Documente Academic
Documente Profesional
Documente Cultură
UNIVERSIDAD NACIONAL
SANTIAGO ANTNEZ DE MAYLO
PORTADA
METALURGIA
MUESTREO-DISTRIBUCIONES MUESTRALES-
INTERVALOS CAPITULO II
(AVANCE)
DEDICATORIA
A NUESTROS PADRES
III
INDICE
PORTADA............................................................................................................... I
DEDICATORIA .....................................................................................................II
INTRODUCCION ...............................................................................................VII
APLICACIN N1 ................................................................................................. 1
APLICACIN N2 ................................................................................................. 4
APLICACIN N3 ............................................................................................... 10
APLICACIN N4 ............................................................................................... 12
APLICACIN N5 ............................................................................................... 15
IV
APLICACIN N6 ............................................................................................... 17
Estimacin puntual................................................................................................ 17
APLICACIN N7 ............................................................................................... 18
APLICACIN N8 ............................................................................................... 20
APLICACIN N9 ............................................................................................... 22
ANEXOS .............................................................................................................. 25
CONCLUSIONES ................................................................................................ 36
BIBLIOGRAFIA .................................................................................................. 38
Basica ............................................................................................................................ 38
Citada ............................................................................................................................ 38
Consultada .................................................................................................................... 39
No Consultada............................................................................................................... 39
V
ROLOGO
PROLOGO
punto de vista estadstico, los conceptos, la importancia, los tipos, las clases, y
minera
En el desarrollo del presente trabajo tuvimos la ventaja de contar con una amplia
clases, asimismo separatas del curso de Geologa de Minas del presente ciclo
2012.
Los alumnos
VII
INTRODUCCION
INTRODUCCION
material muestreado.
estadstico, lo cual nos va permitir inferir a travs de las muestras la ley media de
El motivo de la eleccin del tema es que, a pesar que existe un mayor desarrollo
clsicas para la cubicacin del yacimiento por ser mas practicas en su aplicacin.
con la que ponemos en prctica todo lo que aprendimos en el primer captulo, para
poder aplicarlo a nuestra carrera; estas aplicaciones son los ms parecidos a los
revisar la bibliografa necesaria, como por ejemplo las separatas del curso de
acorde con nuestra realidad, para de esta manera presentar el presente trabajo con
Los alumnos
1
CAPITULO II
APLICACIONES A LA MINERA
APLICACIN N1
siguiente figura:1
1
BUSTOS SANCHEZ, Gregorio Walter. Estudio comparativo entre los mtodos poligonal e
inverso de la distancia para la estimacin de reservas de mineral - Ciclo de actualizacin
profesional. Huaraz, octubre del 2003. FIMGM-UNASAM. p. 24.
2
Figura 1
Fuente: BUSTOS SANCHEZ, Gregorio Walter. Estudio comparativo entre los mtodos
poligonal e inverso de la distancia para la estimacin de reservas de mineral.
Ley
N de bloque Distancia Metros A.M
Ag Onz/Tn
L1 60 1.70 23.60
L2 60 1.50 20.50
A-6
L3 30 1.20 21.26
L4 30 1.60 24.50
Tabla 1: Datos
Fuente: BUSTOS SANCHEZ, Gregorio Walter. Estudio comparativo entre los mtodos
poligonal e inverso de la distancia para la estimacin de reservas de mineral.
Donde:
Solucin:
N de Ley
Longitud Distancia A.M D*A.M.*Ley Ley*A.M
bloque Ag Oz/Tn
L1 60 1.70 23.60 2407.20 102.00
L2 60 1.50 20.50 1845.00 90.00
A-6
L3 30 1.20 21.22 763.92 36.00
L4 30 1.60 24.50 1176.00 48.00
180 6192.12 276.00
1.53 22.44
Tabla 2: Presentacin de clculos
3
De esta tabla podemos utilizar los parmetros que son necesarios para el clculo
( )
. .=
( )
( )
=
( )
Donde:
L: Longitud o distancia
Por lo tanto reemplazado los datos de las tablas en las formulas tenemos:
6192.12
. .= = 22.44
276.00
276.00
= = 1.53
180
a) rea = L * h = 60 * 30 = 1800 m2
APLICACIN N2
Ley
N de taladros Profundidad P.E.
Au gr/Tn
1 13.00 1.20 6.50
2 13.50 1.30 7.20
3 14.00 1.40 8.30
Tabla 3: Presentacin de datos
Fuente: BUSTOS SANCHEZ, Gregorio Walter. Estudio comparativo entre los mtodos
poligonal e inverso de la distancia para la estimacin de reservas de mineral.
Se pide estimar la ley y la profundidad promedio para el rea formada por los 3
muestra a continuacin:2
22 m
21 m
A2
1 26 m
P A3
18 m
A1
20 m
16 m
Figura 2
Fuente: BUSTOS SANCHEZ, Gregorio Walter. Estudio comparativo entre los mtodos
poligonal e inverso de la distancia para la estimacin de reservas de mineral.
2
Ibdem., p. 38
5
1. Para los diferentes clculos se utilizara la frmula del mtodo del inverso
de las distancias:
1 ( )
=
1( )
Donde:
= 7.63 /
13 13.50 14
+ +
= 26 21 16
. 1 1 1
+ +
26 21 16
. = 13.66
6
= 1.33
usara las siguientes tablas para facilitar los clculos, para lo cual se
( )
=
( )
=
como sigue:
N de N de Ley
Profundidad PE Prof. * Ley Prof. * PE
rea Taladro Au gr/Tn
1 13 1.20 6.50 84.50 15.60
A1 3 14 1.40 8.30 116.20 19.60
P 13.66 1.33 7.63 104.25 18.15
40.15 304.85 53.35
13.55 1.31 7.5
Tabla 4: Clculos
304.85
= = 7.5
40.1
53.35
= = 1.31
40.15
7
N de Ley
N de rea Profundidad PE Prof. * Ley Prof. * PE
Taladro Au gr/Tn
1 13 1.20 6.50 84.50 15.60
A2 2 13.50 1.30 7.20 97.20 17.55
P 13.66 1.33 7.63 104.25 18.15
40.16 285.85 51.30
13.38 1.28 7.12
Tabla 5: Clculos
285.85 7.12
= =
40.16
51.30
= = 1.28
40.16
55.30
= = 1.34
41.15
3
Figura 3
8
- Para A1:
a = 26 m
b = 20 m
c = 16 m
26 + 20 + 16
= = 31
2
Por Hern:
= ( )( )( )
1= 31(5)(11)(15)
1 = 159.91
- Para A2:
a = 26 m
b = 22 m
c = 21 m
26 + 22 + 21
= = 34.5
2
Por Hern:
= ( )( )( )
1= 34.5(8.5)(12.5)(13.5)
1 = 222.45
- Para A3:
a = 21 m
b = 18 m
c = 16 m
9
21 + 18 + 16
= = 27.5
2
Por Hern:
= ( )( )( )
1= 27.5(6.5)(9.5)(11.5)
1 = 139.74
Juntando las tablas anteriores en una sola tabla para el clculo total:
APLICACIN N3
Compositar taladros
Ley
Distancia 1 Distancia 2
Au Onz/Tn
0.00 1.50 5.00
1.50 3.50 4.50
3.50 6.00 4.70
6.00 8.00 4.40
8.00 9.50 4.50
9.50 11.00 4.20
Tabla 8: Datos
Fuente: VIZCARRA ARANA Jess, Separata del curso de Geologa de Minas.
5 1.50
4.50 3.50
4.70 6
4.40 8
4.50 9.50
4.20 11
Figura 4
Fuente: VIZCARRA ARANA Jess, Separata del curso de Geologa de Minas.
3
VIZCARRA ARANA Jess, Separata del curso de Geologa de Minas, Huaraz, 2002, p. 3
11
L1
5 1.50
0.50
1.50 L2
4.50 3.50
0.50
2.50 L3
4.70 6
2 L4
4.40 8
1.50 L5
4.50 9.50
0.50
1.50
4.20 11
Figura 5
Fuente: VIZCARRA ARANA Jess, Separata del curso de Geologa de Minas.
1+ 2
=
1+ 2
. . .
- = = 4.87
. .
. . . .
- = = 4.55
. .
.
- = = 4.70
12
.
- = = 4.40
. . . .
- = . .
= 4.43
.
- = = 4.20
Ley
N de Muestra Medida (m) Ley*Medida
Au gr/Tn
L1 2 4.87 9.74
L2 2 4.55 9.10
L3 2 4.70 9.40
L4 2 4.40 8.80
L5 2 4.43 8.86
L6 1 4.20 4.20
11 50.10
4.55
Tabla 9: Clculos
APLICACIN N4
probabilidades de porcentaje de oro por rea esta descrita por la siguiente tabla:
4
CORDOVA ZAMORA, Manuel. Estadstica Descriptiva e Inferencial. Lima - Per, Editorial
Moshera S.R.L., 2009, p. 356.
13
1 2 3 4 5
2.6 y 3.3?
Solucin.
= = =
= =
( )
SUMA 3 10.2
Revise el tema de distribucin muestral de la media del captulo I de esta monografa. p 20.
14
= =3
= = 10.2 3 = 1.2
Nuestra muestra para esta pregunta es n=30 y las formulas a usar son las
siguientes:
1 1 1
= ( )= = ( )= =
1 1 1
= ( )= = ( )= =
= =3
1.2
= = = 0.04
30
= 30
=3
= 0.04
= 0.04
Revise el tema de distribucin muestral de la media del captulo I de esta monografa. p 18.
15
criterio.
= = ~ (0,1)
2.6 3 3.3 3
< < = [2 < < 1.5]
0.04 0.04
=0.933193-0.022750=0.910443
APLICACIN N5
muestra.
Revise el tema de distribucin muestral de la media del captulo I de esta monografa. p 18.
5
CORDOVA ZAMORA, Manuel Estadstica Descriptiva e Inferencial.- Lima - Per, Editorial
Moshera S.R.L., 2009, p. 344
16
Solucin.
9
[ = 0.06] = = = [ = 9] [8.5 9.5]
150 150
en el Anexo 1)
= ~ (0,1)
(1 )/
unidades.
0.05 0.06
[ 0.05/0.06] [ 0.42] = 0.6628
0.0237
APLICACIN N6
Estimacin puntual
2
n=t / *s2 /
6
Ver en Anexos Tabla t- student
18
1 = 0.975 = 0.025 = 0.0125
Entonces:
2=
n=t / *s2 / (2.1*1.2/0.35)2 = 52
tiene valor:
V=(1.2/3.5)*100 = 34 %
APLICACIN N7
Confiabilidad de un equipo
7
CORDOVA ZAMORA, Manuel Estadstica Descriptiva e Inferencial.- Lima - Per, Editorial
Moshera S.R.L., 2009, p. 356
19
Solucin:
Parte a)
Adems ( ) = [ > ]
( )= [ ]= . .
0.025 e = 1 , t 0
.
Entonces, [ > ] = 1 [ ]=
( )= .
Parte b)
es = 40 meses.
20
[ > 12] = . ( )
= 0.74
Parte c)
Sabemos que:
[ > ]= .
.
Entonces = 0.325
0.025 = 1.1239
= .
El tiempo para el cual se tiene una confiabilidad de funcionamiento del motor del
32.5 % es 45 meses
APLICACIN N8
La vida til de una llanta Goodyear lona 16 para retroexcavadora es una variable
Si el costo de mantenimiento de cada llanta (en $) est dada por la relacin Y =0.2
8,900?
Determinar el nmero de tales llantas que debe adquirir una empresa minera para
Solucin:
Parte a)
que:
[ ]= y [ ]=
[ ] = 38,000 [ ] = 3000
Entonces = 7700
=
Tiene distribucin normal N (0,1) cuando n tiende a infinito
,
Entonces normalizando la variable Y tenemos: =
=
, ,
Segn el problema: [ > 8,900] = >
[ > 2] = 1 [ 2]8
[ 2] = 0.9772
0.0228 (2.28%)
APLICACIN N9
8
Vease anexos. Tabla de distribucin Normal
23
Solucin:
2,3
Puesto que n=100, sabemos que X N , N , 0,23 .
100
6,32 L X 6,32 L
P(6,32 L X 6,32 L) 0,95 P( ) 0,95
0, 23 0, 23 0, 23
L L L L
P( Z ) 0,95 (donde Z N (0,1)) P( Z ) 0,975 1,96 (ver tabla)
0, 23 0, 23 0, 23 0, 23
L 1,96 0, 23 0, 45 , con lo que el int ervalo de confianza para , al 95%, y segn esta muestra,
es [6,32 0, 45;6,32 0, 45] [5,87;6,77]
Esto quiere decir, que aunque no sabemos el valor de , podemos asegurar que
APLICACIN N10
Sabemos por estudios anteriores que = 2.250 km. Para ello, elegimos una
Solucin:
2.250
Puesto que n=100 (30), sabemos que X N , N , 225 .
100
L L
a) P(15.200 L X 15.200 L) 0,99 P( Z ) 0,99
225 225
L L
P( Z ) 0,995 2,575 (ver tabla) L 579,
225 225
con lo que el int ervalo de confianza para , al 99%, y segn esta muestra, es [14.621;15.779]
2.250
b) Si el I.C. ha de ser [ x -500, x +500], entonces, como X N , ,
n
500 500
P ( x 5 0 0 X x 5 0 0 ) 0,9 9 P Z 0,99
2 .2 5 0 2250
n n
500 n 500 n
P (Z ) 0,995 2 , 5 7 5 (v e r ta b la )
2 .2 5 0 2 .2 5 0
2 , 5 7 5 2 .2 5 0
n 1 1, 5 9 n 1 3 4 , 3 2 n 1 3 5
500
25
ANEXOS
ANEXOS
mantenimiento
1.1.Conceptos estadsticos.-
habilidad, como en la confiabilidad del sistema. Por otro lado, los conceptos de
equipos, pueden modelarse a partir del mismo concepto: el tiempo de vida sin
fallas del equipo (que se modela como variable aleatoria). El presente captulo II
se presenta los temas de confiabilidad, curvas de vida y tasa de fallas, con especial
atencin a las tcnicas para evaluar y mejorar el desempeo de los equipos. Por
de equipos.
Las fallas de los equipos obedecen a razones muy diversas, entre las cuales la ms
importante puede ser la edad, ya que a mayor edad las maquinas tienden a fallar
puede pronosticarse con precisin (de otra forma se evitaran), y es por esta razn
1.3.CONFIABILIDAD 10
proceso aleatorio.
est definida para rocas suaves o blandas, obviamente si se usa para otros tipos de
para hacer referencia a la confiabilidad de la misma, ya que las fallas que ocurren
cuando la mquina esta en operacin son costosas (y deben evitarse) debido a que
originan gasto no solo por el costo de reparacin, sino porque tambin genera
9
MUOZ NEGRN, David. Administracin de operaciones. Enfoque de administracin
de procesos de negocios. Mxico D.F,CENGAGE learning., p. 374
10
dem, p 375
27
1.4.TASA DE FALLAS
pueda variar en el tiempo y para ilustrar esta caracterstica podra registrar los
nmero total (acumulado) de fallas del sistema, tal grafica es el proceso de fallas
concepto de tasa de fallas, como el numero de fallas del sistema por unidad de
tiempo; es lgico pensar que cuando la tasa de fallas de fallas es grande, los
tiempos entre fallas sucesivas son pequeas, y viceversa, cuando la tasa de fallas
es pequea, los tiempos entre fallas sucesivas son grandes. De esta manera, la
grafica de la tasa de falla (t) como funcin del tiempo de operacin (uso) del
11
Ibidem
28
sistema (maquina y/o equipo) ilustrar cmo la confiabilidad del sistema varia en
tiempo operativo sin fallas del equipo o componente como una variable aleatoria
( )
( )= ( )
1.6.FUNCIN DE CONFIABILIDAD13
( )= ( > )= 1 ( )
hasta t + h) es:
12
dem, p.381
13
Valdivieso Serrano, Luis, ESTADISTICA APLICADA, Fondo Editorial PUCP. Lima, 2002, p.18
29
F (t + h) F (t) f (t)
Z(t) = lim =
h R (t) R(t)
f (t)
(t) = Z(t) =
R(t)
largo del tiempo. Una tpica funcin razn de falla puede tener en la prctica la
grafica siguiente
una zona de fallas iniciales (Z (t) decreciente), una zona de fallas accidentales
Como:
14
Ibidem
15
Muoz Negrn, David p. Cit. p. 379
30
dF (t) dR(t)
f(t) = =
dt dt
Entonces
f (t) d ln(R(t))
Z(t) = =
R(t) dt
( )
R(t) = e
Luego
( )
f (t) = Z(t)e
El modelo exponencial 16
En este modelo se asume que las fallas de la componente ocurren solo por
Entonces el tiempo de vida til T de una componente bajo este modelo tiene
funcin de densidad:
f (t) = e , t 0
En otras palabras T~ Exp. (). De aqu que este reciba el nombre de modelo
exponencial.
El modelo Weibull17
16
Valdivieso Serrano, Luis, p. Cit., p.19
17
Ibidem
31
forma
Z(t) = t , t 0
Ntese que si < 1, se estar modelando a una componente que tiene una alta
una componente con alta propensin a sufrir fallas por desgaste. El modelo
modelo es:
f (t) = t e , t 0
dada por:
f (t)
R(t) = =e
Z(t)
LINGO o el Excel)
18
Hallar la solucin de un problema
33
19
Besterfield Dale. CONTROL DE CALIDAD, Pretencie Hall, Cuarta edicin, Mxico, 1995, p
391.
34
ANEXO 3
35
decir:
Siendo:
n = el nmero de muestras.
20
ORCHE GARCA, Enrique. Manual de evaluacin de yacimientos minerales. Edit. Mstoles, Madrid, 1999, pp. 52-53
36
CONCLUSIONES
CONCLUSIONES
desviacin estndar.
38
BIBLIOGRAFIA
BIBLIOGRAFIA
Basica
Bibliografa Bsica
2012
Huaraz, 2002, p. 3
Citada
Bibliografa Citada
FIMGM-UNASAM. p. 24.
2012.
LEARNING., p. 374.
Huaraz, 2002, p. 3
Consultada
Bibliografa Consultada
p. 101
No Consultada
Bibliografa no Consultada