perforación tiene un total de 392 registros, por lo
cual se trabajará con un 95% de confianza de acuerdo a los resultados de la Tabla 3.3.
37
Llama mucho la atención que el tamaño de la muestra es considerablemente menor respecto a
la población en el caso de anual y mensual. Sin embargo, como se mostrará a continuación, la
muestra no debe ser “muy grande” para alcanzar un nivel de confiabilidad adecuado.
38
La población de datos de velocidad de penetración tiene una media aritmética de 100,3 [m/h].
Como se observa en la Figura 3.6, un aumento en el tamaño de muestra necesariamente
implica una mejor estimación de un parámetro, en este caso la media. Sin embargo, la cantidad
de datos utilizados en un modelo predictivo no debe ser necesariamente “muy grande” para
asegurar una estimación con un nivel de confianza aceptable.
Del gráfico de la Figura 3.6 se observa que para muestras muy pequeñas los valores extremos
del parámetro estimado (media) se alejan bastante del valor real de la población (simbolizada
con la línea horizontal segmentada). Ahora bien, sobre los 100 datos ya se evidencia una
estimación aceptable del parámetro, de ahí que los valores calculados con la Ecuación 3.1 sean
considerablemente bajos respecto al total de datos en estudio.
115
Velocidad de Penetración (m/hr)
110
105
100
95
90
85
80
75
100
200
300
350
400
800
1000
1200
5
10
20
50
Tamaño de la Muestra
Media Mínima Media Máxima Media (Aleatoria) Media Real Población
39
extremos 84,9 o 118 [m/hr] los cuales están bastante alejados del valor real. De ahí la
importancia de tener una muestra lo suficientemente grande como para minimizar la amplitud
del intervalo con el cual se estima un parámetro.
En primer lugar, se debe observar cómo se relacionan las variables de este estudio con la
velocidad de penetración. Para ello, se deben disponer de gráficos de dispersión para definir si
existe una relación entre las variables en estudio frente la velocidad de penetración. Por este
motivo, se ha optado por una regresión lineal múltiple donde la ecuación representará un
hiperplano en el espacio multidimensional que viene representado de forma general por la
Ecuación 3.2
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑛 𝑋𝑛 + 𝜀 Ecuación 3.2
40
- Prueba de Hipótesis a través del valor crítico “p”: La regresión multivariable se basa
en una prueba de hipótesis que determina la significancia del modelo. Las hipótesis son
las siguientes:
Dependiendo del nivel de confianza (1-α), que generalmente es 90%, 95% o 99%, se
evalúan las pruebas de hipótesis. Si se despeja el valor de α se determina el nivel de
significación (α), que corresponde al valor con el cual se contrasta el valor crítico “p”
para validad o rechazar la hipótesis nula.
Si el valor de p es menor que α se acepta la hipótesis H1, por ende se rechaza
H0, por lo que la variable es estadísticamente relevante en el modelo.
Si el valor p es mayor que α se acepta la hipótesis H0, por ende se rechaza H1,
por lo que la variable no es estadísticamente relevante en el modelo.
Este indicador podría significar la eliminación de una u otra variable en el modelo propuesto de
acuerdo a la significancia estadística de la variable.
- Análisis de Varianza a través del valor crítico “p”: Permite evaluar el grado de
utilidad del modelo en la estimación de la velocidad de penetración. La prueba de
hipótesis para este caso es:
La hipótesis nula (H0): Todos los coeficientes de las variables son igual a cero
(se rechaza el modelo).
La hipótesis alternativa (H1): Al menos uno de los coeficientes es distinto de
cero (el modelo explica el fenómeno).
Al igual que el caso anterior, se debe evaluar el valor de p para un determinado nivel de
significación, entonces:
Si el valor de p es menor que α se acepta la hipótesis H1, por ende se rechaza
H0, por lo cual la variable respuesta (velocidad de penetración) es determinada
significativamente por el comportamiento de las variables de predicción. El
modelo describe el fenómeno en estudio.
Si el valor p es mayor que α se acepta la hipótesis H0, por ende se rechaza H1,
el comportamiento de la variable respuesta (velocidad de penetración) viene
dado por el componente aleatorio ε (residuo). El modelo se rechaza.
41
Por último, para confirmar si el análisis de regresión es válido se efectúa un análisis de
residuos. Estadísticamente el residuo se define como la diferencia entre el valor observador de
la respuesta y el valor predictivo obtenido a través del modelo, pudiendo ser esta diferencia
positiva o negativa. Este análisis determina si el modelo es válido si los residuos:
Una forma práctica de observar este hecho, es la confección de diagramas de dispersión entre
las variables, de esta forma se puede evidenciar si existe una tendencia clara entre ambas.
Se estudió lo que sucede con dos variables que, eventualmente, formarán parte del modelo: la
corriente de empuje [amp] y el torque [kNm].
42
de esto, se procedió a corroborar este supuesto bajo un estudio del coeficiente de correlación
de Pearson (R) de estas variables. De este estudio se determinó que sí existe una relación de
dependencia entre las variables en cuestión, lo cual puede apreciarse en la Figura 3.7, donde
se observa una fuerte relación entre las variables, siendo la corriente la empuje directamente
proporcional a la carga aplicada sobre la sarta. Se determinó que el coeficiente de correlación
tiene un valor de 0.909, el cual es muy alto, validando la hipótesis que se tenía sobre la relación
de las variables en cuestión. Por lo tanto, la variable “corriente de empuje” no ingresará a la
ecuación de regresión por violar uno de los principios de la regresión multivariable.
140
120
100
80
60
40
20
200 240 280 320 360
Pull-down (kN)
Por otro lado, se estudió la relación del torque respecto a la carga aplicada sobre el bit
(pulldown) y la velocidad con la cual gira la sarta de perforación [rpm]. Dicho estudio, a
diferencia del caso de la corriente de empuje, corresponde a un análisis multivariable, por ende
el coeficiente de correlación de Pearson (R) deja de ser útil debido ya que sólo correlaciona dos
variables. Para reconocer si existe alguna relación entre las variables se utilizará el coeficiente
de determinación (R2), ya que describe el grado en que los predictores (pulldown y rotación de
la sarta) inciden en la variabilidad del torque, dicho estudio consideró el tratamiento de la
variable para cada tipo de tricono.
43
El análisis de las variables respectivas se efectuó utilizando el software Minitab17®, para un
95% de confianza, donde los resultados se exponen en la Tabla 3.6:
Tabla 3.6 Estudio de la relación de las variables Pulldown y Velocidad de Rotación con
respecto al Torque para distintos modelos de broca tricónica.
Coeficiente de Coeficiente de Coeficiente de
Determinación (R2) Determinación Ajustado (R2 Determinación de
ajd
) predicción (R2 pre)
42,20% 40,65% 39,41%
Estudio de los Coeficientes del modelo
Coeficiente Valor del coeficiente Valor crítico “p”
Pulldown [kN] 0,0541 0,002
Velocidad de Rotación [rpm] 0,0346 0,678
Modelo de Tricono 0,000
30QX2 0,000
39QX2 -2,100
40QX2 -16,260
Fuente: Elaboración Propia, 2015
Tabla 3.7 Estudio de la relación de la variable Pulldown con respecto al Torque para
distintos modelos de broca tricónica.
Coeficiente de Determinación Coeficiente de Determinación Coeficiente de Determinación
(R2) Ajustado (R2 ajd) de predicción (R2 pre)
42,14% 40,98% 40,15%
Estudio de los Coeficientes del modelo
Coeficiente Valor del coeficiente Valor crítico “p”
Pulldown [kN] 0,0556 0,001
Tipo de Tricono 0,000
30QX2 0,000
39QX2 -2,380
40QX2 -16,490
Fuente: Elaboración propia, 2015
44
De acuerdo a la Tabla 3.7, el coeficiente de determinación (R2) no disminuyó sustancialmente al
eliminar la variable velocidad de rotación. De hecho el R2 adj aumentó al eliminar la variable que
no es relevante estadísticamente. Este hecho tiene un aspecto beneficioso en la robustez de los
modelos de regresión, sin embargo, no tiene mayor importancia para este caso.
Tomando en cuenta los resultados anteriores y lo escrito en párrafos previos la correlación entre
el modelo del tricono con la carga aplicada sobre el bit (pulldown) es relevante, pudiendo existir
un problema de multicolinealidad respecto a la variable torque. Si bien la correlación no es tan
grande como el caso de la “Corriente de empuje”, incluir la variable “Torque” en el análisis
puede ir en desmedro de la confiablidad del modelo de velocidad de penetración. Es más, de
acuerdo a lo expuesto por (Arriaza, 2006), descrito en párrafos anteriores, un coeficiente de
correlación superior al 30% puede evidenciar un problema de multicolinealidad.
45
Para perforadoras eléctricas:
30𝑄𝑋2 = −20,5 + 0,753𝑁 + 0,096𝑊 − 0,890𝐶 + 1,150𝐴 Ecuación 3.5
Donde:
Este análisis consideró tres valores de este parámetro: el primero corresponde al coeficiente
determinación (R2) explicado en la Sección 3.5, el segundo corresponde a una corrección de
este parámetro por la cantidad de variables. El R 2 ajustado es el porcentaje de variación en la
variable de respuesta que es explicado por su relación con una o más variables predictoras,
ajustado para el número de predictores en el modelo. Este ajuste es importante porque el R 2 de
cualquier modelo siempre aumentará cuando se agregue un nuevo término. Puede parecer que
un modelo con más términos tiene un mejor ajuste porque incluye más términos. (Minitab Inc,
2014). Finalmente, el tercer valor corresponde al R2-predicción, que cuantifica la capacidad de
predicción de futuras observaciones.
46
Considerando los resultados obtenidos el modelo describe la variabilidad de la velocidad de
penetración en un 79,69%, mientras que la corrección de este valor no tuvo una variación
significativa. Por último, el modelo tiene una capacidad de predecir nuevas observaciones del
orden del 78,61%.
Respecto a las pruebas de hipótesis que sustentan el método de regresión lineal, se analizaron
los valores críticos respectivos de cada una de ellas para determinar si el modelo tiene la
capacidad de explicar la variabilidad de la velocidad y cuáles son las variables de predicción
relevantes para la ecuación de regresión que finalmente modeló la velocidad de penetración.
Respecto a esto, se obtuvo los siguientes resultados que se muestran en la Tabla 3.9:
Para las pruebas de hipótesis se consideró un 95% de confianza en todos los casos. El primer
test, que considera que al menos uno de los coeficientes es distinto de cero, es validado ya que
el valor crítico es menor que la significación con la cual se contrastó la hipótesis.
El segundo test, que tiene relación a la determinación de las variables relevantes para el
modelo. De acuerdo a los resultados mostrados en la Tabla 3.9, el valor crítico para cada una
de las variables fue menor que el nivel de significación utilizado (5%). Por lo tanto, todas las
variables medidas en terreno, a excepción de la corriente de izado/empuje y el torque según lo
expuesto en la sección 3.6.1, forman parte del modelo propuesto.
47
de la sarta. El UCS de la roca también tiene una incidencia importante con un 27,46% de
capacidad de explicar la variabilidad de la velocidad de penetración.
A partir de las Ecuaciones 3.2; 3.3; 3.4; 3.5; 3.6 y 3.7 se pueden obtener información importante
respecto a la relación de las variables de predicción respecto a la velocidad de penetración. En
primer lugar, el signo del coeficiente indica la relación de sentido entre la variable predictora y la
respuesta. Por ejemplo, para el caso de la rotación, el pulldown y la presión de aire se tiene una
relación positiva, es decir, al aumentar cualquiera de estas dos variables la velocidad
aumentará. La proporción de este incremento viene dado por la magnitud del coeficiente; por
ejemplo, si se aumenta en una rpm la velocidad de rotación de la sarta, la velocidad de rotación
la velocidad aumenta en 0,753 [m/hr]. El mismo hecho se evidencia de manera contraria en el
caso de la resistencia a la compresión uniaxial (UCS). Un incremento de esta variable en 1 Mpa
provocará una disminución de la velocidad -0,890 [m/hr].
Una forma de verificar la independencia de residuos, es con gráficas de residuos versus orden;
si se cumple el supuesto de independencia, la representación de los residuos debería ser
completamente aleatoria sobre el cero, no existiendo patrones en la distribución del error.
Además, es importante considerar que los datos deben graficarse en el orden que fueron
tomados para determinar si la secuencia del muestreo tiene incidencia en la respuesta dada por
el modelo de regresión. Como se evidencia en la Figura 3.8 no existen patrones definidos para
los residuos del modelo, por lo que se concluye que este cumple el supuesto de la
independencia de residuos y que su varianza es constante.
48
Figura 3.8 Gráfica de residuo versus orden para el error del modelo propuesto
Fuente: Elaboración Propia, 2015
40
Frecuencia Absoluta
30
20
10
0
-60 -40 -20 0 20 40 60
Residuo
49
Por otra parte, para visualizar la medida del ajuste se utilizará el mismo procedimiento utilizado
en la Sección 3.2. Si los residuos se aproximan a la distribución en cuestión, entonces se
aproximarán a una línea recta. Además, se procederá a realizar una prueba de Anderson-
Darling con un 95% de confianza a fin de determinar si el error (residuo) tiene un
comportamiento normal.
Considerando lo mostrado en la Figura 3.10, el error (residuo) no tiene una distribución normal,
debido a que el valor crítico de “p” con el cual se efectuó la prueba de Anderson-Darling es
menor que la significación utilizada (5%), sin embargo, el valor del estadístico AD es bajo y
como se visualiza en la gráfica el ajuste a la distribución normal es bueno. Por lo tanto, la
distribución de los residuos es aproximadamente normal cumpliéndose el supuesto de
normalidad de residuos.
Las variables relevantes con la cual se trabajó a fin de efectuar el modelo en cuestión son:
50
- Código de la broca tricónica: corresponde al número de serie que identifica una
determinada broca tricónica.
- Pattern (Banco – Expansión – Malla): indica el lugar físico donde fue asignada la
broca durante su vida útil. Generalmente el modelo de broca está asignada a nivel de
expansión, sin embargo, existen casos en que una misma broca perforó en dos o más
expansiones o mallas distintas.
51
Con el objetivo de determinar estos intervalos de confianza, se efectuó un estudio estadístico
del total la población considerando como criterio de comparación el modelo de broca tricónica y
el tipo de perforadora (eléctrica o diesel).
A partir del estudio estadístico preliminar, se evidenció una diferencia importante en la vida útil
media dependiendo del tipo de equipo: diesel o eléctrico, para cada tipo de modelo de broca
tricónica. Como se observa en el gráfico de cajas y bigotes de la Figura 3.11, para una
confianza del 95%, la vida útil es bastante diferente dependiendo del modelo de broca y el tipo
de equipo al cual dicho tricono fue asignado. Como se muestra en la Figura 3.11, la vida útil es
variable dependiendo del modelo de tricono. Se observa que los triconos modelo 30QX2 tienen
una mayor vida útil respecto a los otros dos modelos, con un máximo que supera los 12.000 m.
Por otra parte, se constata que los triconos tienen una mayor vida útil en equipos diesel, sin
embargo, la distribución para el caso de las eléctricas registra observaciones menos dispersas
considerando cada modelo respecto a su equivalente en el otro tipo de equipo. La mediana
(representada por el círculo negro) es bastante similar a la media aritmética (representada por
el círculo con una cruz).
12000
10000
8000
Vida útil (m)
6000
4000
2000
0
Tipo Perforadora Diesel Eléctrica Diesel Eléctrica Diesel Eléctrica
Modelo Tricono 30QX2 39QX2 40QX2
Figura 3.11 Gráfico de cajas y bigotes de la vida útil para distintos modelos de broca de
acuerdo al tipo de perforadora.
Fuente: Elaboración Propia, 2015
52
3.9 ÁBACOS DE VIDA ÚTIL PARA TRICONOS CHARGER® DE 10 5/8’’ DE DIÁMETRO
Uno de los aspectos fundamentales dentro de este estudio, es la búsqueda de la existencia de
correlación estadística entre la vida útil, la velocidad de penetración y el lugar donde perforó la
broca hasta su falla.
En primer lugar se realizó un análisis de varianza, a fin de determinar si las variables velocidad
de penetración y resistencia a la compresión uniaxial tienen incidencia en la variabilidad de la
vida útil de las brocas tricónicas consideradas dentro de este estudio.
Este análisis se llevó a cabo considerando que existen diferencias entre los distintos modelos
de triconos para cada tipo de equipo de perforación (eléctrico o diesel) como se refleja en la
Figura 3.11. Además, se consideró que los triconos fueron operados bajo parámetros de
perforación (pulldown, velocidad de rotación y presión de aire) adecuados para cada modelo en
cuestión.
Los resultados del análisis de varianza para un 95% de confianza (Tabla 3.10) indican que
existe una relación débil entre las variables estudiadas, donde la velocidad de penetración y el
UCS determinan a la vida útil en un 10.07%, pero a partir de la corrección del coeficiente de
determinación (R2), se determina que la relación es de hecho menor. Dado los resultados
obtenidos, no es posible confeccionar los ábacos de vida útil pues la correlación de las variables
no es estadísticamente relevante.
En virtud a lo antes expuesto, se llevó a cabo un estudio estadístico descriptivo de los datos a
fin de obtener un intervalo de confianza del parámetro representativo de la distribución de datos
para cada modelo de tricono considerado dentro del estudio.
53
Otro aspecto importante a considerar es utilizar el estadígrafo de posición adecuado para la
vida útil, para este estudio se utilizó la mediana ya que es la forma con la cual se evalúa esta
variable en la compañía.
Dentro de este estudio exploratorio se evaluó también la distribución de la vida útil para cada
modelo, como se ha mencionado en párrafos anteriores. Los resultados obtenidos se resumen
en la Tabla 3.11.
Tabla 3.12 Estadística descriptiva de la vida útil para distintos modelos de triconos
Modelo Tipo Expansión Media Desviación Coeficiente Mediana Cantidad
Tricono Perforadora (m) Estándar de (m) de
(m) variación Triconos
(%)
30QX2 Diesel e04 9.354,1 No aplica No aplica 9.354,1 1
30QX2 Diesel e06 1.244,1 No aplica No aplica 1.244,1 1
30QX2 Diesel n15 4.295,6 2.343,4 54,6 4.295,6 2
30QX2 Diesel n16 4.463,3 2.535,8 56,8 4.016,9 37
30QX2 Diesel s3c 8.198,1 3.714,1 45,3 8.641,7 6
30QX2 Eléctrica e04 5.047,7 2.536,8 50,3 4.933,2 4
30QX2 Eléctrica e06 5.257,0 2.389,0 45,4 5.684,3 6
30QX2 Eléctrica n16 3.597,8 2.032,4 56,5 2.990,2 21
30QX2 Eléctrica s3c 4.870,0 2.293,1 47,1 4.854,7 26
39QX2 Diesel n05 4.048,5 2.114,8 52,2 3.488,5 8
39QX2 Diesel n06 4.361,6 1.894,8 43,4 4.469,3 7
39QX2 Diesel n08 2.978,3 1.394,5 46,8 2.547,5 3
39QX2 Eléctrica e06 3.365,7 No aplica No aplica 3.365,7 1
39QX2 Eléctrica n05 4.463,0 1.646,2 36,9 4.692,4 17
39QX2 Eléctrica n06 2.867,1 1.319,3 46,0 2.367,9 21
39QX2 Eléctrica s3c 1.768,5 No aplica No aplica 1.768,5 1
40QX2 Diesel n05 6.635,6 No aplica No aplica 6.635,6 1
40QX2 Diesel n08 3.771,5 1.769,1 46,9 3.629,3 19
40QX2 Diesel n15 5.815,3 678,7 11,7 5.815,3 2
40QX2 Diesel s3c 5.723,6 2.831,3 49,5 6.379,6 6
40QX2 Eléctrica e04 3.540,7 No aplica No aplica 3.540,7 1
40QX2 Eléctrica n05 5.619,5 No aplica No aplica 5.619,5 1
40QX2 Eléctrica n06 3.495,0 No aplica No aplica 3.495,0 1
40QX2 Eléctrica n08 4.225,1 1.356,1 32,1 4.374,3 6
40QX2 Eléctrica n16 6.823,5 No aplica No aplica 6.823,5 1
40QX2 Eléctrica s3c 6.028,6 1.075,4 17,8 5.995,6 5
Fuente: Elaboración Propia, 2015
54
De acuerdo a los resultados mostrados en la Tabla 3.11 y lo expuesto en párrafos anteriores,
existen categorías donde se evidencian muy pocos triconos, por lo cual la confiabilidad de que
ese sea el valor del parámetro es bastante baja. A raíz de esto, cuando la categoría no posee
un total de 5 triconos o más, se consideró que no se dispone de información.
Otro aspecto importante es la dispersión que tiene la variable en la mayoría de los casos
estudiados. Sin considerar aquellas categorías en las cuales no se supera el mínimo de triconos
exigidos, el coeficiente de variación (C.V.) es bastante elevado para la población, con un rango
comprendido entre 17,8 y 56,8%. Esto reafirma que la media no es un estimador acertado para
definir certeramente la vida útil del tricono.
Los resultados fueron obtenidos para un 95% de confianza y son mostrados en la Tabla 3.12:
Tabla 3.13 Prueba de normalidad de Anderson-Darling para la vida útil para los triconos
en estudio
Modelo Tipo Expansión Anderson Valor Normalidad
Tricono Perforadora Darling Crítico
Considerando los resultados indicados en la tabla 3.12 se concluye que la mayoría de las
distribuciones son normales, motivo por el cual la media sí podría considerarse un estadígrafo
55
de posición para esos casos. Sin embargo, la alta dispersión de los datos y la poca información
disponible para ciertos casos no avalan utilizar este parámetro, es más, de acuerdo al INE
(Instituto Nacional de Estadísticas (Chile), 2015) no es recomendable utilizar el valor estimado
de una variable con un coeficiente de variación mayor al 20%.
Por lo tanto, de acuerdo a lo antes expuesto, para efectos de la estimación de la vida útil de un
tricono se utilizará la mediana como estadígrafo de posición.
56
CAPÍTULO 4: OPTIMIZACIÓN DEL COSTO TOTAL DE PERFORACIÓN
4.1 INTRODUCCIÓN
En este capítulo se mostrarán los resultados de la optimización del costo total de perforación de
la parte de la flota de Minera Escondida considerada dentro del alcance del trabajo. La
optimización del costo total de perforación se llevará a cabo realizando la asignación de triconos
y equipos de perforación de acuerdo a la velocidad de penetración y al costo. En primer lugar,
para la asignación de brocas tricónicas, se evaluó a partir de la información histórica en qué
expansiones el costo total de perforación es menor. Por su parte, para la asignación de los
equipos de perforación se estimó el costo total de perforación para cada expansión que se
encuentre en explotación, la asignación óptima corresponde a aquella que minimice el costo
total de perforación.
Para definir bajo qué asignación el costo total se minimiza, se utilizará el módulo Solver® de
Microsoft Excel® que determina una solución inicial, la cual muchas veces no es operativa. Para
generar una solución operacional, se debe respetar la restricción de ubicación del equipo de
perforación.
Ecuación 4.1
El costo del tricono es el mismo independiente del modelo de la broca tricónica y tiene un valor
de 8098 US$.
57
costos completa que posee la compañía minera respecto a qué costos son asignados a los
equipos es confidencial.
La determinación del costo horario corresponde al cuociente entre el gasto de la flota con las
horas efectivas trabajadas. Las celdas en color representan a estimación de los gastos y horas
efectuados por la compañía para el año fiscal 2015 (desde julio de 2015 a junio de 2016).
Respecto a la utilización efectiva de los equipos diesel y eléctricos, los primeros tuvieron en
promedio un 66% en el mes de noviembre. Por su parte, los equipos eléctricos alcanzaron un
44% de utilización efectiva en el mismo periodo. Por lo tanto, si un equipo tuvo un 5% sobre la
media de utilización, su costo horario se incrementó en la misma proporción. Lo mismo sucede
en el caso contrario, una disminución en un determinado porcentaje en la utilización del equipo
respecto al promedio de la flota suscita una disminución en el mismo porcentaje de su costo
horario.
De esta forma los costos horarios estimados para el mes de noviembre de 2015 son los
presentados en la Tabla 4.2:
58
Tabla 4.2 Estimación de los costos horarios por equipo
Costo hora promedio mes de noviembre
Perforadora Utilización Efectiva (%) Diferencia relativa Costo Hora (US$/hr)
respecto a la media (%)
EDE0010 54% -6% 460,9
EDE0011 63% 3% 504,9
EDE0023 27% -33% 328,7
EDE0027 43% -17% 407,0
EDE0028 42% -18% 402,2
EDE0029 38% -22% 382,6
EDE0031 31% -29% 348,3
EDE0032 56% -4% 470,7
EDD0033 63% 3% 397,7
EDD0034 66% 6% 409,3
EDD0035 75% 15% 443,9
EDD0036 62% 2% 393,8
Fuente: Elaboración Propia, 2015
Con el fin de ilustrar el desempeño que han tenido los triconos para el año 2015, se prosiguió a
evaluar un rango que contenga el valor característico de la vida útil de la broca para cada una
de las expansiones. Para generar dicho rango se utilizó un estudio por cuartiles de la variable,
para así generar un intervalo de confianza y evaluar el desempeño de forma real disminuyendo
el efecto de la gran dispersión que tiene la vida útil en algunos casos.
Para el caso de la velocidad se procedió a determinar un valor medio histórico por expansión,
considerando que la distribución de datos tiene un comportamiento lognormal de acuerdo a lo
mencionado en la Sección 3.2. Considerar la media como un estimador válido puede generar un
sesgo, por lo cual se utilizará la mediana como estadígrafo de posición para esta variable. El
valor mostrado en la Tabla 4.2 corresponde a la mediana de la velocidad de penetración para el
intervalo de confianza de la vida útil de la broca tricónica para cada caso.
Luego para las expansiones de mina Escondida y Escondida Norte los valores considerados
para el cálculo del costo total de perforación son los mostrados en las Tablas 4.3 y 4.4:
59
Tabla 4.3 Valores históricos de vida útil para brocas tricónicas utilizadas en mina
Escondida Norte
Expansión Modelo Primer Mediana (m) Tercer Cuartil Medina Velocidad de
Tricono Cuartil (m) (m) penetración (m/hr)
n05 30QX2 Sin Sin Sin Sin información
información información información
n05 39QX2 4.314,9 5.140,5 6.168,4 94,6
n05 40QX2 Sin Sin Sin Sin información
información información información
n06 30QX2 Sin Sin Sin Sin información
información información información
n06 39QX2 3.707,7 4.686,4 5.382,5 86,5
n06 40QX2 3.604,7 5.518,8 6.135,9 Sin información
n08 30QX2 Sin Sin Sin Sin información
información información información
n08 39QX2 1.563,9 3.904,2 4.039,9 95,6
n08 40QX2 3.818,6 4.755,8 5.746,6 94,5
Tabla 4.4 Valores históricos de vida útil para brocas tricónicas utilizadas en mina
Escondida
Expansión Modelo Primer Mediana (m) Tercer Cuartil Medina Velocidad de
Tricono Cuartil (m) (m) penetración (m/hr)
e04 30QX2 5.864,8 8.086,7 10.400,3 94,6
e04 39QX2 Sin Sin Sin Sin información
información información información
e04 40QX2 Sin Sin Sin Sin información
información información información
e06 30QX2 6.166,5 7.600,4 9.969,1 97,3
e06 39QX2 Sin Sin Sin Sin información
información información información
e06 40QX2 Sin Sin Sin Sin información
información información información
n15 30QX2 5788.8 5529.6 7.772,0 95,8
n15 39QX2 Sin Sin Sin Sin información
información información información
n15 40QX2 3.915,9 4.448,9 6.642,5 87,0
n16 30QX2 5.289,1 6.669,1 7.838,3 94,6
n16 39QX2 Sin Sin Sin Sin información
información información información
n16 40QX2 5.864,3 5.302,5 6.905,1 63,3
s3c 30QX2 2.999,5 6.247,9 7.474,8 97,3
s3c 39QX2 Sin Sin Sin Sin información
información información información
s3c 40QX2 3.441,6 4.016,9 8.329,7 97,4
60
4.2.3 ESTIMACIÓN DEL COSTO TOTAL DE PERFORACIÓN POR EXPANSIÓN Y
VALIDACIÓN DE ASIGNACIÓN ACTUAL DE BROCAS TRICÓNICAS
Finalmente, con la información de costo horario, vida útil y velocidad de penetración se
calcularon los costos totales de perforación como se indica en la Ecuación 4.1 para cada una de
las expansiones que son consideradas dentro de este estudio.
Para cada caso, se escogió como tricono óptimo aquel con el menor costo total de perforación y
se comparó con el tricono asignado actualmente para la expansión. Se calculó un costo para
perforadoras eléctricas y diesel, sin embargo, el costo utilizado para discernir cuál es el tricono
que menor costo tiene, corresponde al promedio de ambos valores. Para el caso de la Mina
Escondida resultados por expansión son indicados en la Tabla 4.5, donde los costos mínimos
(triconos asignados por este estudio) se encuentran ennegrecidos:
Tabla 4.5 Estimación del costo total de perforación [US$/m] por modelo de tricono para
las expansiones de Mina Escondida
Modelo Expansión Velocidad Vida útil Costo Total Costo Total Costo Total
Broca Histórica histórica Diesel Eléctrica Promedio
(m) (m) (US$/m) (US$/m) (US$/m)
30QX2 N15 95,8 5.529,6 6,6 5,5 6,0
Luego, la asignación óptima es la broca 30QX2 para todas las expansiones de la Mina
Escondida, ya que el costo total de perforación es menor respecto a los otros modelos
estudiados para cada caso.
61
De la misma manera, el procedimiento fue aplicado a las expansiones de la Mina Escondida
Norte. Los resultados se muestran en la Tabla 4.6 donde la asignación óptima corresponde a: el
modelo 39QX2 para la expansión n05, el modelo 39QX2 para n06 y la broca 40QX2 para la
expansión n08.
Tabla 4.6 Estimación del costo total de perforación [US$/m] por modelo de tricono para
las expansiones de Escondida Norte
Modelo Expansión Velocidad Vida útil Costo Total Costo Total Costo Total
Broca Histórica histórica Diesel Eléctrica Promedio
(m/hr) (m) (US$/m) (US$/m) (US$/m)
De acuerdo a los resultados mostrados en la Tabla 4.7, se observa que para Escondida Norte la
asignación es la óptima, pero para el caso de las expansiones n05 y n06 no existió otro tricono
para comparar costos. En el caso de la n08, donde sí hubo diferenciación entre dos modelos, el
óptimo es el actualmente asignado.
62
Por su parte, para el caso de Escondida, únicamente se observan diferencias en las
expansiones n15 y la e06 explicados por un cambio en la condición de la roca perforada.
Considerando los resultados, existe evidencia para justificar que con un tricono modelo 30QX2
hay una reducción del costo total de perforación. Para el caso contrario, no es posible justificar
el cambio de tricono en la expansión e06 ya que no existe información histórica de rendimientos
de triconos 40QX2 en dicho sector.
El algoritmo toma como punto de inicio la asignación propuesta por el área de planificación.
Luego se debe verificar si esta corresponde a aquella que minimiza el costo total de perforación
para la flota. Dicho algoritmo toma como datos de ingreso a los equipos disponibles y la
asignación del turno anterior, las mallas de perforación que se deben perforar para el turno, la
proyección de la velocidad utilizando un modelo predictivo y la información de UCS de las
expansiones en cuestión.
La función objetivo corresponde a una adaptación de la Ecuación 2.10 del costo total de
perforación. Como se muestra en la Ecuación 4.2 el primer sumando corresponde a lo que se
denomina costo parcial de perforación (PDC) que relaciona la vida útil y costo de la broca. Este
valor se encuentra dentro del tarifario que rige al contrato, el cual depende del equipo de
perforación y el modelo de broca tricónica. Las tarifas utilizadas para este estudio se exponen
en la Tabla 4.8:
Tabla 4.8 Tarifas utilizadas para la estimación del costo total de perforación
Tarifas (US$/m)
Perforadora 30QX2 39QX2 40QX2
EDD0033 0,994 1,450 1,535
EDD0034 0,994 1,450 1,535
EDD0035 0,994 1,450 1,535
EDD0036 0,994 1,450 1,535
EDE0010 1,380 2,095 2,143
EDE0011 1,380 2,095 2,143
EDE0023 1,371 1,534 1,697
EDE0027 1,371 1,534 1,697
EDE0028 1,371 1,534 1,697
EDE0029 1,371 1,534 1,697
EDE0031 1,371 1,534 1,697
EDE0032 1,371 1,534 1,697
63
Por su parte, el segundo sumando de la función objetivo depende del costo horario del equipo
considerado y la velocidad de penetración que se espera que tenga el equipo donde este haya
sido asignado. Luego la función objetivo (z) es:
Ecuación 4.2
Luego, el proceso iterativo que realiza el algoritmo propuesto se muestra en la Figura 4.2:
Figura 4.1 Diagrama del proceso iterativo de optimización del costo total de perforación
Fuente: Elaboración Propia, 2015
64
4.3.1 EJEMPLO DE APLICACIÓN DEL ALGORITMO DE OPTMIZACIÓN DEL COSTO
TOTAL DE PERFORACIÓN
Se deben asignar los siguientes equipos a distintas mallas de perforación. Desde planificación
se propone la asignación mostrada en la Tabla 4.9. Además, se dispone de la asignación del
turno anterior. El objetivo es determinar cuál es la asignación de equipos que minimiza el costo
de total de perforación para la flota.
Tabla 4.9 Asignación propuesta por planificación para el turno día del 16/10/2015
Perforadoras Asignación Planificación
EDE0010 3040-e06-5013
EDE0011 2915-n06-5010
EDE0027 2815-s3c-5020
EDE0028 3070-n16-5019
EDE0029 3215-n08-5025
EDD0033 3215-n08-5016
EDD0034 3200-n08-5012
EDD0035 3200-n08-5012
EDD0036 3070-n16-5013
Fuente: Minera Escondida, 2015
De la Tabla 4.9, por ejemplo, que la perforadora EDE0010 sería asignada a la malla ubicada en
el banco 3040, en la expansión e06 (Mina Escondida) a la malla 5013.
Es importante recordar que las expansiones n15, n16, e06, e04 y s3c corresponden a la Mina
Escondida, mientras que las expansiones n05, n06 y n08 pertenecen a Mina Escondida Norte.
Por otro lado, la asignación que tuvo el turno anterior, es decir, el turno noche del 15/10/2015 es
la indicada en la Tabla 4.10:
65
utilizando la expresión que está dentro de la sumatoria de la Ecuación 4.2 para la flota
disponible, considerando que cada equipo puede ser asignado a cualquiera de las mallas de
perforación. Los resultados de esta operación se muestran en la Tabla 4.10:
EDD0033
EDD0034
EDD0035
EDD0036
EDE0029
EDE0010
EDE0011
EDE0027
EDE0028
3040-e06-5013 6,16 5,68 6,63 6,58 6,36 5,16 5,07 4,69 5,12
2915-n06-5010 5,40 5,08 5,18 5,15 5,00 4,34 4,27 4,01 4,31
2815-s3c-5020 4,56 4,24 4,87 4,83 4,69 3,77 3,71 3,45 4,74
3070-n16-5019 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3215-n08-5025 6,67 6,21 6,69 6,64 6,44 5,49 5,40 5,04 5,45
3215-n08-5016 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3070-n16-5013 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
Fuente: Elaboración Propia, 2015
De la tabla 4.10 se marca en gris la asignación propuesta por planificación a cual se determinó
el costo. Para este efecto, se procede a sumar los costos totales de perforación individuales de
la asignación propuesta para determinar el costo inicial de la flota (Ci). Para este caso el valor
corresponde a 50,67 [US$/m].
66
Tabla 4.12 Nueva asignación calculada con Solver®
EDD0033
EDD0034
EDD0035
EDD0036
EDE0029
EDE0010
EDE0011
EDE0027
EDE0028
3040-e06-5013 6,16 5,68 6,63 6,58 6,36 5,16 5,07 4,69 5,12
2915-n06-5010 5,40 5,08 5,18 5,15 5,00 4,34 4,27 4,01 4,31
2815-s3c-5020 4,56 4,24 4,87 4,83 4,69 3,77 3,71 3,45 4,74
3070-n16-5019 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3215-n08-5025 6,67 6,21 6,69 6,64 6,44 5,49 5,40 5,04 5,45
3215-n08-5016 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3070-n16-5013 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
Fuente: Elaboración Propia, 2015
Como se dijo anteriormente un cambio de mina no está permitido, por lo cual se procederá a
“operativizar” la asignación de Solver®. Para cumplir este objetivo se debe utilizar solamente el
criterio, lo cual es una de las limitantes de esta metodología. Tomando la asignación de Solver®
como referencia, se debe realizar la reasignación de algunos equipos, minimizando la cantidad
de cambios, a fin de obtener una nueva asignación que posea un costo menor o igual a la inicial
(Ci).
Siguiendo con el ejemplo, en primer lugar se debe asignar los equipos que cumplen con la
restricción de mantenerse en la misma mina o expansión. Para este caso, se tiene que tanto el
equipo EDD0033 y EDD0034 cumplen con permanecer dentro de la misma expansión por lo
cual quedan ya asignados.
Por su parte, el equipo EDD0036 que se encontraba en la expansión n16 de la Mina Escondida
fue reasignado por Solver® a la expansión n08 de Escondida Norte, mientras que el equipo
EDD0035 fue asignado a la expansión n16 Mina Escondida ubicándose en la expansión n08 en
el tuno anterior; una permutación de ellos podría ser una opción de asignación. Otra posibilidad
es cambiarla con la perforadora EDE0029, sin embargo, para este ejemplo el resultado de este
cambio no tiene efecto. Por lo tanto, permutando el equipo EDD0035 con el EDD0036 quedan
ya asignados.
Para el caso de los equipos EDE0010 conviene asignarlo a la expansión e06 para así no reducir
su tiempo operativo por cambio de expansión dentro del mismo rajo. Por otro lado, permutar el
equipo EDE0028 y EDE0029 no tiene impacto en el costo final de la asignación (dado que
tienen el mismo costo) y manteniendo la ubicación de ambos equipos respecto al turno anterior,
no se impacta negativamente su utilización efectiva.
67
El equipo EDE0011 asignado por Solver® a la expansión e06 de la Mina Escondida no resulta
práctico cambiarlo de rajo, por ende conviene mantenerlo en la expansión que se encontraba en
el turno anterior.
Tabla 4.13 Asignación final operativa para el día 16/10/2015 turno día
EDD0033
EDD0034
EDD0035
EDD0036
EDE0029
EDE0010
EDE0011
EDE0027
EDE0028
3040-e06-5013 6,16 5,68 6,63 6,58 6,36 5,16 5,07 4,69 5,12
2915-n06-5010 5,40 5,08 5,18 5,15 5,00 4,34 4,27 4,01 4,31
2815-s3c-5020 4,56 4,24 4,87 4,83 4,69 3,77 3,71 3,45 4,74
3070-n16-5019 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3215-n08-5025 6,67 6,21 6,69 6,64 6,44 5,49 5,40 5,04 5,45
3215-n08-5016 6,18 5,77 6,16 6,11 5,93 5,06 4,99 4,66 5,03
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3200-n08-5012 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
3070-n16-5013 7,10 6,60 7,17 7,11 6,89 5,87 5,77 5,37 5,82
Fuente: Elaboración Propia, 2015
Por último esta asignación tiene un costo de 50,58 [US$/m] que implica una reducción de un
1,7% respecto a la asignación propuesta por planificación.
68
CAPÍTULO 5: ANÁLISIS Y DISCUSIÓN DE LOS RESULTADOS
5.1 INTRODUCCIÓN
En el presente capítulo se da explicación y se analiza en profundidad los resultados mostrados
en capítulos anteriores. En primer lugar, se abordará una comparación de los modelos
predictivos encontrados en la bibliografía y el generado a partir de los datos recopilados en
terreno.
También se pretende demostrar que la vida útil de una broca tricónica es bastante compleja de
modelar porque depende entre otras cosas de la experiencia del operador, aspecto que está
fuera del alcance de este estudio.
Como se observa en la Figura 5.1 la estimación de Praillet (1978) está bastante alejada de las
velocidades reales alcanzadas por la flota de perforación, se evidencia una sobreestimación
excesiva de las velocidades en comparación a los otros modelos teóricos. Los modelos de
Bauer-Calder (1971), Bauer-Calder-Workman (1994) y Smith (2012) tuvieron mejores
aproximaciones de la velocidad, donde el más certero resulta ser el de Bauer-Calder-Workman
(1994). Además, tanto el modelo de Bauer-Calder (1967) y de Smith (2012) subestiman las
velocidades en la mayoría de los casos.
69
Comparación de Modelos vs Velocidad Real
400
350
Velocidad de penetración (m/hr)
300
250
200
150
100
50
0
20/10/2015
1 100 Fecha 199 16/01/2016
298
V. Real (m/hr) Praillet(1978)
Bauer-Calder(1971) Bauer-Calder-Workman(1994)
E. Smith (2012)
70
una ventaja respecto al modelo de Bauer-Calder-Workman que sólo entrega un valor
determinístico. Como se observa en la Figura 5.2 la curva de velocidades del modelo de
regresión (gris oscuro) está más cercana a la curva de los valores reales (línea azul).
250
Velocidad de penetración (m/hr)
200
150
100
50
0
Fecha
Velocidad Real (m/hr) Modelo de Regresión (m/hr) Bauer-Calder-Workman (m/hr)
71
otro, puede justificar una cambio en la asignación dado que este incremento de velocidad
disminuye su costo total de perforación (Ecuación 4.1).
Otro aspecto importante a considerar tiene relación al tratamiento de la variable vida útil. Se
evidenció una gran dispersión de este parámetro en cada una de las expansiones estudiadas,
aspecto que puede invalidar una estimación puntal si se utiliza la media por ejemplo. Es
siempre recomendable estudiar el coeficiente de variación si se usa la media, o los rangos
intercuartílicos si se utiliza la mediana como estadígrafo de posición. Todo esto con el fin de no
generar un sesgo en la estimación del parámetro.
Como se dijo en la Sección 3.6.1, el modelo de regresión generado por este estudio, posee una
confiabilidad del 78,61%, por lo cual las velocidades modeladas para calcular los costos totales
de perforación en la aplicación del algoritmo, implicarán que el costo calculado tenga la misma
probabilidad de ser estimado dentro de su propio intervalo de confianza, es decir, existe una
posibilidad del 21,39% de que el costo calculado sea sobrestimado o subestimado.
El algoritmo propuesto por este estudio, maximiza la utilización efectiva de la flota, en el sentido
que evita movimiento de los equipos entre rajos y a veces entre expansiones dentro de una
misma mina. Todo esto se justifica para alcanzar las metas productivas en perforación.
72
Los supuestos con los cuales se evaluó el impacto de la metodología son los siguientes:
- No se asumió ningún costo por traslado de equipo entre expansiones de una misma
mina, ya que esos gastos no los asume la superintendencia de perforación y tronadura.
Además, se supuso que los cambios se efectuaron en el cambio de turno, por lo cual
las horas efectivas de la flota también permanecieron constantes.
- Con el fin de realizar una comparación válida, la cantidad de metros perforados debe
permanecer invariable. Al ser las horas efectivas las mismas para todos los equipos y
para que se cumpla la condición de metros constantes, la velocidad de cualquier equipo
asignado por el algoritmo de optimización debe ser idéntica a la del caso real para cada
malla donde sea asignado, independiente del equipo.
En las Tablas 5.1 y 5.2 se muestran los resultados de la operación descrita en el párrafo
anterior para el día 16/10/2015 turno día.
Tomando la información dispuesta en la Tabla 5.1 se determinaron los costos y gastos totales
para ambas asignaciones, para de esta forma cuantificar el ahorro generado por la nueva
asignación (asignación optimizada).
73
Tabla 5.1 Parámetros utilizados para la estimación de los costos totales de perforación
del 16/10/2015 turno día
Malla Asignación Asignación Horas Velocidad Metros
Real optimizada operativas Real reales
nueva (m/hr) (m)
asignación
(hrs)
3040-e06-5013 EDE0010 EDE0010 2,3 73,6 171,8
3040-e06-5014 EDE0010 EDE0010 2,0 61,4 121,8
2915-n06-5010 EDE0011 EDE0029 1,2 61,3 73,5
2915-n06-5012 EDE0011 EDE0029 2,4 60,7 145,7
3070-n16-5019 EDE0028 EDE0011 6,4 62,5 396,7
3215-n08-5018 EDE0029 EDE0029 5,4 83,4 452,0
3200-n08-5016 EDD0033 EDD0035 2,3 76,9 175,6
3200-n08-5017 EDD0033 EDD0035 4,1 81,8 336,8
3200-n08-5017 EDD0034 EDD0034 6,2 73,9 457,0
3200-n08-5012 EDD0035 EDD0033 2,2 62,2 139,0
3200-n08-5016 EDD0035 EDD0033 0,2 102,0 17,0
3200-n08-5017 EDD0035 EDD0033 0,3 55,3 17,5
3070-n16-5013 EDD0036 EDD0036 6,0 97,8 588,3
Fuente: Elaboración Propia, 2015
En la Tabla 5.2 se cuantifican los gastos reales incurridos y los determinados por la asignación
resultante de la aplicación del algoritmo propuesto (gasto optimizado). La columna denominada
“gasto real” se determinó multiplicando el costo total de perforación para cada uno de los
equipos considerando la asignación dada por planificación. Cabe destacar, que el costo real y
costo optimizado se determina usando la Ecuación 4.2, la cual tomó el costo horario específico
de cada perforadora y la velocidad real alcanzada en cada malla de perforación. En la columna
“gasto optimizado”, se llevó a cabo la misma operación pero ahora considerando la asignación
determinada por el algoritmo de optimización.
Como se dijo anteriormente se consideró la misma distribución de horas y que cualquier equipo
reasignado tendrá la misma velocidad alcanzada por el equipo propuesto por planificación, no
obstante, sus horas efectivas no han sido alteradas.
La asignación propuesta por planificación tiene un gasto de 16.126,7 US$ mientras que la
nueva asignación tuvo un gasto 15.915,9 US$ perforándose un total de 2.717,1 m. Esto implica
una diferencia de 210,8 US$ los que se traducen en una disminución desde 5,94 US$/m a 5,86
US$/m, es decir, una reducción de un 1,3% en el costo total de perforación para dicho turno.
74
Tabla 5.2 Costo y gastos totales para ambas asignaciones del 16/10/2015 turno día
Malla Asignaci Asignación Costo Costo Metros Gasto Gasto
ón Real optimizada Real optimizado reales Real Optimizado
(US$/m) (US$/m) (m) (US$) (US$)
3040- EDE0010 EDE0010 7,2 7,2 171,8 1.234,0 1.234,0
e06-5013
3040- EDE0010 EDE0010 8,3 8,3 121,8 1.016,3 1.016,3
e06-5014
2915- EDE0011 EDE0029 8,4 8,8 73,5 614,4 648,6
n06-5010
2915- EDE0011 EDE0029 8,4 8,9 145,7 1.226,1 1.295,3
n06-5012
3070- EDE0028 EDE0011 9,1 7,5 396,7 3.628,4 2.990,0
n16-5019
3215- EDE0029 EDE0029 7,0 7,0 452,0 3.179,8 3.179,8
n08-5018
3200- EDD0033 EDD0035 6,4 5,8 175,6 1.118,3 1.022,2
n08-5016
3200- EDD0033 EDD0035 6,1 5,6 336,8 2.046,5 1.873,1
n08-5017
3200- EDD0034 EDD0034 6,5 6,5 457,0 2.949,6 2.949,6
n08-5017
3200- EDD0035 EDD0033 6,8 7,5 139,0 950,7 1.044,8
n08-5012
3200- EDD0035 EDD0033 4,8 5,2 17,0 80,9 87,9
n08-5016
3200- EDD0035 EDD0033 7,5 8,3 17,5 131,5 144,8
n08-5017
3070- EDD0036 EDD0036 5,3 4,8 588,3 3.112,4 2.801,7
n16-5013
Si bien el costo aumenta para algunos equipos, el algoritmo de optimización propuesto reduce
el gasto total de perforación a nivel de flota. Por lo tanto, para el total de metros perforados
durante el turno el gasto optimizado siempre será menor respecto al caso inicial (asignación
propuesta por planificación).
El mismo procedimiento fue replicado para todo el resto de las fechas en estudio en cada turno,
para luego contrastar la diferencia entre el gasto y costo total de perforación. Los resultados de
esta operación se muestran en las Tablas 5.3 y 5.4 como sigue a continuación:
Tabla 5.3 Metros perforados y costo real comprendido entre el 16/10/2015 día y 15/11/2015
noche
Caso Real - Desde 16/11/2015 turno día al 15/11/2015 turno noche
Metros Perforados Reales [m] 194.575,9
Gasto Real [US$] $ 1.192.201,85
Costo Real [US$/m] 6,13
Fuente: Elaboración propia, 2015
75
Tabla 5.4 Resultados de la optimización del costo total de perforación para el periodo
comprendido entre 16/11/2015 día y 15/11/2015 noche.
Caso Optimizado
Metros Perforados 194.575,9
Diferencia de metros [%] 0,0%
Gasto Estimado [US$] $ 1.177.907,83
Diferencia de Gasto[US$] -$ 14.294,02
Costo Total de Perforación [US$/m] 6,05
Diferencia de costo [%] -1,2%
Fuente: Elaboración Propia, 2015
De las Tablas 5.3 y 5.4 se observa una disminución del 1,2% en el costo total de perforación lo
que se traduce en 14.294 US$. Si bien la reducción del costo no es significativa demuestra que
existe una asignación que disminuye el costo. Otra razón que explica esta reducción tan poco
significativa es el hecho que la metodología privilegia la utilización de los equipos frente a la
disminución del costo. Lo cual implica que, para la generación de las nuevas asignaciones se
evitó el movimiento de equipos, logrando así maximizar sus horas efectivas de perforación.
Por lo tanto, con esta metodología se demuestra que es posible optimizar el costo total de
perforación para la flota únicamente por la asignación de los equipos.
Por otra parte, se utilizó la misma asignación propuesta por planificación a fin de comparar la
eficacia del modelo para efectuar planificaciones futuras. Las consideraciones fueron las
mismas descritas en la Sección 5.6, salvo que ahora las velocidades son las estimadas por el
modelo por ende, la cantidad de metros perforados también será distinta.
Los resultados de este procedimiento son mostrados en la Figura 5.4, en el cual se evidencia
que el modelo de regresión tiene una aproximación buena de los metros perforados para los
casos pesimista y esperado, donde la variación respecto a los metros efectivamente perforados
fue del -3,4% para el primer caso, lo que equivale a 6.667,1 [m]. Por su parte, para el caso
esperado la variación fue de 2,3% lo cual corresponde a 4.483,7 [m]. El caso optimista produce
una sobreestimación del 8.0% de los metros perforados equivalentes a 15.624,5 [m] por sobre
el valor real de 194.575 [m]. Por lo tanto, el modelo para sus casos pesimista y esperado
representa una buena aproximación para la proyección de los metros perforados.
76
Por el lado del gasto (barras azules y eje primario), el modelo subestima dicho valor para todos
los casos, por lo cual el costo total de perforación (curva roja y eje secundario) proyectado
también fue subestimado. Este hecho se explica porque los costos horarios de los equipos
fueron estimados a partir de valores promedio dependiendo de su utilización efectiva, no
disponiendo del valor real de dicho costo.
5,63
Gasto Total (kUS$)
1000.0 5.60
600.0 4.80
500.0 4.60
Caso Real Caso Pesimista Caso Esperado Caso Optimista
Gasto Costo
Figura 5.3 Proyección del gasto y costo total de perforación utilizando el modelo de
regresión propuesto en el periodo comprendido entre 16/10/2015 al 15/11/2015.
Fuente: Elaboración Propia, 2015
77
una falla prematura del tricono, lo cual tiene un costo adicional que, sería recobrado de acuerdo
a lo estipulado en el contrato de perforación que posee la compañía. Por lo tanto, el 10% de
aumento en la velocidad de penetración supone que no causa una falla prematura de la broca
tricónica.
Es importante tener en cuenta que se desconoce lo que sucede con la vida útil de la broca
tricónica al aumentar la velocidad, es decir, con el aumento en los parámetros de perforación
aplicados (pulldown, velocidad de rotación o presión de trabajo).
Como se ha indicado anteriormente, el aumento de la velocidad también está limitado por las
características de la roca perforada. De todas las variables consideradas dentro del modelo, el
UCS es la única que no puede ser controlada, lo cual tiene incidencia directa en los
rendimientos de perforación.
1220
6.00
1210 5.90
1200 5.80
5.70
1190
5.60
1180 5.50
1 2 3 4 5 6 7 8 9 10
Incremento de la velocidad (%)
78
CAPÍTULO 6: CONCLUSIONES Y RECOMENDACIONES
6.1 CONCLUSIONES
A partir la investigación efectuada se concluye lo siguiente:
De acuerdo a lo expuesto en la Sección 3.3 un tamaño de muestra de 384 fue suficiente para
tener un 95% de confianza en la estimación de las velocidades, sin embargo, esto no limita a
que el modelo pueda ser perfeccionado aumentando la cantidad de datos. Debido al tiempo
limitado y la poca cantidad de datos que se obtenían por día, el estudio consideró un total de
392 observaciones para generar el modelo de regresión propuesto.
También se concluye que el modelo propuesto por Bauer-Calder-Workman (1994) posee una
buena aproximación de la velocidad real, sin embargo, este únicamente entrega un valor
determinístico, lo cual representa una desventaja frente al modelo de regresión que estima un
intervalo de confianza de acuerdo a lo descrito en la Sección 5.3.
79
No fue posible la confección de los ábacos de vida útil, debido a que esta variable es compleja
de modelar. La vida útil finalmente no se relaciona de forma significativa con la velocidad de
penetración o el UCS de acuerdo a los resultados descritos en la Sección 3.9, sin embargo, se
hace hincapié que la base de datos utilizada no registraba parámetros de perforación, por lo
cual no se conoce bajo qué condiciones operaron los triconos estudiados.
La verificación de la asignación de triconos, que actualmente se realiza sólo por vida útil y
percepción de la dureza de la roca, fue validada considerando una nueva variable: el costo total
de perforación. No sólo es importante que la broca tricónica tenga una vida útil superior a la
mínima dada por el fabricante, sino que ésta además debe perforar a una velocidad adecuada a
fin de que se minimice el costo.
6.2 RECOMENDACIONES
En virtud a los resultados obtenidos de este trabajo se recomienda al mandante:
80
percentiles si se estima una mediana; a fin de reportar un valor representativo de esta
variable.
81
BIBLIOGRAFÍA
Anderson, T. W. y Darling, D. A. 1954. A Test of Goodness of Fit. Alexandria : The American
Statistical Association, 1954, Journal of the American Statistical Association, Vol. 49.
Arriaza Balmón, Manuel. 2006. Guía Práctica de Análisis de Datos. Universidad de Murcia
Sitio web. [En línea] 2006. [Citado el: 12 de Noviembre de 2015.]
http://www.um.es/jmpaz/AGP1213/guia_practica_de_analisis_de_datos.pdf.
Bauer, A. y Calder, P. 1967. Open Pit Drilling-Factors Influencing Drilling Rates. Otawa: 4th
Canadian Symposium on Rock Mechanics.
Bauer, Alan. 1971. Open pit drilling and blasting. The Southern African Institute of Mining and
Metallurgy Web Site. [En línea] 1971. [Citado el: 15 de 12 de 2015.]
http://www.saimm.co.za/Journal/v071n06p115.pdf.
Gokhale, B.V. 2011. Rotary drilling and blasting in large surface mines. Londres : Taylor&
Francis Group, 2011. ISBN 978-0-203-84139.
Workman, J. y Calder, P. 1996. Large hole rotary drill perfomance. Orlando : International
Society of Explosives Engineers, 1996. The annual conference on explosives and blasting.
López Jimeno, Carlos, López Jimeno, Emilio y Bermúdez García, Pilar. 1994. Manual de
perforación y voladura de rocas. Madrid : U.D. Proyectos, 1994.
82
Minitab Inc. 2014. Manual Usuario Minitab 17. Minitab Web Site. [En línea] 2014. [Citado el: 20
de Diciembre de 2015.] http://www.minitab.com/uploadedFiles/Documents/getting-
started/Minitab17_GettingStarted-es-es.pdf.
Rod, Hilmar. 2015. Escondida, Enhancing our competitive advantage. BHP Billiton Web Site.
[En línea] 2015. [Citado el: 29 de Febrero de 2016.]
http://www.bhpbilliton.com/~/media/bhp/documents/investors/reports/2015/151202_coppersiteto
urday2.pdf?la=en.
Sandvik (Chile). 2015. Informe de gestión mensual Noviembre 2015. Antofagasta : Sandvik,
2015. Informe Técnico Interno.[Inédito]
Silva Ortíz, Marcelo Alejandro. 2015. Desarrollo de un modelo predictivo para la granulometría
de alimentación a circuitos de molienda. Santiago : Universidad de Santiago de Chile, Facultad
de Ingeniería, Departamento de Ingeniería en Minas, 2015. Tesis para optar al título de
Ingeniero Civil en Minas.
Smith, Esteban. 2012. Comparison of the Predictive Models of Rotary Drilling Performance with
respect to Rock Hardness. Leoben : Montanuniversität Leoben, Facultad de Ingeniería,
Departamento de Ingeniería y Economía Minera, 2012. Tesis para optar al título de Ingeniero
Internacional de Minas.
Workman J. L & Calder P. 1994. Flyrock prediction and control in surface mine blasting. Austin:
International Society of Explosives Engineers (ISEE), 1994. The annual conference on
explosives and blasting.
83
ANEXOS
84
Tabla A.2 Parámetros de diseño de perforación y tronadura – Mina Escondida
ANEXO A – PARÁMETROS DE DISEÑO DE PERFORACIÓN Y TRONADURA
85
Tabla A.1 Parámetros de diseño de perforación y tronadura – Mina Escondida (continuación)
86
Tabla A.2 Parámetros de diseño de perforación y tronadura – Mina Escondida Norte
87
ANEXO B – DISTRIBUCIONES ACUMULADAS PARA LA POBLACIÓN MENSUAL DE
POZOS
88
Figura B.2 Gráficos de probabilidad acumulada para distintas distribuciones - caso
mensual (continuación)
Fuente: Elaboración Propia, 2015
89
ANEXO C – DETERMINACIÓN DEL TAMAÑO DE MUESTRA
𝑁∗𝑧 2 ∗𝑝∗(1−𝑝)
𝑛 = (𝑁−1)∗𝑒1−𝑎
2 2 ∗𝑝∗(1−𝑝) Ecuación C.1
+𝑧1−𝑎
90
- Con 95% de confianza
91
ANEXO D – MUESTRAS ALEATORIAS DE DISTINTOS TAMAÑO PARA DE
VELOCIDAD DE PENETRACIÓN [M/HR]
(Las medias se indican ennegrecidas)
Tabla D.1 Muestras aleatorias de distintos tamaños
Muestra tamaño 5
96 44 69 85 124 107 45 80 83 90
96 124 120 84 99 80 128 71 124 143
120 144 117 69 98 56 180 87 117 83
90 75 137 107 75 128 43 107 170 96
102 64 94 60 80 110 198 106 73 146
83 65 146 128 129 103 204 74 96 95
85 104 98 104 118 93 98 92 114 98
88 60 95 77 121 71 85 94 66 95
Muestra tamaño 50
95 70 85 117 55 105 78 117 117 124
129 92 113 96 123 93 48 96 56 92
90 79 117 102 96 97 108 92 114 111
97 128 128 113 78 83 170 57 98 93
Muestra tamaño 10 102 56 116 70 73 45 68 111 128 56
96 113 97 160 78 124 81 96 64 90 95 137 110 93 90 58 102 103 93 198
88 85 65 88 144 68 64 56 113 87 74 106 150 77 78 83 31 89 70 60
90 105 102 58 56 62 69 120 120 107 64 40 98 106 255 175 48 72 146 113
117 141 90 72 137 70 49 135 48 46 165 117 74 146 102 71 103 53 104 93
53 54 132 75 170 150 105 75 80 117 120 90 95 88 170 90 93 104 87 52
69 75 105 76 107 260 36 108 42 76 62 115 102 64 123 94 165 69 117 69
56 99 99 98 70 98 102 137 140 150 255 117 137 93 52 39 105 75 35 55
120 72 85 93 41 113 78 107 107 135 56 68 113 68 64 78 76 60 128 146
79 71 96 132 78 110 146 68 154 124 137 166 150 150 105 85 110 128 170 112
84 113 77 154 102 35 66 48 96 51 56 33 133 150 69 88 105 78 93 85
85 93 95 101 98 109 79 95 96 98 99 128 64 100 85 89 64 45 136 101
56 165 69 127 80 46 86
Fuente:
198170
Elaboración
87
56Propia,
56 2015
85 120 66 109 48 102 101 170
92
Tabla D.1 Muestras aleatorias de distintos tamaños (continuación)
108 95 99 144 107 60 44 47 77 160 35 107 81 137 154 78 113 85 58 120
75 78 102 166 255 99 83 140 96 102 83 90 117 85 131 120 120 46 70 118
146 148 128 110 81 43 122 100 150 117 127 88 39 97 96 101 111 61 42 102
117 67 106 81 87 102 71 90 113 120 64 141 128 135 93 120 146 154 34 42
95 129 128 51 73 117 87 210 210 116 60 88 90 116 64 62 106 255 117 66
64 111 101 137 41 187 51 82 80 124 170 150 113 146 93 137 142 71 99 154
50 153 146 96 146 40 46 113 44 97 65 111 160 140 54 113 120 83 102 128
146 57 78 165 120 113 146 90 204 113 85 76 69 133 120 96 165 85 62 51
102 104 105 103 111 92 96 95 103 102 117 95 109 36 76 135 39 62 64 81
93
49 Tabla D.1 Muestras aleatorias de distintos tamaños (continuación)
113 83 108 104 63 107 85 41 66 60 115 75 74 102 107 198 113 56 42
63 166 128 73 73 46 107 129 110 170 75 128 102 90 123 198 80 52 96 107
146 128 104 86 135 164 141 87 180 120 49 204 93 98 128 90 49 84 93 116
58 146 63 71 168 88 113 150 131 76 113 36 130 104 42 131 105 50 101 62
107 128 168 54 76 204 65 120 111 85 137 139 131 104 66 126 110 248 107 88
106 78 64 66 110 101 47 96 66 141 70 64 90 107 146 145 102 120 123 69
103 124 129 62 155 113 43 109 87 68 90 105 46 75 170 93 124 102 150 137
80 93 145 132 175 78 93 69 35 137 150 90 71 81 103 124 255 111 160 53
60 54 82 118 80 109 88 111 148 146 53 206 95 165 146 107 74 87 80 120
58 175 117 85 99 150 76 82 54 170 97 122 93 73 255 117 255 117 75 162
170 69 70 76 158 58 192 113 114 102 110 118 85 68 210 85 85 104 64 95
146 68 50 131 160 97 90 113 57 126 105 74 99 47 90 107 101 133 128 102
60 150 107 154 50 81 34 102 105 116 60 103 118 105 45 117 68 68 95 55
90 146 78 107 105 154 60 64 75 204 128 117 88 137 108 255 107 63 100 131
148 120 123 90 93 107 83 110 136 60 41 105 128 75 124 90 101 82 96 75
93 108 146 150 150 99 85 72 105 140 141 146 67 66 128 147 113 94 125 55
93 117 131 131 105 90 190 66 110 248 260 137 192 88 85 124 92 117 137 129
96 101 103 94 107 100 99 98 96 102 113 66 128 146 198 98 60 80 120 44
94
191 47 Tabla53D.185Muestras
142 68 137 aleatorias
115 105 120de distintos
85 tamaños
117 105 60 (continuación)
108 150 137 108 83 71
132 120 79 56 57 124 160 51 175 135 127 49 109 102 44 85 180 124 76 125
54 126 50 100 96 140 129 117 180 90 100 60 112 51 125 66 83 60 34 117
129 53 120 107 150 87 95 146 58 76 128 113 146 129 44 146 44 108 117 170
102 137 75 64 129 218 73 144 88 130 83 48 113 170 118 83 56 78 101 88
124 150 39 93 113 96 147 85 102 113 83 128 110 135 128 57 60 129 70 198
80 123 120 76 129 90 120 60 210 145 78 98 77 146 58 144 113 151 66 67
69 170 106 62 101 117 45 69 68 102 85 107 175 118 131 120 124 32 132 95
93 81 150 112 50 128 101 75 64 85 257 137 121 59 89 102 108 41 45 131
56 85 132 146 105 126 73 120 113 85 64 98 68 90 128 75 141 69 124 165
113 70 102 120 68 60 120 101 102 112 165 53 133 170 83 96 150 64 107 56
99 36 130 109 85 69 120 170 86 83 160 60 137 128 166 131 82 146 90 62
141 150 62 116 117 82 180 105 88 150 89 107 120 146 110 129 73 128 75 113
186 80 45 117 75 102 106 77 110 69 106 112 74 120 49 128 87 56 52 137
128 105 120 160 42 83 120 103 98 103 95 150 89 81 107 55 60 73 69 146
107 75 78 82 128 60 79 165 53 95 98 107 128 106 175 107 99 53 160 141
36 81 160 165 197 107 80 131 111 117 105 113 85 106 146 113 93 46 35 50
154 74 105 60 131 114 95 146 61 170 95 91 75 186 113 102 120 180 63 70
102 99 124 78 110 54 146 59 48 128 96 204 73 40 85 62 240 113 192 121
120 146 111 66 91 148 146 85 150 45 175 140 61 68 117 62 108 99 150 70
95
160 Tabla
135 116 69 D.1
128 Muestras
102 105 aleatorias
36 93 66 de distintos
79 102tamaños
154 128 (continuación)
90 67 81 68 77 87
98 105 80 137 63 123 88 131 116 90 83 119 108 105 95 129 255 140 52 60
99 102 58 120 87 73 137 203 90 95 175 151 108 146 77 100 76 210 53 78
72 148 165 65 87 120 128 120 95 110 68 81 133 102 68 137 102 80 41 78
85 110 198 76 137 102 46 68 107 150 66 72 141 71 113 148 143 144 91 62
128 57 58 192 66 190 128 107 105 75 107 56 111 85 78 56 70 77 185 225
131 38 103 48 204 117 99 88 88 105 66 88 117 131 192 192 38 113 88 68
68 110 77 110 84 88 78 105 113 102 69 72 105 128 105 57 95 116 120 155
175 116 60 54 128 99 85 196 70 93 45 164 120 95 120 120 85 106 68 157
90 62 120 81 128 68 131 86 107 60 102 103 100 97 99 100 102 103 95 99
90 60 68 94 74 48 38 48 157 145
128 64 42 37 97 45 69 90 87 81
85 50 62 90 53 58 93 149 71 170
96