Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 87 vistas

    Arbol de BH H Valor KPI

    Cargado por

    JORGE EDUARDO ACUNA MOYA
    El documento analiza los KPI más relevantes para aumentar las toneladas en la extracción y transporte de mineral en una mina subterránea. Realiza un análisis de regresión de tres KPI (utilización efectiva, disponibilidad y rendimiento) para LHDs, camiones Atlas Wagner y camiones Cat. Concluye que la utilización efectiva es el factor más significativo para aumentar toneladas en los tres casos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Arbol de BH H Valor KPI

    Cargado por

    JORGE EDUARDO ACUNA MOYA
    87 vistas8 páginas
    El documento analiza los KPI más relevantes para aumentar las toneladas en la extracción y transporte de mineral en una mina subterránea. Realiza un análisis de regresión de tres KPI (utilización efectiva, disponibilidad y rendimiento) para LHDs, camiones Atlas Wagner y camiones Cat. Concluye que la utilización efectiva es el factor más significativo para aumentar toneladas en los tres casos.

    Descripción original:

    hg

    Título original

    Arbol de bh h Valor KPI

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento analiza los KPI más relevantes para aumentar las toneladas en la extracción y transporte de mineral en una mina subterránea. Realiza un análisis de regresión de tres KPI (utilización efectiva, disponibilidad y rendimiento) para LHDs, camiones Atlas Wagner y camiones Cat. Concluye que la utilización efectiva es el factor más significativo para aumentar toneladas en los tres casos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    87 vistas8 páginas

    Arbol de BH H Valor KPI

    Cargado por

    JORGE EDUARDO ACUNA MOYA
    El documento analiza los KPI más relevantes para aumentar las toneladas en la extracción y transporte de mineral en una mina subterránea. Realiza un análisis de regresión de tres KPI (utilización efectiva, disponibilidad y rendimiento) para LHDs, camiones Atlas Wagner y camiones Cat. Concluye que la utilización efectiva es el factor más significativo para aumentar toneladas en los tres casos.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 8

    Para poder indicar el KPI ms relevante en el proceso de carguo y transporte a continuacin

    se proceder a analizar el factor ms significativo que permite aumentar las toneladas en la


    mina subterrnea de la divisin andina.
    Para encontrar lo indicado en el punto anterior se incurre a realizar un anlisis de regresin
    mltiple entre los 3 KPI.

    Extraccin y traspaso de mineral LHD

    Anlisis de regresin y correlacin de los factores

    A continuacin, se proceder a analizar el factor ms significativo para aumentar las


    toneladas. Por lo que se analizara el comportamiento de una variable en este caso las
    toneladas en funcin de otras variables tomando la utilizacin efectiva, disponibilidad y
    rendimiento.

    Para poder crear nuestro modelo se tomaron los siguientes datos.

    Toneladas por camin al da UE [%] DISP [%] RENDIMIENTO[Ton/hr]


    Enero 4145 49% 84% 402
    Febrero 4621 49% 86% 442
    Marzo 4302 49% 82% 435
    Abril 4050 45% 82% 451
    Mayo 4569 54% 79% 441
    Junio 4463 51% 82% 439
    Julio 4283 44% 88% 459
    Agosto 3944 41% 85% 466
    Septiembre 4375 48% 84% 444
    Octubre 3936 49% 81% 406
    Noviembre 4321 56% 81% 390
    Diciembre 4653 59% 79% 410

    Estos datos representan las toneladas por da que mueve cada LHD en el mes con su
    respectiva utilizacin efectiva, disponibilidad y rendimiento.
    Anlisis de regresin

    Resumen regresin lineal LHD

    Estadsticas de la regresin
    Coeficiente de correlacin
    mltiple 0.973013406
    Coeficiente de determinacin R^2 0.946755088
    R^2 ajustado 0.926788245
    Error tpico 67.19329149
    Observaciones 12

    Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
    siendo representados o/u explicados por el modelo, en este caso corresponde a un 93% lo
    cual es muy bueno .

    ANLISIS DE VARIANZA
    Grados de libertad
    Regresin 3
    Residuos 8
    Total 11

    Coeficientes
    Intercepcin -8172.43312
    UE 8382.322242
    DISPONIBILIDAD 5669.106457
    RENDIMIENTO 8.417422267

    Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
    toneladas aumentan en 83,82 toneladas aproximadamente, por cada unidad que aumente
    el rendimiento, las toneladas aumentan en 8,42 toneladas aproximadamente y por cada
    punto porcentual que aumente la disponibilidad las toneladas aumentan 56,69 toneladas
    aproximadamente.
    Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
    otros dos indicadores siendo ste el KPI ms relevante en la extraccin y traspaso de mineral
    permitiendo crear el rbol de valor.
    Transporte mina subterrnea CAMIONES

    Atlas wagner

    Anlisis de regresin y correlacin de los factores

    Se realiza el mismo procedimiento que en la extraccin y traspaso de mineral por LHD.


    Los datos tomados para representar el modelo se muestran a continuacin.

    Toneladas por camin al da UE [%] DISP [%] RENDIMIENTO [Ton/hr]


    Enero 4124 58% 80% 360
    Febrero 4244 58% 82% 342
    Marzo 3933 58% 80% 363
    Abril 3855 54% 76% 350
    Mayo 4156 63% 77% 307
    Junio 3866 60% 80% 307
    Julio 3664 53% 82% 339
    Agosto 3442 51% 81% 326
    Septiembre 3724 58% 82% 320
    Octubre 3152 59% 79% 308
    Noviembre 3724 66% 79% 312
    Diciembre 4171 63% 87% 335

    Estos datos representan las toneladas por da que mueve cada altlas en el mes con su
    respectiva utilizacin efectiva, disponibilidad y rendimiento.

    Anlisis de regresin

    Resumen ATLAS WAGNER

    Estadsticas de la regresin
    Coeficiente de correlacin mltiple 0.687204535
    Coeficiente de determinacin R^2 0.472250073
    R^2 ajustado 0.67434385
    Error tpico 275.7242985
    Observaciones 12
    Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
    siendo representados o/u explicados por el modelo, en este caso corresponde a un 67% lo
    cual es muy bueno.

    ANLISIS DE VARIANZA
    Grados de libertad
    Regresin 3
    Residuos 8
    Total 11

    Coeficientes
    Intercepcin -2835.68577
    UE 4468.563311
    DISPO 934.3822733
    REND 10.01305404

    Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
    toneladas aumentan en 44,68 toneladas aproximadamente, por cada unidad que aumente
    el rendimiento, las toneladas aumentan en 10,01 toneladas aproximadamente y por cada
    punto porcentual que aumente la disponibilidad las toneladas aumentan 9,34 toneladas
    aproximadamente.
    Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
    otros dos indicadores siendo ste el KPI ms relevante en el transporte de mineral
    permitiendo crear el rbol de valor.
    Cat
    Se realiza el mismo procedimiento que en la extraccin y traspaso de mineral por LHD.
    Los datos tomados para representar el modelo se muestran a continuacin.

    Toneladas por camin al da UE[%] DISP[%] RENDIMIENTO[Ton/hr]


    Enero 2105 63% 87% 179
    Febrero 2875 66% 79% 252
    Marzo 3989 59% 79% 257
    Abril 2753 58% 82% 274
    Mayo 4278 51% 81% 307
    Junio 3785 53% 82% 307
    Julio 2871 60% 80% 339
    Agosto 2483 63% 77% 326
    Septiembre 2978 54% 76% 320
    Octubre 3140 58% 80% 308
    Noviembre 2833 58% 82% 312
    Diciembre 2677 58% 80% 335

    Estos datos representan las toneladas por da que mueve cada altas en el mes con su
    respectiva utilizacin efectiva, disponibilidad y rendimiento.

    Anlisis de regresin

    Resumen CAT

    Estadsticas de la regresin
    Coeficiente de correlacin
    mltiple 0.566645241
    Coeficiente de determinacin
    R^2 0.321086829
    R^2 ajustado 0.624943894
    Error tpico 617.4560034
    Observaciones 12

    Primero hay que referirse que R^2 ajustado, explica que el porcentaje de los datos estn
    siendo representados o/u explicados por el modelo, en este caso corresponde a un 62% lo
    cual es muy bueno.
    ANLISIS DE VARIANZA
    Grados de libertad
    Regresin 3
    Residuos 8
    Total 11

    Coeficientes
    Intercepcin 6765.578646
    UE 5059.254573
    DISPO 3876.98275
    REND 4.387817185

    Se puede concluir que por cada punto porcentual que aumente la utilizacin efectiva, las
    toneladas aumentan en 50,59 toneladas aproximadamente, por cada unidad que aumente
    el rendimiento, las toneladas aumentan en 4,39 toneladas aproximadamente y por cada
    punto porcentual que aumente la disponibilidad las toneladas aumentan 38,76 toneladas
    aproximadamente.
    Por tanto, se puede observar que utilizacin efectiva es mucho ms significativa que los
    otros dos indicadores siendo ste el KPI ms relevante en el transporte de mineral
    permitiendo crear el rbol de valor.

    En resumen, se puede decir en base a los anlisis anteriores realizados, el KPI ms relevante
    en el proceso es la utilizacin efectiva, ste permite generar valor al negocio con solo
    aumentar un punto porcentual, aumenta el tonelaje y como consecuencia los ingresos del
    negocio.

    A continuacin se realizarn los arboles de valores para el carguo y transporte en base a la


    utilizacin efectiva.
    rbol de valor: KPI Utilizacin efectiva

    También podría gustarte