1020130090

UNIVERSIDAD AUTNOMA DE NUEVO LEON
FACULTAD DE I N G E N I E R A W1ECNIC E L C T R I C A DIVISIN DE ESTUDIOS DE P O S T G R A D O
SK ILVfflH VTOfltK ;
METODOS ESTADISTICOS APLICADOS EN EL ANLISIS DE CARBON
ING. FERNANDO FLORES ESCOBEDO
T E S I S
EN OPCIN AL GRADO DE M A E S T R O EN CIENCIAS DE LA ADMINISTRACIN CON ESPECIALIDAD EN PRODUCCIN Y CALIDAD ^;
SAN NICOLAS DE LOS GR2. N.L
MAYO DEL 2000
FF E
3 'O C O ce * 3 o
O </ -J <
LU
il. crj;
C O es Cl o
T M Z5853
FI^E
2000
P5
1020130090
U N I V E R S I D A D AUTNOMA DE NUEVO LEN

F A C U L T A D DE I N G E N I E R A M E C N I C A Y E L C T R I C A D I V I S I N D E E S T U D I O S DE P O S T G R A D O
WtTODOS ESTADSTICOS APLICADOS EN EL A N L I S I S DE CARBN PDR
TESIS EN OPCIN A L G R A D O DE MAESTRO EN CIENCIAS DE LA A D M I N I S T R A C I N CON ESPECIALIDAD EN P R O D U C C I N Y CALIDAD
SAN NICOLS DE LOS GARZA, N.L.
MAYO DEL 2000
TESIS
F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A
DIVISION DE E S T U D I O S DE P O S T - G R A D O
" M E T O D O S E S T A D I S T I C O S A P L I C A D O S EN E L A N A L I S I S DE C A R B O N "
POR
ING. F E R N A N D O F L O R E S E S C O B E D O
TESIS EN O P C I O N AL G R A D O DE M A E S T R O EN C I E N C I A S DE LA A D M I N I S T R A C I O N C O N E S P E C I A L I D A D EN P R O D U C C I O N Y C A L I D A D
F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A
DIVISION DE E S T U D I O S DE P O S T - G R A D O
" M E T O D O S E S T A D I S T I C O S A P L I C A D O S EN E L A N A L I S I S DE C A R B O N "
POR
TESIS EN O P C I O N AL G R A D O DE M A E S T R O EN C I E N C I A S DE LA A D M I N I S T R A C I O N CON E S P E C I A L I D A D EN P R O D U C C I O N Y C A L I D A D
U N I V E R S I D A D A U T O N O M A DE N U E V O L E O N F A C U L T A D DE I N G E N I E R I A M E C A N I C A Y E L E C T R I C A DIVISION DE E S T U D I O S DE P O S T - G R A D O
Los miembros del comit de tesis recomendamos que la tesis M E T O D O S E S T A D I S T I C O S A P L I C A D O S EN E L A N A L I S I S DE C A R B O N , realizada por el alumno Fernando Flores Escobedo, matrcula 103655 sea aceptada para su defensa como opcin al grado de Maestro en Ciencias de la Administracin con especialidad en PRODUCCION Y CALIDAD
El Comit de
is
esor lizondo Villarreal
VrUo. M.C. Roberto Villarreal Garza Divisin de Estudios de Post-grado
San Nicols de los Garza, N. L. 15 de Mayo del 2000
DEDICATORIA
A MI ESPOSA,
Q.F.B. Maricela Rodrguez de Flores, Mi gran compaera, quien con su comprensin y cario me apoya y me alienta siempre a continuar trazando y alcanzando nuevas metas.
A MIS HIJOS,
Femando
Maricela Eliana y
Emmanuel Eduardo,
Con amor y el deseo de que continen su camino de formacin educativa; con esfuerzo y dedicacin lograrn sus objetivos.
AGRADECIMIENTOS
DIOS, Por darme vida, salud y la oportunidad de lograr un deseo largo tiempo anhelado .
A MIS P A D R E S , Fernando Flores Garca ( + ) , descanse en paz Zapopan Escobedo de Flores, Quienes me ensearon a no dejarme vencer ante la adversidad.
A MIS H E R M A N O S , Elisa, Esperanza, Daniel Jess y Rolando, Por su cario y confianza siempre mostradas para conmigo.
AGRADECIMIENTOS
A NUESTROS MAESTROS, EN ESPECIAL AL A S E S O R Y COASESORES D E ESTA TESIS, M.C. R O B E R T O E L I Z O N D O VILLARREAL M.C. MATIAS A. B O T E L L O T R E V I O M.C. R O B E R T O V I L L A R R E A L G A R Z A Quienes dedicaron su tiempo y esfuerzo en la aplicacin de una Cultura de Calidad y Mejoramiento Continuo, as como a la utilizacin de los mtodos requeridos para la optimizacin de los recursos.
A LOS C O M P A E R O S DE E S T U D I O S , Por su buena disponibilidad y apertura al dilogo, as como sus muestras de amistad y apoyo.
AL ING. JOSE M A R I A FRAUSTRO SELLER Por su confianza y el apoyo brindado para la realizacin de ste postgrado.
LA
LIC. M A R I A DEL C A R M E N RUZ colaboradoras LIC. A U R O R A BUSTILLO G A R F I A S LIC. ERIKA RODRIGUEZ Por sus atenciones y apoyo.
ESPARZA
sus
AL SR. JOSE ANGEL RAMIREZ RAMON, Propietario de la Empresa Minera " El Botn", por su confianza, atenciones y facilidades otorgadas para la realizacin de este tema de tesis.
AL ING. M A R I O MURILLO PLACENCIA, Por sus sugerencias y observaciones en el desarrollo de la presente tesis.
A LOS C O M P A E R O S DE TRABAJO, En especial a Mara de Lourdes, Claudia Elena y Alan Ornar, por el tiempo y dedicacin que me brindaron en la elaboracin de este trabajo.
A TODOS, GRACIAS
PROLOGO
Es difcil pensar que en los tiempos actuales los mtodos estadsticos no se estn aplicando en todas las disciplinas del conocimiento, an cuando estos sean mtodos con alto grado de aproximacin.
El trabajo que se presenta relaciona lo tcnico, desde el punto de vista del analisis qumico con las situaciones predecibles estadsticamente.
Es frecuente que dos o mas variables pudieran presentar una variacin simultnea y no independiente unas de las otras.
El anlisis de regresin presentado en este caso, busca establecer la relacin existente entre esa dos variables consideradas. conociendo una de las variables. Este anlisis es til para hacer predicciones
Desde tiempo atrs, he dedicado parte del ejercicio profesional a la asesora en muestreo y anlisis del carbn mineral que ha representado parte importante en el desarrollo industrial regional y nacional.
Los maestros que nos han impartido ctedra en el postgrado, sembraron la semilla de la investigacin para el logro del mejoramiento de la calidad, con lo anterior se nos motivo a la utilizacin de herramientas propias para tal objetivo, motivo por el cual les estoy plenamente agradecido
El anlisis presentado en esta tesis, es una herramienta til para el mejoramiento de la calidad y de una manera practica ser un apoyo en la toma de decisiones.
INDICE
1. Introduccin 1 1 Objetivo 1.2 Justificacin 1.3 Planteamiento del Problema 1.4 Definicin de Hiptesis 1.5 Lmites del Estudio 1.6 Metodologa 1.7 Revisin Bibliogrfica 2. Yacimientos Carbonferos 2.1 Origen 2.2 Historia del Carbn Mineral en Mxico 2.3 El Carbn en el Estado de Coahuila 3. Generalidades sobre el C a r b n 3.1 Propiedades 3.1.1 Propiedades Fsicas 3 1.2 Propiedades Qumicas 3.1.2.1 Anlisis Inmediato y Anlisis Elemental 3.2 Constitucin Qumica 3.3 Almacenamiento 3.3.1 Antracita. 3.3.2 Hulla bituminosa. 3 3 .3 Almacenamiento del carbn al pie de la mina. 3.3.4 Almacenamiento ventilado 3.3.5 Deterioro durante el almacenamiento 3.3.6 Hulla subbituminosa y lignito. 3.4 Principales minas de produccin de la regin carbonfera. 4. Clasificacin y Utilizacin del C a r b n 4.1 Clasificacin 4.2 Clasificacin por Anlisis Inmediato. 1 1 1 1 2 2 2 3 4 4
6
6 8 8 8 9 9 1 12 12 12 13 13 13 13 14 15 15
4.3 Clasificacin del Carbn por rango segn la U. S. Geological Survey 4.4 Clasificacin del Carbn por tamaos. 4.5 Utilizacin del Carbn. 5. M t o d o s Estadsticos. 5 1 Papel de los Mtodos Estadsticos en la Administracin de los Procesos. 5.1.1 Como obtener informacin. 5.1.2 Como sacar conclusiones de la informacin numrica. 5.1.3 Como manejar la incertidumbre. 5.1.4 Muestreo 5.1.5 Como analizar relaciones. 5.1.6 Prediccin. 5 1.7 Toma de decisiones en un entorno de incertidumbre 5 . 1 8 Como resumir la informacin numrica. 5.2 Antecedentes 5.3 Como se elabora un diagrama de dispersin 5.4 Como leer los diagramas de dispersin. 5.5 Modelo de regresin lineal. 5.6 Estimacin de las lineas de regresin por mnimos cuadrados. 6. Recopilacin de Resultados de Anlisis Qumicos. 7. Aplicacin de Mtodos Estadsticos en el Anlisis del C a r b n . 8. Conclusiones y Recomendaciones. Bibliografa Glosario
17 19 20 22 22 22 24 24 26 26 27 27 28 29 30 31 36 37 47 53 62 63 64
SINTESIS
El presente trabajo utiliza los mtodos de Regresin Lineal Simple y Correlacin, aplicando mnimos cuadrados.
Se parte de dos variables aleatorias x y y , las cuales fueron obtenidas de informacin recopilada del Anlisis de Carbn efectuado a la Empresa Minera "EL BOTIN" , desde Septiembre de 1998 a Junio d e 1999; los anlisis y reportes fueron realizados en los laboratorios de la Empresa Grupo Acerero del Norte.
El uso de estos mtodos puede dar un pronstico de resultados muy aproximados a la realidad .
Con el apoyo de equipo de c o m p u t o y la hoja electrnica Excel, el desarrollo del trabajo se hace de una manera muy rapida. En este caso, se explican primeramente algunos ejemplos aplicando los mtodos citados y posteriormente se resuelven las relaciones consideradas con la informacin recopilada.
1. INTRODUCCION.
1.1. O B J E T I V O .
El presente trabajo tiene como
objetivo fundamental la aplicacin de
Mtodos
Estadsticos en el Anlisis de Carbn. En este caso, se trata de la utilizacin de Regresin Lineal Simple con el Mtodo de Mnimos Cuadrados Se busca a partir de informacin recopilada pronosticar resultados posteriores, cuya aproximacin sea de utilidad, para toma de decisiones que tiendan al mejoramiento de la calidad.
1.2 J U S T I F I C A C I O N .
El avance de la computacin permite en la actualidad la aplicacin de la estadistica en todos los campos. Cabe hacer notar que el costo del equipo especializado para anlisis de laboratorio es de alto costo y de difcil alcance para pequeos productores de carbn, lo que representa una razn importante para la utilizacin de los mtodos estadsticos. En el caso del Anlisis de Carbn, se ha recopilado informacin de resultados de las diferentes reas explotadas, pero la aplicacin estadstica ha sido mnima, sobre todo, en el caso de los pequeos y medianos productores de carbn, por lo que considero importante el presente trabajo, que espero sea una herramienta til en la toma de decisiones.
1.3 P L A N T E A M I E N T O D E L P R O B L E M A .
La pequea empresa, en este caso, productores de carbn, requieren tener una informacin rpida de los resultados aproximados en el Anlisis Qumico de su producto, de ser posible antes de su transportacin por el comprador. Por lo anterior, consideramos que un mtodo efectivo pudiera ser la utilizacin de la Regresin Lineal Simple, considerando dos variables, para ello, las mas importantes a considerar son: Ceniza-Poder Calorfico; Ceniza- Azufre.
La determinacin de la ceniza es relativamente sencilla, de modo que haciendo este analisis y considerando informacin recopilada, nuestra tarea se avoc a pronosticar resultados del Poder Calorfico y del Azufre.
1.4 D E F I N I C I O N DE H I P O T E S I S .
En este tema de estudio, se est partiendo de la hiptesis de que las variables a considerar (x, y), se comportarn de una manera lineal simple. O sea, considerando una sola variable de regresin independiente (x), y una sola variable aleatoria dependiente (y).
1.5 L I M I T E S D E L E S T U D I O .
Partiendo de la hiptesis anterior y la experiencia en muestreo y anlisis de carbn, los lmites de este estudio son:
La consideracin expuesta de dos variables, x y y. El comportamiento del carbn para reas de explotacin, esto significa que, para cada rea se debe hacer un estudio diferente.
1.6 M E T O D O L O G I A .
La empresa Minera El Botn propiedad del seor Jos Angel Ramrez Ramn, que se dedica a la explotacin de carbn, ha otorgado las facilidades necesarias, para la realizacin del presente trabajo. Primeramente se fue recopilando la informacin de los resultados de los Anlisis Qumicos efectuados desde Septiembre de 1998 hasta Junio de 1999, Esta Informacin sirve de base para la aplicacin de regresiones y correlaciones, obteniendo pronsticos de resultados. Con lo anterior, al efectuar un anlisis de ceniza del carbn del rea de estudio, se podrn hacer pronsticos segn lo obtenido
1.7 R E V I S I O N B I B L I O G R A F I C A .
En libros citados en la bibliografa del presente trabajo, se tienen ejemplos y ejercicios, en los que se consideran dos variables (x,y), que sirven de base para las relaciones efectuadas en el presente caso.
2. YACIMIENTOS CARBONIFEROS.
2.1 O R I G E N . El carbn mineral es un combustible slido, por lo general estratificado, que tuvo su origen en la acumulacin y el enterramiento de vegetacin parcialmente descompuesta en pocas geolgicas pretritas. Por efecto de la presin y la temperatura, la materia vegetal de esos depositos se fue descomponiendo lentamente en el curso de largos perodos geolgicos, y se convirti en carbn. La composicin y las propiedades qumicas y fsicas de las diferentes plantas originan diferencias en el tipo de carbn. Por el grado de carbonizacin se distinguen las especies de la serie natural, turba, lignito, hulla subbituminosa, hulla bituminosa y antracita. Los yacimientos de carbn ms antiguos, de pequeo volumen , se consideran de una antigedad aproximada de 300 millones de aos. Considerando la tierra en su conjunto, la poca carbonfera ( yacimientos misisipienses y pensilvanienses de una antigedad aproximada de 200 a 300 millones de aos), es la mas importante para el carbn de rango elevado, mientras que los yacimientos del cretceo superior y el terciario ( de una antigedad aproximada de 1 a 70 millones de aos), contiene casi toda la hulla subbituminosa y el lignito. La poca geolgica no determina necesariamente el rango de un yacimiento de carbn; por ejemplo, algunos yacimientos muy antiguos q u e no han sido sometidos a altas presiones o a una temperatura elevada tienen un rango bajo. Se considera que la formacin del carbn de piedra tuvo lugar debido a que los bosques quedaron sepultados bajo la superficie de las aguas, y por esta causa, durante millones de aos permanecieron aislados del contacto con el aire. Las estructuras desaparecieron de forma incompleta. Dentro de las diferentes formas de carbn mineral, el lignito es el de ms bajo contenido en carbono y geolgicamente hablando es el ms reciente .La hulla constituye la mas importante reserva de carbn en la tierra El carbn fsil mas antiguo, la antracita, puede alcanzar hasta el 95% de carbono.
La hulla veteada, que forma la mayor parte del carbn mineral que se consume en todo el mundo, ha sido formada de materias vegetales acumuladas en turberas. condiciones variaron naturaleza de la turba. Desde 1825 ha sido aceptado el origen vegetal del carbn, basado en diversos aspectos, tales como depsito de agua dulce o salada, restos de vegetales transportados, depsitos lacustres y crecimientos de vegetacin "in situ" . Por lo tanto, la relacin que guarda un depsito de carbn con respecto a la fuente de origen de la materia organica vegetal, permite clasificarlos como autctonos o alctonos. El concepto moderno sobre la entre ciertos lmites dando como resultado Las
cambios en la
gnesis del carbn, es que se origin en pantanos; pasando previamente por una fase de turba. El carbn esta formado por materiales primarios tales como vegetales de pantanos en los cuales se forma la turba. Las races y tocones (restos de troncos) que se encuentran en las arcillas situadas debajo de los mantos de carbn indican que la vegetacin creci y se acumulo "in situ". Tuvo lugar un desarrollo exuberante de vegetacin constituida principalmente por helechos, licopodios y fanergamas, junto con coniferas y otras plantas. Los helechos parecan rboles, los juncos alcanzaban hasta 26 m de altura y los licopodios ( en la antigedad pequeos arbustos), llegaron a tener altura hasta de 30 m. Races arqueadas y bulbosas sealan la presencia de arboles acuticos. La evolucin trmica de la materia orgnica original fue producida principalmente por la sustancia de la cuenca. El carbn es una roca sedimentaria combustible slida, no cristalina, opaca, con coloracin de caf a negro y un peso especfico de 1.0 a 1.80 gr/cm 3 . A diferencia de las rocas sedimentarias comunes que se encuentran formadas por minerales, el carbn se encuentra formado en su mayora por macerales , los cuales son equivalentes a los minerales en las rocas y se pueden distinguir pticamente por su comportamiento en la luz transmitida y reflejada.
2.2 H I S T O R I A D E L C A R B O N M I N E R A L EN M E X I C O .
La historia del carbn mineral en Mxico se divide fundamentalmente en dos pocas: antes y despus del movimiento revolucionario de 1910. Su existencia en la regin de Sabinas es conocida desde 1850, pero fue hasta 1866 cuando el Ing. Jacobo Kchler, present la primera descripcin fisiogrfica, refirindose al rea de San Felipe el Hondo. Como mineral primario, el carbn ha contribuido al desarrollo industrial del pas siendo notable durante la ultima dcada del siglo pasado, con el movimiento de locomotoras en los ferrocarriles. Su empleo se acenta hacia 1910, cuando influye en el desarrollo de la industria siderrgica, con el establecimiento de fundiciones de metales no ferrosos y produccin de vapor en diversas industrias. En la poca post-revolucionaria, principalmente en el periodo 1910 - 1930, el carbn fue desplazado por el uso del petrleo; sin embargo, sigui siendo factor indispensable en las industrias siderrgicas y minero metalrgica.
A partir de 1954 se instalaron en el pas plantas coquizadoras de capacidad suficiente para recuperar hasta el 85% de los subproductos de carbn.
2.3 E L C A R B O N EN E L E S T A D O DE C O A H U I L A .
La existencia del carbn como yacimiento mineral es conocida en Coahuila desde 1850, ao en el cual se inici su explotacin a nivel local en la regin de Sabinas. Desde entonces ha contribuido de manera muy importante al desarrollo econmico del estado, siendo notable en su historia el periodo comprendido entre 1930 a 1959 tiempo en que la industria siderrgica estatal recibi un gran impulso con la apertura de la planta fundidora de Altos Hornos de Mxico en Monetava El C R.M , ha realizado trabajos de exploracin constantes a partir de 1958 bajo distintos programas. Su objetivo es actualizar la cuantificacin de reservas minables en las principales subcuencas de la regin carbonfera. Esta regin se localiza en el centronorte del estado, comprendiendo los municipios de Sabinas, San Juan de Sabinas, Melchor Mzquiz, Progreso y Jurez.
La regin cuenta con una infraestructura minera importante, con plantas lavadoras y coquizadoras, bien comunicadas por carreteras federales y estatales, adems del
ferrocarril Saltillo-Piedras Negras que extiende sus vas hasta los principales centros mineros. En la regin carbonfera afloran rocas cuya edad varia desde el cretcico inferior a
reciente. Las formaciones sedimentarias mas importantes, econmicamente, son las llamadas Olmos y San Miguel del cretcico superior. La historia geolgica del carbn se inicia en el Cenomaniano con la formacin de los sistemas deltaicos, ambiente propicio para la formacin de la roca sedimentaria
combustible, no cristalina, opaca, de color caf a negro y densidad de LO a L8 gr/m 3 constituida por macrales como vitrinita inertinita y exinita. En base a estudios de anlisis de carbn y de acuerdo a la clasificacin del U. S. Geological Survey, el carbn de la regin de Sabinas es considerado como bituminoso, de volatilidad media baja y fcilmente coquizable. Las principales estructuras sinclinales que se alojan en los mantos de carbn en la regin carbonfera de Sabinas son: Sabinas - Lampacitos, Las Adjuntas, Las Esperanzas. San Patricio, Monclova, San Salvador y el Gaviln, comprendidos en una superficie de 6,877 Km 2 . La estimacin de reservas de carbn mineral "in situ" efectuada por el C R. M., en 1993, se basa en los parmetros y criterios adoptados por el U. S. Geological Survey.
3. GENERALIDADES SOBRE EL C A R B O N .
Los trozos de carbon son color negro o negro pardo. El color, el lustre, la textura, varan segn el tipo, el rango y el grado o calidad. El carbn se compone principalmente de carbono, hidrgeno y oxgeno, con cantidades menores de nitrgeno minerales. El estudio del modo de formacin del carbn mineral, su microestructura y sus reacciones qumicas indican que es una mezcla de componentes. La composicin depende del grado de alteracin bioqumica de los ingredientes de las plantas a las que debe su origen, de su ascenso en rango a consecuencia de la presin y la temperatura y de las impurezas minerales depositadas en el pantano original de turba o posteriormente. Los datos ms usados para describir y evaluar los carbones minerales son: el tamao de los trozos; el poder calorfico (Kilocal./Kg ); anlisis inmediato (humedad, materia y azufre, y cantidades variables de humedad e impurezas
voltil, carbn fijo y cenizas); azufre, temperatura de reblandecimiento de las cenizas, propiedades de aglutinacin y coquificacin en los carbones bituminosos; el anlisis elemental ( carbono, hidrgeno, oxgeno, nitrgeno, azufre y cenizas).
3.1 P R O P I E D A D E S .
Las propiedades del carbn mineral varan mucho segn la especie, el tipo y la calidad o grado 3.1 .1 P R O P I E D A D E S F I S I C A S . Color, lustre, raya, textura, fractura, dureza y densidad a) Color y Lustre. Los carbones lignticos en trozos tienen pardusco, mientras que los carbones de orden superior son negros. Las hullas subbituminosas y bituminosas son de color negro pardusco cuando estn finamente pulverizadas. b) La raya . Al marcarse sobre porcelana no vidriada es de color amarillo a pardo para el lignito y las hullas subbituminosas; de color pardusco a negro para la hullas bituminosas color pardo o negro
y de color negro para la antracita, en secciones muy delgadas casi todos los carbones minerales tienen un color amarillo o rojizo, el examen microscpico revela abundantes restos de plantas. c) Las superficies. Pueden carecer de lustre o tenerlo sedoso satinado, y las laminas obtenidas de un trozo de la hulla bituminosa pueden variar mucho en este aspecto El tipo, la especie y la calidad del carbn afectan su lustre. d) La textura Vara desde el caracter terroso y fibroso del lignito no consolidado hasta el producto final de la meta-antracita . e) La dureza. Aumenta hasta un mximo de 3 en la escala de Mohs para la antracita ms dura. Los carbones de transicin entre la hulla bituminosa y la antracita manifiestan cierta tendencia a la fractura. f) Densidad. La densidad aumenta con la antigedad del carbn; los carbones recin extrados de la mina con mucha humedad suelen tener mayor densidad en igualdad de otras variables
3.1.2 P R O P I E D A D E S Q U I M I C A S . 3 1.2.1 Anlisis inmediato y anlisis elemental. El anlisis inmediato (determinacin de la humedad, materia voltil, carbono fijo y cenizas) y la determinacin del poder calorfico (Kcal./Kg ), son las pruebas mas frecuentes hechas a los carbones. A menudo se determinan tambin el contenido de azufre y el ndice de expansin libre El anlisis elemental ( carbono, hidrgeno, nitrgeno, oxgeno, azufre y cenizas) tiene ciertos usos, pero se emplea con menos frecuencia. El contenido natural de humedad de un carbn guarda estrecha relacin con su antigedad. La humedad contiene 11.1% de hidrgeno y 88.9% de oxigeno, de modo que influye en el anlisis elemental. La materia voltil se mide por la prdida de peso que resulta de calentar rpidamente el carbn hasta 950C En carbones ms antiguos la cifra de materia voltil baja
rpidamente desde 30% poco mas o menos, hasta un mnimo de unas pocas unidades por ciento en la antracita
El carbono fijo es el coque seco, exento de cenizas, o sea, la materia carbonizada que queda despus de determinar la materia voltil. Consiste principalmente en carbono c o n pequeas cantidades de hidrgeno, nitrgeno, oxgeno y azufre. El porcentaje de c a r b o n o aumenta con la antigedad del carbn mineral. La potencia calorfica ( Kcal./Kg.), alcanza un mximo en las hullas bituminosas mas antiguas. Sobre la base de carbn h m e d o y exento de materia voltil tiene 7780 Kcal./Kg., o ms, algunas variedades tienen mas de 8330 Kcal/Kg. Sobre la misma base, casi todas las hullas bituminosas con contenido medio y bajo de materia voltil y las semiantracitas tienen ms de 8330 Kcal./Kg.. La antracita y la
meta-antracita rinden algo menos en virtud de su bajo contenido de hidrogeno
3.2 C O N S T I T U C I O N Q U I M I C A .
El carbn consta principalmente de estructuras cclicas, tridimensionales, condensadas, de peso molecular elevado, en las cuales predominan los anillos de seis miembros. Las proporciones y las estructuras originales de los compuestos alifaticos, heterociclicos y carbociclicos presente en los restos de las plantas fueron alteradas por procesos biolgicos en las toberas y dieron una mezcla rica en materia hmica. Despus de ser enterrados esos compuestos, altamente oxigenados, sufrieron un
condensacin creciente con prdida de agua y de dixido de carbono a consecuencia de enorme presin y temperaturas moderadas en el transcurso de muy largas pocas. El resultado es una mezcla cuya composicin depende de la antigedad del carbn. El esqueleto qumico caracterstico es una estructura polinuclear condensada de anillos de carbono El carbn no es un hidrocarburo, pues contiene oxgeno orgnico, azufre y nitrogeno. El oxgeno existe en el carbn en diversas formas. Puede haber hidrxidos, carbonilos y carboxilos, especialmente en los carbones menos antiguos. La ltima fase de condensacin en la cual es retenido el oxgeno se cree que son los teres cclicos ( anillos heterociclicos de carbn-oxgeno) y teres lineales ( dos
unidades cclicas unidas por oxigeno). El agua del carbn contribuye, por supuesto, a los porcentajes indicados de oxgeno e hidrgeno El hidrgeno en el carbn seco, incluso en los carbones ms antiguos, excede de las proporciones correspondientes a estructuras completamente aromticas. El hidrgeno se presenta de una manera predominante en las estructuras de anillo saturadas (aliciclicas) o parcialmente saturadas (olefnicas). El carbono aumenta con la antigedad El porcentaje de carbono en estructuras
complejas de anillos condensados aumentan tambin con la antigedad del carbn. El azufre orgnico est en formas desconocidas. Su origen se relaciona con el cido sulfhdrico producido en la putrefaccin de las plantas. El azufre orgnico en el carbn parece estar uniformemente distribuido, ya que tiende a presentarse en porcentajes semejantes en la mayoria de los extractos y los residuos de extraccin de un carbn dado. El porcentaje de azufre orgnico vara entre los lmites 0.3 y 3%, pero a veces es mayor El nitrgeno es el nico elemento del carbn que esta exclusivamente en combinacin orgnica. La cantidad puede variar entre una pequea fraccin de 1% y
aproximadamente 3%, pero la cantidad oscila entre 1 y 2% sobre la base de carbn seco y exento de cenizas, hay pruebas de que gran parte del nitrgeno del carbn est en enlaces heterocclicos en molculas grandes. Cenizas. Puesto que el carbn es un depsito sedimentario y ha sufrido la infiltracin de las aguas subterrneas con depositos de minerales secundarios, contiene invariablemente ciertas impurezas minerales. Esas impurezas quedan como residuo despus de quemado el carbn y son las cenizas El contenido medio de cenizas de todo el espesor de una capa de carbn suele ser por lo menos de 2 a 3 %, incluso para los carbones muy puros, y es de 10% o ms. En algunas minas de la Regin Carbonfera, las cenizas varan de 16 a 38%. La explotacin selectiva y los procedimientos de lavado de carbn pueden contribuir con bastante eficiencia a eliminar bandas concentradas o impurezas libres, pero no son eficaces para eliminar las cenizas inherentes, esto es, las partculas minerales finamente dispuestas en el carbn.
Existe una variacin considerable en la composicin qumica de las cenizas de los carbones minerales, que dependen no slo de los minerales residuales procedentes de las plantas, sino tambin de la cantidad de sedimentos terrosos aportados por las aguas a la turba y de los minerales secundarios depositados despus. La temperatura de reblandecimiento de las cenizas de los carbones esta comprendida entre los minerales secundarios depositados despues. La temperatura de reblandecimiento de las cenizas de los carbones est comprendida entre los 1038 y 1705C.
3.3. A L M A C E N A M I E N T O . Raras veces se amontona el carbn en las minas. Los consumidores industriales suelen mantener una reserva para uno o dos meses y ese carbn puede estar almacenado durante seis meses, tal vez un ao, antes de usarlo. El carbn almacenado absorbe oxgeno del aire lentamente con elevacin de temperatura. Cuanto mas bajo es el rango del carbn y cuanto mas pequeos son los trozos, tanto mayor es la tendencia a calentarse y arder espontneamente. 3.3.1 Antracita. El almacenamiento de la antracita, en cualquier cantidad, no presenta de ordinario ningn problema, siempre que reciba una cantidad considerable de calor de fuente externa y que se impida el acceso a ella de sustancias extraas. 3.3.2 Hulla bituminosa Mtodo del montn comprimido. Es el almacenamiento en capas comprimidas de la hulla bituminosa cribada con un tamao mximo de unos 4 cm. y con tamaos menores hasta la criba nmero 10 y polvo. El carbn se amontona en pequeas pilas para reducir la segregacin; despus se nivela y se aglomera. El espesor recomendado para las capas aglomeradas vana entre 15 y 90 cm., segn las condiciones locales Los costados de la pila no deben de ser demasiados inclinados y deben apretarse muy bien. El xito de este mtodo, muy empleado, esta en excluir la circulacin del aire. Se han obtenido buenos resultados en la extincin de incendios en carbn mal almacenado nivelando bien y comprimindolo con fino para cerrar la entrada de aire.
3.3.3 Almacenamiento del carbn al pie de la mina. Es difcil obtener una buena distribucin de tamaos y un relleno adecuado con el carbn tal como sale de la mina. Este carbn es a menudo quebrantado antes de almacenarlo y se criba dividindolo en trozos y menudos, que se almacenan por separado. Puede ponerse tambin en capas compactas y ocluir los conductos de aire con una gruesa capa apretada de polvo de carbn cubierta con otra capa de cribado ms grueso para reducir las prdidas de polvo por el viento. Se han ideado diversos mtodos para vigilar la temperatura en los montones de carbn almacenado y para hacer frente a la situacin si la temperatura se aproxima al punto peligroso. 3 .3 .4 Almacenamiento ventilado. La hulla bituminosa de doble cribado, si se mantiene exenta de finos y se evita la fragmentacin, puede almacenarse en montones de tamao moderado. En este caso, el movimiento libre del aire a travs del montn se lleva el calor que se desarrolle. 3.3.5 Deterioro durante el almacenamiento. La prdida de poder calorfico de la hulla bituminosa por oxidacin lenta suele ser insignificante y pocas veces llega al 2% en uno o dos aos. La cantidad de coque y el rendimiento de subproductos es afectado por el almacenamiento en malas condiciones, pero puede evitarse empleando el mtodo del montn comprimido. 3.3.6 Hulla subbituminosa y lignito Hay que poner mucho cuidado en el almacenamiento de los carbones de rango inferior, porque son los mas propensos a la combustin espontnea. Estos carbones con contenido de humedad elevado tienden a desmenuzarse durante el almacenamiento si se secan y se mojan alternativamente. Las empresas que usan grandes cantidades de hulla bituminosa o subbituminosa de bajo rango y lignito almacenan a veces sus reservas bajo el agua en pozos de concreto. Esto impide eficazmente que se deteriore el carbn, pero resulta bastante costoso y tiene algunos inconvenientes. Se han obtenido excelentes resultados almacenando esos carbones en capas compactas en un pozo de tierra o concreto abierto y sin agua; la prdida de poder calorfico no excedi de 1.5% en un ao. La cantidad limitada de aire que penetre desde la parte superior el pozo es suficiente para producir la combustin espontnea.
3.4
PRINCIPALES
MINAS
DE
PRODUCCION
DE
LA
REGION
CARBONIFERA. La siguiente tabla presenta en orden de importancia las compaas mineras carbonferas que han venido operando en la cuenca carbonfera.
EMPRESA
CARBON L A V A D O TON/MES MILES
COQUE TON/MES MILES
PORCENTAJE DE PRODUCCION BASE C. T U.
GRUPO ACERERO DEL NORTE
155
108.00
73 10
GRUPO INDUSTRIAL MINERA MEXICO S.A. 5 3.60 2.70
MINERALES INDUSTRIALIZADOS S.A. 1 0.30 6.75
CARBONIFERA SAN PATRICIO S.A.
4.30
2.25
ALVARO JAIME TAMAYO
2.25
OTROS IMPORTANTES
6.20
TOTAL MENSUAL
167
116.20
100 00
4. CLASIFICACION Y UTILIZACION DEL CARBON.
4.1 C L A S I F I C A C I O N . Las definiciones de los tipos de carbn resultan de diferencias en las proporciones de los ingredientes vegetales primitivos y son como sigue: a) Hulla comn veteada. Esta es la variedad ordinaria de hulla bituminosa y subbituminosa, consta de una serie de capas o lentes que alternan irregularmente de: 1) material negro homogneo con lustre brillante; 2) material estriado, menos brillante, de color negro grisceo, por lo general con lustre sedoso, y 3) capas generalmente mas delgadas de partculas blandas, pulverulentas y fibrosas de hulla semejante al carbn vegetal La diferencia de lustre en las vetas es mayor en la hulla bituminosa que en la subbituminosa. b) Hulla esquistosa. Esta es una variedad de hulla bituminosa o subbituminosa de color negro grisceo, mate, estructura compacta, que contiene a menudo vetas irregulares delgadas con lustre vitreo. Es sonora para percusin, dura y tenaz, y se rompe con fractura irregular, rugosa, a veces astillada. Arde fcilmente y no se hincha cuando se calienta. c) Ampelita Hulla grasa de llama brillante. Es una variedad de hulla bituminosa o subbituminosa de textura uniforme, compacta, de grano fino y sin vetas. Tiene color gris tirando a negro, lustre grasiento y fractura concoidea. No se aglomera por el calor, produce un porcentaje elevado de materia voltil, se inflama fcilmente y arde con llama luminosa despidiendo mucho humo. d) Bogue Esta es una variedad de hulla bituminosa que se parece bastante a la anterior por su aspecto y por su comportamiento en la combustin. Se caracteriza por un porcentaje elevado de restos de algas y materia voltil. Por destilacin produce alquitran y aceite Los carbones que poseen los caracteres de los diversos tipos descritos pueden identificarse fcilmente, pero hay tambin carbones de un carcter intermedio, por
ejemplo, el semiesquistoso. Un estrato d e carbn puede componerse por entero de un solo tipo, pero es muy comn que un solo estrato contenga capas de dos o tres tipos a consecuencia de condiciones cambiantes en la turba original.
4.2 C L A S I F I C A C I O N P O R A N A L I S I S I N M E D I A T O . Generalmente para fines de clasificacin del carbn mineral, se emplean los parmetros establecidos por la Sociedad Americana para Pruebas de Materiales (ASTM), los cuales se basan en el carbn fijo (CF), materia voltil (MV), as como en el factor de expansin. Tambin se basan en la determinacin del poder calorfico, el % de cenizas y el contenido de azufre.
4.3
CLASIFICACION
DEL
CARBON
POR
RANGO
SEGN
LA
U.
S.
G E O L O G I C A L SURVEY.
C O N S E J O DE R E C U R S O S M I N E R A L E S Clasificacin de Carbn por rango A 1 Carbn lmites fijo en Materia limites porciento libre Voltil en base de Valor calorfico
lmites en B T U por libra hmeda,

6
porciento (base seca libre
(base libre de
de seca
materia voltil) Igual CLASE GRUPO 0 mayor que I antracita 1. 2. 3. Meta-antracita Antracita semiantracita
0
materia mineral Mayor que Igual 0 menor que 2
materia mineral) Igual mayor que o menor Carcter de aglomeracin
Menor que
98 92 86 98 92 2 8
8 14
No aglomerable
1.Carbn bituminoso Volatilidad baja 2. C a r b n bituminoso Volatilidad media 3 II Bituminoso Carbn 69 31 14,000 Comnmente aglomerableE 69 78 22 31 78 86 14 22
Bituminoso volatilidad alta A 4 Carbn
Bituminoso Volatilidad alta B 5 - Carbn bituminoso volatilidad alta C 1 Carbn
13,000
14,000
11,500 10,500
13,000 11,500 Aglomerable
Sub-bituminoso A III Sub2 Carbn
10,500
11,500
Bituminoso
Sub-bituminoso B 3 - Carbn Sub-bituminos C
9,500
10,500 No
8,300 6,300
9,500 8,300 6,300
Aglomerable
IV Lignito
1 2
Lignito A Lignito B
Esta
clasificacin
no
incluye
algunos
carbones,
principalmente
variedades
no
bandeadas, las cuales tienen propiedades fsicas y qumicas fuera de lo comn y estn en los lmites del carbn fijo o valor calorfico de alta volatilidad rango bituminoso y subbituminoso. Todos estos carbones pueden contener menos de 48% de carbono fijo en base seca, libre de materia mineral o valor calorfico mayor a 15,500 unidades trmicas britnicas (BTU) por libra en base hmeda libre de materia mineral.
B
Humedad referida al carbn que contiene la humedad natural inherente, pero que no
incluye agua visible en la superficie.

c D
Si es aglomerable, clasifica en la clase bituminoso de volatilidad baja. Carbones que tienen 69% o mas de carbn fijo en base seca, libre de materia mineral,
deberan de ser clasificados de acuerdo al carbono fijo sin considerar valor calorfico
1
E s reconocido que existen variedades que son no-aglomerables en estos grupos de la
clase bituminoso. 1 A S T M (Sociedad Americana para Pruebas de Materiales) Sistema de clasificacin del carbn U.S. Geological Survey Fuente: Gordon H. Wood, Jr., Thomas M. Kehn, M Devereux Crter and William C Culbertson.
Con base en la clasificacin de carbn por rango de
la U. S Geological Survey , el
carbon mineral de las subcuencas carbonferas de Coahuila corresponde a la siguiente clasificacin. Areas Subcuenca de Sabinas, Saltillito, Lampacitos, Las Esperanzas, Las Adjuntas, Monclova y San Patricio. Clasificacin Carbn bituminoso de volatilidad media a baja
Lo anterior, es de acuerdo a los anlisis qumicos realizados a muestras de carbn todo uno y carbn lavado recolectadas en los barrenos de exploracin y en el interior de las minas de la subcuenca de Sabinas. En cuanto a las caractersticas fsicas de aglomeracin, el carbn de las subcuencas de la regin carbonfera presenta excelentes cualidades para su transformacin a coque (carbn siderrgico ). El carbn de la cuenca carbonfera an cuando es coquizable, se mezcla en pequea proporcin con el carbn carb o elctricas. Normalmente el carbn de la regin carbonfera es utilizado para la produccin de coque el cual se utiliza posteriormente como agente reductor en la fabricacin del arrabio en la planta de Altos Hornos de Mxico, en Monclova, Coahuila, mientras que el de Ro Escondido es utilizado para generar energa elctrica en las carb o elctricas de Nava, Coahuila. Cada carbn es empleado de acuerdo a sus caractersticas y calidad. de Ro Escondido, para ser utilizado en las plantas
4.4 C L A S I F I C A C I O N D E L C A R B O N P O R T A M A O S .
El carbn puede ser embarcado tal como sale de la mina o puede ser cribado y clasificado en dos o ms tamaos, con alguna trituracin si fuera necesaria para satisfacer las necesidades del mercado. Para la mayora de los usos es importante el tamao del carbn, tanto con respecto a su manipulacin como a su comportamiento en el horno
Cualquiera que sea la clase de c r i b a s empleadas para la clasificacin comercial, las designaciones normales por t a m a o se basan en las pruebas con cribas de agujeros redondos hasta 3/8 de pulgada (9 5 m m ) de dimetro, y con cribas de tela metlica de abertura cuadrada para los tamaos m a s pequeos. El carbn se produce en multitud de tamaos segn las especificaciones de los
consumidores y los esfuerzos r e a l i z a d o s por los productores para adaptar su artculo a las condiciones del mercado. Los distintos tamaos cribados o b t e n i d o s de carbn tal como sale de la mina pueden dar un anlisis bastante distinto por las diferencias en los caracteres fsicos de las capas y por la diversa manera en que se p r e s e n t a n las impurezas minerales.
4.5 U T I L I Z A C I O N D E L C A R B O N .
El carbn es uno de los productos m s tiles que extraemos de la tierra. Su contenido energtico es notable y la forma m s sencilla de distribuirlo es la de transformarlo en energa elctrica. Aproximadamente la tercera parte de todo el carbn extrado se transporta a las centrales trmicas, d o n d e se utiliza como combustible para las calderas de vapor El vapor pone en movimiento, mediante turbinas, los generadores elctricos . Casi la mitad de la energa elctrica mundial se obtiene a partir del carbn. El carbn tambin es utilizado e n reacciones a temperatura elevada, para procesos metalrgicos y para la coccin de p r o d u c t o s cermicos. Uno de los empleos ms importantes del carbn es la produccin del coque, ya que en ella se producen adems derivados como el gas de hulla, amoniaco, alquitrn e hidrocarburos del mismo, de los cuales se derivan un gran nmero de compuestos qumicos El carbn se consume en un t o n e l a j e mayor que ninguna otra mercanca producida por el hombre. Es tambin una de las principales mercancas mundiales tanto en valor
monetario como en importancia general. Es el combustible mas empleado por las centrales elctricas, por los hornos industriales y para la fusin de metales. Es tambin la materia prima para la fabricacin de miles de productos qumicos que tienen usos
importantes en casi todos los campos de la tecnologa. No obstante sus mltiples aplicaciones, el carbn es una de las mercancas mas baratas en todo el mundo En nuestro pas, el carbn trmico tiene hoy en da una gran demanda para mantener las plantas carboelctricas ubicadas en el norte del estado de Coahuila, y el carbn coquizable tiene su mayor demanda para la fundicin de fierro en la planta siderrgica ubicada en Monclova, Coahuila. En poco tiempo se establecer otra planta carboelctrica en el sur del pas, la cual requerir carbn de exportacin, ya que su ubicacin geogrfica hace incosteable surtirla con carbn de la regin carbonfera de Coahuila, donde se encuentran el 95% de las reservas de carbn en el pas.
5.
M E T O D O S ESTADISTICOS.
5.1 P A P E L D E L O S M E T O D O S E S T A D I S T I C O S EN LA A D M I N I S T R A C I O N DE L O S P R O C E S O S .
Los mtodos estadsticos proporcionan un m e d i o eficaz para desarrollar una nueva tecnologa y controlar la calidad en los procesos. Muchas empresas importantes han estado tratando de usar activamente los m t o d o s estadsticos y algunas han dedicado parte de su tiempo a educacin interna sobre este tema El conocimiento de los mtodos estadsticos se ha convertido en p a r t e normal de la capacitacin de un ingeniero, pero el conocimiento de los m t o d o s estadsticos no proporciona
inmediatamente la habilidad para usarlos. La habilidad para analizar las cosas desde el punto de vista estadstico es ms importante que los mtodos individuales. Adems, necesitamos ser francos para reconocer los problemas y las variables, y recoger informacin sobre ellos. Hay que subrayar que lo importante no es
solamente el conocimiento de los mtodos estadsticos como tales, sino mas bien la actitud mental hacia su utilizacin.
5.1.1 C O M O O B T E N E R I N F O R M A C I O N . La informacin es una gua para nuestras acciones. A partir de la informacin conocemos los hechos pertinentes y adoptamos acciones apropiadas basadas en esos hechos. Antes de recoger la informacin, es importante determinar qu se va a hacer con ella En el control de la calidad, los objetivos de la recoleccin de informacin son: 1) El control y el monitoreo del proceso de produccin. 2) El anlisis de lo que no se ajusta a las normas. 3) La inspeccin. Cualquier recoleccin de informacin debe tener un propsito especfico y ser seguida por acciones.
Una vez que se define el objetivo de la recoleccin de informacin, tambin se determinan los tipos de comparacin que se necesitan, y esto a su vez identifica el tipo de datos que se deben recoger Si la comparacin muestra una clara diferencia, una medida remedial que elimine esa diferencia reducir tambin la variacin en el proceso. Esta divisin de un grupo en varios subgrupos con base en ciertos factores, se llama estratificacin. La estratificacin es muy importante, y es necesario que su aplicacin se convierta en un hbito de pensamiento en todo tipo de situaciones. Suponga que usted quiere saber la relacin entre la calidad de un ingrediente y la dureza del producto En un caso como ste, cuando usted quiere saber si hay una relacin entre los valores de dos caractersticas, los datos tienen que estar disponibles por pares. Si los datos se recogen por pares, se pueden analizar usando un diagrama de dispersin, que se explicar ms adelante. Una vez que se han recogido los datos, diferentes clases de mtodos estadsticos pueden ser utilizados para analizarlos, de modo que se conviertan en fuente de informacin. Cuando se recogen datos es importante organizados adecuadamente para facilitar su procesamiento posterior En primer lugar, el origen de los datos debe registrarse claramente. Los datos cuyo origen no se conoce con claridad se convierten en informacin intil. Con frecuencia, se obtiene poca informacin til a pesar de haber gastado tiempo reuniendo datos sobre alguna caracterstica de calidad En segundo lugar, los datos deben registrarse de tal manera que puedan utilizarse fcilmente; por el hecho de que con frecuencia los datos se utilizan posteriormente para clculos estadsticos Si se llega a la conclusin de que es necesario reunir informacin, es esencial que el objetivo sea claro y que se obtengan datos que reflejen los hechos con claridad. Adems de estos requisitos, en situaciones reales es importante que los datos se recojan en forma clara y fcil de usar.
5.1.2
COMO
SACAR
CONCLUSIONES
DE
LA
INFORMACION
NUMERICA. Cualquier administrador, trabajando en u n entorno de negocios, requiere toda la informacin disponible sobre las caractersticas de dicho entorno. En la era moderna, gracias en parte a la capacidad de almacenamiento masivo de informacin de los sistemas informticos, gran parte de la informacin disponible es cuantitativa. Por ejemplo, puede ser necesario asimilar los movimientos de los tipos de inters, oferta de dinero o desempleo. Se hacen estudios d e mercado para determinar la demanda de productos. Un auditor debe ocuparse del nmero y la importancia de los errores contables. Un director de personal puede utilizar los resultados de una prueba de aptitud, para complementar la informacin subjetiva de los candidatos a un empleo. La lista es interminable. Las caractersticas comunes de estos ejemplos son que la informacin que se va a utilizar es numrica, y que presentada en forma de lista de datos, es virtualmente imposible de aprovechar en su totalidad. El trabajo estadstico consiste en extraer y sintetizar las caractersticas fundamentales de una recoleccin grande de datos numricos. Un objetivo es el de intentar que la informacin tenga sentido,
resumindola de tal forma que pueda obtenerse una idea general a primera vista, sin perder demasiada informacin. En el anlisis y sntesis de datos numricos se ven envueltas muchas cuestiones. El mtodo ms apropiado depender de la naturaleza de los datos y de cmo se van a utilizar los resultados. En algunas circunstancias, ser conveniente utilizar la
artillera pesada de las tcnicas formales. E n otras ocasiones, un estudio sencillo o un grfico sern suficientes, este tipo de estudio en cualquier caso puede servir de punto de partida para anlisis ms profundos.
5.1.3 C O M O M A N E J A R LA I N C E R T I D U M B R E . ''La estadstica es la ciencia de la incertidumbre". En estadstica, no trabajamos con preguntas del tipo que es 9 , sino con preguntas como de que podra ser?, que es probable que sea?. Consideremos las siguientes afirmaciones: "El precio de la accin de IBM dentro de seis meses ser ms alto que hoy"
"Si e) dficit en el presupuesto federal es tan alto como se ha previsto, los tipos de inters permanecern altos el resto del ao". "Si hacemos una oferta de este nivel, ser ms baja que la de nuestros competidores y nos aseguraremos el contrato". "La mejor opcin para mejorar la situacin de este producto en el mercado de acciones es la de realizar una campaa publicitaria dirigida a jvenes entre 18 y 25 aos de edad". Cada una de las afirmaciones anteriores contiene un lenguaje que da una sensacin de falsa seguridad. En el momento en que se realizaron, no haba forma de estar seguro de su veracidad. Aunque un analista pueda pensar que el desarrollo de los prximos meses va a ser tal que las acciones de IBM subirn en ese perodo, no puede tener la certeza de que as sea. Luego, desde un punto de vista semntico, las frases anteriores deberan modificarse, por ejemplo como se indica a continuacin: "El precio de la accin de IBM dentro de seis meses ser posiblemente ms alto que hoy". "Si hacemos una oferta de este nivel, es probable que sea ms baja que la de nuestros competidores y nos aseguremos el contrato". No obstante, nuestra preocupacin por la incertidumbre no es solamente semntica. Todo lo que hemos hecho hasta ahora, es sustituir afirmaciones precisas que no podamos garantizar, por otras innecesariamente vagas. Despus de todo, qu queremos decir con "es probable"?. Las frases, una vez modificadas, pueden interpretarse como que es ms fcil que los sucesos de inters se cumplan frente a que no lo hagan. Pero, cunto ms fcil 9 El espaol es un lenguaje rico en palabras que denotan incertidumbre, y algunas de ellas sugieren una escala desde lo imposible hasta lo seguro. Aun asi, el lenguaje no es suficiente para dar una descripcin satisfactoria del grado de incertidumbre asociado a un suceso. Necesitamos una estructura ms formal con este fin.
5.1.4 M U E S T R E O . Antes de introducir un nuevo p r o d u c t o en el mercado se analizar un pequeo subconjunto, o muestra de los individuos de la poblacin y los resultados que se obtengan, se basarn en la informacin obtenida de la muestra. La tcnica de muestreo en grandes poblaciones se utiliza habitualmente en el campo de la administracin de empresas. T a m b i n una auditora de contabilidad se basara en una muestra de todas las cuentas. Cuando tenemos informacin sobre u n a muestra de la poblacin, es relativamente fcil resumir los datos mustrales. N o obstante, el muestreo es solamente un medio, no un fin en s mismo. El objetivo no e s llegar a conclusiones sobre la muestra, sino sobre la poblacin a la que pertenece dicha muestra. De esta forma, un problema importante que se le presenta a un estadstico es decidir hasta qu punto es posible generalizar los resultados obtenidos en u n a muestra de toda la poblacin. Por supuesto, si tomamos una muestra, no podemos conocer con precisin las caractersticas de la poblacin. T o d a v a quedar cierta incertidumbre; por tanto, al hacer cierta inferencia sobre la poblacin basndose en una muestra, cualquier conclusin que se obtenga tendr que ser expresada con lenguaje de incertidumbre.
5.1.5 C O M O A N A L I Z A R R E L A C I O N E S . La teora econmica nos dice que, a igualdad del resto de factores, un incremento en el precio conllevar un descenso en la demanda. No obstante, esta teora es puramente cualitativa No nos dice en cunto descender la demanda. Las teoras basadas en el conocimiento subjetivo son muy tiles para sugerir los factores que influyen en las cantidades de nteres, c o m o la demanda en este caso Para ir ms all, debemos obtener informacin cuantitativa que informe de cmo la demanda ha respondido a cambios en el precio en el pasado. Basaramos, entonces, nuestras conclusiones, en la premisa d e q u e lo que ocurri en el pasado se repetir, probablemente, despus de la subida d e precios propuesta.
5.1.6 P R E D I C C I O N . El deseo de predecir el futuro es una caracterstica inherente al ser humano. No obstante, la necesidad de hacer predicciones confiables en los negocios va ms all de la curiosidad. Las decisiones de inversin deben tomarse mucho antes de que un nuevo producto salga al mercado, por tanto, es muy deseable tener predicciones sobre cmo ser la situacin del mercado en el futuro prximo. Para productos ya establecidos, hacer predicciones sobre las ventas a corto plazo es importante para establecer los niveles ptimos de acumulacin de existencias y produccin. Para tomar una decisin sobre aumentar o no el nivel de pasivo de una empresa, es importante predecir los tipos de nteres en el futuro. Para formular una poltica economica razonable, los gobiernos necesitan predicciones sobre cul seria producto interior bruto, el desempleo y la inflacin bajo varias polticas diferentes. Bsicamente, las predicciones de valores futuros suelen obtenerse a partir del descubrimiento de regularidades en el comportamiento en el pasado Por esta razn, es necesario disponer de datos sobre el comportamiento, tanto de la variable a predecir, como de otras variables relacionadas. El anlisis de esta informacin puede sugerir tendencias en el futuro. el
5.1.7 T O M A DE D E C I S I O N E S EN UN E N T O R N O DE I N C E R T I D U M B R E . En cualquier tipo de negocio, deben tomarse constantemente decisiones en un entorno en el que la persona que debe decidir no conoce con seguridad el comportamiento futuro de los factores que podran afectar al resultado que se obtendr bajo varias opciones posibles a considerar. En los negocios, en el momento de decidir entre diferentes opciones, resultan de vital importancia las tcnicas para tratar la incertidumbre Existen una serie de tcnicas tiles a la hora de analizar informacin numrica. Su objetivo es ayudar a comprender los entornos con incertidumbre, de forma que puedan tomarse mejores decisiones. Hay que hacer hincapi, no obstante en que estas tcnicas son nicamente herramientas tiles para el administrador No pretenden ser sustitutos de la familiaridad con el entorno que se consigue con aos de trabajo y experiencia, sino ms bien ayudas para agudizar dicha familiaridad. Por tanto, a
pesar de que un anlisis tcnico p r o f u n d o de la informacin numrica ser, en ocasiones, de mucho valor, no se aprovecha al mximo sino que se utiliza en combinacin con la experiencia q u e se obtiene de estudiar las caractersticas del entorno en que se trabaja. De hecho, los mtodos estadsticos resultan de mayor utilidad en la gestin cuando se combinan con la experiencia en el entorno de los negocios.
5 .1 .8 C O M O R E S U M I R L A I N F O R M A C I O N N U M E R I C A . En nuestros dias, cuestiones tales c o m o la situacin de la bolsa, la tasa de inflacin de precios o la opinin del electorado sobre un candidato a presidente nos incumbe a todos. Para poder entender la evolucin de estos temas, debe manejarse e interpretar una gran cantidad de informacin numrica. Las memorias anuales de las grandes compaas resultan difciles de asimilar por su enorme cantidad de informacin acerca de diversos aspectos organizativos. El uso de ordenadores informticos es, en en gran el parte, del responsable calculo han de esta tendencia. posibilitado el Los avances
terreno
almacenamiento,
recuperacin y anlisis de cantidades de informacin que resultaban impensables hace tan solo unos aos. Parece evidente que estamos obligados, cada vez mas, a pensar en las implicaciones numricas de cualquier tema de inters. Muchas personas contemplan este fenmeno, que constituye un recurso laboral para los estadsticos, con miedo y confusin; algunas incluso con irritacin. Necesitamos dar sentido a toda esta informacin numrica. Por supuesto, cada uno es libre de interpretar los nmeros como quiera, del mismo modo que es libre de llevar a cabo su propio diagnstico. Sin embargo, la tarea de dar sentido a la informacin numrica no es trivial Qu debemos hacer cuando nos enfrentamos a un gran conjunto de datos? El objetivo de un estadstico es resumir la informacin su santamente, poniendo de relieve las caractersticas ms importantes de los datos numricos, de forma que se consiga una idea clara y exacta. Es decir, debemos reducir la informacin lo mximo posible, pero teniendo cuidado de que una reduccin excesiva no nos Heve a omitir caractersticas importantes. Son muchas las
ciencias que necesitan hacer anlisis numricos y, en cada caso, llegar a conclusiones vlidas constituye todo un arte. Nuestro objetivo es hacer una revisin de los mtodos empleados para resumir y analizar la informacin numrica. Algunas tcnicas a las que nos referimos tienen como finalidad la obtencin de medidas numricas que resuman la informacin, mientras que otras tienen carcter grfico. Todas ellas poseen atractivos, pero
pueden tambin tener inconvenientes en aplicaciones particulares. Por desgracia no existe un mtodo nico para analizar datos. De hecho, la forma adecuada de enfrentarse a los datos es, en cada caso, un problema especfico, que depende de las caractersticas de los datos y del objetivo del anlisis. Por definicin, la poblacin es el conjunto completo de la informacin numrica sobre una caracterstica particular en la que el investigador esta interesado. La muestra es un subconjunto de los valores poblacionales observados.
5.2 A N T E C E D E N T E S Es un hecho cada vez mas comnmente aceptado que vivimos rodeados de nmeros. Resulta imposible leer el peridico o escuchar las noticias sin tener que dirigir el impacto de frases como "La Bolsa de Valores cay seis puntos en la sesin de hoy " " El 40% del electorado al candidato tal". Para entender la evolucin de estos temas deben manejarse e interpretar una gran cantidad de informacin. En este trabajo se considera la informacin que servir de base para buscar alguna forma funcional que relacione dos variables. Cabe considerar que en la prctica,
frecuentemente es necesario estudiar la relacin de correspondencia de dos variables. Para estudiar la relacin entre dos variables tales como la presin y la temperatura, puede utilizarse un diagrama de dispersin.
5.3 C M O SE E L A B O R A UN D I A G R A M A D E D I S P E R S I N ? Para elaborar un diagrama de dispersin se procede de la siguiente manera.
Paso 1 Rena pares de datos (x, y), cuyas relaciones usted quiere estudiar, y organice esa informacin en una tabla Es deseable tener al menos 30 pares de datos.
Paso 2 Encuentre los valores mnimos y mximos para x y y. Decida las escalas que va a usar en los ejes horizontales y verticales de manera que ambas longitudes sean
aproximadamente iguales, lo cual hara que el diagrama sea ms fcil de leer Trate de mantener el numero de divisiones en cada eje entre 3 y 10 y use nmeros redondos para facilitar la lectura. Cuando las dos variables sean un factor y una caracterstica de calidad, use el eje horizontal x para el factor y el eje vertical y para la caracterstica de calidad.
Paso 3 Registre los datos en el grfico, cuando se obtengan los mismos valores en diferentes observaciones, muestre este punto.
Paso 4 Registre todos los aspectos que puedan ser de utilidad. Cercirese de que se incluyan todos los tems siguientes de manera que cualquier persona que hizo el diagrama, pueda comprenderlo fcilmente; considere: a) Ttulo del diagrama. b) Periodo de tiempo.
c) Nmero de pares de datos. d) Ttulo y unidades de cada eje
5.4 C O M O L E E R L O S D I A G R A M A S DE D I S P E R S I O N . As como es posible captar la forma de la distribucin en un histograma, tambin es posible leer la distribucin general de los pares de datos a partir de un diagrama de dispersin. Al hacerlo, lo primero es examinar si hay o no hay puntos muy apartados en el diagrama. Puede generalmente suponerse que estos puntos apartados del grupo principal, (figura 5.4.1), son los resultados de errores de medicin o de registro de los datos, o fueron causados por algn cambio en las condiciones de operacin. Es necesario excluir estos puntos del anlisis correlacional Sin embargo, en lugar de despreciar
completamente estos puntos, usted debe dar la debida atencin a la causa de esas irregularidades porque con frecuencia se obtiene informacin muy til averiguando por qu ocurre. Hay muchos tipos de formas de dispersin, y algunas formas tpicas se dan desde la figura 5.4 2 hasta la figura 5.4.7 En las figuras 5.4.2 y 5.4.3, y crece con x; esto es una correlacin positiva. Tambin, como la figura 5.4.2 muestra esta tendencia de una manera muy pronunciada, se dice que es una correlacin positiva fuerte. Las figuras 5 4 5 y 5.4.6 muestran lo opuesto a una correlacin positiva, pues a medida que x aumenta, y disminuye; esto se llama una correlacin negativa La figura 5.4.5 muestra una correlacin negativa fuerte. La figura 5.4.4 muestra el caso en el que x y y no tiene ninguna relacin particular, y por eso decimos que no hay correlacin. En la figura 5.4.7, hay una correlacin parcialmente positiva y parcialmente negativa.
' -
Puntos lejanos
Figura 5 4.1
Puntos lejanos
= 30
r= 0.9
qI
O
I
2
I
4
I
6
L
*
Figura 5.4.2 Correlacin positiva
fi
30
r = 0*6
Ol
Figura 5.4.3 Puede haber correlacin positiva
n = 30

/=0.0 * * .
*
. ' S
ol
Figura 5.4.4 N o hay correlacin
n = 30
r= - 0 . 9
o
0
Figura 5 4.5 Correlacin negativa
n = 30
r=
-0.6
* *
O
0
Figura 5.4.6
Puede haber correlacin negativa
Figura 5.4.7 Correlacin parcialmente positiva y parcialmente negativa
5.5
M O D E L O DE REGRESION
LINEAL.
Para estudiar las relaciones entre x y y es importante hacer primero un diagrama de dispersin relacin, El objetivo del anlisis de regresin es encontrar un modelo para esta sin embargo, para comprender la fuerza de la relacin en trminos
cuantitativos, es til calcular el coeficiente de correlacin segn la siguiente definicin:
r= V
S(xy) S(xx) S(yy)
donde,
/ V
x
n S (xx)- ii
(<"
n f ~ S
i i
z x 2
'
"
\i i y n
f n S(yy)- (y,-y)
2
 . 2>.
yv?i n
11
r puede ser representada por:
'i X
(x, - x )(y, - y )
<x,-*) 2 I
ii
(y<- y f
"n" es el nmero de pares de datos, y S (xy) se es la covarianza. El coeficiente de correlacin, r, se encuentra en el rango - 1 < r 1. Si el valor absoluto de r es mayor que 1, claramente ha ocurrido un error de clculo, y debe calcularse de nuevo. En el caso de una correlacin positiva fuerte como en la figura 5.4.2, se obtiene un valor cercano a +1, e igualmente, con una correlacin negativa fuerte como en la figura 5.4.5 se obtiene un valor cercano a -1. Es decir, cuando r est cerca de 1, indica una
correlacin fuerte entre x y y, y cuando r est cerca de 0, indica una correlacin dbil. Adems, cuando r = 1, los datos aparecern en lnea recta. Si usted recuerda esto, y adquiere el hbito de estimar el valor de r a partir del diagrama de dispersin, podr verificar errores de clculo.
5.6
ESTIMACION
DE
LAS
LINEAS
DE
REGRESION
POR
MINIMOS
CUADRADOS
Sea (xy) (l < / < n) un conjunto de n pares de datos observados. Sea y 0 el valor estimado de a y /? y sea e el residuo entre y, y + fi x, es decir
e = y, -
+ /?x)
(1 i < n ) ,
como se indica en la figura 5.6.1
Por medio del Mtodo de los Mnimos Cuadrados, se obtienen a y fi como los valores n que minimizan ^ e , 2 , o sea, la suma de los residuos. La suma de los cuadrados de los
-i
residuos alrededor de la lnea de regresin se representa por SSE. De aqu que se encontrarn a y p con objeto de minimizar: SSE=f>2 = i i ii (yi- a-fix,)2
Diferenciando SSE con respecto a a y (3, se tiene: d (SSE) 5a = - 2 i-i (yi-a-fic,)
d (SSE)
= ii
(yi-a-fayx,
Al igualar las derivadas parciales a cero y reacomodar los trminos, se obtienen las ecuaciones siguientes (llamadas ecuaciones normales)
na + p ri
X * <= Z y > , i ii
+
//
Z *' P i Z * <= Z 11 i 11
tt
Las cuales se pueden resolver simultneamente para dar las frmulas de clculo de a y P-
M
n
/ II \2-l
\ / *
z ^
t , * * *
n
0 =
\ y
Z v - 2 > ,
-I
Z ^ ai -i
-i
Para este mtodo se tienen los pasos siguientes:
Paso 1 Obtenga x y y de los datos Paso 2 Calcule S(xx) y S(yy)
Figura 5 6.1
Paso 3 Se obtiene /? a S(xy) S(xx) Y a se obtiene de de
~ y - fix
Los valores de a residuos minima.
y (3
obtenidos en estos p a s o s hacen la suma de los cuadrados de los
Ahora, utilizando los datos de la tabla 5 6.a , calculemos la lnea de regresin

Presin del aire (Kg/cnr) Ancho de la pared (mm) 8.0 4 62 4.50 4.43 4.81 8.5 4 12 3.88 401 3.67 9 0 3.21 3.05 3.16 3.30 9.5 2.86 2.53 2.71 2.62 10.0 1.83 2.02 2.24 1.95
Tabla 5 6.a
Paso 1
x = ( 8 . 0 + 8 . 5 + 9.0 + 9 . 5 + 10.0 ) x 4/20 - 9.00 > - ( 4 62 + 4 . 5 0 + . + 1.95 ) /20 - 3 276
Paso 2
S(xx) = S(xy)= 576.88
~ t ^ x j / n ~ 163 0 - 180 2 /20 - 10.0
180 x 65.52/20 = -12.8
Paso 3
= 12.8/10.0- -1.28
= 3 . 2 7 6 - ( - 1 . 2 8 ) x 9.00=14.80
De esta manera, la lnea de regresin se expresa por y^l4.80-1.28x. E s decir, por cada Kgf/cm que aumente la presin del aire, el espesor de la pared disminuye en 1 28 mm La figura 5.6.2 muestra la lnea de regresin antes calculada. La mayora de los puntos en el diagrama de dispersin deben distribuirse alrededor de la lnea de regresin, porque puede haber un error de clculo y deben verificarse los pasos.
y
(nini) 5.0
ri = 20
4.0
y = 1 4 . 8 0 I-2&X
3.0
2.0
1.0
s.o
8.5-
9.0
1 9.5
1 10.0
{kgf/cnft
Presidn del aire (kg/cm 2 )

Figura 5.6.2
Problema Los datos a continuacin muestran el contenido de carbono x (%) y la resistencia a la traccin y (Kg/mm 2 ), de un cierto acero. 1) Elabore un diagrama de dispersin e interprtelo. 2) Obtenga el coeficiente de correlacin r 3) Obtenga una lnea de regresin que estime la resistencia a la traccin, y a partir del contenido de carbono x . No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 x(%) 2.0 2.4 2.2 2.3 2.5 28 2.2 2.7 2.4 2.3 2.0 2.2 2.6 2.1 2.5 27 2.1 2 6 24 21 2 3 2,2 23 2.4 2.3 24 2.6 2.5 2.6 2.4 y (Kg/mm 2 ) 43 46 45 44 45 48 43 47 44 45 42 44 47 44 46 47 42 48 45 43 45 43 46 47 44 45 46 42 46 46
Diagrama de dispersin
49 48 47 46
Resistencia a la traccin kg/mm2

45 44 43 42 41
0.5
1.5 % de Carbono
2.5
El grfico presenta una correlacin positiva indicando que a mayor cantidad del porciento de carbono hay una mayor resistencia a la traccin.
2) Para determinar r hay que calcular primeramente x , y y xy como se efecta a continuacin.
Numero
l
X 2.0
y 43
l 1849 2116 2025 1936 2025 2304 1849 2209 1936 2025 1764 1936 2209 1936 2116 2209 1764 2304 2025 1849 2025 1849 2116 2209 1936 2025 2116 1764 2116
2 1 1 6 86.0
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
2.4 2.2 2.3 2.5 28 22 2.7 2.4 2.3 2.0 2.2 2.6
2.1
2.5 27
2.1
2.6 2.4 2.1 2.3 2.2 2.3 2.4 2.3 2.4 2.6 2.5 2.6 24 71.1
46 45 44 45 48 43 47 44 45 42 44 47 44 46 47 42 48 45 43 45 43 46 47 44 45 46 42 46 46 1348 Sfxy) 1/ S(xx)S(yy)
4.00 5.76 4.84 5.29 6 25 7.84 4.84 7 29 5.76 5.29 4.00 4.84 6.76 4.41 6.25 7 29 441 6.76 5.76 4.41 5.29 4.84 5.29 5.76 5.29 5.76 6 76 6.25 6 76 5 76 169.81
110.4
9 9
101.2
112.5
134.4 94 6 126 9 105 6 103.5 84.0 96.8 122.2 92.4 115 0 126 9 88.2 124.8 108.0 90.3 103.5 94.6 105.8 112.8
101.2
60658
0 119.6 105 0 119.6 1104 3203.2

108
r=
( "
Z*. Z>'
ii
= 3203.2 - C? 1-1X1348) 30
8.44
f n n S (xx)- J ] ii > i Xj2 - V n

J
=- 169.81
(71.1)(71.1) / 30 = 1.303
/ S(yy)=Z
v - 60658 - (1348)(1348)/30 - 87.87 =
V' i J n
844 VO 303)(87 87)
r-
0.789
3) Se obtiene x y y de los datos
x = 71.1 / 30 - 2 37 y 1 3 4 8 / 3 0 = 44 93
Con los valores de Sfxx) = 1 303 y S(xy) = 8 44 se determina p, P = S(xy) / S(xx) = 8.44 / 1 303 = 6 48 Con este valor se obtiene a de la ecuacin:
a
- p
= 44.93 - (6.48)(2 37) = 29.57
La lnea de regresin se expresa por
y = 29 57 + 6.48 x
6. RECOPILACION DE RESULTADOS DE ANALISIS QUIMICOS.
La informacin de los analisis qumicos del carbn y los reportes respectivos, se fueron recopilando desde Septiembre de 1998 a Junio de 1999, todo ello fue transcrito y se desglosa a continuacin.
M M "t N Q 3 1 OC M O (\| C N O C O C O1 qj co -- c m co to o CTI ^ C OI L O r- C O 1 0 L O T ) co m O C Ot C O r*f- Ttio m _ in m m m w < in '

>
2 r > T5 T c O O C OcoO n n M (M O ) m fin T T* I O o N in o 2 ' i in

l/l d
G l C D n >in in
C D C N C M m T C D co co
T- m r-~ co T in in s in ( ON C O
ai Dc N a> o C o C Nc h- co < o co m co C O C C N in c N o co TN < o C R Oco c C O C o

o
> a U JO r-- 5 < y E i-co C O C D co < > o m o c-i to hm m N m n o en U <J < < a < o CL a. cl cl cl L U O O O O
cd r io m n o < m - en co C N en co t C O a>O l co m m n co
I I D
00 J- c m co in gj 'ai hcoC tn M f C N O r-. I D tO O l C M C O O C O oC O C T O T- C O T T O ) C Oo
C N <JI m ai co O )
co r-<
c o ro C M
<
a) _> i LL. i Ui d U _ LL.
Q cl O O co N U J CU
< CL <
g Q QQD cl cl cl cl cl
o O O o O
<
<
< <
< g CL O
O O O
mmm O m i L iU L U U JiUJ.
$ > cl N U J
5 5 5 5 < < < <

o O O O
cl cl cl N MN U J liJ L U 3 =9 = 3 =
cl cl cl cl < < < < L UL i JU J U J C OC OC O C O T T rr 't

LO LO
U J C O o T r-. m
L UL UL UU J L U tu CL CL CL cu MMN NN N L UU JU JL U L U U J CL CL CL CE CL 5 < < < < < CL CL 01 en CL< CL < <<.<<< L UL UL UL U L U L U OC OC O C O C OC C O o O O O O O

t h- hm hm m m lo o o o o o co o co O l co G l c O ) co 0) O S ti C N iC N O T -t -t
o m o m o m o ffi o ffi i i i p i
o co U J
r i i I
LO
o o o o
LO
I O D O <
co C O C O C O ( T IO ) ffl < X ffl < y > 2? o o 93 o 2 o o t L UO < o C M
o <
( N C O O r-- io i/inn
r i m io
T (O 7 c C O co O L O L
L O 0) L O c oC co Oo c oc oc o co O ) o CM m t co O ) co co f C M O ) C Nc o o^ to O s fl o N C Nc r OC L O T L L O
T
~T C O 0 5 O L O C O L O m (0 o C N I O c o C O
^
O y
^
m o
S ID I
hO L OC I O
***-
C N h-
m io co O co r- (
OL O C OL OL O c oL c oL O o co O o o M en C NC NC
V
"
T c o I T ) c o
>
M t i O ) f-c o c o r--
CO
O ) I O M
M o >C NC O( hc o c o ( O c o o c o c o co O lO lI O r-o O o f o a- L o 0) C M oc oC O c oc
CT) CT) !-
u O o y
foC O C O o c ^ c o C OO C O o s i C O c o c o L O C Oo C O io c o
r--
3
i i
o
C NC c oC N fO L O T T T c oC O io ai C OC N M c o C OT 05 0 5C L O C O^ 0) CTI L O O o^ C co co c
T
o > c o o o L O flj g o L L _ c o co _l a. N U J 01 1 < a. 
0) M c o c o I O r-o < Nc o C O ( 0 I O g C O g D o O o L L L U. L c c c "5 C "S C "5 C _l _J U JL UU J ai ai 01 N IL N L U UN U J or a: cu S s < < < C E ce C E

'
I g I D g (0 ;o C C " D o o o o L LL LL LL L _ __ __ _ c _ c " S "3 t5 mm mm _J _1 _i J L U y. U tr K 01 CU N N N U JU JU J H iN ce ce 01 CU s < < < < 01 01 01 01 < < < < L ] L UL UU JL co c oa >C / 5 o o o O 1 TT r-r-IO l O r-L Om
-> > >
< < <

)
01 N U J K < C C <
UJ
U JU JU J C / 5C O f> O O o j
>
co O
T ^r o. r-m r-m r-L O o o o o
r--
in
f
IO o
o o o o
C N h- et Ci o ^ W > n C N O) io co
w O IO N ^ C Ifl ( MS t I S L OL OI O * f c/5 in
s ^
C D
C O T O T in c o co tin n io ai ffl to Ifl 03 s

in co in in
co C O ai io
in co co m co co co co I OC OI O 05 N - I O C O io
o ^ co ^ co in n
o> C N
O
O C O m O C Om <33 O <*> o I O C N C N
C O C O r co
I O o o > C O r-co
C N co co C OO " C 5 C N 05 N C S I C O
( Na > O ) g> C D C N r-C N co co
si g D y
< 1 01^
C D I
co o N C N t- C tj- a> C N T< o ^ OL CU CU CU o_l o o o
ih
% < 2 o E
I 0 <
LLl QJ
C NO ) C N I C M li co cn
s < Q cc o
< < Q 9 < < Q Q
C N C O I O co r-03
2 L L f
w Q
o .E Vi 0)
Q
a. cu cu cu o o o o
< g C E o
u.
$ '2 a.
o o o o co co co C D J UJ i, L i U J U U . CE CL CSL CE M N NM U J L UL U L U CU CE CU 01
< < a. cu ai < < < L L l L UU J U J C OC O C O
O O O ^
lO C D
CE N
<
L U CE 2 < cu < U J co o hL O E 3 O <
0 o o o co co co i L U L L lL L lU J CE a: a: a: N U JN L UN L L l N L L l 01 OC 01 01
m
5 5 5 1 < < < <
o C D _l U J _ cu N U J cu
<
CU 01 01 CE < < < < 0< > 0CTI ) O T05 05 o o o o
O ?f ? C N 6C N
o o
O cri C O C OC O C N n y nj
O
C N C O
o
in ^ cn co r-- o> C NC NC O C N ( N S lO O l Ol T < NO h- c o m Iii ui ui
<J> C N O l co C N in
O ) O C O ) r- o in co
N Tco in
ci C N t in
co r--
o I O co (Jl m I C co sS ^ _ ' ^ C O
: co m in r**-
MN
in in h co co
T co
O N< n cp in o) C co o <jiC NC N C N ) C N in cn O in O TC O C N fO leo C NC O 'C o o 1 w

> o
C N C O o C N
m in Tco ' t co co r
m C O
co io ^ co in o C r ^ M Olm Tco C C N - C O ^f O co C C NC N C NN
O
TC O m r-
tM co ai O ? 5
C NC co co C N N
h-
0 01
L L I
O <
0 0D < O O > C o w
C OC O C O c S I ^ O 3 'f (O ^ C X I OT O C NC O ) C O C N T- OT in s ^ C NC NC S I n C N
C M
O
f O)
y o <
2 L U C O U J L U < re L U
e C E CU C E 01 o o o o O J I I IH I Q 11. IL IL O O O
m
< < < Q Q Q
< Q
<
9 C E
o
<
O _ _
<
< Q o
< g
o: O
[E
o
CU
C E C E
o
L UL L IU J L U i r ce o: a: N N MN L UU JL U L U C UC CC E C C
<
co
co
o (S
O O O O
C co
C E N I U J CU
<
C D C I I I " L UU JL U U J [E C EC E C E N N NN L U lil U J U J ce ce a: ce
< < C E< C E< C E < < U JL UU J U J ( 1 3 Cl O o o O <
o co
C E N U J a:
<
ce a: ce a: < < < < L l JL UL U L U

(/)(/) H W o O O O
<
<
<
C E 5) Q o o m T C MT C O
E ZJ o <
o> <5 S 01 O)
C O U!PJ C N SiC N o L 0201 30090
o <
C NL Oo co O lT O co O C O co' to C N q > es C C O NC O ic O eC OL OL O
* T
C O C O C O t oD C L O C O co C O
sr T ( NC co r-O co' C N Ol C N co S O S I OL L OL O O l C l DO C N C N S I N co tO C to C OC O O l O lo >

in C C N N O , C O, co C C O
8 *
? I O I D
sr co
M C Dcq r-- N C O s? : C O C O
M (O T C R co co C O o >C o NC N >
C N
C D 05 O l
C N C N C O
O lI O co O O ) C NL co cri C N o co C N co O )C N O sr 05 l( O lO L O s 0) O l ro I co co < J 1 co O M co
C M sr
CO
>
ci ^ ui O Q 2
5
o <o
C N 0 CT) C N C O< C O o > C O C O C N o > , O ) C \ lC N C T C O

co C NT N CT) O C T fi C N C O C N
C O O 'f C N hS ( D O O I O C-.
51
co f N 0) co C C N co co co m 3 I ( OC N co co 3 co OO C O I I o C N l co C N rco
E
C N
s i o
C D O O < O a: O
< < < < Qo l_J I I I I II CL CL CL CL U > o o o O _i 4) _l O L L _l L L IL L L
< < <
Q Q
CL CL CL
Q
_J LL
<
O O o ] _i _
LL LL
CL O
IL
z z z Z 1- 1- H 1o o o o C C co C 1 _l _l L UU J _L UL U N N UN U JN U JL L J o L CL CL CL CL 5
<
CL CL CL CL CL CL CL CL
Z z z
O m
Jte N U J CL 5 < cl <
UJ
1- 1- 1o o o m C co
Z 1O m
CL CL
L UU JU J * W CL Q: CL N U JN U JN U J
-
_i L U
N U J
< <
>
CL OL CL
<
<
<
< < <
CL CL CL
CL
< < < <

> ) >
U JU JL UL U co co C OC O o 1 o o O
o T t t < L fl O L O \N r-L O fo o o o
< < <

> >
C O O
U JU JU J C OC OC O O o O
T T r-. r- r-in io w
U J C O O l O
E 3 O <
1" fin
E D O <
C O )O 01 in to > o o g o C D f o C N r-O J o
Ol Ol <2 g co o
Ol CT) n CT) C D S o g S T
7. APLICACIN
DE
METODOS
ESTADISTICOS
EN
EL
ANALISIS DE CARBON
De la informacin recopilada se obtiene una base de datos que se anexa en la siguiente tabla.
Tabla 7.1 Base de Datos Fecha 1 3-Sep-'98 7 10-Sep-'98 3 17-Sep-'98 4 24-Sep-'98 1-Oct-'98 fi 8-Oct-'98 fi 7 15-Oct-'9 8 8 22-Oct-'98 9 29-Oct-'98 m 5-Nov-'98 11 12-Nov-'98 1? 29-Nov-'98 13 3-Dic-'98 14 10-Dic-'98 15 17-Dic-'98 16 24-Dic-'98 17 7-Ene-'99 1 14-Ene-'99 19 21-Ene'99 ?0 28-Ene-'99 ?1 4-Feb-'99 ?? 11-Feb-'99 ?3 18-Feb-'99 ?4 25-Feb-'99 4-Mar-'99 ?6 11-Mar-'99 77 25-Mar-'99 ?8 31-Mar-'99 ?9 8-Abr-'99 an 15-Abr-'99 22-Abr-'99 29-Abr-'99 6-Mav-'99 34 13-May-'99 35 20-Mav-'99 36 27-Mav-'99 37 3-Jun-'99 38 10-Jun-'99 39 17-Jun-'99 % Cza 30.61 32.13 27.68 33.16 39.16 34 22 36.67 34.05 34.82 35.34 37.42 37.95 36.49 40.72 36.36 36.72 41.38 40.61 28.56 27.01 29.73 24.30 29.61 30.42 31.02 28.14 32.95 34.59 31.78 40.98 36.57 34.15 29.99 28.50 30.26 34.50 31.24 33.5C 31.24 K Cal/Kg 5,861 5,592 6,113 5,630 4,801 5,471 5,055 5,439 5,416 5,176 5,101 5381 5,202 4,733 5,184 5,242 4,704 4,737 5,994 6,174 5,856 6,533 5,895 5,797 5,739 6,091 5,617 5,423 5,792 4,649 5,127 5,509 5,828 6.011 5,724 5,188 5,612 5,569 5,612 %S 1.54 1.53 1.77 1.47 1.51 1.57 1.28 1.41 1.50 1.73 1.63 1.54 1.57 1.55 1.44 1.48 1.68 1.26 1.47 1.72 1.65 1.38 1.38 1.62 1.60 1.89 1.56 1.37 1.43 1.23 1.44 1.37 1.60 1.64 1.47 1.87 2.19 1.64 2.19 %MV 19.94 19.77 20.40 19.79 18.93 19.65 19.65 20.01 20.08 19.37 18.93 19.46 20.13 21.15 20.01 19.03 18.49 18.84 20.54 18.38 19.92 22.74 21.87 20.55 19.99 20.62 20.02 20.65 19.90 18.52 19.54 18.88 19.92 21.63 20.38 19 84 19.83 19.84 19.83 FS I 6.5 5.5 4.5 5.0 4.0 6.5 7.5 7.0 6.5 7.5 6.5 6 6.0 6.5 5.5 7.5 5.5 5.0 7.5 7.0 7.5 8.0 7.5 9.0 8.0 8.5 7.5 7.0 6.5 5.0 7.0 6.0 8.0 7.0 8.0 8.0 7.0 7.5 7.0
Con esta base de datos y utilizando la hoja electrnica Excel, se aplica la regresin lineal por mnimos cuadrados a travs de una computadora. Se considerar como variable independiente el % de Ceniza y se irn considerando como variables dependientes en el orden en que aparecen en la base de datos, el poder calorfico kcal/kg, el % de azufre, la materia voltil y el ndice de expansin.
Datos Originales 104 1X+8984.2 Pronostico 5798 5639 6103 5532 4908 5422 5167 5440 5359 5305 5089 5034 5186 4745 5199 5162 4677 4757 6011 6172 5889 6455 5902 5817 5755 6055 5554 5383 5676 4718 5177 5429 5862 6017 5834 5393 5732 5497 5732
y=-
echa 3-Sep-'98 10-Sep-'98 17-Sep-'98 24-Sep-'98 1-Oct-'98 8-Oct-'98 7 15Oct-'98 8 2 2 - 0 ct-'98 9 29-Oct-'98 10 5 - N o v - ' 9 8 11 1 2 - N o v - ' 9 8 12 29-Nov-'98 13 3 - D i c - ' 9 8 14 10-Dic-'98 15 17-Dic-'98 16 24-D C -'98 17 7-Ene-'99 18 14-Ene-'99 19 21-Ene'99 20 28-Ene-'99 21 4-Feb-'99 22 11-Feb-'99 23 18-Feb-'99 2 4 25-Feb-'99 25 4-Mar-'99 26 11-Mar-'99 27 25-Mar-'99 28 31-Mar-'99 29 8-Abr-'99 30 15-Abr-'99 31 22-Abr-'99 32 29-Abr-'99 33 6 - M a y - ' 9 9 34 13-May-'99 35 20-May-'99 36 2 7 - M a y - ' 9 9 37 3-Jun-'99 38 10-Jun-'99 39 17-Jun-'99 1 2 3 4 5 6
% Cza
K Cal/Kg
30.61 32.13 27.68 33.16 39.16 34.22 36.67 34.05 34.82 35.34 37.42 37.95 36.49 40.72 36.36 36.72 41.38 40.61 28.56 27.01 29.73 24.30 29.61 30.42 31.02 28.14 32.95 34.59 31.78 40.98 36.57 34.15 29.99 28.50 30.26 34.50
31.24 33.50 31.24 Factor de Correlacin Correlacin Muy buena Aceptable Pronostico
5,861 5,592 6,113 5,630 4,801 5,471 5,055 5.439 5,416 5,176 5.101 5381 5,202 4,733 5,184 5,242 4,704 4,737 5.994 6,174 5,856 6,533 5,895 5,797 5,739 6,091 5,617 5,423 5,792 4,649 5,127 5,509 5,828 6,011 5,724 5,188 5,612 5,569 5,612 0.9577
Se efecta el mismo procedimiento con las dems variables.

Datos Originales 0 015x+2 0696
y=-
Mes 1 3-Sep-'98 2 10-Sep-'98 3 17-Sep-'98 4 24-Sep-'98 5 1-Oct-'98 6 8 - 0 et-'98 7 15-Oct-'98 8 22-Oct-'98 9 2 9-Oct-'98 10 5 - N o v - ' 9 8 11 12-Nov-'98 12 29-Nov-'98 13 3-Dc-'98 14 10-Dic-'98 15 17-Dic-'98 16 24-Dic-'98 17 7-Ene-'99 18 14-Ene-'99 19 21-Ene'99 20 28-Ene-'99 21 4-Feb-'99 22 11-Feb-'99 23 18-Feb-'99 24 25-Feb-'99 25 4-Mar-'99 26 11-Mar-'99 27 25-Mar-'99 28 31-Mar-'99 29 8-Abr-'99 30 15-Abr-'99 31 22-Abr-'99 32 29-Abr-'99 33 6-May-'99 34 13-May-'99 35 20-May-'99 36 27-May-'99 37 3-Jun-'99 38 10-Jun-'99 39 17-Jun-'99
% cza
%S 1.54 1.53 1.77 1.47 1.51 1.57 1.28 1.41 1.50 1.73 1.63 1.54 1.57 1.55 1.44 1.48 1.68 1.26 1.47 1.72 1.65 1.38 1.38 1.62 1.60 1.89 1.56 1.37 1.43 1.23 1.44 1.37 1.60 1.64 1.47 1.87 2.19 1.64 2.19 0.0909 Muy mal
30.61 32.13 27.68 33.16 39.16 34.22 36.67 34.05 34.82 35.34 37.42 37.95 36.49 40.72 36.36 36.72 41.38 40.61 28.56 27.01 29.73 24.30 29.61 30.42 31.02 28.14 32.95 34.59 31.78 40.98 36.57 34.15 29.99 28.50 30.26 34.50 31.24 33.50 31.24
Pronstico 1.61 1.59 1.65 1.57 1.48 1.56 1.52 1.56 1.55 1.54 1.51 1.50 1.52 1.46 1.52 1.52 1.45 1.46 1.64 1.66 1,62 1.71 1.63 1.61 1.60 1.65 1.58 1.55 1.59 1.45 1.52 1.56 1.62 1.64 1.62 1.55 1.60 1.57 1.60
Factor de Correlacin Correlacin Pronostico
No aceptable
Datos Originales y=-0 1213x+23.979 Pronstico 20 27 20.08 20 62 19 96 19 23 19.83 19 53 19 85 19 76 19 69 19.44 19.38 19 55 19 04 19.57 19 52 18.96 19.05 20.51 20 70 20 37 21 03 20 39 20.29 20 22 20.57 19.98 19 78 20 12 19.01 19.54 19.84 20 34 20.52 20.31 19 7 20 1 19 92>
Vies 1 5-Sep-'98 2 10-Sep-'98 3 17-Sep-'98 4 24-Sep-'98 5 1-Oct-'98 6 8-Oct-'98 7 15-Oct-'9 8 8 22-Oct-'98 9 29-Oct-'98 10 5 - N o v - ' 9 8 11 1 2 - N o v - ' 9 8 12 29-Nov-'98 13 3-Die-'98 14 10-Dic-'98 15 17-Dic-'98 16 24-Dic-'98 17 7-Ene-'99 18 14-Ene-'99 19 21-Ene'99 20 28-Ene-'99 21 4-Feb-'99 22 11-Feb-'99 23 18-Feb-'99 24 25-Feb-'99 25 4-Mar-'99 26 11-Mar-'99 27 25-Mar-'99 28 31-Mar-'99 29 8-Abr-'99 30 15-Abr-'99 31 22-Abr-'99 32 29-Abr-'99 33 6-May-'99 34 13-May-'99 35 20-May-'99 36 27-May-'99 37 3-Jun-'99 3 10-Jun-'99 3> 17-Jun-'99
% Cza 30.61 32.13 27.68 33.16 39.16 34.22 36.67 34.05 34.82 35.34 37.42 37.95 36.49 40.72 36.36 36.72 41.38 40.61 28.56 27.01 29.73 24.30 29.61 30.42 31.02 28.14 32.95 34.59 31.78 40.98 36.57 34.15 29.99 28.50 30,26 34.50 31.24 33.5C 31.24
% M.V
19.94 19.77 20.40 19.79 18.93 19.65 19.65 20.01 20.08 19.37 18.93 19.46 20.13 21.15 20.01 19.03 18.49 18.84 20.54 18.38 19.92 22.74 21.87 20.55 19.99 20.62 20.02 20.65 19.90 18.52 19.54 18.88 19.92 21.62 20.35 19.84 19.82 19.84 19.8: 5 0.3217 Muy Mal
} 20.1 S
No aceptable
Datos Originales y Q 1364X+11 321
/les 1 2 -Sep-'98 2 1 Q-Sep-'98 3 1 7-Sep-'98 4 2 !4-Sep-'98 5 1 -Oct-'98 61J - O c t - 9 8 7 5-Oct-'98 8 : >2-Oct-'98 9 29-0 ct-'98 10 5-Nov-'98 11 12-Nov-'98 12 29-Nov-'98 13 3-Dic-'98 14 10-DC-98 15 17-Dic-'98 16 24-Dic-'98 17 7-Ene-'99 18 14-Ene-'99 19 21-Ene'99 20 28-Ene-'99 21 4-Feb-'99 22 11-Feb-'99 23 18-Feb-'99 24 25-Feb-'99 25 4-Mar-'99 26 11-Mar-'99 27 25-Mar-'99 28 31-Mar-'99 29 8-Abr-'99 3C 15-Abr-'99 31 22-Abr-'99 32 29-Abr-'99 3 : l 6-May-'99 3l 13-May-'99 Zi) 20-May-'99 Zi3 27-May-'9 3"7 3-Jun-'99 3i 510-Jun-'99 3 9 17-Jun-'99
% Cza
F.S I
Pronstico 6.5 5.5 4.5 5.0 4.0 6.5 7.5 7.0 6.5 7.5 6.5 6 6.0 6.5 5.5 7.5 5.5 5.0 7.5 7.0 7.5 8.0 7.5 9.0 8.0 8.5 7.5 7.C 6.E 5.C 7.C i 6.C) 8.C) 7.(] 8.() 8,() 7. D 7. 5 7. 0 0.2537
7 15 6 94 7 55 6 80 5.98 6 65 6.32 6.68 6.57 6.50 6 22 614 6.34 5 77 6.36 6 31 5.68 5 78 743 7 64 7.27 8.01 7.28 7.17 7 09 7.48 6.83 6 60 6.99 5.73 6 33 6.66 7.23 7 43 719 6 62 706 6 75 7 06
30.61 32.13 27.68 33.16 39.16 34.22 36.67 34.05 34.82 35.34 37.42 37.95 36.49 40.72 36.36 36.72 41.38 40.61 28,56 27.01 29.73 24.30 29.61 30.42 31.02 28.14 32.95 34.59 31.78 40.98 36.57 34.15 29.9S> 28.5C) 30.2d) 34.5( ) 31.2' l 33.5 ) 31.2' X
Muy mal No aceptable
8. CONCLUSIONES Y RECOMENDACIONES
An cuando se plantea la consideracin inicial de las variables Ceniza - Poder calorfico y Ceniza - Azufre, se hicieron las determinaciones, Ceniza - Indice de expansin (FSI) y Ceniza - materia voltil (MV). Solamente se obtuvo una correlacin altamente aceptable en la consideracin % Ceniza (x) contra el % del Poder Calorfico, Kcal/Kg (y), lo cual nos indica que para el tipo de carbn en estudio, es de una aproximacin muy buena la determinada por Regresin Lineal con Mnimos Cuadrados. Lo anterior resulta muy til ya que no se requiere de un calormetro que es de alto costo para la obtencin de resultados muy cerca de los reales. Cabe considerar que los resultados obtenidos son indicativos de un rea determinada de explotacin de carbn y que cada rea ser sujeta a un estudio particular. Analizando el grfico obtenido de el % de ceniza contra el % del poder calorfico, Kcal/kg, vemos que se tiene una correlacin negativa, indicndonos esto que a mayor cantidad de ceniza es menor el poder calorfico y viceversa . O sea, si desea incrementar el poder calorfico, se recomienda reducir la ceniza, que pudiera lograrse mediante limpieza manual o realizando cribados para eliminar tamaos con alto contenido de ceniza, todo esto aumentara la calidad en el carbn y por ende las utilidades..
BIBLIOGRAFIA
Grant, Control Estadstico de Calidad, Ed. CECSA, 1999
Kume, Herramienta Estadsticas para el Mejoramiento de la Calidad, Ed. NORMA, 1993
Newbold, Estadstica para los Negocios y la Economa, Ed. Prentice Hall, 1997
Walpole, Probabilidad y Estadstica, Ed. Me Graw Hill, 1997
Consejo de Recursos Minerales, Ediciones del CRM, 1993
Microsoft, Enciclopedia ENCARTA, 1999.
GLOSARIO
Aliftico
Compuesto orgnico constituido por cadenas abiertas.
Alctono Antracita
Planta que no es oriunda del lugar donde crece. Carbn fsil seco que arde con dificultad y da poca llama.
Aromticos
Conjunto de compuestos cclicos formados por el benceno y numerosos derivados.
Arrabio ASTM Carbn lavado
Hierro colado, hierro de primera fusin Sociedad Americana para Pruebas de Materiales Carbn que despus de ser extrado , se le eliminan impurezas por medio del agua.
Carbn todo uno
Es el carbn tal como se extrae del interior de la Tierra, ( con impurezas ).
Cenomaniano
Serie estratigrafica de la parte inferior del periodo geolgico cretcico superior.
Concoidea
Fractura de los cuerpos slidos que resultan en forma de curvas, a manera de conchas
Coque
Carbn poroso obtenido de la calcinacin del carbn lavado despus de ser secado.
Correlacin Fisiografica
Relacin reciproca . Relativo a la descripcin de la tierra y de los fenmenos que en ella se producen.
FSI
Free Sueling Index (Indice de expansin libre) Prueba efectuada al carbn
Hulla
Carbn fsil llamado normalmente carbn de piedra.
In Situ Items
En el mismo lugar. Cada uno de los elementos de que consta un conjunto de informacin.
Lignito Macerales
Carbn fsil combustible. Constituyentes bsicos del carbn, que equivalen al mineral de las rocas cristalinas
Sedimentario Turba
Progresin lenta de un depsito. Combustible fsil formado por materias vegetales carbonizadas.
U.S.Geological Survey
Departamento de Investigacin Geologica de los Estados Unidos de Amrica.
RESUMEN AUTOBIOGRAFICO
El a u t o r de la presente tesis, titulada " M t o d o s Estadsticos Aplicados en Anlisis de C a r b n " , aspira a obtener el grado de M a e s t r o en Ciencias de la Administracin en la Especialidad de Produccin y Calidad. Nace el 13 de J u n i o de 1952 en el entonces mineral de Nueva Rosita, Coahuila, su n o m b r e , F e r n a n d o Flores Escobedo, hijo de F e r n a n d o Flores G a r c a (+) y la Sra. Z a p o p n Escobedo de Flores. Estudia la c a r r e r a de Ingeniero Qumico en la Escuela de Ciencias Qumicas de la Universidad A u t n o m a de Coahuila, de 1970 a 1975; labora en la empresa
Industrial M i n e r a Mxico, S. A., de 1975 - 1979 como supervisor de operacin y asistente de s u p e r i n t e n d e n t e en la Planta de Preparacin de C a r b n . Desde 1978 a la fecha, es catedrtico en la Escuela de Minera y Metalurgia de la Universidad A u t n o m a de Coahuila. De 1980 a 1981 realiza estudios de Especializacin en Procesos Siderrgicos en la Universidad Nacional A u t n o m a de Mxico y en el Instituto Politcnico Nacional, (Mxico, D. F.). Es maestro de tiempo completo en la Universidad A u t n o m a de Coahuila desde Marzo de 1982 a la fecha. Es asesor de pequeos productores de C a r b n de 1984 a 1986 en muestreo y anlisis de c a r b n , labor q u e contina ejerciendo eventualmente. De 1986 a 1993, es director de la Escuela de M i n e r a y M e t a l u r g i a de la
Universidad A u t n o m a de Coahuila en la ciudad de Nueva Rosita, Coahuila. De 1993 a la fecha f u n g e como Secretario Administrativo de la misma escuela.
trnsmm -'-y; i. \ . - -,
1
/ - ;:... ' \ v -
^ : : >> " /
'
S S S i l C l
m m m m w m m m w m m
. --
M?
mm

1020130090

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

1020130090

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSIDAD AUTNOMA DE NUEVO LEON

FACULTAD DE I N G E N I E R A W1ECNIC E L C T R I C A DIVISIN DE ESTUDIOS DE P O S T G R A D O

METODOS ESTADISTICOS APLICADOS EN EL ANLISIS DE CARBON

ING. FERNANDO FLORES ESCOBEDO

EN OPCIN AL GRADO DE M A E S T R O EN CIENCIAS DE LA ADMINISTRACIN CON ESPECIALIDAD EN PRODUCCIN Y CALIDAD ^;

SAN NICOLAS DE LOS GR2. N.L

MAYO DEL 2000

U N I V E R S I D A D AUTNOMA DE NUEVO LEN

WtTODOS ESTADSTICOS APLICADOS EN EL A N L I S I S DE CARBN PDR

TESIS EN OPCIN A L G R A D O DE MAESTRO EN CIENCIAS DE LA A D M I N I S T R A C I N CON ESPECIALIDAD EN P R O D U C C I N Y CALIDAD

SAN NICOLS DE LOS GARZA, N.L.

MAYO DEL 2000

esor lizondo Villarreal

VrUo. M.C. Roberto Villarreal Garza Divisin de Estudios de Post-grado

San Nicols de los Garza, N. L. 15 de Mayo del 2000

El presente trabajo tiene como

objetivo fundamental la aplicacin de

meta-antracita rinden algo menos en virtud de su bajo contenido de hidrogeno

CARBON L A V A D O TON/MES MILES

COQUE TON/MES MILES

PORCENTAJE DE PRODUCCION BASE C. T U.

GRUPO ACERERO DEL NORTE

GRUPO INDUSTRIAL MINERA MEXICO S.A. 5 3.60 2.70

MINERALES INDUSTRIALIZADOS S.A. 1 0.30 6.75

CARBONIFERA SAN PATRICIO S.A.

ALVARO JAIME TAMAYO

4. CLASIFICACION Y UTILIZACION DEL CARBON.

lmites en B T U por libra hmeda,

porciento (base seca libre

materia mineral Mayor que Igual 0 menor que 2

materia mineral) Igual mayor que o menor Carcter de aglomeracin

Bituminoso volatilidad alta A 4 Carbn

Bituminoso Volatilidad alta B 5 - Carbn bituminoso volatilidad alta C 1 Carbn

13,000 11,500 Aglomerable

Sub-bituminoso A III Sub2 Carbn

Sub-bituminoso B 3 - Carbn Sub-bituminos C

9,500 8,300 6,300

incluye agua visible en la superficie.

E s reconocido que existen variedades que son no-aglomerables en estos grupos de la

Con base en la clasificacin de carbn por rango de

5.3 C M O SE E L A B O R A UN D I A G R A M A D E D I S P E R S I N ? Para elaborar un diagrama de dispersin se procede de la siguiente manera.

c) Nmero de pares de datos. d) Ttulo y unidades de cada eje

Figura 5.4.2 Correlacin positiva

Figura 5.4.3 Puede haber correlacin positiva

Figura 5.4.4 N o hay correlacin

Figura 5 4.5 Correlacin negativa

Puede haber correlacin negativa

Figura 5.4.7 Correlacin parcialmente positiva y parcialmente negativa

cuantitativos, es til calcular el coeficiente de correlacin segn la siguiente definicin:

S(xy) S(xx) S(yy)

r puede ser representada por:

como se indica en la figura 5.6.1

Diferenciando SSE con respecto a a y (3, se tiene: d (SSE) 5a = - 2 i-i (yi-a-fic,)

Para este mtodo se tienen los pasos siguientes:

Paso 1 Obtenga x y y de los datos Paso 2 Calcule S(xx) y S(yy)

Paso 3 Se obtiene /? a S(xy) S(xx) Y a se obtiene de de

Los valores de a residuos minima.

obtenidos en estos p a s o s hacen la suma de los cuadrados de los

Ahora, utilizando los datos de la tabla 5 6.a , calculemos la lnea de regresin

x = ( 8 . 0 + 8 . 5 + 9.0 + 9 . 5 + 10.0 ) x 4/20 - 9.00 > - ( 4 62 + 4 . 5 0 + . + 1.95 ) /20 - 3 276

S(xx) = S(xy)= 576.88

~ t ^ x j / n ~ 163 0 - 180 2 /20 - 10.0

180 x 65.52/20 = -12.8

Presidn del aire (kg/cm 2 )