MAESTRÍA EN REGULACIÓN, GESTIÓN Y ECONOMÍA

MINERA

EGM60
TÉCNICAS3DE PRODUCCIÓN Y
DESARROLLO
ORGANIZACIONAL
ALFREDO
DAMMERT
 HERRAMIENTAS
MATEMÁTICAS DE
OPTIMIZACIÓN EN
ACTIVIDADES MINERAS
 TABLA
DE
CONTENIDO
01 TEORÍA DE DECISIONES APLICADA A
LA EXPLORACIÓN
S

02 PROGRAMACIÓN LINEAL

03 TEORÍA DE COLAS APLICADA A

LA MINERÍA

04
EMPLEO DE LOS MÉTODOS PERT-CPM
EN CONSTRUCCIONES DE
PROYECTOS MINERO-METALÚRGICOS
1. TEORÍA DE
DECISIONES
APLICADA A LA
EXPLORACIÓN

01
En este capítulo se presentan herramientas matemáticas de investigación de operaciones que pueden aplicarse en
general a cualquier proceso o actividad.

Por ejemplo, por medio de herramientas matemáticas de investigación de operaciones se puede optimizar: la
selección de tipo y número de áreas a explorar; la parte de un yacimiento minero a extraer; la mezcla de
concentrados para maximizar los ingresos de venta; el tipo de plantas, y etapas e insumos a escoger para la
concentración de minerales con objeto de obtener los mayores beneficios para el productor. Otro aspecto
importante en el sector minero son los servicios donde se debe: determinar la secuencia y tiempo de actividades de
construcción; y la determinación del número de centros de servicio para atención de unidades como personal,
vehículos, etc.

En este capítulo se tratarán algunos de estos temas:

1. La teoría de decisiones para determinar el número de actividades de explotación minera con el objetivo
de minimizar riesgos, sujeto a un valor mínimo de beneficios esperados (VAN).
2. La programación lineal para:
a. Determinar la mezcla óptima de insumos y productos de una planta, o
b. Establecer la mezcla óptima de concentrados de diversas leyes de metales y contenidos de impurezas.
3. La Teoría de Colas con objeto de establecer el número de centros de atención para optimizar el número
de unidades en espera para ser atendidos.
4. El método PERT/CPM para seleccionar la secuencia e intensidad de actividades en la construcción de una
planta o unidad y optimizar el tiempo de construcción.
1.1. Teoría de Decisiones Aplicada a la
Exploración
La exploración es una actividad de alto riesgo para el inversionista, ya que se requiere encontrar
mineral en cantidad y calidad adecuada en operaciones rentables.
Las empresas mineras, además de determinar las técnicas de exploración, utilizan una combinación
de herramientas económicas para decidir si los yacimientos son rentables. Estas se describen a
continuación.

A. Flujo de fondos descontado (DCF) y tasa interna de retorno (TIR).

El concepto tal como se ha descrito en la sección 10.2 de Evaluación de Proyectos es:

● Si VAN >0 o TIR al nivel deseado → aceptar el proyecto.

● Si VAN≤ 0 o TIR por debajo del mínimo esperado → rechazar el proyecto

El cuadro 12.1 presenta un ejemplo calculando el VAN a TIR de 12% y 18%

Cuadro 12.1 Ejemplo del Análisis de Flujo de Fondos Descontado (en miles de
soles)

Fuente: Dammert, Alfredo y Raul García, Economía de la Energía, PUCP fondo

editorial
Lima, Perú 2017.
Dado que el flujo de fondos descontado del VAN es positivo, se aceptará el proyecto. Sin embargo, si esta herramienta se utiliza sola, no
está considerando el riesgo, pues no incluye la incertidumbre de que los ingresos sean menores o mayores a los esperados. Los riesgos
en la exploración minera son altos tal como se aprecia en el gráfico 12.1.

Gráfico 12.1Características Especiales de los Proyectos

Mineros

Fuente: Naranjo
(2005).
B. El Método
Montecarlo
Consiste en tomar una solución válida (la solución base ) y hacer variaciones aleatorias en conjunto en los
factores principales que podrían sufrir cambios que afectarán la rentabilidad del proyecto. Las variables
empleadas con más frecuencia son
• Reservas.
• Leyes.
• Costo de explotación adicional.
• Precio de venta.
• Inversiones.
• Recuperación en el proceso.

Para cada una de estas variables se puede asumir que varían dentro de un rango, por ejemplo , de -10%
y +10
%. Se asume que estas variables tienen una distribución estadística siendo las más comunes la
distribución
triangular y la distribución normal. Luego de hacer una serie de simulaciones se construye una curva de
VAN versus probabilidades basado en los resultados de cada simulación. Es decir, utilizando las
probabilidades de cada variable se calcula el VAN para diversos valores de la combinación de variables
tomadas al azar, pero en función a su probabilidad de ocurrencia. Con ello se logra una distribución
 Gráfico 12.2 Distribución de valores actuales netos de un
proyecto

Fuente: Dammert, Alfredo y Raul García, Economía de la Energía, PUCP Fondo Editorial, Lima, Perú 2017.

Con este método se obtiene el VAN promedio y las posibles desviaciones del VAN con la probabilidad de ocurrencia. Por
ejemplo del gráfico 12.2 se puede apreciar que la probabilidad de que el VAN del proyecto sea igual o mayor a S/2,667 mil es
25% y que sea menor a dicho valor es 75%.
C. Teoría de la cartera de inversiones- reducción de riesgo con
diversificación.
Cuando se explora más de un proyecto minero se reducen los riesgos de no encontrar un depósito mineral rentable. Esto se
muestra en el siguiente ejemplo. Supóngase que se deben invertir $/15 millones en proyectos de exploración y producción.
Solo dos proyectos están disponibles y cada uno de ellos requiere invertir la totalidad de los $/15 millones para obtener las
utilidades. Uno de los proyectos es relativamente seguro con una probabilidad de 65% de tener éxito, mientras que el otro
tiene 35% de probabilidades de tener éxito aunque el VAN que se obtendría de este caso sería mayor. Para motivos de
comparación de ambos proyectos el VAN esperado es el mismo; US$ 24 millones. Los dos proyectos se muestran en el
cuadro.

Cuadro 12.2 Comparación de Rentabilidad y Riesgo

Fuente: Dammert, Alfredo y Raul García, Economía de la Energía, PUCP Fondo Editorial Lima, Perú
2017.
En vez de escoger un proyecto, se puede dividir la inversión en ambos pozos. Esto equivale a duplicar la inversión, por lo cual
para efectos de comparación se divide la inversión en partes iguales para ambos pozos. Se puede ver en el cuadro 12.3 que
dividiendo el dinero, 50% en cada pozo, se reduce el riesgo de pérdida de 35% a 23% lo cual es una aplicación directa del
principio de diversificación.

Cuadro 12.3 Efectos de la Diferenciación sobre el Riesgo de la

Inversión

Fuente: Dammert, Alfredo y Raul García, Economía de la Energía, PUCP Fondo Editorial, Lima, Perú
2017.
Selección de la cartera de inversiones. En el ejemplo anterior se ha ilustrado como al diversificar en varios proyectos el
inversionista reduce el riesgo de pérdida total. En esta parte se especifica cómo se debe escoger una cartera de inversiones.
En primer lugar el VANi esperado de cada proyecto i es

VANEi =VANi no éxito . Pi no éxito + VANi éxito . Pi éxito

(12.1)

Como se vio en el ejemplo anterior, el VANE para el pozo seguro se mostraría como:
VANE = -15.35 + 45.65 =$/24 millones

Cuadro 12.4 Cartera de Proyectos Mineros

Fuente: Cálculos del

Autor.
2.
PROGRAMACIÓ
N LINEAL

02
PR GRAMACIÓ
O N AL
LIN
E
La programación lineal se emplea cuando se desean optimizar (maximizar o minimizar) utilidades,
costos o tiempo entre otros. La situación que lleva a este problema es cuando, por ejemplo, se
quieren optimizar las utilidades de una operación minera donde las capacidades de minado, chancado
y concentración son limitadas y los minerales que produce la empresa tienen diferentes
características requiriendo diferentes capacidades en cada proceso.

Por ejemplo:
➔ Un mineral blando puede requerir menos capacidad de chancado, pero requiere mayor
capacidad de concentración.
➔ Cuando se tienen varios concentrados con diferentes tipos de impurezas por lo que las
penalidades, así como la tolerancia de impurezas requieren que éstos se mezclen para ser
aceptados por el comprador, y que den la máxima utilidad al vendedor.
2.1. Seleccionar la Cantidad Óptima a Tratar de dos Minerales de
Oro
Donde la Capacidad de Chancado/ Molienda y Tratamiento son Limitados.
Ejemplo 1: Restricciones en Capacidad de planta
Una empresa minera tiene dos tipos de mineral de oro, el mineral A contiene 300g oro/TM y el mineral B contiene 250g
oro /TM. Estos minerales deben pasar por 2 procesos para obtener el producto final:

(a) Chancado/ molienda que puede procesar por día 10,000TM del mineral A o 20,000TM del mineral B.
(b) Tratamiento que puede procesar por dia 15,000 TM del mineral A o 10,000TM del mineral B.

Gráfico 12.3 Esquema de Procesamiento de Mineral de Oro

Fuente: Elaboración
propia.
La empresa quiere maximizar la producción de oro. De acuerdo a lo anterior, el problema de programación
es
lineal
: MaxZ=300XA + 250XB
(12.2)
Sujeto a las restricciones:
Capacidad de Chancado/ Molienda

XA + 0.5XB ≤10,000 (12.3

)
(O sea se pueden producir 10,000TM de A o 10,000/5 TM de
B)

Capacidad de Tratamiento
XA + 1.5XB ≤15,000 (12.4
)
(O sea se pueden tratar 15,000TM de A o 15,000/1.5TM de
B)

Donde:
Z: Cantidad de oro en
gramos XA: TM de A
XB: TM de B
La solución se puede obtener por medio de un gráfico; las restricciones se presentan en el gráfico
12.4.

Gráfico 12.4 Restricciones de Capacidad

Fuente: Elaboración
propia.
 Gráfico 12.5. Isocuantas de
Producción

Como segundo paso se debe construir un gráfico

que muestre la combinación de los minerales A y
B que maximice la producción de oro. Para ello se
utiliza la ecuación siguiente:
Z=300XA+ 250XB

Para diferentes valores de Z (isocuantos), ver

gráfico 12.5.

➔ Por ejemplo, para Z= 3’000,000 gramos se

tiene XA= 10,000, XB=0 y XA=0, XB=12,000;
y para Z= 4’000,000 gramos se tiene
XA=13,333, XB=0 y XA=0, XB=16,000.

Fuente: Elaboración
propia.
Gráfico 12.6 Solución a la Máxima Producción de Oro Sujeta a
Restricciones de Capacidad en Trituración/ Molienda y
Tratamiento

El punto óptimo de 3’500,000 gramos con

XA=7,500TM y XB=5,000TM se puede obtener
del gráfico o de la solución de las ecuaciones
12.2 a 12.4

Fuente: Elaboración
propia.
2.2. Mezcla de
Minerales
Una empresa minera produce dos tipos de Gráfico 12.7a Curva
concentrados de cobre. El concentrado A con 1% de S Venta
y 0.9% de As dando una utilidad de US$ 20/TM, y el
concentrado B con 1.5% de S y 0.5 % de As con una
utilidad de US$ 40/TM. El comprador permite un
máximo de impurezas de 1.2% de S y 0.8 % As por lo
que la empresa debe mezclar sus concentrados y
maximizar sus utilidades. La solución a este problema
se da como sigue:
Objetivo: Maximizar utilidad de concentrados con
diversos % de impurezas
Venta 100TM concentrados cobre máximo
Conc. A 1% S 0.9% As $20/TM utilidad XA=TM conc A
Conc. B 1.5% S0.5 As $40/TM utilidad XB=TM conc B Fuente: Elaboración
propia.
 Gráfico 12.7b Rango de Impurezas
Permitidas
Rectas de
Impurezas:
S(Azufre): 1XA+1.5XB (12.7)
≤1.2( XA+XB)
As(Arsénico): 0.9XA + 0.5XB ≤0.8( XA + (12.8
XB) )
→Simplificando (1) y (2)

-0.2XA + 0.3XB ≤0 XB ≤2/3 (12.9

XA )
(12.10
0.1XA -0.3XB ≤0 XB ≥1/3 XA )
(12.7) Y( 12.8) se representan en el gráfico 12.7b
Fuente: Elaboración
propia.
La recta de utilidades se presenta en el gráfico
12.8
π= 20XA + (12.11)
40XB
Gráfico 12.8 Rectas de Utilidad

Fuente: Elaboración
propia.
 Del Gráfico 12.9 vemos que MAX π (punto Ω)
es donde se cruzan:
Gráfico
12.9 (a) XA+XB=100TM
(b)XB=2/3XA
Reemplazando (b) en
(a)
XA+2/3XA=100TM→5/
3XA=100→XA=60
XB=2/3XA→XB=40

La utilidad es de:
π=20XA+
Las 40XBde la mezcla son:
impurezas
→π=1200 + 1600=
S: (1%XA +1.5%XB)/ (XA +XB) = 1.2% S
Fuente: Elaboración 2800
As: (0.9%XA + 0.5%XB)/ (XA + XB) = 0.74%
propia.
Ar
→ S y As están dentro de los límites (1.2% S y

0.8% As).
2.2. Mezcla de
Minerales
Una empresa minera produce dos tipos de Gráfico 12.7a Curva
concentrados de cobre. El concentrado A con 1% de S Venta
y 0.9% de As dando una utilidad de US$ 20/TM, y el
concentrado B con 1.5% de S y 0.5 % de As con una
utilidad de US$ 40/TM. El comprador permite un
máximo de impurezas de 1.2% de S y 0.8 % As por lo
que la empresa debe mezclar sus concentrados y
maximizar sus utilidades. La solución a este problema
se da como sigue:
Objetivo: Maximizar utilidad de concentrados con
diversos % de impurezas
Venta 100TM concentrados cobre máximo
Conc. A 1% S 0.9% As $20/TM utilidad XA=TM conc A
Conc. B 1.5% S0.5 As $40/TM utilidad XB=TM conc B Fuente: Elaboración
propia.
3. TEORÍA DE
COLAS
APLICADA A LA
MINERÍA

03
Un problema en los servicios en la industria minera es determinar el número de puestos de recepción para, por ejemplo:
● Alimentadores de minerales o plantas de beneficio
● Carga de camiones tolveros desde los tajos de extracción
● Abastecimiento de bodegas
● Recepción de mineral en puestos para carga de barcos

Ejemplo:
Se tiene un número de camiones en cola alimentando a una planta de beneficio (concentradora); estos camiones hacen
cola
para descargar el mineral en puestos de descarga. Si todos los camiones llegaran con un intervalo igual entre ellos y si la
descarga siempre fuera exacta, bastaría con asegurarse que hubieran suficientes puntos de descarga para que los camiones
no tuvieran que esperar sin descargar. Por ejemplo, si el tiempo de descarga fuera siempre 80 camiones /hora por cada
puesto de descarga (u=80/hora) y llegarán siempre 120 camiones /hora (λ =120), el número de puestos de descarga
requerido para que no hubiese cola (fuera de los camiones que están descargando ) sería:
Gráfico 12.10 Camiones Alimentando Mineral a una planta de
beneficio

Fuente: Elaboración propia.

Sin embargo, en la práctica ocurre que los tiempos de descarga no son iguales; es decir, en algunos
periodos el tiempo de servicio puede ser mayor para un camión y viceversa.
La teoría de colas permite determinar el número de puestos de servicio cuando no hay
periodicidad exacta en el tiempo de servicio. Esta teoría utiliza la función de probabilidades de
Poisson que tiene la siguiente forma (gráfico 12.11):

Gráfico 12.11 Distribución de Poisson

Fuente: Elaboración
propia.
El uso de la distribución de Poisson para un caso como el de este ejemplo permite calcular
el tiempo promedio de una cola de camiones esperando a ser atendidos, mediante las
fórmulas:
¿Qué decisiones se pueden tomar empleando teoría de colas?

Empleando teoría de colas en el ejemplo mencionado la empresa puede:

a) Determinar el número de áreas de servicio requeridas para que la cola en promedio sea L.
b)Determinar el número de áreas de servicio que minimicen los costos de esta actividad para la empresa.
Para
ello, se analizará primero el costo total de esta actividad para la empresa. Supóngase que este costo es:

En 12.16 se puede apreciar que el costo de la actividad aumenta con el número de puestos de
servicio y también con la longitud de la cola que influye en menor producción. La fórmula (12.17) se
ilustra en el gráfico (12.12)
Gráfico
12..12

Fuente: Elaboración propia.

A continuación se muestra un ejemplo para determinar el número de puestos de servicio cuando :

a) Se requiere que la cola promedio sea 1.5
b) camiones.
Se requiere minimizar el costo de servicio.
Para el caso b supóngase que el costo de la actividad para la empresa, usando la ecuación
(12.17)

Los datos para el problema son:

- Llegan 120 camiones/hora λ=120

- Cada servidor atiende en promedio 80 camiones/ µ=8
hora 0
Para resolver el problema se emplean las fórmulas derivadas de la ecuación de Poisson (12.13 -12.15),
utilizando el programa de Excel, con lo cual se obtiene la longitud L de cola correspondiente al número de
puestos de servicio (columna 2). Esta información junto con el cálculo de costo de atención se muestra en
el cuadro 12.5.
Se puede apreciar de la columna 2 que no es posible tener solo un puesto de servicio, pues la capacidad
por puesto es menor que la llegada promedio de los camiones. A continuación se contemplan los casos
planteados:

a)Si lo que se desea es que la línea promedio de camiones en cola sea se 1.5, según el cuadro 12.5 se
requieren 5 puestos de servicio.
b)Si lo que se desea es minimizar el costo total de servicio, se requieren 3 puestos de servicio con un
costo de 143

Cuadro 12.5 Determinación del Número Óptimo de Puestos de Servicio

*El óptimo son 3 puestos de descarga con costo total $143

Nota: La longitud de línea promedio L incluye el número de camiones que están siendo
atendidos.
4. EMPLEO DE LOS
MÉTODOS PERT-
CPM

04
MÉTODOS
PERT-
CPM

El método consiste en determinar una lista de actividades de construcción y su secuencia. Además de

ello, se determina, cuando se trata de actividades en paralelo, cuál es el grupo de actividades que en
conjunto tomará más tiempo - llamada ruta crítica, los máximos y mínimos, los estimados de cada
actividad y cómo influyen en el proyecto total , y qué actividades se pueden realizar en un tiempo
menor si ello significa una mayor utilidad.

➔ El PERT-CPM es la unión de dos técnicas: Project Evaluation and Review Technique (PERT) que
consiste en establecer la secuencia de operaciones y los tiempos esperados (máximos,
mínimos y promedio) de cada actividad y Critical Path Method (CPM) que permite determinar
cuál de las rutas es la ruta crítica, o sea la que tomará más tiempo implementar, determinando
la duración total del proyecto.
Ejemplo de instalación de una planta concentradora:
Una empresa minera le pide a un constructor que le instale
una planta concentradora para lo cual se requieren las
Gráfico 12.13 Diagrama de PERT-CPM para el ejemplo
siguientes actividades con sus tiempos esperados de
de Instalación de Planta Concentradora
construcción.

● A Excavación -2 semanas.
● B Cimientos -2 semanas.
● CInstalación de molinos -4 semanas.
● D Instalación de planta de flotación -4 semanas.
● EElectricidad y gasfitería en área de molinos -2
semanas.
● FElectricidad y gasfitería en área de flotación -2
semanas.
● GPisos -3 semanas.

Dado que la instalación de molinos y la electricidad y

gasfitería correspondientes son independientes de la
instalación de la planta de flotación y sus correspondientes
instalaciones de electricidad y gasfitería, el diagrama de PERT
CPM es tal como se muestra en el gráfico (12.13).
Se puede apreciar en el gráfico 12.13que hay dos
trayectorias

A-B-C-E-G tiempo total 13semanas Costo

A-B-D-F-G tiempo total 13semanas Adicional
A B C D E F G
Por ello el tiempo total de construcción es de 13
semanas. Supongamos que en vez de 4 semanas el
tiempo de instalación de los molinos fuera de 3
$/semana 2000 1000 2000 2000 1500 1500 1500
semanas. Entonces la trayectoria correspondiente a esa
actividad sería de 12 semanas y la ruta crítica sería la
ABDFG con 13semanas.
Máxima
reducción
Veamos ahora otra posibilidad, supongamos que la posible 1 1 1 1 1 1 2
empresa minera le ofrece al constructor US$3,000 en semanas

adicionales por reducir cada semana en la terminación

del trabajo.
Para ello, el constructor tendría que adquirir personal y
maquinaria adicional para hacerlo con el siguiente costo
semanal adicional.
La pregunta es ¿cómo podría el constructor maximizar sus ingresos?
Para ello se analiza lo que ganaría el constructor reduciendo cada actividad ( ver cuadro
12.6).

Cuadro 12.6 Ganancia Adicional del Constructor

Esdecir el constructor bajaría las actividades A y B en 1semana cada una y la actividad Gen dos semanas con una
ganancia adicional de US$ 8,000 y una reducción de tiempo de construcción de 4 semanas.