Documente Academic
Documente Profesional
Documente Cultură
TESIS
ELABORADO POR:
YVAN JORGE MATA MACISO
ASESOR
ING. TITO LUIS PALOMINO FLORES
LIMA – PERÚ
2014
DEDICATORIA
mezcla requerida.
ABSTRACT
Having into account that the mineral industry handles to many random
Then to solve every problem in each of the unit mining operations the
Also, the LINDO software has been applied to get the optimum
Página
INTRODUCCION. 13
CAPÍTULO I – GENERALIDADES. 15
1.1 INTRODUCCIÓN. 15
1.4 ALCANCES. 21
2.1 INTRODUCCIÓN. 23
2.2 DEFINICIÓN. 23
2.3 ORIGEN. 27
OPERACIONES. 37
OPERACIONES. 38
CAPITULO III - PROGRAMACION ENTERA. 40
3.1 INTRODUCCIÓN. 40
3.2 DEFINICIÓN. 42
PROGRAMACION ENTERA. 45
4.1 INTRODUCCIÓN. 45
OPERACIONES.
5.1 INTRODUCCIÓN. 51
6.1 INTRODUCCIÓN. 64
6.2 DEFINICIÓN. 66
6.4 HIPÓTESIS. 69
7.1 INTRODUCCIÓN. 72
7.2.5.1 Ventajas. 87
7.2.5.2 Desventajas. 87
7.2.5.3 Conclusiones. 89
7.3 CASO-ESTUDIO N° 02. 90
RESULTADOS.
8.1 INTRODUCCIÓN. 95
CAPITULO IX CONCLUSIONES. 95
CAPITULO IX RECOMENDACIONES. 98
BIBLIOGRAFÍA. 100
INDICE DE FIGURAS
y estudiantes en la investigación. 24
de colas. 29
El tiempo. 35
(Fuente INEI). 64
voladura. 67
Figura N° 7.2: Muestra la pantalla del software lindo con el problema plan
explotando. 71
óptima 82
disponible. 89
13
INTRODUCCION
los casos estudio se usó el software Lindo; de manera que se ingresó los
CAPÍTULO I
GENERALIDADES
1.1 INTRODUCCIÓN
siguientes:
1.4 ALCANCES.
podría usarlo.
22
y manipulación.
CAPITULO II
2.1 INTRODUCCIÓN.
planificados.
mineras.
2.2 DEFINICIÓN
2.3 ORIGEN.
efectiva.
Otros creen que los estudios que tienen las características del trabajo
varias opiniones.
investigación de operaciones.
puede usar:
30
de colas.
31
subterránea.
al proyecto minero.
Uno de los problemas más grandes que afectan hoy en día a las
manera.
del óptimo para todos y cada uno de los problemas, representa una
Operaciones.
la industria minero-metalúrgica.
siguiente:
humano.
siguiente:
Análisis matemático
Algebra lineal
Calculo vectorial
Calculo integral
Calculo diferencial
Calculo matricial
Ecuaciones simultaneas
Programación lineal
Programación entera
Probabilidades
Procesos estocásticos
Estadística (inferencial)
Teoría de grafos
Teoría de juegos
simulación
Procesos Markovianos,
Programación Dinámica,
Programación cuadrática
Programación no lineal
Programación meta
CAPITULO III
PROGRAMACION ENTERA
3.1 INTRODUCCIÓN.
enteros.
42
3.2 DEFINICIÓN.
de problema a solucionar.
43
1 si la decisión j es si
Xj =
0 Si la decisión j es no
son 0,1.
• X1+X2=1
• X1+X2<=1
44
b. Decisiones contingentes
• X3-X1<=0
• 3X1+2X2<=18+yM
• X1+4X2<=16+(1y)M
• Muy grande
CAPITULO IV
4.1 INTRODUCCIÓN
PPLE Pura.
rusos.
OP. Z = CX
Sujeto a:
AX ≤ b
X ≥ 0, entero
OP. Z = CX + dy
Sujeto a:
AX + BY ≥ b
≤
X≥0
Y ≥ 0, entero
49
“Ramificación y acotación”
OP. Z = CX
Sujeto a:
AX < b
>
X=0ó1
resultados adecuados.
entera.
50
• Palas
• Camiones
• Perforadoras
• Barrenos
• Tractores
• Ingenieros
• Obreros
CAPÍTULO V
5.1 INTRODUCCIÓN
software.
53
• LINDO
• WIN QSB
• TORA
• SOLVER
• LINGO, etc.
LINDO.
57
El sistema está formado por distintos módulos, uno para cada tipo
ramificación y acotación.
• Goal Programming
• Quadratic Programming
• Network Modeling
• Nonlinear Programming
• PERT_CPM
61
entre otras; pues facilita mucho lo que son los tediosos cálculos de los
CAPÍTULO VI
6.1 INTRODUCCIÓN
(Fuente INEI).
6.2 DEFINICIÓN
capitales.
unitarias que conforman el ciclo total de minado, que en otras son las
siguientes:
67
• Perforación
• Voladura
• Carguío
• Acarreo
• Chancado primario
• Chancado secundario
• Chancado terciario
• Molienda, etc.
Por otro lado, se debe tener en cuenta que todos los modelos
voladura.
6.4 HIPÓTESIS.
minera.
actividades siguiente.
70
Meses
Actividades 1 2 3 4 5
1
2
3
4
de operaciones.
adecuado de optimización.
discusión de resultados
CAPITULO VII
CASOS-ESTUDIO.
7.1 INTRODUCCIÓN
metas de la empresa.
7.2 CASO-ESTUDIO N° 01
muestran en la tabla I.
74
Se pide:
a. Variables de decisión
Sea:
b. Función objetivo
c. Restricciones.
1) X1 + X2 + X3 + X4 + X5 ≤ 3,500Tm/día.
∑X
j −1
1 Ley j1 ≥ Ley Min1 * C.C
d. Restricciones de no negatividad
Xj ≥ 0, j = 1, 2, 3, 4, 5
Función objetivo
Sujeto a:
X1 + X2 + X3 + X4 + X5 ≤ 3500
X1 ≤ 800
X2 ≤ 1000
77
X3 ≤ 1200
X4 ≤ 900
X5 ≤ 850
es cero.
λ: Variables artificiales
Sujeto a:
X1 + X2 + X3 + X4 + X5 + λ1 = 3500
X1 + S3 = 800
X2 + S4 = 1000
X3 + S5 = 1200
X4 + S6 = 900
X5 + S7 = 850
tabla.
79
cb xb X1 X2 X3 X4 X5 λ S1 λ S2 λ S3 S4 S5 bi ϑi
S6 S7
-M λ1 1 1 1 1 1 1 0 0 0 0 0 0 0 3500 3500
-M λ2 0 0 19250 1925
-M λ3 10 7 4 6 5 0 -1 1 0 0 0 0 0 17500 4375
0 S3 0 0 800 800
0 S4 4 3 6 5 7 0 0 0 -1 1 0 0 0 1000 -
0 S5 0 0 1200 -
0 S6 1 0 0 0 0 0 0 0 0 1 0 0 0 900 -
0 S7 0 0 850 -
0 1 0 0 0 0 0 0 0 0 0 1 0
0 0
0 0 0 1 0 0 0 0 0 0 0 0 1
0 0
0 0 0 1 0 0 0 0 0 0 0 0 0
1 0
0 0 0 0 1 0 0 0 0 0 0 0 0
0 1
• 1 = NUMERO PIVOT
solución básica
• bi = Columna de disponibilidad
• M = Es un valor de penalización
obtiene es óptima.
número pivot.
81
comandos:
A > DIR
A > DIR
LINDO EXE
: COM
: MAX
• Función objetivo,
• Las restricciones y la
• Función de no negatividad
• END
siguientes resultados:
1) 18107.50
NO. ITERATIONS= 4
84
óptima.
X1 800,00 10 4
X2 0,00 7 3
X3 950,00 4 6
X4 900,00 6 5
X5 850,00 5 7
S5 = 2200 0,00
S6 = 2200 0,00
86
7.2.5.1 Ventajas
la computadora.
87
7.2.5.2 Desventajas
del problema.
linealmente dependiente)
microcomputadora, etc.
7.2.5.3 Conclusiones.
los tajeos; leyes de los tajeos y beneficio que deja el mineral en cada
tajeo, etc.
en la tabla siguiente:
actividades.
7.3 CASO-ESTUDIO N° 02
• Cobre 40%
• Zinc 35%
• Plomo 25%
requerida.
mineral disponible.
Entonces, se tiene:
Y también: A + B + C + D + E = 1
problema.
92
decir lo siguiente:
Para obtener una mezcla que contenga 40% de Cobre, 35% de Zinc y 25%
CAPITULO VIII
8.1 INTRODUCCIÓN
Entera.
95
simples; para lo cual se debe tener muy en cuenta que todo problema
• La función objetivo
• Las restricciones y
CONCLUSIONES.
• Perforación
• Voladura.
• Carguío.
• Acarreo.
• Salarios.
• Mantenimiento de equipo.
• Alquiler de equipo.
• Sueldos.
• Corriente eléctrica.
RECOMENDACIONES.
óptimas y oportunas.
grandes capitales.
BIBLIOGRAFÍA.
XXVI, 292p.
1994.