Académique Documents
Professionnel Documents
Culture Documents
INTRODUCCIN
La optimizacin de los procesos mineros en minera subterrnea en la
actualidad, es una herramienta que le permite a las diferentes empresas que
extraen los recursos minerales aumentar la vida de sus proyectos mineros,
obtener recursos minerales de menor tenor, incrementar las reservas probadas
del mineral de inters y obtener utilidades mayores, entre otros.
Debido a esto se plantea una propuesta destinada a optimizar el diseo de
perforacin y voladura (P&V) en la Mina chungar, para mejorar la
fragmentacin del material volado, ya que esta operacin es uno de los
procesos de mayor relevancia en la extraccin minera y su misin especfica es
condicionar la roca (mineral o estril), para su posterior tratamiento, de forma
econmica y sustentable.
Por tal motivo la presente investigacin contara con seis (6) captulos, los
cuales estarn distribuidos de la siguiente manera:
Captulo I, conformado por las generalidades de la investigacin, entre las
cuales se encuentran el planteamiento del problema, los objetivos de la
investigacin, la justificacin, alcance y limitaciones encontradas en la
realizacin del proyecto.
Captulo II Descripcin del medio fsico, dar a conocer la resea histrica,
descripcin y estructura de la empresa, ubicacin del rea, caractersticas
fsico natural, la geologa y el ciclo productivo, entre otros.
Captulo III Marco terico, donde encontraremos las bases tericas, dentro de
las cuales encontraremos conceptos y frmulas matemticas relacionadas al
problema dual.
OBJETIVOS
El principal propsito del presente trabajo es desarrollar un conjunto de
modelos basados en la programacin lineal, para la resolucin de problemas
de planificacin de la produccin en condiciones de incertidumbre para
empresas mineras.
CAPITULO II
DUALIDAD EN PROGRAMACION LINEAL
Asociado a cada problema lineal existe otro problema de programacin lineal
denominado problema dual (PD), que posee importantes propiedades y
relaciones notables con respecto al problema lineal original, problema que para
diferencia del dual se denomina entonces como problema primal (PP).
Las relaciones las podemos enumerar como siguen:
a) El problema dual tiene tantas variables como restricciones tiene el programa
primal.
b) El problema dual tiene tantas restricciones como variables tiene el programa
primal.
c) Los coeficientes de la funcin objetivo del problema dual son los trminos
independientes de las restricciones del programa primal.
d) Los trminos independientes de las restricciones del dual son los
coeficientes de la funcin objetivo del problema primal.
e) La matriz de coeficientes tcnicos del problema dual es la traspuesta de la
matriz tcnica del problema primal.
f) El sentido de las desigualdades de las restricciones del problema dual y el
signo de las variables del mismo problema, dependen de la forma de que tenga
el signo de las variables del problema primal y del sentido de las restricciones
del mismo problema. (Ver tabla de TUCKER)
g) Si el programa primal es un problema de maximizacin, el programa dual es
un problema de minimizacin.
h) El problema dual de un problema dual es el programa primal original.
Tabla de TUCKER
PREGUNTAS:
Por qu se plantea el programa dual?
Qu significado tiene su solucin?
La solucin del dual se puede obtener desde el primal?
RESPUESTAS:
A)
B)
La
dualidad
permite
realizar
importantes
interpretaciones
Sujeto a:
1 + 2 2 2
1 - 2 3
2 1 + 3 2 5
1 + 2 2
3 1 + 2 3
1 0, 2 0
Este problema solo tiene dos variables y cinco restricciones por tanto se puede
resolver grficamente:
Cuya respuesta es
X1 = 28,75
X2 = 120
S1 = 79.5
S3 = 51.25
Funcin objetivo = 3310
Este paso se lleva a cabo teniendo en cuenta las relaciones que se expusieron
en la definicin de la dualidad. Ahora las variables en el dual las
representaremos por "" y corresponden a cada restriccin.
El modelo queda de la siguiente forma:
ZMIN = 7001 + 6122 + 803 + 1204
161 + 62 + 3 40
21 + 32 + 4 18
1;4 0
Ahora preparamos el modelo para ser resuelto mediante Mtodo Simplex,
utilizaremos el procedimiento en el cual la funcin objetivo es multiplicada
por (-1) y resolveremos el modelo mediante maximizacin.
+ 62 + 3
+ 04 - 1S1
211
+ 32 + 03 + 4
+ 0S2 = 40
+ 0S1 - 1S2 = 18
1; 4 0
Recordemos que el Mtodo Simplex solo es posible por la formacin de la
matriz identidad, sin embargo en una matriz identidad no pueden ir coeficientes
negativos, el cual es el caso, por ende recurriremos al artificio denominado
"Mtodo de la M grande" utilizando variables artificiales, las cuales siempre se
suman.
161
+ 62 + 3
+ 04 - 1S1
211
+ 32 + 03 + 4
+ 0S1 - 1S2
+ 0A1 + 1A2 18
1; 4 0
Ahora si observamos la matriz identidad formada por las variables artificiales,
nuestra funcin objetivo es la siguiente (vara dada la incorporacin de las
nuevas variables).
Podemos observar que todos los Cj - Zj son menores o iguales a 0, por ende
hemos llegado a la solucin ptima del problema, sin embargo recordemos que
la funcin objetivo fue alterada en su signo al principio, por ende se hace
necesario regresarle su signo original a Zj y a la fila Cj - Zj.
(-Z) max = -3310 *
(-1)
Zmax = 3310
Podemos cotejar con la funcin objetivo del modelo primal y encontraremos
que hallamos el mismo resultado.