Universidad Nacional de San

Cristóbal de Huamanga
Facultad de Ingeniería de Minas,
Geología y Civil
Escuela Profesional de Ingeniera de Minas

TEORÍA DE MARKOV Y APLICACIÓN DE SOFTWARE QM FOR

WINDOWS

CURSO :
ANÁLISIS DE SISTEMAS MINEROS (MI-547)

CATEDRÁTICO:
Ing. BERROCAL ARGUMEDO, Kelvis

ALUMNOS:
ALANYA OCHOA, Ángel
HUAMANÍ MEZA, Irvin
MUÑOZ MALLQUI, Kukin
SOSA LOZANO, Danny Dayvis
TOMATEO VARGAS, José Luis
Ayacucho - Perú
2019
 I

CAPÍTULO
RESUMEN EJECUTIVO

El presente trabajo analiza la Teoría de Desiciones, entre sus variedades se selccionó la Teoría
de Markov, su apliación de este mediente el desarrollo de Sistemas de Ecuaciones Lineales y
el uso del software QM for Windows. Habiendo formulado el problema en la mina TERESITA
y recopilado los datos necesarios, se procede a la resolución del problema mediante:
El primer método, se realizó mediante un digrama de transición, seguido por una serie de
ecuaciones desarrollados en MathType y finalmente la obtención de respuestas.
El Segundo método, Se insertó los datos en la primera ventana, posteriormente en la ventana
Solve se realiza la puesta en marcha del Programa y se obtiene los resultados.
También se verifica y compara la obtención de resultados y también concluimos que no hay
variación en las respuestas. También se demuestra la efectividad del Software para estos casos.
Por ende, demostrar que para la Ingeniería las matemáticas ya están establecidas y es el trabajo
del Ingeniero de Minas hacer uso de múltiples promagramas que disminuyan el tiempo con los
cálculos.

1
 ÍNDICE GENERAL

I RESUMEN EJECUTIVO 1

Índice de Cuadros 2

Índice de Figuras 4

II INTRODUCCIÓN 5
2.1 OBJETIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.1 Objetivo General . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.2 Objetivos Específicos . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

III MARCO TEÓRICO 6

3.1 TEORIA DE DESICIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.1.1 Elementos que caracterizan la Toma de Desiciones . . . . . . . . . . . 6
3.1.2 Tipo de Desiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.1.3 Teoría de Markov . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 SOFTWARE QM FOR WINDOWS . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.1 Definición del problema: . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.2 Desarrollo de un modelo: . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.3 Recolección de datos: . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.4 Desarrollo de una solución: . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.5 Pruebas de solución: . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2.6 Análisis de los resultados y análisis de sensibilidad: . . . . . . . . . . . 9
3.2.7 Implementación de los resultados: . . . . . . . . . . . . . . . . . . . . 9
3.3 ANÁLISIS DE VENTAJAS Y DESVENTAJAS EN LOS PROCESOS . . . . . . 11
3.4 Mediante Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . 11
3.5 Software QM for Windows . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

CONCLUSIONES 16

RECOMENDACIONES 17

REFERENCIAS BIBLIOGRÁFICAS 18

2
ÍNDICE DE CUADROS

3
 ÍNDICE DE FIGURAS

3.1 Diagrama de la Aplicación del Software . . . . . . . . . . . . . . . . . . . . . 10

3.2 Partes del Software QM for Windows . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Diagrama de Transición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.4 Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.5 Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.7 Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.8 Sistema de Ecuaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.9 Cuadro con los Datos de los Equipos . . . . . . . . . . . . . . . . . . . . . . 14
3.10 Cuadro de Cálculos con Software 1 . . . . . . . . . . . . . . . . . . . . . . . 14
3.11 Cuadro de Cálculos con Software 2 . . . . . . . . . . . . . . . . . . . . . . . 15
3.12 Resultado Final . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

4
 II
CAPÍTULO
INTRODUCCIÓN

En el presente trabajo desarrollaremos el primer tema del curso: "LA TEORÍA DE MARKOV",
siendo este de suma importancia por reducir la toma de desiciones y disminuirlo al mínimo
y cuando de trabajo se trata, busca optimizar mediante modelos matemáticos. Esta Teoría
funciona mediante procesos estocásticos, esto quiere decir que es un concepto matemático que
sirve para usar magnitudes aleatorios que varían con el tiempo o para caracterizar una sucesión
de variables aleatorias que evolucionan en función a otra variable, generalmente el tiempo. En
el Sector Minero estamos rodeados de múltiples decisiones, y es el Ingeniero quien toma las
elecciones más convenientes y para lo cual debe de optimizar la cantidad de decisiones y por
ende reduce el tiempo.

2.1 OBJETIVOS
2.1.1 Objetivo General
En este problema se tratará de reducir la cantidad de decisiones.

2.1.2 Objetivos Específicos

Se debe de elegir el Equipo adecuado entre entre las marcas Cat y Komatsu.

5
 III
CAPÍTULO
MARCO TEÓRICO

3.1 TEORIA DE DESICIONES

La toma de decisiones es una situación que está presente en nuestras vidas desde que desper-
tamos hasta que nos acostamos, nuestra vida está llena de elecciones unas más difíciles que
otras, con más o menos implicancia, pero al final estamos decidiendo. Es por esta razón que
desde hace bastante tiempo las personas vienen estudiando este tema, tratando de facilitar la
toma de decisiones y reducir el riesgo al mínimo posible cuando de elegir se trata este trabajo
busca optimizar la toma de decisiones a través de modelos matemáticos que ayudan en el
proceso y brindan resultados objetivos.
3.1.1 Elementos que caracterizan la Toma de Desiciones
Para que se dé una toma de decisiones se necesita que estén presentes los siguientes elementos:
• Sujeto, que es la persona que debe elegir la alternativa a seguir, en otras palabras es el
decisor.
• Alternativas y/o cursos de acción a seguir, mínimamente deben ser 2 para que pueda
darse la elección o decisión.
• Criterio, que sirve de base para determinar la alternativa a seguir.
• Posibles estados
• Posibles efectos.
• Relación entre acciones y efectos.
3.1.2 Tipo de Desiciones
• Decisiones en condiciones de certeza.
• Decisiones en condiciones de riesgo.
• Decisiones en condiciones de incertidumbre.

3.1.3 Teoría de Markov

El concepto de cadenas de Markov fue introducido en el año de 1905 por el matemático ruso
Andrey Andreyevich Markov. Nacido en Riazán, Rusia en 1856 fue ampliamente conocido por
sus trabajos en la teoría de números y teoría de probabilidades. Actualmente se le considera
como herramienta esencial para los siguientes casos:

6
 3.1 TEORIA DE DESICIONES | Capitulo III

• Investigación de operaciones
• Predicciones meteorológicas
• Optimizar precios de productos y servicios
• Marketing
• Análisis de ciclo de negocio
• Análisis de producto
• Optimización de los modelos de planificación
• Optimización de calidad de servicio al cliente
• Predicción de pérdida de clientes
• Predicción del comportamiento de los consumidores
• Optimización de las relaciones con los clientes
• Optimización del rendimiento de los trabajadores
• Modelos financieros para la optimización de acciones
• Análisis de juegos como el béisbol
• Reconocimientos de patrones
• Optimización de inventarios

Las cadenas de Marcov son modelos probabilísticos que se usan para predecir la evolución y el
comportamiento a corto a largo plazo de determinados sistemas. Ejemplo: Reparto de mercado
entre marcas; dinámica de las averías de maquinas para decidir política de mantenimiento;
evolución de una enfermedad, etc.
3.1.3.1 Definición
Una cadena de Markov es una sucesión de ensayos similares u observaciones en la cual cada
ensayo tiene el mismo número finito de resultados posibles y en donde la probabilidad de
cada resultado para un ensayo dado depende sólo del resultado del ensayo inmediatamente
precedente y no de cualquier resultado previo. Del mismo modo, el análisis a través de las
cadenas de Markov se puede definir como una manera de examinar el comportamiento actual
de alguna variable en un esfuerzo por pronosticar el comportamiento futuro de ésa misma
variable. Representa un sistema que varía su estado a lo largo del tiempo, siendo cada cambio
una transición del sistema. Estos cambios no están predeterminados, aunque sí lo está la
probabilidad del próximo estado en función de los anteriores, siendo esta constante a lo largo
del tiempo. Una cadena de markov (CM) es:

• Un proceso estocástico.
• Con un número finito de estados.
• Con probabilidades de estación estacionarias.
• Que tiene propiedad mrakoviana.
3.1.3.2 Procesos Estocásticos
Se define como una colección de variables aleatorias Xt : tT parametrizada por un conjunto T,
llamado espacio parametral, y con valores en un conjunto S llamado espacio de estados. En los
casos más sencillos se toma como espacio parametral el conjunto discreto T = {1, 2, 3, 4, 5...}
o bien el conjunto continuo y estos se interpretan como tiempos. Se dice que el proceso es
a tiempo discreto cuando utiliza el primer conjunto y de tiempo continuo cuando utiliza el
segundo conjunto. Los posibles espacios de estados que se consideran son subconjuntos de
números enteros Tenemos diferentes tipos de procesos estocásticos:

• Procesos de ensayos independientes.

• Procesos de Markov.

7
 3.2 SOFTWARE QM FOR WINDOWS | Capitulo III

• Procesos con incrementos independientes.

• Procesos estacionarios.
• Procesos con incrementos estacionarios.
• Procesos de Levy
• Procesos gausianos.

Ejemplos del proceso estocásticos:

• Serie mensual de ventas de un producto.

• Estado de una máquina al final de cada semana (funciona/averiada).
• N o de clientes esperando en una cola cada 30 segundos.
• Marca de detergente que compra un consumidor cada vez que hace la compra. Se supone
que existen 7 marcas diferentes.
• N o de unidades en almacén al finalizar la semana.
3.1.3.3 Elementos claves de una Cadena de Markov
Estados
Se define como una caracterización cualitativa o cuantitativa de una situación en que se halla
el sistema en un instante dado.
Matriz de transición (T)
Matriz cuadrada con tantas filas y columnas como estados tiene el sistema. Sus elementos
representan las probabilidades de que un estado (fila) permanezca en el mismo o cambie a los
siguientes estados (columnas). La suma de probabilidades por fila debe ser igual a 1.
Composición actual de los estados
Se utiliza para encontrar la composición de dichos estados proyectada en un periodo n. Los
estados que pueden ocurrir llegan a ser de diferentes tipos, como son:

• Estado absorbente: Una vez que el proceso entra en este estado, permanecerá ahí
indefinidamente. Es decir, la probabilidad de hacer una transición fuera de ese estado
es igual a cero.
• Estado de transición. Sus probabilidades están cambiando constantemente respecto al
periodo anterior.

3.2 SOFTWARE QM FOR WINDOWS

El software POM-QM (Production and Operations Management, Quantitative Methods) es
una herramienta que contiene los principales métodos cuantitativos para las asignaturas de
Investigación de operaciones. El orden en que exploraremos el software, será en base al orden
en que están orientados los temas en las asignaturas de Investigación de operaciones, y para
ejemplificar el uso del software.
3.2.1 Definición del problema:
El primer paso en el enfoque cuantitativo es desarrollar un enunciado claro y conciso acerca
del problema. Este enunciado dará dirección y significado a los siguientes pasos. En muchos
casos, definir el problema es el paso más importante y más difícil. Es esencial ir más allá de
los síntomas del problema e identificar las causas reales.

8
 3.2 SOFTWARE QM FOR WINDOWS | Capitulo III

3.2.2 Desarrollo de un modelo:

Un modelo es una representación (casi siempre matemática) de una situación. Lo que diferencia
el análisis cuantitativo de otras técnicas es que los modelos que se usan son matemáticos. Un
modelo matemático es un conjunto de relaciones matemáticas. Casi siempre, estas relaciones
se expresan como ecuaciones y desigualdades, ya que se encuentran en un modelo de hoja de
cálculo que suma, saca promedios o desviaciones estándar.
3.2.3 Recolección de datos:
Una vez desarrollado un modelo, debemos obtener los datos que se usarán en él (datos de
entrada). La obtención de datos precisos para el modelo es fundamental; aun cuando el modelo
sea una representación perfecta de la realidad, los datos inadecuados llevarán a resultado
equivocados.
3.2.4 Desarrollo de una solución:
El desarrollo de una solución implica la manipulación del modelo para llegar a la mejor solución
(óptima) del problema. En algunos casos, esto requiere resolver una ecuación para lograr la
mejor decisión. En otros casos, se podría usar el método de ensayo y error, intentando varios
enfoques y eligiendo aquel que resulte en la mejor decisión. La precisión de una solución
depende de la precisión de los datos de entrada y del modelo.
3.2.5 Pruebas de solución:
Antes de analizar e implementar una solución, es necesario probarla cabalmente. Como la
solución depende de los datos de entrada y el modelo, ambos requieren pruebas. El modelo
se puede verificar para asegurarse de que sea lógico y represente la situación real.
3.2.6 Análisis de los resultados y análisis de sensibilidad:
El análisis de resultados comienza con la determinación de las implicaciones de la solución. En
la mayoría de los casos, una solución a un problema causará un tipo de acción o cambio en
la forma en que opera una organización. Las implicaciones de tales acciones o cambios deben
determinarse y analizarse antes de implementar los resultados.
3.2.7 Implementación de los resultados:
Es el proceso de incorporar la solución a la compañía y suele ser más difícil de lo que se
imagina. Incluso si la solución es óptima y dará ganancias adicionales de millones de dólares,
si los gerentes se oponen a la nueva solución, todos los efectos del análisis dejan de tener
valor.

9
 3.2 SOFTWARE QM FOR WINDOWS | Capitulo III

Figura No 3.1:
Diagrama de la Aplicación del Software

Fuente: Elaboración propia

10
 3.3 ANÁLISIS DE VENTAJAS Y DESVENTAJAS EN LOS PROCESOS | Capitulo III

Figura No 3.2:
Partes del Software QM for Windows

Fuente: Software QM for Windows

3.3 ANÁLISIS DE VENTAJAS Y DESVENTAJAS EN LOS PROCESOS

Para poder crear una cadena de Markov se requieren llevar a cabo las siguientes etapas:

• Desarrollo de la matriz de probabilidades de transición

• Descripción de los estados
• Determinar las probabilidades de estado estable.

Por lo cual, se desarrollará mediante el método de las ecuaciones y luego Software.

3.4 Mediante Sistema de Ecuaciones
En la mina TERESITA, se debe decidir entre 2 marcas de Scooptram (CAT, KOMATSU).
Para ello:
a) Cuando el grupo decide CAT existe una probabilidad de 0.8 que lo seguiran eligiendo.
b) Cuando una parte del grupo decide KOMATSU, existe una probabilidad de 0.6 que elegirán
CAT.

11
 3.5 Software QM for Windows | Capitulo III

Figura No 3.3:
Diagrama de Transición

Fuente: Elaboración propia

Para la matriz de decisión de 2x2 se plantea la siguiente ecuación.

π0 =probabilidad de eleguir CAT.
π0 =probabilidad de eleguir KOMATSU.

Figura No 3.4:
Sistema de Ecuaciones

Fuente: Elaboración propia

3.5 Software QM for Windows

1.-Se selecciona en el módulo free (Markov Analysis), se elige el título, el número de estados
y se da clic en OK.

12
 3.5 Software QM for Windows | Capitulo III

Figura No 3.5:
Sistema de Ecuaciones

Fuente: Elaboración propia

2.-Se cambia el nombre de los estados y se llena los datos brindados.

Figura No 3.6:
Sistema de Ecuaciones

Fuente: Elaboración propia

3.- Selección de opción Solve:

Figura No 3.7:
Sistema de Ecuaciones

Fuente: Elaboración propia

4.-Obtención de resultados: 3.- Selección de opción Solve:

13
 3.5 Software QM for Windows | Capitulo III

Figura No 3.8:
Sistema de Ecuaciones

Fuente: Elaboración propia

Luego en una selección de 5 equipos Scooptram de 17 y 18 toneladas de direntes marcas

reconocidas en el mercado de la Insdustría Minera.
Figura No 3.9:
Cuadro con los Datos de los Equipos

Fuente: Elaboración propia

Figura No 3.10:
Cuadro de Cálculos con Software 1

Fuente: Elaboración propia

14
 3.5 Software QM for Windows | Capitulo III

Figura No 3.11:
Cuadro de Cálculos con Software 2

Fuente: Elaboración propia

Figura No 3.12:
Resultado Final

Fuente: Elaboración propia

15
 CONCLUSIONES

1. Mediante el desarrollo de las ecuaciones y el Software se determinó los resultados 0.25

y 0.75, siendo la elección más conveniente el próximo a la unidad.
2. Se determinó que la mejor elección es el equipo CAT y seguido por el equipo KOMATSU.
3. También se pudo seleccionar el Scooptram apropiado, siendo elegido el equipo EPIROC(ST18).
4. Es una desventaja el procedimiento manual de un sistema de ecuaciones lineles con más
de 3 variables.
5. Es una ventaja el uso del Software para la resolución de un sistema complejo de
ecuaciones de más de 2 varibles.
6. Las matemáticas como los algoritmos en la Ingeniería ya están establecidas, es el trabajo
del Ingeniero hacer uso de herramientas que faciliten los procesos complejos que pueden
existir mendiante el uso de diversos Software.

16
 RECOMENDACIONES

1. Se sugiere elegir a los equipos que estén más cerca a la unidad.

2. Se recomienda la selección de un tercer o más equipos para una mejor prueba.
3. Se puede prentender realizar la aplicación del Software en equipos de más 5 y realizar la
selección apropiada. También con Equipos de con otro tipo de funciones.
4. Se recomienda el uso del Software para encontrar la soluciones de ecuaciones lineales
con múltiples variables.
5. Hacer uso de otro tipo de Software que realice la selección óptima de las variables y
comparar las respuestas con las nuestras.

17
 REFERENCIAS BIBLIOGRÁFICAS

[1] Edmundo C.A. “Métodos de explotación subterránea Análisis de Sistemas Mineros”

Univerisdad Nacional de San Cristobal Huamanga-2010.

[2] Daniel G.V. “Análisis del comportamiento de las acciones de empresas mineras mexicanas
mediante el uso de cadenas de Markov” Universidad Nacional de Mexico-2016.

[3] Guadarrama, Guillermo . “Análisis del comportamiento de las acciones de empresas

mineras mexicanas mediante el uso de cadenas de Markov.”. México-2016.

[4] Campos, E. “Análisis de Sistemas Mineros”. Ayacucho, Perú-2011.

[5] Ramos, M . “Voladura en Minería Subterránea Convencional.PDF”. Lima,Perú-2015.

[6] Fuentes, N . “Acarreo y Transporte en Minería Subterránea.PDF”. Santiago,Chile-2015.

[7] Alarcón, C . “Equipos de Perforación en Minería Subeterránea.PDF”. Ayacucho,Perú-

2018.

18