Anda di halaman 1dari 16

, no se construy una relacin funcional entre las variables independientes (por

ejemplo, carga, acarreo, etc.) y el consumo de combustible. Este estudio se


basa en la publicacin anterior y contribuye a esta rea al proponer una
relacin funcional entre las variables. Adems, se determinan las tasas de
consumo de combustible para diferentes modos de funcionamiento del camin.
Adems, en este estudio, los resultados se comparan con la frmula
recomendada por el fabricante de camiones.
En resumen, este estudio de investigacin tiene como objetivo predecir el
consumo de combustible por ciclo de operacin de camiones volquete de
minera pesada en una operacin minera seleccionada, la cual se basa en
actividades cclicas de carga y descarga. Los resultados podran utilizarse para
estimar los costos de combustible en escenarios alternativos, de manera que
se podra escoger un escenario que reduzca el consumo de combustible y las
emisiones de gases de efecto invernadero. El estudio aplica la regresin parcial
de mnimos cuadrados (PLSR) y modelo autorregresivo integrado de media
mvil (ARIMA) para predecir el consumo de combustible basado en actividades
cclicas (p. Ej., Tiempo de carga, tiempo de transporte cargado, etc.).

2.-MTODOS
Dado que los efectos de las actividades cclicas sobre el consumo de
combustible de los camiones en las operaciones de minera de superficie no
han sido abordados en la literatura, en este estudio se propone una
metodologa para evaluar estos efectos. En este enfoque, la cantidad de
combustible consumido por un ciclo completo de manipulacin de material se
refiere a los componentes del ciclo. Un ciclo completo se compone de los pasos
principales de carga, maniobra, acarreo, vertido y retorno. Cada uno de los
componentes del ciclo est asociado con una parte especfica del total de
combustible consumido por un ciclo completo de manipulacin del material.
Por lo tanto, una relacin funcional entre los componentes del ciclo (como
variables independientes) y la cantidad de combustible consumido por ciclo
(como variable dependiente) determina la proporcin de cada componente en
el consumo total de combustible del camin.
Aunque los fabricantes de camiones proponen estimaciones aproximadas para
el consumo de combustible para diferentes modelos y tamaos de camiones,
hay incertidumbres considerables en las tasas reales de consumo de
combustible, que se deben a las condiciones especficas de las diferentes
minas. En otras palabras, las condiciones especficas de la mina (calidad de la
carretera, grados, etc.) producen considerables desviaciones en el consumo
real de combustible con respecto a las estimaciones del fabricante. La
estimacin por debajo o por encima del requerimiento de energa de una mina
resulta en considerables dificultades para decidir el presupuesto de la mina.
Con el fin de proporcionar estimaciones de consumo de combustible del
camin fiable y especfico de sitio, en este estudio, los datos histricos de las
operaciones de manipulacin de materiales se recogen y analizan. En este
enfoque, primero se toman en cuenta las variabilidades en el consumo de
combustible, que se deben a las condiciones especficas del sitio minero. Este
objetivo se logra utilizando una base de datos de consumo de combustible
histrica suficientemente amplia. En la literatura se destaca la importancia de
utilizar mediciones experimentales (en carretera) de consumo de combustible
en el modelado preciso de la energa. Por ejemplo, Lie et al. [11] presenta los
resultados del modelado de las mediciones de gases de efecto invernadero a
bordo de los autobuses urbanos en el metropolitano de Pekn.
Kousoulidou et al. [12] evaluaron el desempeo de varios modelos de emisin y
herramientas de simulacin de vehculos, y resaltaron la importancia de
medidas precisas reales en los modelos / simulaciones. En segundo lugar, se
determina una relacin funcional entre los componentes del ciclo y el consumo
total de combustible (por ciclo), que identifica la proporcin de cada
componente en el consumo total de combustible. Por lo tanto, los componentes
especficos pueden ser dirigidos para ser modificados con el fin de reducir el
consumo de combustible. Para lograr los objetivos mencionados, se introducen
en los apartados 2.1 y 2.2 mtodos de regresin parcial de mnimos cuadrados
y modelo autorregresivo integrado de media mvil.
2.1.- Regresin parcial de mnimos cuadrados (PLSR in English):
El mtodo PLSR se utiliza principalmente para modelar la regresin lineal entre
mltiples variables dependientes y variables (mltiples) independientes. Una
ventaja de este mtodo sobre la regresin lineal mltiple ordinaria (MR) es que
PLSR combina las funciones bsicas de los modelos de regresin, el anlisis de
componentes principales, y el anlisis de correlacin cannica [21]. En el
contexto de las regresiones lineales, la solucin de mnimos cuadrados para la
ecuacin (1) viene dada por la ecuacin (2).

A menudo, el problema es que XTX es singular, ya sea porque el nmero de


variables (columnas) en X excede el nmero de objetos (filas), o debido a
colinealidades. PLSR evita esto mediante la descomposicin de X en las
puntuaciones ortogonales (T) y cargas (P) (ecuacin (3)) [22]:

Adems, PLSR retrocede Y, no en X, sino en la primera columna de las


puntuaciones. El objetivo de PLSR es incorporar informacin sobre X e Y en la
definicin de las puntuaciones y cargas. Las puntuaciones y cargas se eligen de
tal manera para describir tanto como sea posible la covarianza entre X e Y.
2.2.- Modelo autorregresivo integrado de media mvil (ARIMA):
Los datos de consumo de combustible se analizaron y modelaron a travs de la
tcnica ARIMA en el contexto del anlisis de series temporales. La preparacin /
pretratamiento de los datos es uno de los primeros y ms importantes pasos
del anlisis de series de tiempo. Las estadsticas bsicas de los datos de
consumo de combustible se resumen en la Tabla 2. Desarrollado por Box y
Jenkins [23], los modelos ARIMA proporcionan un enfoque estadsticamente
robusto a la prediccin de series de tiempo. ARIMA tienen como objetivo
describir autocorrelaciones en los datos [24]. En un modelo ARIMA, se supone
que el valor futuro de una variable es una combinacin lineal de los valores y
errores pasados, expresada como la ecuacin (4):

Donde es el valor real, es el error aleatorio en el tiempo t, y son


coeficientes, y p y q son enteros que a menudo se refieren como polinomios de
media mvil y autorregresivos, respectivamente. Por ejemplo, el modelo ARIMA
(1,0,1) puede representarse como la ecuacin (5):

3.-RESULTADOS
Se obtuvieron datos del sistema de gestin de informacin vital (VIMS,
Caterpillar Inc.) para ms de 5000 ciclos de transporte en una mina de carbn
a cielo abierto. Los camiones de estudio fueron camiones de bastidor rgido
CAT 785C de 136 t, equipados con sistemas de registro de datos a bordo y
cargados con una pala hidrulica Hitachi EX1900 (cucharn de 11 m3) durante
operaciones de remocin de sobrecargas. La base de datos inclua las
actividades de manipulacin de materiales, las cargas tiles y el consumo de
combustible por ciclo.
La Tabla 1 resume la estadstica descriptiva de todas las variables despus de
la eliminacin de los valores atpicos por la prueba de Grubbs [20]. Como
resultado de la limpieza de datos, 149 puntos de datos fueron rechazados de la
base de datos inicial que contena 5, 127 registros. Las variables
independientes (explicativas) fueron la carga til, el tiempo de carga, el tiempo
de inactividad cargado, el tiempo de viaje cargado, el tiempo de viaje vaco y el
tiempo de inactividad vaco. La variable dependiente (salida) fue el volumen de
combustible consumido por ciclo. Las tcnicas PLSR y ARIMA se utilizaron para
modelar y predecir el consumo de combustible basado en los datos del sistema
de gestin de informacin vital segn la Tabla 1.
El resultado de aplicar la tcnica PLSR para predecir el consumo de
combustible durante 100 ciclos se ilustra en la Fig. 1. Cien ciclos (2%) de los
5000 ciclos disponibles se seleccionaron aleatoriamente y se usaron para
probar el modelo. Con el fin de examinar la generalizacin del modelo, estos
ciclos no se utilizaron en la etapa de construccin del modelo.
Tabla 1. Estadstica descriptiva de las variables asociadas al consumo de
combustible de los camiones volquete de minera [19].

Tabla 2. Estadstica descriptiva del consumo de combustible.

Figura. 1. Los consumos de combustible reales versus PULSAR-predicho durante


100 ciclos.
El error cuadrtico medio (RMSE) y el error de porcentaje absoluto medio
(MAPE), para el conjunto de datos de pruebas, fueron de 1,17 y 6,01%,
respectivamente. Los valores de MAPE inferiores al 10% estn asociados con
un excelente desempeo del modelo al modelar los datos no vistos.
Por otro lado, el modelo ARIMA es un enfoque orientado a datos que se adapta
a partir de la estructura de los datos [25]. Por lo tanto, la prediccin se basa en
una combinacin lineal de observaciones pasadas que necesita una serie
estacionaria sin ninguna tendencia especfica en los datos. Un mtodo
ampliamente utilizado de transferencia de datos en una serie estacionaria es la
aplicacin de la diferenciacin. En la mayora de los casos, una o dos rdenes
de diferenciacin son suficientes para preparar datos para el mtodo. El
parmetro d es el orden de diferenciacin en el modelo combinado (es decir,
ARIMA (p, d, q)). La aplicacin de ARIMA a datos estacionales necesita una
mayor diferenciacin en la parte estacional. En este caso, el modelo se
denomina ARIMA estacional (SARIMA) y est representado por SARIMA (p, d, q)
(P, D, Q) S con el orden de diferenciacin estacional de D y el ciclo de S. P y Q
son los autorregresivos y mviles de la parte estacional de los datos. En este
caso, D 1 fue seleccionado para hacer frente a la estacionalidad del modelo.
Los mejores parmetros p, q, P y Q del modelo SARIMA se obtuvieron a partir
del criterio de Akaike [26] corregido y del criterio bayesiano de Schwarz [27]
como SARIMA (1,1,1) (0,1,0) S100.
El bajo RMSE y MAPE para el perodo de prediccin de 100 ciclos muestran el
buen desempeo del modelo SARIMA en la prediccin del consumo de
combustible (Tabla 3).
Los parmetros del modelo junto con los intervalos de confianza del 95%
superior e inferior para las predicciones se resumen en la Tabla 4. La prediccin
del consumo de combustible para 100 ciclos imita el comportamiento de la
curva, con lmites relativamente estrechos del 95%, como se muestra en la Fig.
2.
El diagnstico del modelo es la ltima parte del modelado SARIMA que puede
realizarse mediante la inspeccin de los residuos. Los residuos modelo se
examinaron a travs de la prueba de Ljung y Box [28] para la satisfaccin de la
condicin de la serie de ruido blanco. Una serie de ruido blanco es una
secuencia de variables aleatorias estadsticamente independientes e
idnticamente distribuidas.
Otras caractersticas importantes de modelado de ARIMA, como la
autocorrelacin, la autocorrelacin parcial, la normalidad, la tendencia, la
homogeneidad y las pruebas de estacionariedad se discuten en la seccin del
Apndice.

4.-DISCUSIN:
El anlisis de los datos experimentales de consumo de combustible revel que
el tiempo de inactividad del camin vaco es un contribuyente importante a los
consumos de combustible innecesarios. Dado que las colas de camiones en las
palas son un componente clave del tiempo de inactividad vaco, se deben
hacer esfuerzos para reducir las colas. Las principales razones del aumento del
tiempo de inactividad vaco y, por lo tanto, del consumo de energa son la falta
de una cara de trabajo adecuada, la distribucin del tamao de la roca no
ptima y la ubicacin del montn y los cuellos de botella en las estrategias de
distribucin y asignacin de camiones. En cualquier caso, la eliminacin de la
(s) causa (s) subyacente (s) no slo reduce los costos de energa, sino que
tambin aumenta las tasas de produccin [29]. Adems de los parmetros
tcnicos, las habilidades del operador de camin / pala y estilos de conduccin
tienen efectos directos en el consumo de energa. Se necesitan estudios
causales para cuantificar el efecto de los parmetros relacionados con la fuerza
de trabajo en el consumo de energa.
Las variables que muestran la correlacin positiva ms alta con el consumo de
combustible son el tiempo de viaje vaco, el tiempo de recorrido cargado y el
tiempo de inactividad vaco (Tabla 5). Los tiempos de desplazamiento,
cargados y vacos dependen de las distancias de transporte y de las
velocidades mximas permitidas. La condicin superficial de la carretera, los
grados y las curvas determinan la velocidad mxima alcanzable. Por lo tanto,
mejores condiciones de la carretera tienen un impacto considerable en el
consumo de combustible al reducir tanto el tiempo de viaje cargado como el
tiempo de viaje vaco.
La tercera variable que est fuertemente correlacionada positivamente con el
consumo de combustible es el tiempo de inactividad vaco. Los camiones de
operacin estn inactivos en las colas de la pala y de la trituradora o estn
transportando / descargando materiales. En una operacin tpica de minera de
superficie, la mayora del tiempo de inactividad mientras est vaca se gasta
esperando en las colas de pala por las siguientes razones:
1. dos o ms camiones vacos llegan juntos en un punto de carga;
2. la cara de trabajo no est limpia / lista para la operacin de carga;
3. roca triturada de gran tamao aumenta el tiempo de excavacin;
4. la falta de habilidad del operador de la pala; y
5. malas condiciones climticas.

Tabla 3
Tabla 4. Parmetros del modelo SARIMA

Por lo tanto, se pueden implementar remedios apropiados para reducir el


tiempo de inactividad y mejorar el consumo de combustible y las tasas de
produccin. Por ejemplo:

Si dos o ms camiones vacos llegan al mismo punto de carga durante


un lapso de tiempo muy corto, se puede modificar la estrategia de
distribucin y asignacin de camiones para reducir los tiempos muertos
vacos del camin, que se deben formar una cola de camiones en un
punto de carga;
Por ejemplo, Ercelebi et al. [30] y Dindarloo et al. [29] demostraron el efecto de
un programa de despacho optimizado en la minimizacin de tiempos de
inactividad de camiones en dos estudios separados. Ercelebi et al. [30] emple
un algoritmo cerrado de la red de la reina para optimizar tanto el nmero de
camiones y el envo de camiones en la mina de carbn a cielo abierto Orhaneli
en Turqua. Como resultado, las longitudes de la cola de camiones en los
puntos de carga, y por lo tanto los tiempos vacos del camin vaco se
redujeron considerablemente (ms del 30%) en la minera de estudio de caso.
Dindarloo et al. [29] proponen un marco de simulacin estocstico para
optimizar el manejo de materiales en minas a cielo abierto utilizando el mtodo
de simulacin de eventos discretos. El modelo fue examinado en la mina de
hierro Golegohar en Irn, y dio lugar a una reduccin considerable (40 a 44%)
en los tiempos de inactividad del camin.

Si hay una falta de material apropiado para las palas para cavar y
cargar, puede usarse maquinaria auxiliar apropiada, tal como bulldozers;
Si los materiales son de gran tamao, los patrones de perforacin y las
operaciones de voladura se pueden modificar para producir una
distribucin ptima del tamao de la roca y un desplazamiento del
montn.
Por ejemplo, Amiel [31] informa de una reduccin de casi 5% en los tiempos de
carga de camiones que se logr a travs de la fragmentacin de la roca
mejorada en la mina de oro Tarkawa en Ghana. Esta reduccin en el tiempo de
operacin de carga se refleja reducida en tiempos de inactividad del camin,
por tanto, en menos consumo de energa.

Si el operador de la pala no es lo suficientemente competente como para


cargar camiones en pases / tiempo mnimo, se recomiendan acciones
apropiadas incluyendo entrenamiento tcnico.
Por ejemplo, Patnayak et al. [32] realiz un estudio de monitoreo de
rendimiento de pala en dos minas de arena de petrleo en Canad. Este
estudio demostr que el rendimiento de la pala fue significativamente
influenciado por los operadores. Se observ una variacin de hasta 50% en la
productividad de la pala entre diferentes operadores que tenan diferentes
niveles de habilidad. Por lo tanto, un operador menos capacitado (entrenado)
reduce significativamente la productividad de la operacin de carga, lo que
provoca un aumento de los tiempos de inactividad del camin.
Estas deficiencias en las operaciones han sido ampliamente evaluadas en la
literatura en trminos de tasas de produccin y costos (vase, por ejemplo, Ref.
[29]). El presente estudio demostr otro beneficio importante de minimizar el
tiempo de inactividad vaco: reduccin considerable en el consumo de

combustible.
Tabla 5. Matriz de correlacin para las seis variables independientes y una

variable dependiente.

4.1- Tasa de consumo de combustible:


El modelo de regresin PLSR se presenta en la ecuacin (6). Los coeficientes de
las variables de tiempo en la ecuacin (6) son iguales a la tasa de consumo de
combustible, en diferentes modos de funcionamiento, en litro / segundo / ciclo.
Las tasas de consumo asociadas se presentan en litros / segundo / 1000 ciclos
de operacin en la Tabla 6. PL es en toneladas mtricas, y todas las dems
variables independientes en la ecuacin (6) son en segundos.

Donde.
Tabla 6. Las tasas de consumo de camiones en diferentes operaciones

F: Consumo de combustible (litros por ciclo);


PL: Carga til (toneladas mtricas);
LT: tiempo de carga (segundos);
ES: tiempo de inactividad vaco (segundos);
ETR: tiempo de viaje vaco (segundos);
LS: Tiempo inactivo cargado (segundos);
LTR: Tiempo de viaje cargado (segundos).
La tasa de consumo de combustible en el modo de desplazamiento cargado es
la ms alta (51,9 L / s / 1000 ciclos), seguida del modo de arrastre en vaco
(14,7 l / s / 1000 ciclos). La diferencia entre los ndices de consumo en estos
dos modos es considerable (37.19 L / seg / 1000 ciclos), lo que se debe a los
requisitos de potencia del motor significativamente mayores para transportar
la carga hacia arriba que para los camiones que vuelven a bajar en vaco. En
otras palabras, slo un aumento de un segundo en el tiempo de acarreo resulta
en un consumo de 37,19 l ms en la operacin de transporte cargado (en cada
1000 ciclos) que en la operacin de viaje vaco (para la misma distancia). La
velocidad de consumo de los otros tres modos de funcionamiento de vaco,
carga y carga inactiva son 4,99, 3,98 y 2,78 l / s / 1000 ciclos, respectivamente,
que son considerablemente inferiores a los de los otros dos modos. En otras
palabras, la Tabla 6 representa el efecto de incrementar (disminuir) cada
variable independiente en 1 s en la cantidad de ms (menos) consumo de
combustible en litros por 1000 ciclos.
Por ejemplo, reducir el tiempo de inactividad del camin promedio de 137 s a
136 s da como resultado el ahorro de casi 5 Lt de combustible por cada 1000
ciclos por cada camin (ver Tablas 1 y 6).
_______________________
___________________________________________________
4.2.- Estimaciones de fabricacin de camiones:
Los fabricantes de camiones proporcionan estimaciones para el consumo de
combustible de los camiones por hora para diferentes potencias del motor y
factores de carga (LF). Un motor de camin LF es la parte de la potencia
mxima disponible de un camin que se requiere para realizar una operacin
especfica. Por ejemplo, LF para el transporte cargado es equivalente a la
porcin de potencia necesaria para transportar una cantidad especfica de
carga en una distancia especfica bajo restricciones operacionales tales como
condiciones de la superficie de la carretera, velocidad, habilidades y estilo de
conduccin del operador.
Segn Caterpillar, dependiendo de las condiciones de operacin, un LF tpico
puede estar entre 0,2 y 0,5. Los fabricantes de equipos utilizan LF para estimar
aproximadamente el consumo de combustible en diferentes modos de
funcionamiento. En este estudio, se utilizaron los datos reales de consumo de
combustible de una flota de camiones. Por lo tanto, el problema en este
estudio fue determinar la relacin entre los tiempos de ciclo y el consumo de
combustible. Una ventaja del modelo propuesto en este trabajo es que las
estimaciones son ms precisas y especficas del sitio que las propuestas por los
fabricantes, que se basan en una variable independiente de LF para diferentes
potencias / tipos de motor. Es comprensible que el propsito de la frmula de
los fabricantes sea proporcionar una estimacin muy aproximada del consumo
de combustible.
Segn el manual de rendimiento de Caterpillar [33], el consumo de
combustible por hora de un camin CAT 785 C (1450 HP) se estima en
53.7e80.6 L / h, 80.6e107.7 L / h, y 107.5e134.4 L / h para el Bajos, medios y
altos niveles de LF, respectivamente. Los tres niveles de LF se describen como
en los siguientes:

Bajo: Funcionamiento continuo con un peso bruto medio inferior al nivel


recomendado (excelentes carreteras de transporte y sin sobrecarga).
Medio: Operacin continua con un peso bruto medio aproximndose al
nivel recomendado (sobrecarga mnima y carreteras de buen recorrido).
Alto: funcionamiento continuo en o por encima del peso bruto mximo
recomendado (sobrecarga y carreteras de transporte deficiente).
Gua del factor de carga (factor de carga medio del motor basado en la
descripcin de la aplicacin para cada rango):
Bajo 20% - 30%.
Medio 30% - 40%.
Alto 40% - 50%.

Utilizando la informacin anterior, la Tabla 7 resume el clculo del consumo de


combustible en litros por segundo para diferentes modos de funcionamiento,
que se basan en el manual del fabricante.
La cantidad de combustible consumida en cada ciclo se calcula utilizando los
tiempos cclicos registrados (en segundos) y las dos ltimas columnas de la
Tabla 7 para las estimaciones de lmite inferior (mnimo) y de lmite superior
(mximo). Los valores de MAPE obtenidos utilizando las estimaciones de
Caterpillar se comparan con los del modelo propuesto en este estudio, y se
resumen en la Tabla 8.
La Tabla 8 muestra un desempeo considerablemente mejor del nuevo modelo
que el modelo LF (es decir, las estimaciones del fabricante basadas en los
niveles de factor de carga) en la estimacin del consumo real de combustible
por ciclo en trminos de la mtrica MAPE. Veinticinco ciclos son seleccionados
aleatoriamente para representar la diferencia entre los dos modelos en
trminos de previsibilidad del consumo de combustible en la Fig. 3.
Figura. 3 muestra que los consumos reales de combustible se sitan
generalmente entre las estimaciones mnimas y mximas del fabricante. Sin
embargo, hay unos cuantos ciclos en los que el consumo real de combustible
ha sido menor que la estimacin mnima de la fabricacin. El rango entre las
estimaciones de los lmites inferior y superior es significativo. El consumo
medio real de combustible para los 25 ciclos de la Fig. 3 es de 13,1 L / Ciclo,
mientras que las estimaciones de los lmites inferiores y superiores del
fabricante son 12,8 L / Ciclo y 17,9 L / Ciclo, respectivamente. Aunque el
consumo de combustible real est en el rango [12.8, 17.9], la diferencia entre
los lmites inferior y superior es de alrededor del 40%. Una incertidumbre del
cuarenta por ciento se traduce en dificultades significativas para decidir el
presupuesto operacional de una mina. Por otro lado, el nuevo modelo presenta
una estimacin muy cercana de los datos reales, con un promedio de 12,6 L /
Ciclo (3,8% de subestimacin). Por lo tanto, se justifica la necesidad de
construir un modelo experimental de consumo de combustible basado en datos
histricos para poder estimar con precisin la ubicacin de la curva de
consumo de combustible en el rango ancho-superior.
Vale la pena mencionar que los ndices de consumo de combustible para los
modos de operacin de ralent de camin son significativamente ms pequeos
que los de los modos de transporte (vase Tabla 6). Esto se debe al hecho de
que cuando un camin est inactivo, el factor de carga del motor
correspondiente es mnimo (vase la Tabla 7). Por lo tanto, las cantidades de
combustible consumidas en litro por segundo de las operaciones en vaco son
considerablemente inferiores a las de las operaciones de acarreo (vacas y
cargadas), que estn asociadas con cargas de motor significativamente ms
altas. As, esperablemente, una segunda reduccin en los modos de reposo
(por ejemplo, tiempo de inactividad vaco) da lugar a una menor reduccin del
consumo de energa que las operaciones de arrastre. Sin embargo, debe
tenerse en cuenta que los tiempos de inactividad vacos y cargados son modos
innecesarios de consumo de combustible que deben minimizarse (idealmente
eliminados).
Con el fin de comparar an ms las prestaciones de los modelos, las Figs. 4-6
ilustran respectivamente los coeficientes de determinacin para las
estimaciones del nuevo modelo y las estimaciones de Min / Max de fabricacin
con respecto a los consumos reales de combustible para el conjunto de datos
completo. El coeficiente de determinacin (R2) obtenido al trazar el diagrama
de dispersin del nuevo modelo frente a los consumos reales de combustible
(Figura 4) muestra una correlacin lineal considerablemente ms alta entre las
dos variables (R2 = 0,76) que los otros dos modelos. (Figuras 5-6), que se
basan en las estimaciones del fabricante (R2 = 0,53 y 0,51, respectivamente).
Cabe sealar que la operacin de estudio de caso se concentr en una regin
determinada de la mina durante el ao en que se recopilaron los datos. Aunque
los ciclos son relativamente cortos (vase el cuadro 1), el mtodo propuesto
puede examinarse tambin en el caso de las distancias de transporte ms
largas. A este respecto, la ecuacin (6) puede modificarse para tener en cuenta
los perfiles dinmicos (es decir, otras distancias de transporte):
En la ecuacin (6), los tiempos de viaje vacos y cargados (ETR y LTR) son las
nicas variables dependientes de la distancia (perfil), mientras que las otras
cuatro variables independientes (carga til, tiempo de carga, tiempo de
inactividad vaco y tiempo inactivo cargado ) No dependen de las distancias de
transporte. Por lo tanto, la ecuacin (6) se puede modificar fcilmente como en
la ecuacin (7):

En la ecuacin (7), HL es la distancia de transporte en metros, ALS es la


velocidad media de acarreo cargada en km / h (tambin, se puede obtener de
Tabla 7. Clculo del consumo estimado de combustible (por segundo) en
diferentes modos de funcionamiento, y para diferentes niveles de LF.
Tabla 8. Comparacin del rendimiento del nuevo modelo con las estimaciones
del fabricante (conjunto de datos).

El manual de rendimiento del fabricante), AES es la velocidad media de retorno


vaca en km / h, y 3.6 es un factor de conversin unitaria. Todas las dems
variables tienen los mismos significados y unidades que en la ecuacin (6). Por
lo tanto, la ecuacin (7) puede utilizarse para diferentes distancias de
transporte (ms largas).
Aunque las posibles interferencias de la flota, las redes de carreteras /
gradientes y las condiciones estacionales no se han considerado directamente
en las ecuaciones (6) y (7), sus efectos estn altamente correlacionados con
los tiempos de ciclo. Dado que la base de datos contiene los datos operativos
del transporte durante un ao, los efectos de los cambios de distancia, las
variaciones estacionales y las alteraciones de la red (durante un ao) ya estn
incorporados en la base de datos. Sin embargo, estas variaciones son
representativas de un ao de funcionamiento del estudio de caso especfico.
En resumen, aunque los mtodos fueron utilizados en un estudio de caso
especfico, son aplicables en otras operaciones dentro de un mismo marco de
referencia. Cualquier anlisis de la pala de camin depende de las distancias
de transporte. Las distancias de transporte pueden ser muy dinmicas
dependiendo de la operacin. Este estudio mostr las (inter) dependencias de
los ciclos y el consumo de combustible. Dado que los principios subyacentes
son los mismos para perfiles largos y cortos, se espera que se obtengan
resultados similares en el caso de carreteras ms largas, aunque esta
proposicin necesita ser examinada en estudios separados.
Tambin vale la pena mencionar que los modelos propuestos tienden a
subestimar el consumo de combustible en un factor del 4 al 6% (vase la figura
1), que debe ser considerado en el presupuesto operativo de la mina.
Fig. 3. Comparando los consumos reales de combustible con el nuevo modelo y las estimaciones del
fabricante para los 25 ciclos seleccionados al azar.

Fig. 4. Correlacin entre el consumo real de combustible y Fig.5. Correlacin entre el


consumo real de aas las estimaciones del nuevo modelo.
combustible y las estimaciones mnimas del fabricante.

Fig. 6. Correlacin entre el consumo real de combustible y las estimaciones mximas


del fabricante.
5.- CONCLUSIONES:
La estimacin del consumo de combustible del camin minero mediante
tcnicas PLSR y ARIMA proporcion informacin prctica sobre las causas
principales del consumo de combustible innecesario y excesivo. PLSR se utiliz
para construir una relacin funcional entre las actividades cclicas y la cantidad
de combustible consumido por ciclo. Por lo tanto, se identific la participacin
de cada actividad en el total de combustible consumido. Por otro lado, en
ARIMA (similar a la frmula del fabricante) slo se analiz una variable
(consumo total de combustible) en el contexto del anlisis de series
temporales. En ARIMA, no se construy ninguna relacin entre las variables,
pero se evalu la variabilidad de los datos (consumo de combustible) con el
tiempo y su previsibilidad. La evaluacin del efecto de diferentes variables
independientes (actividades cclicas) sobre el consumo de combustible revel
el considerable efecto de los tiempos de inactividad de los camiones en las
palas en el consumo total de combustible por ciclo. Las estrategias de
despacho mejoradas, la forma ptima de la pila de estircol y la distribucin
del tamao, y las habilidades mejoradas del operador de pala y cargador son
medidas preventivas eficaces para minimizar los cuellos de botella del flujo de
camiones en los puntos de carga. Por lo tanto, los tiempos de inactividad de la
flota de transporte total pueden disminuir, lo que da como resultado una mayor
eficiencia energtica y unas operaciones de transporte rentables. Adems,
estimar el consumo de combustible, de acuerdo con las directrices de
Caterpillar para la CAT 785 C, result en un amplio margen de incertidumbre, lo
que justifica la necesidad de construir modelos experimentales especficos de
consumo de combustible.

APNDICE
Una caracterstica central en el desarrollo de modelos de series de tiempo es
una suposicin de alguna forma de equilibrio estadstico. Un supuesto
particular de este tipo es el de la estacionariedad. Una serie de tiempo
estacionario puede ser tilmente descrito por su media, la varianza, y la
funcin de autocorrelacin [23]. La autocorrelacin es la correlacin interna de
las observaciones en una serie temporal, usualmente expresada como una
funcin del intervalo de tiempo entre las reservas. La autocorrelacin a la
laguna k,

Donde E indica el valor esperado, t = 0, 1, 2, ... representa los valores


de la serie, y es la media de la serie.
Un grfico de los valores de la muestra de la autocorrelacin contra el retraso
se conoce como la funcin de autocorrelacin o correlograma, y es una
herramienta bsica en el anlisis de series de tiempo, en particular para indicar
posiblemente modelos adecuados para la serie [34]. Los autocorrelogramas de
los datos de consumo de combustible (vase la Tabla 2) se muestran en la Fig.
A.1. El diseo del "puente de suspensin" en la Fig. A.1a es una caracterstica
tpica de series temporales no-estacionales y estacionales. Por otra parte, las
autocorrelaciones parciales (PACF) miden el grado de asociacin entre varios
retrasos cuando se eliminan los efectos de otros rezagos (Fig. A.1b). Tanto el
ACF como el PACF son herramientas grficas primarias para inspeccionar las
series temporales y decidir el orden de los componentes de la media
autorregresiva y mvil.
Las pruebas de normalidad, tendencia, homogeneidad y estacionariedad son
mtricas estadsticas importantes en la evaluacin de series temporales. En
resumen, los resultados mostraron que la serie de tiempo de consumo de
combustible no era normal, hubo una tendencia en los datos y las series no
homogneas y no estacionarias.

Fig. A.1 Diagramas de autocorrelacin (A) y autocorrelacin parcial (B).