Optimización de la asignación de camiones en mina tajo abierto mediante simulación estocástica y determinística para el cumplimiento de metas de producción

Abstract

La presente investigación desarrolla un modelo de optimización de la asignación de camiones en minería a tajo abierto, aplicando un enfoque combinado de simulación determinística y estocástica para evaluar la eficiencia del sistema de acarreo. El estudio busca mejorar la productividad, reducir los tiempos de ciclo y minimizar los costos operativos asociados al transporte interno de mineral y desmonte. Se construyeron modelos complementarios mediante Minehual (simulación determinística) y Orchestra (simulación estocástica), calibrados con información operativa real proveniente de registros de velocidad, disponibilidad mecánica, utilización y tiempos fijos de los equipos. La metodología comprendió la caracterización del sistema pala–camión, la definición de escenarios de asignación de flota y la ejecución de simulaciones Monte Carlo para representar la variabilidad operativa. Los resultados mostraron que el modelo determinístico reprodujo con una desviación menor al ±2 % los valores reales de minado total, tiempos de ciclo y colas, mientras que el modelo estocástico permitió cuantificar la dispersión e incertidumbre operativa. El análisis de sensibilidad identificó un punto óptimo de saturación de seis camiones, a partir del cual la productividad marginal disminuye y las colas aumentan significativamente. La optimización de la asignación de flota permitió mantener la producción global con una reducción del costo unitario de acarreo del 1–2 %, mejorando la eficiencia energética mediante un menor consumo de combustible por tonelada transportada. La investigación confirma que la simulación híbrida constituye una herramienta técnica eficaz para la toma de decisiones operativas y la optimización del acarreo en minería a tajo abierto.

This research develops a model for optimizing truck allocation in open-pit mining, applying a combined deterministic and stochastic simulation approach to evaluate the efficiency of the haulage system. The study aims to improve productivity, reduce cycle times, and minimize operating costs associated with internal material transportation. Complementary models were developed using Minehual (deterministic simulation) and Orchestra (stochastic simulation), calibrated with real operational data including truck speeds, mechanical availability, utilization rates, and fixed operating times. The methodology involved characterizing the shovel–truck system, defining fleet allocation scenarios, and performing Monte Carlo simulations to represent operational variability. Results showed that the deterministic model reproduced actual performance indicators with less than ±2 % deviation in total mined tonnage, cycle times, and queues, while the stochastic model quantified the dispersion and uncertainty of these variables. The fleet sensitivity analysis identified an optimal saturation point of six trucks, beyond which marginal productivity decreases and waiting times increase significantly. The optimization of truck allocation allowed the operation to maintain overall production while reducing haulage unit costs by 1–2 %, improving energy efficiency through lower specific fuel consumption per ton transported. The findings confirm that hybrid simulation models represent an effective decision-support tool for optimizing haulage operations, providing a predictive and data-driven approach to enhance operational efficiency and economic sustainability in open-pit mining.