Bustos Egaf8

770 visualizaciones

Publicado el

Publicado en: Tecnología, Empresariales
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
770
En SlideShare
0
De insertados
0
Número de insertados
1
Acciones
Compartido
0
Descargas
0
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Bustos Egaf8

  1. 1. Gestión óptima de pedidos de revestimientos para molinos SAG<br />Eduardo Bustos Müller<br />
  2. 2. Interés<br />Costo de Falla:<br />Costo de Almacenamiento:<br />Costo Intervención:<br /> ~ MMUS$2,5 año<br />2009<br /> “The right material, at the right time, at the right place, and in the exact amount”<br />Método Just in Time<br />Compra revestimientos<br />
  3. 3. Layout<br />Ejemplo Teniente:<br />
  4. 4. Descripción del equipo<br />
  5. 5. Funcionamiento<br />
  6. 6. Revestimientos<br />Feedendliners:<br />Shell liners:<br />Dischargeendliners:<br />
  7. 7. Funcionamiento Actual<br />Inventarios Promedio Revestimientos (Nivel de servicio y capital detenido):<br />
  8. 8. Estudio<br />36 Revestimientos en Total<br />Observaciones entre enero del 2007 y diciembre del 2009<br />
  9. 9. Análisis<br />Weibull 3 Parámetros (Sistema, días):<br />Análisis de Confiabilidad (Sistema):<br />Piezas Individuales (Weibull 3 Parámetros):<br />
  10. 10. Parámetros Importantes<br />Costo Falla: Cf US$/hr<br />Costo Adquisición: Ca US$/unidad<br />Costo Almacenamiento: 5-10% Ca US$/unidad<br />Lead-Time: 60 Días<br />
  11. 11. Demanda de Revestimientos<br />Demanda en el tiempo [0,t]:<br />
  12. 12. Determinación de llegada de Sets<br />Estudio para determinar el punto óptimo de arribo de revestimientos (1 Set = 6 Revestimientos): <br />Estudio implica encontrar t para cuando:<br />n >1 <br />n >7 <br />n >13 <br />n >19<br />n> 25<br />n> 31 <br />n> 37 <br />
  13. 13. Resultados<br />Resultados (en t=0 se tiene 1 revestimiento de repuesto):<br />
  14. 14. Llegada de los Sets<br />Efecto de la probabilidad de agotar repuestos anticipadamente:<br />
  15. 15. Inventarios<br />Comparación de sistemas:<br />
  16. 16. Magnitud de la optimización<br />Valor de menor cantidad de inventarios promedio:<br />
  17. 17. FIN<br />
  18. 18. ANEXOS<br />
  19. 19. Marco Teórico<br />Costo piezas antes de tiempo:<br />Beneficio neto generado por SAG:<br />Costo de falla esperado sin tener repuesto:<br />Indicador de conveniencia:<br />
  20. 20. Determinación y tratamiento de parámetros<br />Precio concentrado = Cobre Contenido (LME) – Deducción Metalúrgica (3,5%) – TreatmentCharge (60-80 US$/ton Conc.) – RefiningCharge (6-8 cUS$/libra Cu pagable). Variable<br />Ley Cu: Planificación minera de mediano plazo Variable<br />Lead-Time: Ajustando nivel de confianza Variable<br />Costo de procesamiento: Conocido por cada planta pero aproximados y variables en el tiempo<br />Probabilidad de falla: A través del historial, ajustando una cierta distribución.<br />
  21. 21. Análisis Weibull<br />Weibull 2 Parámetros<br />Weibull 3 Parámetros<br />
  22. 22. Análisis Shell Lifters PLNTR-02-1779-AEl Teniente, SAG1<br />Análisis de Weibull<br />
  23. 23. Análisis Shell Lifters PLNTR-02-1779-AEl Teniente, SAG1<br />Análisis de Dispersión<br />
  24. 24. Valor Esperado de Pérdidas Por Fallas<br />Costo esperado de falla dado que no existen repuestos:<br />SAG1 (1.000 ton/hr): E(C,Ti)=62Pr millones US$<br />SAG2 (2.100 ton/hr): E(C,Ti)=131Pr millones US$<br />
  25. 25. Modelo de Conteo para Weibull de 3 Parámetros(n eventos [0,t])<br />
  26. 26. Probabilidades de Eventos en el Sistema<br />Probabilidad de “n” eventos entre [0,t] en el Sistema (36 piezas):<br />Probabilidad de que ocurran más de “n” eventos entre [0,t] en el Sistema (36 piezas):<br />

×