Trabajo Final FINAL FINAL

Aplicacin de Cadenas de Markov y Sistemas de Colas en Minera La Consentida.
Pgina 1

APLICACIN DE CADENAS DE MARKOV Y SISTEMAS DE COLAS EN LA
MINERIA EXTRACTIVA DEL ORO, EN MINERA LA CONSENTIDA.

ALUMNOS
Allison Araya Alfaro
Csar Andrs Crdova Barrera
Vctor Cavieres Liemp
Camilo Alejandro Jaime Jaime

CARRERAS
Ingeniera Civil Industrial
Ingeniera Civil de Minas

DOCENTE
ING. Paulina Gonzlez Martnez

La Serena, viernes 4 de julio 2014

UNIVERSIDAD DE LA SERENA
FACULTAD DE INGENIERIA
DEPARTAMENTO INGENIERA CIVIL INDUSTRIAL
Aplicacin de Cadenas de Markov y Sistemas de Colas en Minera La Consentida. Pgina 2

Contenido
1. Introduccion. ....................................................................................................................... 3
1.1. Objetivo General. ........................................................................................................ 4
1.2. Objetivos Especficos. ................................................................................................. 4
2. Ejercicio de Aplicacin. ....................................................................................................... 4
Cuadros de Resumen. .................................................................................................... 6
Estados ......................................................................................................................... 6
Matriz de transicin (P) .............................................................................................. 6
2.1. Anlisis de resultados. ................................................................................................ 8
2.2. Sistema de colas. ........................................................................................................ 8
2.2.1. Servidores mltiples (M/M/C): (DG//). ..................................................... 8
2.2.2. Anlisis Resultados de lnea de espera. ........................................................... 9
3. Conclusin. ......................................................................................................................... 10
4. Bibliografa. ........................................................................................................................ 11
5. Anexo. ................................................................................................................................. 12
5.1. Marco terico. ............................................................................................................ 12
5.1.1. Orgenes. ............................................................................................................ 12
5.1.2. Procesos Estocsticos. ...................................................................................... 12
5.1.3. Cadenas de Markov. ......................................................................................... 12
5.1.4. Propiedad Markoviana de primer orden. ....................................................... 13
5.1.5. Probabilidad de transicin estacionaria de n pasos. .................................... 13
5.1.6. Probabilidades de estados estables. .............................................................. 14
5.2. Sistema de Colas. ...................................................................................................... 14
5.2.1. Servidores mltiples (M/M/c): (DG//) ..................................................... 14


1. Introduccion.

En el estudio de las variables aleatorias visto en clases se han explorado caractersticas
aleatorias del fenmeno, pero se ha mantenido un indicio, que esas caractersticas aleatorias se
mantienen en el tiempo, es decir, se ven reflejadas como un proceso o sucesin de eventos que
se desarrolla en el tiempo en el cual el resultado en cualquier etapa contiene algn elemento
que depende del azar se denomina proceso aleatorio o proceso estocstico. Por ejemplo, la
sucesin podra consistir en las diversas posibilidades de lanzar una moneda al aire en donde
interviene cierto grado de aleatoriedad.
Un ejemplo simple de un proceso estocstico es una sucesin de ensayos de Bernoulli, por
ejemplo, una sucesin de lanzamientos de un dado. En este caso, el resultado en cualquier
etapa es independiente de todos los resultados previos (esta condicin de independencia es
parte de la definicin de los ensayos de Bernoulli). Sin embargo, en la mayora de los procesos
estocsticos, cada resultado depende de lo que sucedi en etapas anteriores del proceso. El
caso ms simple de un proceso estocstico en que los resultados dependen de otros, ocurre
cuando el resultado en cada etapa slo depende del resultado de la etapa anterior y no de
cualquiera de los resultados previos. Tal proceso se denomina proceso de Markov o Cadena de
Markov (una cadena de eventos, cada evento ligado al precedente). Estas cadenas reciben su
nombre del matemtico ruso Andrei Andreevitch Markov (1856-1922).
Como mencionamos antes, estas cadenas tiene memoria, recuerdan el ltimo evento y eso
condiciona las posibilidades de los eventos futuros. Se utilizan, por ejemplo, para analizar
reparto del mercado entre marcas, dinmica de las averas de mquinas, para decidir poltica de
mantenimiento, para analizar el reemplazo de un equipo, entre otros.
Tambin nos enfocaremos en la Teora de colas, llamado as, por ser un sistema de colas o
lneas de espera que analiza el comportamiento cuando la demanda de un servicio supera la
capacidad de proporcionar dicho servicio, es decir, un conjunto de entidades en paralelo que
proporcionan un servicio de transacciones que aleatoriamente entran en el sistema.
Dependiendo del sistema que se trate, estas entidades pueden ser, maquinas, cajeras,
semforos, etc. Mientras que las transacciones pueden ser clientes, piezas, camiones, etc.
Una lnea de espera puede modelarse como un proceso estocstico en el cual la variable
aleatoria se define como el nmero de transacciones en el sistema en un momento dado; el
conjunto de valores que puede tomar dicha variable es de {0,1,2,n} y cada una de esas
variables tiene asociada una probabilidad de ocurrencia.
Finalmente, uno de los objetivos de este informe es construir un modelo aplicado donde se
seleccionen los equipos de movimiento de tierra para una mina subterrnea en particular,
rampas y camiones, estos, deben corresponder en funcin de sus caractersticas. La rampa
debe ser un tamao adecuado en relacin con la altura y la anchura de los camiones en los
cuales se ira a cargar combustible. La rampa seleccionada tambin debe ser capaz de cargar
completamente un camin. El nmero de camiones necesarios para cumplir con los requisitos
de produccin y maximizar la eficiencia es difcil de determinar, y el nmero de camiones
necesarios cambiara con el tiempo a medida que avanza la minera y las rutas de larga distancia
se hacen ms largas. Esto nos permite explicar la estructura y prever la evolucin, al menos al
corto plazo, de una variable que observamos a lo largo del tiempo y as analizar el posible
comportamiento en la serie con el fin de prever una evolucin futura.


1.1. Objetivo General.
Aplicar la teora fundamental de cadenas de Markov y teora de colas para determinar el
comportamiento de la flota de camiones en la carga de combustible en una mina subterrnea.
1.2. Objetivos Especficos.
Mostrar que el proceso es conjuntamente una cadena de Markov y lneas de espera.
Construir la matriz de transicin.
Mostrar que los estados son accesibles, se comunican, son recurrentes o aperidicos.
Presentar las probabilidades de estado estable.
Presentar los tiempos entre llegadas exponenciales y tiempos de servicios
exponenciales de la flota de camiones.
2. Ejercicio de Aplicacin.

En la Mina Subterrnea La Consentida se ha realizado un estudio de medicin de tiempos de
transporte a su flota de camiones. La mina La Consentida es una mina subterrnea que explota
vetas de cuarzo-oro y plata epitermales albergados en volcnicos y brechas. Tpicamente los
depsitos de mena exhiben una gran orientacin y varan de ms de 24 m en espesor con
buzamiento casi vertical. Este mineral es explotado por el sistema de Corte y Relleno (Cut and
Fill), por lo que a medida que el mineral es extrado, material estril es introducido para
soportar y continuar su explotacin ascendente por lo que requiere de una gran cantidad de
equipos de transporte para la operacin.
La mina cuenta con 3 Bombas de abastecimiento de combustible que pueden ser utilizadas a su
vez por otros equipos como camiones aljibes, camionetas, Bobcat, etc.

Para un mejor orden se ha dispuesto que los diferentes equipos mineros carguen combustible
en determinados horarios. Disponiendo as que los equipos de transporte carguen combustible
al finalizar su turno. Pero dicha condicin no siempre se cumple alterando la disposicin de las
bombas para atender la demanda.

El camin puede cargar combustible en cualquiera de las Bombas. Para esto debe situarse justo
en frente de una y esperar el verde para ingresar a cargar combustible. El situarse en una
determinada bomba no implica el ser atendida por la misma.
El departamento de operaciones minas solicit a su ingeniero realizar un estudio sobre la
probabilidad de que un camin se abastezca en una determinada Bomba.
La decisin fue entonces enviar por turnos camiones a la Bomba A, otra turno a la Bomba B y
otro turno a la Bomba C ya que el ciclo del problema es creciente a travs de los turnos. Se
orden tambin que en el caso que el tiempo de espera se extienda ms de 15 minutos el
camin se traslade a las Naves de mantencin y quede pendiente su abastecimiento de
combustible para el siguiente Turno.
Nmero de equipos = 10 camiones
Tiempo medio de abastecimiento = 15 minutos
Tasa de llegada = 1 camin / 6 minutos


Las mediciones arrojaron los siguientes resultados:
Al ir a la Bomba A
Probabilidad de abastecerse en A: 50 %
Probabilidad de abastecerse en B: 30 %
Probabilidad de abastecerse en C: 15 %
Probabilidad de retornar a Naves: 5 %
Al ir a la Bomba B
Al ir a la Bomba C
Hasta el momento se cuenta con un registro de anlisis de la administracin de Bombas de
Abastecimiento que indica que la utilizacin de sus bombas A, B y C o de abandonar la espera
por parte de los equipos de transporte es el siguiente:

Adm. Bombas
Bomba A
15%
Bomba B
20%
Bomba C
60%
Abandono
5%

Cuadros de Resumen.

Pararse en Bomba
A

Pararse en Bomba
B

Pararse en Bomba
C
Bomba A 0.50

Bomba A 0.15

Bomba A 0.05
Bomba B 0.30

Bomba B 0.55

Bomba B 0.10
Bomba C 0.15

Bomba C 0.20

Bomba C 0.85
Naves 0.05

Volver 0.10

Volver 0.00

Estados

E1: Abastecimiento en Bomba A
E2: Abastecimiento en Bomba B
E3: Abastecimiento en Bomba C
E4: Retorno a Nave

Matriz de transicin (P)

E1 E2 E3 E4
E1 0.50 0.30 0.15 0.05
E2 0.15 0.55 0.20 0.10
E3 0.05 0.10 0.85 0.00
E4 0 0 0 1

Determinar la Matriz de estados al cabo de 5 y 10 turnos y analizar resultados.

E1 E2 E3 E4
E1 0.1423 0.2321 0.3973 0.2283
E2 0.1233 0.2098 0.3927 0.2742

E3 0.1180 0.2072 0.5934 0.0814
E4 0 0 0 1

E1 E2 E3 E4
E1 0.0956 0.1641 0.3835 0.3567
E2 0.0898 0.1540 0.3644 0.3918
E3 0.1124 0.1938 0.4804 0.2135
E4 0 0 0 1

Cul es la probabilidad de que al cabo de 4 turnos un camin esperando en la Bomba
A sea atendido en la Bomba C?

=
E1 E2 E3 E4
E1 0.1684 0.2618 0.3761 0.1936
E2 0.3718 0.2372 0.3820 0.2436
E3 0.1279 0.2004 0.6310 0.0557
E4 0 0 0 1

Respuesta: Tiene una probabilidad de un 37.61%

Porcentaje de Utilizacin de las Bombas al cabo de 4 Turnos:

0.15
0.20
0.60
0.05

Por lo tanto:

E1
12.04%
E2
20.70%
E3
51.14%
E4
16.12%

2.1. Anlisis de resultados.

Al iniciar los turnos se debe tener en cuenta que hay un 16% de probabilidades de
tener que ir a abastecer equipos del turno anterior. Informacin que debe tener
presente el jefe de turno de operaciones de camiones. De esta forma sacar dicho
estado de imprevistos y agregarlos a programados

El tiempo de abandono de Bombas (retorno a naves) tiende a aumentar en el tiempo
por lo que es necesario exponer a los distintos departamentos de operacin el
problema y plantear un mejor sistema de coordinacin y control de tiempos y horarios
de abastecimiento.

Se recomienda a la administracin de Bombas de Abastecimiento de Combustible que:

La tendencia de camiones es utilizar la Bomba C por lo que se recomienda optimizar el
tiempo de abastecimiento y maniobras, junto con mantener la Bomba con suministro
constante de combustible y as disminuir la cantidad de abandonos.

2.2. Sistema de colas.
2.2.1. Servidores mltiples (M/M/C): (DG//).

Datos:
C=3
=


4
camiones/hora (Tasa media de servicio)

10
camiones/hora (Tasa media de clientes)
c 3 Cantidad bombas (servidores)
n 10 Nmero de camiones total (usuarios)
2.5
Factor de utilizacin

P
0
4.49% Probabilidad que el sistema se encuentre ocioso
Pn 3.26% Probabilidad de encontrar n clientes en el sistema
Ls 6.011236 Camiones
Lq 3.511236 Camiones
Ws 0.6011236 Horas
Wq 0.3511236 Horas

2.2.2. Anlisis Resultados de lnea de espera.

En base a los resultados obtenidos se recomienda dividir en 2 el horario de
abastecimiento de camiones, al inicio y al trmino del turno debido a que 3.5 camiones
de la flota se encuentra en fila al momento de ir a cargar combustible.

Se recomienda tambin, en caso de persistir el problema, destinar ms de 0.6011 hras
(36.07 minutos) al abastecimiento, y de esta forma dejar sin pendientes al turno
inmediatamente siguiente.

Si no se destina el tiempo necesario para el abastecimiento se aumentar el nmero de
retornos a naves.


3. Conclusin.

Primeramente no nos enfocaremos en explicar los resultados numricos del proceso, pues en el
desarrollo del mismo se explica claramente las respuestas obtenidas. Nuestro deseo es expresar
conclusiones alrededor del proceso de construccin del conocimiento y crear una inquietud a las
personas que lean el documento. Este trabajo es una manera simple de que entendimos sobre
la cadena de Markov, Teora de colas y su aplicacin en el mbito de una minera en particular a
cielo abierto, por lo mismo se pretende aclarar de que se necesita de ms tiempo para la
elaboracin de un buen documento que sirva como apoyo para otras personas que quieran
profundizar en el modelo y explicacin de una cadena de Markov y en la teora de colas, pero
se hizo lo posible para llevar esto acabo.
En el transcurso del desarrollo de este informe nos dimos cuenta que estas dos unidades nos
sirve para modelar el comportamiento de una flota de camiones cuando se dirige a cargar
combustible a la rampa en minas subterrneas. Estos modelos son capaces de analizar sistemas
de transporte como existen en la actualidad y que se pueden utilizar para evaluar la eficiencia
de las operaciones sobre la base de sus tamaos actuales de la flota. Esto tambin se puede
combinar con datos de costos para los equipos en uso para averiguar cunto dinero se gasta
para operar equipos que no estn contribuyendo directamente a la produccin.
Los datos obtenidos fueron consistentes a una operacin a una mina subterrnea. Tiempos
entre llegadas exponenciales y tiempos de servicio exponenciales de la mina que fue elegida,
por lo que los supuestos del modelo son vlidos para algunas operaciones.
Para determinar un tamao de flota ptima para un diseo de la mina dado y configuracin de
carga sin correr una simulacin completa, que puede ser ms til el uso de modelos que
implican simulacin estocstica, para incorporar rutas de larga distancia, tiempos de viajes y
tamao de las flotas. Esto permitira a varios tamaos y configuraciones de la flota a ser
comparados sin tener que hacer cambios del mundo real para adquirir entradas adicionales
para el modelo, como sera necesario para el modelo de cola. Este tipo de modelo estocstico
tambin podra ser utilizado en situaciones en las que la teora de colas no es aplicable, por
ejemplo, en minas en las que las operaciones de carga no se ajustan a las distribuciones
necesarias para la teora de colas para ser aplicado.


4. Bibliografa.

I. Quiroz. Telmo. 2011. Aplicaciones no convencionales de Cadena de Markov. Memoria
de Ingeniero Industrial. Lima, Universidad Catlica del Per, Facultad de Ciencias e
Ingeniera. 101p.

II. Del Valle, Juan Antonio. (2014). Introduccin a las Cadenas o Procesos de Markov.
Recuperado el 26 de Julio de 2014, de
http://www.ingenieria.unam.mx/javica1/ingsistemas2/Simulacion/Cadenas_de_Mark
ov.htm

III. Garca. Jos. 2010. Teora de Colas. Recuperado el 26 de Julio de 2014, de
http://personales.upv.es/jpgarcia/LinkedDocuments/Teoriadecolasdoc.pdf

IV. Sistema de Servicios de Informacin y Bibliotecas (SISIB). 2009. Redaccin de Citas
Bibliogrficas Gua y ejemplos, Santiago de Chile, Chile. Universidad de Chile. 16p.

V. Martnez. Eliseo. 2012. Cadenas de Markov y aplicaciones. Recuperado el 26 de Julio
de 2014, de
http://www.uantof.cl/facultades/csbasicas/Matematicas/academicos/emartinez/magi
ster/markov/markov.pdf


5. Anexo.
5.1. Marco terico.

5.1.1. Orgenes.
La teora de Markov debe su nombre a Andrei Andreyevich Markov quien naci en San
Petersburgo, Rusia, en 1856. Tras estudiar matemticas en la Universidad de San Petersburgo
ejerci como docente focalizando su trabajo en anlisis y teora del nmero, fracciones
continuas, lmites integrales, teora de aproximacin y la serie de convergencias.
Markov realiz estudios sobre cadenas secuenciales, consistentes en variables al azar, donde la
variable futura es predeterminada por la existente, pero independiente del origen de las
variables precursoras. Estas cadenas tienen memoria, guardando o recordando la informacin
del ltimo evento condicionando las posibilidades eventos futuros.
Las cadenas de Markov han sido aplicadas en diversas reas, como contabilidad y produccin,
servicios de salud, finanzas, comercio, educacin, luego de los avances en la materia
propuestos por Norbert Wiener y Andrei Kolmogorov.

5.1.2. Procesos Estocsticos.
Los procesos estocsticos, son procesos que evolucionan en el tiempo de una manera
probabilstica. Son de inters para describir el comportamiento de un sistema en operacin
durante algunos perodos, debido a que permiten su observacin, control y modelamiento. Se
definen como procesos dependientes de leyes causales y probabilsticas, por lo que estn
sometidos al azar y son objeto de anlisis estadstico. Este tipo de procesos son tiles para
poder comprender la correlacin, que estadsticamente significa la relacin entre varios grupos
de datos.
Para entender se supondrn caractersticas de un sistema en puntos discretos en el tiempo
(identificados con 0, 1, 2). Sea Xt el valor de la caracterstica del sistema en el tiempo y
considerado como variable aleatoria.
Entonces, un proceso estocstico discreto en el tiempo es una descripcin de la relacin entre
las variables aleatorias Xt: (X0, X1, X2). Los procesos estocsticos expresados como variables
aleatorias aportan informacin relevante de los procesos en anlisis.
Por otro lado, conviene definir una matriz estocstica, la cual debe cumplir las siguientes
condiciones:
Pij 0 i, j =1, 2, 3,4,..., r (1.2.1)

, i, i, j =1, 2, 3,4,..., r (1.2.2)

5.1.3. Cadenas de Markov.
Las cadenas de Markov permiten conocer el gobierno y comportamiento de determinados tipos
de procesos estocsticos. Describen la forma en que evolucionar un proceso estocstico en el
futuro y son independientes de los eventos ocurridos en el pasado, con excepcin de su
predecesor inmediato. Es un tipo especial de proceso en el tiempo, en el que se presenta una
cantidad discreta de estados e instantes de tiempo.

Definimos un evento de inters A perteneciente al espacio muestral y que es integrado por
un nmero de eventos finitos denominados estados. Si en un ensayo independiente Bernoulli
con extraccin al azar y reposicin, la probabilidad de ocurrencia de un xito a lo largo del
muestreo M= {m1, m2, m3,, mn} es constante e igual a p.
Por lo tanto se concluye que para un nmero finito de estados de probabilidad p constante, se
cumple la siguiente propiedad descrita en la frmula 1.3.1, la cual se aplica para todo evento
del conjunto M.

5.1.4. Propiedad Markoviana de primer orden.
Esta propiedad nos dice que el futuro depende nicamente del valor del estado del presente y
es independiente del pasado:
P { Xt+1 = j | X0 = K0 , X1 = K1 , . ., Xt-1 = Kt-1 , = Kt-1, Xt=1}= P {X t+1 | X1 = i }, para
toda t = 0, 1, . . y toda sucesin i, j , K0 , K1 , . . , Ki-1 .
Establece que la probabilidad condicional de encontrarse en el periodo t + 1, en el estado j,
depende nicamente del valor del estado en el periodo y y es independiente del pasado
(periodos 0,1,2,t-2,t-1).
Pij se define como las probabilidades estacionarias.
P {X t+1=j | Xt = i }, para toda i,j
Si el sistema se mueve del estado i durante un periodo al estado j durante el siguiente periodo,
se dice que ocurri una transicin de i a j entonces Pij se denominan probabilidades de
transicin. Todo proceso estocstico que satisface la propiedad de Markov se conoce como
cadena de Markov. La probabilidad de transicin en n periodos, se denota por Pij^(n), se define
como
Pij^(n)= {X t+n=j | Xt = i}
Como son probabilidades condicionales deben satisfacer:
1) Pij^(n) 0, para toda i,j y n=0,1,2,...
2)
= 1, para toda i y n= 0,1,2,...

Donde M es el nmero finito asociado a los diferentes estados por donde puede pasar el
proceso.
5.1.5. Probabilidad de transicin estacionaria de n
pasos.
Una cadena de Markov que est en el estado i en el tiempo m y su probabilidad de que luego
de n periodos su cadena este en el estado j es independiente de m.
P = (X n+m = j | Xm = i) = P(Xn=j | X0 = i) =Pij(n)
Usando la definicin de P, la matriz de probabilidad de transicin, se reescribe la ltima
ecuacin como:
Pij(2)=

Donde para n1, Pij(n)=ij- emesimo elemento de P^n. Por supuesto, para n=0,
Pij(0)=P(x0=j | X0 =i).


5.1.6. Probabilidades de estados estables.
Sea P la matriz de transicin de una cadena ergdica de estado estable. Entonces existe un
vector tal que:

El vector = [1 2 s] se llama distribucin de estado estable, o distribucin de equilibrio,
para la cadena de Marcos. Se establece que para cualquier estado inicial i , .
Como P
ij
(n + 1) = (rengln i de P
n
)(columna j de P), podemos escribir

5.2. Sistema de Colas.
5.2.1. Servidores mltiples (M/M/c): (DG//)


Trabajo Final FINAL FINAL

Transféré par

Informations du document

Description originale:

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Trabajo Final FINAL FINAL

Transféré par

Droits d'auteur :

Formats disponibles

Aplicacin de Cadenas de Markov y Sistemas de Colas en Minera La Consentida.

, i, i, j =1, 2, 3,4,..., r (1.2.2)

= 1, para toda i y n= 0,1,2,...

Vous aimerez peut-être aussi