UNIVERSIDAD NACIONAL DE TRUJILLO

(1)

TESIS

PARA OBTENER EL TÍTULO PROFESIONAL DE INGENIERO DE MINAS

UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA DE MINAS

“Analítica de datos en los tajos TJ 8530-2 y TJ 8670-1 para determinar la productividad en minera Poderosa, 2021”

AUTOR:

Br. Asto Ibáñez César Fernando

ASESOR:

Mg. Omar Gonzales Torres

TRUJILLO, PERÚ

2022

(2)

Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajo la misma licencia 2.5 Perú.

(3)

i

MIEMBROS DEL JURADO

PRESIDENTE SECRETARIO

Mg. Marco Antonio Cotrina Teatino Mg. Orlando Alex Siccha Ruiz

CIP:130530 CIP:68633

VOCAL

Mg. Jorge Omar Gonzales Torres

CIP:161335

(4)

ii

DEDICATORIA

A Dios por darme salud, inteligencia y templanza para hacer las cosas, con disciplina y orden.

A mi mamá Rosita y a mi madrecita Pakita en el cielo, que me apoyaron día a día en mi etapa Universitaria.

A Flavia mi compañera incondicional, por

darme su tiempo y un espacio en su vida para

apoyarme en mis proyectos.

(5)

iii

AGRADECIMIENTO

A Dios por ser mi padre celestial y darme fuerza para lograr mis objetivos.

A los docentes de la Universidad Nacional de Trujillo por su paciencia y apoyo incondicional para mi carrera profesional en especial al Ing.

Marco Antonio Cotrina Teatino

(6)

iv

ÍNDICE DE CONTENIDO

MIEMBROS DEL JURADO ... ii

DEDICATORIA ... iii

AGRADECIMIENTO ... iv

ÍNDICE DE CONTENIDO ... v

ÍNDICE DE FIGURAS... vii

ÍNDICE DE TABLAS ... viii

RESUMEN ... ix

ABSTRACT ... x

CAPITULO I INTRODUCCIÓN ... 1

1.1. Realidad problemática ... 1

1.2. Justificación y relevancia ... 3

1.3. Marco teórico conceptual ... 4

1.4. Marco empírico ... 17

1.5. Problema ... 20

1.6 Objetivos/ hipótesis ... 21

CAPITULO II MATERIAL Y MÉTODO... 22

2.1. Tipo de investigación ... 22

2.2. Población, muestra ... 22

2.3. Criterios de inclusión ... 22

2.4. Unidad de análisis ... 23

2.5. Instrumentos ... 24

2.6. Control y calidad de los datos ... 25

2.7. Procedimiento ... 27

2.8. Procesamiento de los datos ... 28

2.9. Definición de variables ... 29

2.10. Consideraciones éticas y de rigor ... 29

CAPITULO III RESULTADOS ... 30

3.1. Resultados del objetivo específico 1 ... 30

3.5. Análisis Estadístico ... 45

CAPITULO IV ANALISIS Y DISCUSIÓN ... 47

4.1. Discusión ... 47

CAPITULO V CONCLUSIONES ... 49

(7)

v

5.1. Conclusiones ... 49

CAPITULO VI RECOMENDACIONES ... 51

6.1. Recomendaciones ... 51

CAPITULO VII REFERENCIAS ... 52

ANEXOS ... 57

ANEXO 1 MATRIZ DE CONSISTENCIA ... 58

ANEXO 2 MATRIZ DE OPERACIONALIZACIÓN DE VARIABLES ... 59

ANEXO 3 INSTRUMENTOS ... 60

ANEXO 4 DATA DE LOS TAJOS ... 67

GALERÍA FOTOGRÁFICA ... 128

(8)

vi

ÍNDICE DE FIGURAS

Figura 1 Modelo integrado de aplicación de análisis de datos en el negocio minero ... 4

Figura 2 Etapas del procesamiento del análisis de datos. ... 6

Figura 3 Dimensiones del análisis de datos ... 7

Figura 4 Implementación de la analítica de datos ... 9

Figura 5 Ciclos de la minería de datos. ... 10

Figura 6 Fases minería de datos ... 12

Figura 7 Características Power BI ... 13

Figura 8 Parámetros de control. ... 15

Figura 9 Componentes del modelo de productividad minera ... 16

Figura 10 Matriz de propuestas de mejoramiento de la productividad ... 17

Figura 11 Ubicación de Contrata Aurífera Marianita SAC .. ... 23

Figura 12 Vista satelital de la Contrata Aurífera Marianita SAC ... 24

Figura 13 Transformación de datos ... 30

Figura 14 Relacionamiento de tablas. ... 30

Figura 15 Reporte de productividad (%) en las operaciones de acuerdo al ciclo de minado ... 42

Figura 16

Reporte de productividad (%) en perforación por meses en los TJ 8530 y TJ 8670

... 42

Figura 17

Reporte de productividad (%) en voladura por meses en los TJ 8530 y TJ 8670

. 43 Figura 18

Reporte de productividad (%) en limpieza por meses en los TJ 8530 y TJ 8670

. 43 Figura 19

Reporte de productividad (%) en carguío y acarreo por meses en los TJ 8530 y TJ 8670

... 44

Figura 20

Camino hacia los TJ8530-TJ 8670

... 129

Figura 21

Comedor Marianita

... 129

Figura 22

Supervisando TJ 8530

... 130

Figura 23

Supervisando TJ 8530

... 130

Figura 24 Desatando rocas Desatando rocas en Tolva del TJ 8670………...131

Figura 25

Tomando nota del mineral extraído en la guardia

... 131

Figura 26 Capacitación interior mina………...……….132

Figura 27 Monitoreo de gases……….………...132

Figura 28 Supervisión del TJ 8670……….………...133

Figura 29 Extrayendo el mineral en el TJ 8670………..…………...133

(9)

vii

ÍNDICE DE TABLA

Tabla 1 Datos TJ 8530 ... 31

Tabla 2 Datos TJ 8670 ... 31

Tabla 3 Perforación – TJ 8530 ... 32

Tabla 4 Voladura – TJ 8530 ... 32

Tabla 5 Limpieza– TJ 8530 ... 33

Tabla 6 Carguío y Acarreo– TJ 8530n con Scoop Toro 1 ... 33

Tabla 7 Carguío y Acarreo– TJ 8530 con Dumper Multimec 1 ... 34

Tabla 8 Perforación – TJ 8670 ... 34

Tabla 9 Voladura – TJ 8670 ... 35

Tabla 1 Limpieza – TJ 86700 ... 35

Tabla 11 Carguío y Acarreo– TJ 8670 con Scoop Toro

1

... 36

Tabla 12

Carguío y Acarreo– TJ 8670 con Dumper Multimec 1

... 36

Tabla 13

Procesamiento de información –TJ 8530

... 37

Tabla 14 Procesamiento de información –TJ 8670……….39

Tabla 15 Reporte de visualización de productividad ... 41

Tabla 16 Prueba de normalidad de la analítica de datos y la productividad de los tajos TJ 8530 y TJ 8670 en la contrata Aurífera Marianita SAC, 2021. ... 45

Tabla 17 Contrastación de hipótesis entre la análitica de datos y la productividad de los tajos TJ 8530 y TJ 8670 en la contrata Aurífera Marianita SAC, 2021………46

(10)

viii

RESUMEN

La presente investigación tuvo como objetivo aplicar la analítica de datos en los tajos TJ 8530 y TJ 8670 para determinar la productividad en la Contrata Aurífera Marianita SAC. El método de investigación fue cuantitativo con diseño no experimental, utilizando como instrumentos la guía de observación y la guía de análisis documental.

En los resultados se determinó que, para el TJ 8530 se utilizaron 14 taladros de 32 mm de diámetro con una longitud de 1.2 m de perforación, para el TJ 8670 se usaron 16 taladros de 32mm de diámetro con una longitud de 1.2m de perforación. La productividad de perforación alcanzó un valor mínimo del 61% en enero y un valor máximo del 81% en el último bimestre del año 2021, la productividad de voladura alcanzo un valor mínimo del 64% en enero y un valor máximo del 85% en diciembre la productividad de limpieza alcanzó un valor mínimo del 51% en agosto y un valor máximo del 83% en diciembre, para el carguío y acarreo se alcanzó un valor mínimo del 59% en marzo y un valor máximo de 84% en diciembre. Para validar los resultados se aplicó la prueba de Shapiro Wilk al ser p<0.05 se uso la prueba no paramétrica Rho de Spearman obteniendo un valor de significancia de p=0.041 siendo menor a p=0.05 aprobando la hipótesis alterna. Concluyendo que la analítica de datos es muy influyente, logrando una mejor gestión, visualización y toma de decisiones rápidas para determinar la productividad en Contrata Aurífera Marianita SAC.

Palabras clave: Analítica de datos, productividad minera, operaciones mineras.

(11)

ix

ABSTRACT

The objective of this research was to apply data analytics in pits TJ 8530 and TJ 8670 to determine productivity in Contrata Aurífera Marianita SAC. The research method was quantitative with a non-experimental design, using the observation guide and the documentary analysis guide as instruments. In the results it was determined that, for the TJ 8530, 14 32mm diameter drills with a drilling length of 1.2m were used, for the TJ 8670 16 32mm diameter drills with a drilling length of 1.2m were used. Drilling productivity reached a minimum value of 61% in January and a maximum value of 81% in the last two months of 2021, blasting productivity reached a minimum value of 64% in January and a maximum value of 85% in December Cleaning productivity reached a minimum value of 51% in August and a maximum value of 83% in December. For loading and hauling, a minimum value of 59% was reached in March and a maximum value of 84% in December. To validate the results, the Shapiro Wilk test was applied, since p<0.05, the non-parametric Spearman's Rho test was used, obtaining a significance value of p=0.041, being less than p=0.05, approving the alternative hypothesis. Concluding that the data analytics is very influential, achieving better management, visualization and quick decision making to determine productivity in Hire Marianita Gold SAC.

Keywords: Data analytics, mining productivity, mining operations.

(12)

1

CAPITULO I INTRODUCCIÓN

1.1. Realidad problemática

En la actualidad la analítica de datos ha impactado diversas dimensiones que intuyen tanto en el área académica como de igual manera en la toma de decisiones. Por lo tanto, la analítica de datos intenta ampliar sus conocimientos en el campo del análisis que se presentan, con el propósito de mejorar los desafios y a favorecer el desarrollo tecnológico en las etapas de productividad y competitividad en el sector minero, como también busca fomentar escenarios dinámicos en las actividades, siendo la innovación el punto importante para la incorporación de nuevas tecnologías que transformarán a estas empresas para así lograr destacar entre las otras (Javier, 2020).

Siendo la productividad el punto principal para que la analítica de datos pueda enfocar a las organizaciones hacia una sostenibilidad o en la disminucion de costos en la producción para asi mantener su competitividad. En Colombia por ejemplo, muchas empresas en la actualidad no han podido incorporar la analítica de datos, ya sea por falta de conocimiento, dinero, tiempo o porque los encargados piensan que no hay nada que incoporar a sus negocios. Siendo este un problema para las empresas ya que cada día los datos van creciendo ya que deben tener un informe detallado de cada área y de cada año, siendo esto un grave problema a la hora de manipular y ordenar estos datos que tienen almacenados (Nieto, 2016).

Así mismo, en la Unión Europea se evidencia la falta de liderazgo, el poco interes

sobre la tecnologia donde esta cada dia se va actualizando, donde la competencia

trata de estar actualizados para ser los primeros en su negocio, donde la comisión

Europea a presentado una nueva técnica sobre la analítica de datos y tecnologías

claves para las organizaciones, logrando acelerar la información adquirida en el

transcurso del tiempo (Monteón, 2015).

(13)

2

En el Perú, son pocos los que utilizan la analítica de datos en sus empresas, siendo el 30% de las empresa peruanas que han incorporado esta innovación en sus negocios, logrando tener un control y un conocimiento más apropiado en sus operaciones.

Siendo la analítica de datos importante para las organizaciones, ya que su alta velocidad, su gran volumen y gran variedad, requieren formas rentables e innovadoras de procesamiento de información para una excelente comprensión y tomas de decisiones. En la compañía Volcan, la analítica de datos se encuentran en una etapa inicial para la incorporación tecnológica, aunque manejen mucha informacion sobre geofisica, geología estructural, geoquímica, topografía, sondajes, e incluso datos antiguos sobre muestreos, aún no se ha implementado puesto que está en su etapa inicial, siendo necesaria por tanta informacion adquirida con el trancurso del tiempo y por las distintas áreas que necesitan tener para ejecutar sus actividades (Rumbo, 2019).

La investigación tiene como ámbito de estudio a la Contrata Aurífera Marianita SAC

S.A, una empresa de mediana minería, la cual opera una mina aurífera subterránea y

dos plantas de producción, la cual se ubica en distrito de Pataz, a unos 320 Km de la

ciudad de Trujillo y en el departamento de La Libertad, en el norte del Perú, con una

altura de 1250 y 3000 m.s.n.m. El trabajo de investigación se ha realizado con la

finalidad de determinar la productividad en los tajos TJ 8530 y TJ 8670 , debido a

que Contrata Aurífera Marianita SAC desea llevar a cabo la analítica de datos para

obtener una visualización detallada y poder interpretarlos, descubrir patrones con una

buena estructura para lograr así decisiones correctas y poder pronosticar riesgos y

probabilidad, pero sobre todo aumentar la productividad en los tajos TJ 8530 y TJ

8670, que es un elemento importante para la actividad minera. Por ello, es importante

implementar la analítica de datos para ayudar a comprender grandes cantidades de

(14)

3

datos, con la finalidad de promover el desarrollo, productividad y crecimiento de las empresas mineras.

1.2. Justificación y Relevancia 1.2.1. Justificación teórica

Ante la determinación de la productividad en la Unidad Contrata Aurífera Marianita SAC S.A, que provoca incertidumbre a la hora de sus operaciones, puesto que una excelente producción traerá beneficios en la empresa ya que es generará ganancias, es por ello que la analítica de datos es fundamental para la toma de decisiones y lograr aumentar la productividad en la empresa.

1.2.2. Justificación metodológica

Para lograr los objetivos de la investigación se utiliza la analítica de datos, que nos permitirá obtener datos precisos, al instante, con una visualización más detallada y tomar decisiones rápidas para evitar futuros riesgos, por lo tanto, se puede comprender que la analítica de datos es primordial para alcanzar la productividad deseada puesto que se puede monitorear al instante y mejorar los parámetros como empresa minera.

1.2.3. Justificación práctica

La investigación propuesta busca implementar la analítica de datos en la Unidad Contrata Aurífera Marianita SAC S.A ya que esta nueva tecnología permite la obtención de datos más precisos, rápidos y con una visualización más detalla para la determinación de la productividad en los tajos TJ 8530 y TJ 8670. La realización de esta investigación es muy útil para la Contrata Aurífera Marianita SAC porque la

“analítica de datos” como parte de programas en la Contrata Aurífera Marianita

SAC determinará un aumento en la productividad, aumentando la eficiencia de la

(15)

4

producción, y el desempeño general. De acuerdo con la analítica de datos, permitirá un aumento en la productividad y una rápida toma de decisiones para así evitar riesgos en la empresa.

1.3. Marco teórico y Conceptual 1.3.1. Analítica de datos

La analítica de datos se apoya en dominar los datos a la ejecución de operaciones, esto se hace con el objetivo de obtener conclusiones exactas que nos ayudarán a conseguir nuestros propios fines, en la actualidad, muchas industrias utilizan el estudio de datos para sacar conclusiones y dictaminar actividades a llevar a cabo. Cabe resaltar que la ciencia además usa la investigación de datos para verificar o descartar teorías o modelos existentes (QuestionPro, 2018).

Figura 1

Modelo integrado de aplicación de análisis de datos en el negocio minero

.

La Importancia de la analítica de datos se refiere a la tendencia del progreso

tecnológico. Esta tendencia abre la puerta a nuevos métodos de comprensión y toma de

(16)

5

decisiones. El nuevo método se utiliza para describir cantidades masivas de datos que tardarán mucho en cargarse en la base de datos. Datos para mayor análisis. Por lo tanto, el big data se aplicará a toda la información que no pueda procesarse con los métodos tradicionales (López, 2013).

Etapas del procesamiento y análisis de datos: De manera usual el procesamiento y estudio de datos se apoya en la recopilación de datos constante para transformarlos en información comprensible tales como las gráficas, tablas, documentos. Por lo tanto, esa información pasa del computador a manos de los poseedores de dicha empresa la cual utilizarán según su requerimiento de necesidades (Bantu, 2020). Para lograr el procesamiento del análisis de datos estas tienen que pasar por las siguientes etapas:

 Recopilación de datos: A través de la información recolectada dispuesta en calidad se procesará esta información y se analizará sus datos, esta información se puede obtener de sitios web basadas en fuentes confiables, con una buena definición y estructura.

 Preparación de datos: En esta etapa se selecciona la información correcta dejando de lado información errónea e incompleta de esta manera solo nos quedaremos con la información necesaria que ayuden a su análisis y procesamiento de datos.

 Introducción de datos: La información seleccionada se convierte en parte entendible para su utilización, ya adquiere forma para poder brindar alguna solución ante una situación que lo amerite.

 Procesamiento de la limpieza de datos: Todos los datos ya revisados y

recopilados están listos para su utilización final el cual se podrá interpretar para

alguna actividad programada.

(17)

6

 Interpretación de datos: Pasando todas las etapas nos daremos cuenta que nuestra información puede ser entendible y fácil de explicar y esto dará como resultado el mejoramiento en la productividad de nuestro trabajo.

 Almacenamiento de datos: Esta la última etapa de la información extradida procesada corregida que sería el producto final queda guardada en nuestra base de datos para su utilización en algún momento requerido.

Figura 2

Etapas del procesamiento del análisis de datos

Según (Prometeus, 2019) la analítica de datos se basa en cinco características las que

orientan su trabajo, conocidas como “las 5 Vs” siendo estas las dimensiones siguientes,

volumen, velocidad, variedad, veracidad, valor a continuación se describirá cada una de

ellas:

(18)

7

 Volumen: Es el gran contenido de información que en nuestra era encontramos se nos hace más fácil recolectar la información a través los medios tecnológicos informativos que ayudan a generar.

 Velocidad: El procesamiento de los datos debería hacerse en el período más corto, el análisis de Datos necesita rapidez para entrar a los datos, a fin de facilitar el estudio y sustraer conclusiones.

 Variedad: Cuentan con diversas variedades de fuentes informativas para ampliar extracción de los datos que permitirán.

 Veracidad: Se basa de fuentes fiables para poder extraer una información valida que nos permita tomar mejores decisiones.

 Valor: La información debe de tener un fin para aportar al conocimiento, logrando los objetivos de su búsqueda.

Figura 3

Dimensiones del análisis de datos

Actualmente todas las industrias se ven enfrentadas al desafío de la transformación digital

y a ser capaces de capturar el más grande beneficio de los inmensos datos que esta pueda

ejercer. En todo el mundo la digitalización avanza a un ritmo acelerado y se está

produciendo una separación importante entre aquellas industrias y países que están

(19)

8

preparados y aquellos que no para capturar los beneficios de la digitalización (Gezgin, Huang, Samal y Silva, 2017).

Mediante la implementación de la analítica de Datos, las empresas mineras no únicamente aumentarían:

 La confiabilidad general de sus máquinas.

 Mejorarían la eficiencia de las operaciones comerciales y terminaría ahorrando.

La implementación de todos estos conjuntos que funcionan de manera autónoma, se producirá un incremento de los datos que se generan en las múltiples instancias del proceso minero. El efecto que puede tener la implementación de la analítica de datos en minería es que se podría pronosticar en qué instante un equipo estaría por fallar, todo esto mediante análisis de datos en tiempo real (Gezgin, Huang, Samal, & Silva, 2017).

En la figura 4 representa la información correspondiente al análisis de esos datos para aumentar la productividad pasando por varios procesos y recolectando informaciones que sirven como base guía siendo estas:

 Procesamiento de bases de datos.

 Visualización.

 Recuperación de información.

 Sistema de toma de decisiones.

 Estadística.

 Computación paralela.

 Aprendizaje automático.

(20)

9

Figura 4

Implementación de la analítica de datos

Fuente: Adaptación Incibe, 2017.

Según Microsoft, (2018) la minería de datos se basa principalmente en tener grandes

volúmenes de datos, analizarlos, interpretarlos, emplea el análisis matemático, que

descubre patrones que favorece encontrar valores que ayuden a formar una buena

estructura de datos. De acuerdo a esto el resultado se convertiría en un modelo a utilizar

(21)

10

para pronosticar riesgos y probabilidades. El surgimiento de la minería de datos tiene por objetivo ayudar a comprender grandes cantidades de datos, su propósito es sacar conclusiones para promover el desarrollo y crecimiento de la empresa, especialmente en términos de ventas o fidelización de clientes (Fincheira y Araneda, 2018).

Según Troncoso y Ruiz, (2020) indican que la minería de datos puede generar miles de patrones y reglas. Para esto primero debe concentrarse en el objetivo o hacer suposiciones. Después de eso, se debe verificar si los patrones que la gente encuentra son fáciles de entender porque no todos

los patro

nes son de beneficio.

Ciclo de la minería de datos, siendo estos los principales ciclos los siguientes:

 La identificación de oportunidades de negocio.

 Minería de datos para transformar los datos en información procesable.

 Actuando sobre la información.

 Medición de los resultados.

Figura 5

Ciclos de la minería de datos

Identificación de negocio

Datos procesable

s

Medición de los resultados

Actuando en la información

(22)

11

Según Rivas, (2018) al realizar un análisis de minería de datos, un minero o un navegador de datos debe realizar cuatro pasos diferentes:

 Determinación de objetivos: los clientes pueden determinar los objetivos a alcanzar mediante el uso de la minería de datos.

 Procesamiento de datos: selección de bases de datos, limpieza, enriquecimiento, reducción y conversión.

 Determinación del modelo: Primero, los datos deben ser analizados estadísticamente y luego visualizados gráficamente.

 Análisis de resultados: En este paso se debe verificar si los resultados obtenidos son consistentes.

No todos los datos son adecuados para la minería, encontrar patrones debe enfocarse en los impactos del negocio, los datos ayudan a determinar qué se extraerá. El almacén de datos está diseñado para realizar un procesamiento rápido de consultas, herramienta muy útil en tareas de reconocimiento, requerido de datos. La minería de datos suele ser un desafío. Por lo tanto, hay varios Problemas que requieren una investigación exhaustiva, antes de ser realizada (Hernández, Duque y Moreno, 2016).

Según Beltrán, (2016) indica que el proceso de minería de datos incluye más que solo

aplicar algoritmos procesamiento de datos, siempre es necesario aplicar una serie de

garantizar que los modelos y patrones obtenidos sean confiables y que tengan precisión

en los datos y la información que el usuario requiera, puede ser necesario comprender los

datos que utiliza, afianzando los buenos resultados. La minería de datos se adapta

múltiples campos, requiere una investigación especializada. Debe comprender la

(23)

12

situación real, las fortalezas, los problemas y los objetivos de cada campo. Luego, las personas encargadas estudian los datos, sobre esta base, desarrollaran un modelo matemático específico.

Figura 6

Fases minería de datos

Según Camprovin, (2020) el Power BI tiene relación con la aplicación de Windows llamada Power BI Desktop, tiene una pluralidad de aplicaciones y distintas fuentes.

Comúnmente usa gráficos y tablas visualmente llamativos, sencillos de manejar para

(24)

13

recopilar y procesar datos, convertirlos en información basados en la nube para contribuir a las empresas a recopilar, regir y examinar datos de información comprensible. Esto posibilita a los usuarios producir y compartir instantáneas claras y útiles de lo cual está sucediendo en el comercio.

Según Cepeda, (2018) el Power BI provee como fin la transformación de los datos en objetos visuales enriquecidos. Este instrumento de Microsoft ayudará a la consolidación de los datos de forma estandarizada, simple y fácil, se va a poder edificar, editar los paneles e informes una vez que se quiera. Manifiesta que la herramienta que añade Microsoft Power BI posibilita producir informes de manera descriptiva basados en diversas fuentes de datos. Los reportes se los va a poder reparar, colocar gráficos con diversos efectos. Las ventajas principales de este programa son las siguientes:

 Esta aplicación su primordial virtud es la facilidad que tiene al instante de generar diversos tipos de observaciones.

 Posibilita modelar, cambiar y limpiar los datos de forma eficiente en los procesos de comercio.

 Provee la función de difundir, compartir la información que deseen.

Figura 7

Características Power BI

(25)

14

Según Microsoft, (2018) el Power BI es una solución orientada a los negocios que permite diferentes fuentes de datos, analizar los datos y luego expresarlos en una tabla o informe, la consulta se puede realizar de forma muy sencilla ingresando al enlace. El Power BI es un grupo de herramientas de estudio empresarial que pone el razonamiento al alcance de toda la organización, Como funciones principales de esta herramienta tenemos:

 Detectar tendencias: para detectar tendencias en tiempo real y tomar mejores decisiones Power BI le permite acceder a información en tiempo real para identifica las primeras tendencias. Así que ellos pueden resuelva los problemas potenciales lo antes posible y mejore el rendimiento rápidamente.

 Power BI le permite hacer preguntas y obtener respuestas casi instantáneamente en forma de cuadros y gráficos se puede anclar a cualquier panel.

 Buscar automáticamente información oculta en el conjunto de datos.

 Observaciones personalizadas, Power BI no se limita, debido a los objetos visuales personalizados, Power BI posibilita ver los datos de tantas maneras como el cliente logre imaginar.

 Power BI le posibilita conectarlos, borrarlos, darles forma, modelarlos y visualizarlos con informes activos y paneles.

1.3.2. Productividad minera

Según Calla (2020), es aquella conformada por una serie de actividades de orden,

humano, legal y económico dirigida al bienestar del trabajador a través de medidas de

prevención y monitoreo de las actividades del hombre, máquinas y clima laboral,

permitiendo evitar y subsanar el estado y acciones inseguras que puedan generar

accidentes o riesgos.

(26)

15

Según Calua, (2019) el término de productividad corresponde a una interacción entre la medida de insumos y recursos que se usan para la adquisición de un producto definido.

de acuerdo a esto en la industria minera se podría constatar como los componentes provechos tales como: capital físico, dotación de personal, consumo energético, agua, ley de mineral y razón estéril mineral; todos estos componentes son indispensables para la obtención del producto final. La productividad es un asunto aleatorio de la industria minera. Esto se debe a los elevados precios de producción por el crecimiento de los costos de insumos, así como la electricidad, mano de obra y escasez de agua. Lo anterior sumado a un bajón en las leyes de minerales, de igual manera la economía mundial, ha causado el exceso de arremeter y amentar la productividad minera.

Figura 8

Parámetros de control

Según Humphreys, (2020) no obstante, la idea de productividad tiene un sentido especial

en la minería, debido a que la minería opera en el sector industrial con activos que se

consumen. El incremento de la productividad superara primero los efectos de esto previo

a que logre la reducción de las reservas. el debate sobre el agotamiento de estos recursos

(27)

16

se centra más en la disminución de las características de los recursos disponibles, todo esto dado a la exageración del índice de la extracción encontrando un material impuro.

Esta necesidad conlleva a realizar más gastos en materiales innecesarios para asegurar su eliminación, como en el caso de los desechos sólidos y líquidos contaminables. Para que la productividad enfrente al agotamiento es necesario, el alza de los precios de producción de minerales.

 Mejoras de productividad: Para medir la producción de una mina se determina la cantidad de toneladas que esta produce todo el año, mediante la utilización de la maquinaria y el equipo de operación adecuado, se optimiza la producción de la mina (Molina, 2019).

Figura 9

Componentes del modelo de productividad minera

Fuente: Salomón (2018).

Según Ortiz, Cordero y Salomón, (2018) el mejoramiento del desempeño de la productividad a largo plazo, está enfocado en cuatro importantes aspectos:

 Incorporar sistemas operativos de gestión eficaces

,

se basa en la reducción

agresiva de sus costos operativos, exigiendo recortes de gastos excesivos para

(28)

17

poder racionalizar los costos y centrarse en la productividad, disminuyendo la intensidad del capital acrecentando su rendimiento.

 Priorizar la eficiencia operacional y el desarrollo de capacidades de las personas

,

en este aspecto se debe dar prioridad a los mantenimientos preventivos para reducir gastos no controlados, adicional a esto se acortará el tiempo perdido por reparación.

 Promover la innovación y la adopción de tecnologías que permitan agilizar los procesos

,

necesariamente lo que se requiere en la innovación es tener acceso a la información que ayudara a regular y a comparar estadísticamente resultados sobre las fallas de algún equipo y así remplazarlo en el menor tiempo posible alargando la vida útil de los equipos, disminuyendo las interrupciones en el trabajo.

Figura 10

Matriz de propuestas de mejoramiento de la productividad

Fuente: Aprimin (2017).

(29)

18

1.4. Marco Empírico

1.4.1. Internacionales

Dongo & Silva (2020) en su trabajo de investigación denominado “Análisis de la minería de datos aplicada en empresas del sector retail”, tuvo por finalidad conocer cómo se aplica la minería de datos en empresas del sector minorista y analizar la aplicación de la minería de datos en empresas del sector minorista. La investigación es cualitativa porque se basó en la búsqueda de información bibliográfica, que no se puede cuantificar.

Los resultados indicaron que gracias a este análisis la toma de decisiones ha mejorado en un 100% de confiabilidad para ello es necesario un personal encargado del análisis de datos procesados. Concluyendo que la analítica de datos para las distintas empresas brindará grandes recopilaciones competitivas en el sector, ya que esta herramienta tecnológica posee técnicas que permiten una información útil para la empresa y así se podrá tomar las mejores decisiones en cada área.

Páez (2019) en su investigación “Aplicación de técnicas de análisis de datos para obtener líneas de investigación específicas para el Ecuador. Caso de estudio: Computer Science en Scopus”, cuyo objetivo es aplicar la tecnología de analítica de datos para determinar la dirección de la investigación mediante el uso de líneas MINTEL y ACM.

Las líneas de investigación son de categoría interdisciplinaria ya que logran solucionar

inconvenientes de la sociedad o descubrir algo mediante un análisis matemático. Los

resultados indicaron que un análisis de datos en las líneas de investigación nos brinda una

precisión de validación en los datos mayor a 85% considerándolo un modelo altamente

(30)

19

confiable. Concluyendo que la analítica de datos permite tener los cálculos de manera más rápida, fácil y en una forma virtual, con una eficiencia logrando promover el desarrollo y crecimiento de la empresa, especialmente en términos de producción y competitividad.

Gonzáles (2018) en su investigación “Aplicación del Big Data en Pymes”, cuyo objetivo es exponer las ventajas de una técnica de implantación de tecnologías y herramientas de analítica de datos en pymes. Los resultados indicaron que los grandes datos incrementan en un 100% la predicción de las demandas usando datos históricos y 88% en transacciones, lo cual es crucial para la mejora de las empresas, donde gracias a la analítica de datos pueden monitorear las incertidumbres de demanda y modificar el precio en relación de la situacion actual de la empresa. Concluyendo que la analitica de datos y la tecnología juegan un papel importante en las empresa ya que se puede realizar predicciones en un futuro y enfocarnos a la necesidad de los clientes, brindando productos cada vez más personalizados, gracias a estas técnicas de la analítica de datos, se logrará más ventas por lo cual un beneficio económico para las pymes y tener una buena imagen para la empresa.

Rodríguez (2017) la investigación presenta el enfoque “Metamodelo para integración

de datos abiertos aplicado a inteligencia de negocios”, cuya finalidad es proponer y

diseñar un metamodelo que integre las siguientes ventajas de paradigma de datos abiertos

para soluciones inteligentes. El desarrollo de la investigación se ha aplicado un enfoque

iterativo e incremental puesto que se ha caracterizado por modelos teóricos de un

conjunto de aspectos para la ejecución de experimentos. Los resultados arrojaron que es

necesario establecer parámetros, en cuanto a la información publicada, calidad, formato y

el procesamiento; obteniendo un 64% de aprobación y 36% de rechazo. Concluyendo que

(31)

20

la falta de confianza de las empresas en muchos países es alta, al querer incorporar la analítica de datos en sus organizaciones públicas o privadas fusionando los datos y proporcionándolos de esta manera herramientas enriquecidas para la toma de decisiones.

1.4.2. Nacionales

Minaya y Del Aguila, (2017) en su investigación “Implementación de data Mart para incrementar la productividad en una empresa minera”, cuyo objetivo es incrementar la productividad en la gerencia de Ingeniería de Mater Drilling al implementar de un Data Mart. Los resultados indican que gracias a la Data Mart ha logrado aumentar la productividad promedio en todas las áreas de la minería, siendo este unos 1.6 m/hr a unos 2.1 m/hr demostrando que la productividad ha aumentado un 24%, se logró también el nivel de calidad de la información al disminuir a cero los informes de No Conformidad que se relaciona con el mal registro de la información de metros perforados y en la mediciones de la maquinaria. Concluyendo que la data Mart ha logrado aumentar la productividad, la calidad de información llegando a los informes de No Conformidad, las paradas inesperadas en perforación han mejorado llegando a 0, así mismo, aumento la disponibilidad y utilización de las maquinarias.

Grández, (2017) en su investigación “Aplicación de minería de datos para determinar

patrones de consumo futuro en clientes de una distribuidora de suplementos

nutricionales”, cuyo objetivo es aplicar reglas a través de aplicaciones de minería de

datos de software para establecer patrones de consumo futuro en una distribuidora de

suplementos nutricionales con la finalidad de efectuar políticas que aumentan el nivel de

ventas. La investigación es de tipo exploratorio ya que la informacion es provista por la

(32)

21

distribuidora de suplementos y permite aplicar técnicas y procesamiento de la analítica de datos. Los resultados muestran indicadores al 100% identificando al tipo de cliente y producto el cual comprará. Concluyendo que la analitica de datos más cercano es el Microsoft, puesto que permite obtener las reglas que determinarán el consumo de los productos nutricionales.

1.5. Problema

¿Es posible aplicar de Analítica de Datos en los Tajos TJ 8530 y TJ 8670 para determinar la productividad en contrata Aurífera Marianita SAC, 2021?

1.6. Objetivos/hipótesis 1.6.1. Objetivo general

 Aplicar la Analítica de Datos en los Tajos TJ 8530 y TJ 8670 para determinar la productividad en contrata Aurífera Marianita SAC, 2021.

1.6.2. Objetivos específicos

 Realizar el diagnóstico de datos de los Tajos TJ 8530 y TJ 8670 para determinar la productividad en las operaciones mineras de perforación, voladura y limpieza, carguío y acarreo.

 Validar los datos de los Tajos TJ 8530 y TJ 8670 para determinar la productividad en las operaciones mineras de perforación, voladura y limpieza, carguío y acarreo.

 Transformar los datos de los Tajos TJ 8530 y TJ 8670 para determinar la

productividad en las operaciones mineras de perforación, voladura y limpieza,

carguío y acarreo.

(33)

22

 Elaborar un reporte de visualización de productividad de los Tajos TJ 8530 y TJ 8670 para determinar la productividad en las operaciones mineras de perforación, voladura y limpieza, carguío y acarreo.

1.7. Hipótesis

H

0

: La analítica de datos determina la productividad de los tajos TJ 8530 y TJ 8670 en la contrata Aurífera Marianita SAC, 2021.

H

1

: La analítica de datos no determina la productividad de los tajos TJ 8530 y TJ 8670 en contrata Aurífera Marianita SAC, 2021.

CAPITULO II MATERIAL Y MÉTODO 2.1. Tipo de Investigación

2.1.1. Método

El método de investigación es cuantitativo en la cual se utilizará la recopilación de datos para probar hipótesis basadas en mediciones numéricas y análisis estadístico para establecer patrones de comportamiento y probar teorías (Hernández, Fernández, y Baptista, 2014).

2.1.2. Diseño

Investigación No Experimental de tipo transversal descriptivo ya que será realizada

sin la manipulación deliberada de las variables, en la que los fenómenos solo pueden

(34)

23

analizarse cuando se observan en el medio natural y en un momento único para luego describir lo observado (Hernández, Fernández, & Baptista, 2014).

2.2. Población, muestra

2.1 Población: La población para el presente estudio es “Compañía Contrata Aurífera Marianita SAC Unidad Minera Papagayo”.

2.2 Muestra: La muestra para el presente estudio son “Los Tajos TJ 8530 Y TJ 8670” de la Unidad Minera Papagayo.

2.3. Criterios de Inclusión

 Labores en Operación en la Unidad Minera.

 Tajos con programación a extraer mineral todo el año.

 Tajos que se encuentren continuos para el correcto estudio y toma de datos.

2.4. Unidad de análisis 2.4.1. Ubicación

Contrata Aurífera Marianita SAC S.A se localiza en el distrito y provincia Pataz, región de la libertad, con una altitud entre los 1250 y 2800 m.s.n.m.

El emplazamiento minero se extiende sobre un área de 2100 ha, delimitada por las coordenadas UTM N 143 270 y N 9 149800, y E 206400 y E 212 220.

Figura11

Ubicación de Contrata Aurífera Marianita SAC S.A.C.

(35)

24

Fuente: Google Maps,2021.

El acceso por vía terrestre se inicia en la ciudad de Trujillo y tiene una duración aproximada de 14 horas. Está localizado en el flanco derecho del rio Marañón, cuyo relieve se caracteriza por tener una morfología abrupta gracias a la existencia de laderas escarpadas y quebradas profundas.

Figura 12

Vista satelital de la Contrata Aurífera Marianita SAC

Fuente: Google Earth, 2021.

2.5. Instrumentos

Guía de observación: Este instrumento es una guía de los procesos por el cual se ejecuta por pautas y puntos con referente a la variable estudio.

Guía de análisis documental: Este instrumento permitirá en base a documentos

brindados por la Contrata Aurífera Marianita SAC recoger información referente a la

productividad en los procesos de operación como perforación, voladura, limpieza,

(36)

25

carguío y acarreo en distintos meses para así poder determinar el porcentaje de producción.

2.6. Control y calidad de los datos

Para el control y calidad de los datos se tiene en cuenta:

 Perfilado

Presentamos en el ANEXO 6 la “Data de los tajos” correspondientes a la Perforación, Voladura, Carguío y Acarreo

 Relaciones

Los datos presentados en el siguiente informe vienen siendo estudiados desde enero hasta diciembre de una manera diaria.

 Ineficiencia

Se realizó un diagnóstico de datos extenso el cual excede la importancia de solo los datos más relevantes.

 Completitud

No se tomó en cuenta el análisis de sostenimiento, ventilación, que también entran dentro del concepto de productividad, debido a que la contrata solo ejecuta las operaciones unitarias estudiadas.

 Conformidad

(37)

26

Los anexos donde presentamos la data de los tajos presentan un formato con el cual se mide diariamente en mina los avances por guardia.

 Consistencia

Los datos tomados del reporte diario de operaciones fueron tomados y estudiados de manera bimestral.

 Precisión

El Power BI nos brinda resultados organizados y ordenados para estudio, el cual nos permite una excelente interpretación.

 Duplicación

Los equipos para el carguío y acarreo en ambos tajos son los mismos, hablemos del Dumper y el Scoop.

 Integridad

Para las especificaciones técnicas de los equipos de carguío y acarreo se tienen en cuenta los datos brindados por la contrata.

 Rangos

Los datos de voladura en ciertas fechas excedieron el porcentaje de

cumplimiento debido a que hubo un gran uso de cartuchos de explosivo

Emulnor 3000.

(38)

27

2.7. Procedimiento

El procedimiento para el desarrollo del presente estudio se detalla en el siguiente flujograma:

PLANTEAMIENTO DEL PROBLEMA Y OBJETIVOS

REVISIÓN DE ANTECEDENTES

BIBLIOGRÁFICOS, CONCEPTOS Y TEORÍAS

RESULTADOS

REALIZAR EL DIAGNOSTICO DE

DATOS

TRANSFORMA R LOS DATOS VALIDAR LOS

DATOS

METODOLOGÍA E ELABORACIÓN DE INSTRUMENTOS

ELABORAR UN REPORTE DE VISUALIZACIÓN

LOS DATOS

INICIO

(39)

28

2.8.Procesamiento de los datos

El procedimiento experimental del proyecto de investigación ha sido divido en tres etapas, explicadas a continuación:

Etapa preliminar: La etapa preliminar consistió en la búsqueda de información, seleccionadas de fuentes confiables y que consistieron en libros, artículos científicos, revistas y proyectos de investigación del ámbito nacional e internacional, cuyo contenido guardan estrecha relación con las variables de estudio. Todo ello fue realizado para elaborar el marco teórico en base a teorías y enfoques conceptuales que avalen el proyecto, así también, para realizar el aspecto metodológico de la investigación.

Etapa de campo: La etapa de campo se basa en recolectar información sobre los datos necesarios para ingresar al programa de POWER BI, la cual se recopila en una base de datos en Excel, se ordenará según los procesos de operación de perforación, voladura, limpieza, carguío y acarreo, los cuales fueron previamente elaborados en base a los objetivos propuestos. El recojo de información se hará para implementar la analítica de datos en la Unidad Contrata Aurífera Marianita SAC para determinar la productividad en los tajos TJ 8530 Y TJ 8670.

CONCLUSIONES Y DISCUSIONES

RECOMENDACIONES

FIN

(40)

29

Etapa de gabinete: La etapa de gabinete consistirá en la preparación de datos para poder introducirlo en el POWER BI y después sean procesados los datos, luego interpretar la información arrojada por el programa. La información obtenida en campo será analizada por secciones y cumpliendo con los objetivos que han sido planteados, a su vez los resultados serán descritos, explicados y mostrados a través de cuadros, imágenes, figuras tablas y gráficos.

2.9. Definición de variables

El diseño de investigación presenta el siguiente esquema:

X : Analítica de Datos Y : Productividad Minera

2.10. Consideraciones éticas y de rigor

Fundamentaremos la investigación cuantitativa en criterios éticos y de rigor que tiene como fin asegurar la calidad, objetividad y validación del informe de investigación considerándose en el presente estudio los siguientes criterios: ético y de rigor científico.

Con respecto a la ética se tuvo en cuenta:

(41)

30

 Consentimiento informado: Se tiene la autorización por parte de la

empresa para la toma de datos de sus instalaciones en los Tajos TJ 8530 Y TJ 8670.

Con respecto al rigor científico se tuvo en cuenta:

 Credibilidad: Se tiene la data de todo el año de las operaciones unitarias

que se realizó en los Tajos.

 Confirmabilidad: Se verifica los datos y al ingresar en Power BI, coincide

con la realidad.

CAPITULO III RESULTADOS

3.1. Resultados del objetivo específico 1: Realizar el diagnóstico de datos de los Tajos TJ 8530 y TJ 8670 para determinar la productividad en las operaciones mineras de perforación, voladura, limpieza, carguío y acarreo.

El diagnostico de los datos de los tajos se realizó mediante la libreta de campo, determinando los siguientes resultados; previamente presentando el dashboard en Power BI en la figura 12 donde muestra la transformación de datos.

Figura 13

Transformación de datos

(42)

31

Se presenta el dashboard de Relacionamiento de tablas para la correcta interpretación del programa como podemos visualizar en la figura 13,

Figura 14

Relacionamiento de tablas

Diagnóstico Tajo TJ 8530

En la tabla 1 se muestran los datos del TJ 8530 Tabla 1

Datos TJ 8530

Ítems Datos

Tajo TJ8530

Longitud de barras de perforación 4 pies

Diámetro de broca 32mm

Longitud de perforación 1.1m

N° de taladros 14

Potencia de la veta 1.50m

Ancho de minado 2.00m

Altura del block 25m

Método de Explotación Circado

En la tabla 1 se muestran los datos más relevantes en relación al TAJO 8530.

(43)

32

Diagnóstico Tajo TJ 8670

En la tabla 2 se muestran los datos del TJ 8670 Tabla 2

Datos TJ 8670

Ítems Datos

Tajo TJ8670

Longitud de barras de perforación 4 pies

Diámetro de broca 32mm

Longitud de perforación 1.1m

N° de taladros 16

Potencia de la veta 1.50m

Ancho de minado 2.00m

Altura del block 24m

Método de explotación Circado

En la tabla 2 se muestran los datos más relevantes en relación al TAJO 8670.

3.2. Resultados del objetivo específico 2: Validar los datos de los Tajos TJ 8530 y TJ 8670 para determinar la productividad en las operaciones mineras de perforación, voladura, limpieza, carguío y acarreo.

A continuación, se muestran la validación de los tajos TJ 8530 y TJ 8670.

Validación de datos Tajo TJ 8530 Tabla 3

Perforación – TJ 8530

Parámetros Datos

Tajo TJ8530

Material Roca

Tipo de Roca Media – Buena

Sobre perforación 0.50

Prof. del taladro 1.20m

Burden 0.20m

Espaciamiento 0.18m

(44)

33

Diámetro de Perf. 32mm

En la tabla 3 se muestran los parámetros de perforación en relación al TAJO 8530.

Tabla 4

Voladura – TJ 8530

Parámetros

Datos

Explosivo Emulnor

Densidad de la roca 2.70gr/cm3

Diámetro de taladro 36 mm

Densidad del explosivo 1.14 gr/cm3

Densidad lineal 1.20 gr/cm3

Kg - taladro 0.4kg

Total de taladro 4 unid.

Total de carga explosiva 6.1376kg

Factor de carga 0.5

Factor de potencia 1.36

En la tabla 4 se muestran los parámetros de voladura en relación al TAJO 8530.

Tabla 5

Limpieza

– TJ 8530

Tipo equipo Potencia (HP)

Eficiencia (%)

Capacidad (Pies3)

Capacidad Efectiva (TM)

Winche 30 0.80 5.65 0.456

En la tabla 5 se muestran los parámetros de Limpieza del TAJO 8530.

Tabla 6

Carguío y Acarreo– TJ 8530n con Scoop Toro 1

Equipo

Descripción

Dato

Und

Descripción Dato Und

(45)

34 SCOOP TORO 1 Capacidad Teórica de la cuchara 2.2 Yd3 Factor de Esponjamiento 1.4 -

Capacidad Teórica de la cuchara 1.68 M3 Capacidad Real 2.74 Ton Peso Específico 2.85 Tn/m3 Procedencia Mineral Tajos Factor de Llenado 0.80 %

En la tabla 6 se muestran los parámetros de carguío y acarreo relación al TAJO 8530.

Tabla 7

Carguío y Acarreo– TJ 8530 con Dumper Multimec 1

Equipo Descripción Dato Und Descripción Dato Und

DUMPER MULTIMEC 1 Capacidad Teórica de

Tolva 6.6 Ton

Factor de

Esponjamiento 1.4 -

Peso Específico 2.85 Tn/m3 Capacidad Real 4.24 Ton

Factor de Llenado 0.85 % Procedencia

Mineral

Tolvas -

Validación de datos Tajo TJ 8670

(46)

35

Tabla 8

Perforación – TJ 8670

Tajo TJ 8670

Material Roca

Tipo de Roca Semi – Dura

Sobre perforación 0.50

Prof. del taladro 1.20m

Burden 0.20 m

Espaciamiento 0.18m

Diámetro de Perf. 32 mm

En la tabla 8 se muestran los parámetros de perforación en relación al TAJO 8670.

Tabla 9

Voladura – TJ 8670

Explosivo Emulnor 3000

Densidad de la roca 2.72gr/cm3

Diámetro de taladro 36 mm

Densidad del explosivo 1.14 gr/cm3

Densidad lineal 1.20 gr/cm3

Kg - taladro 0.4kg

Taco final 0.15m

Total de taladros 16 unid.

Total de carga explosiva 6.4kg

Factor de carga 0.52

Factor de potencia 1.32

En la tabla 9 se muestran los parámetros de voladura en relación al TAJO 8670.

(47)

36 Tabla 10

Limpieza

– TJ 8670

Tipo equipo

Potencia (HP)

Eficiencia (%)

Capacidad (Pies3)

Capacidad Efectiva (TM)

Winche 30 0.80 5.65 PIES 3 0.456

En la tabla 10 se muestran los parámetros de limpieza del TAJO 8670.

Tabla 11

Carguío y Acarreo– TJ 8670 con Scoop Toro 1

SCOOP TORO 1

Capacidad Teórica de la

cuchara 2.2 Yd3

Factor de

Esponjamiento 1.4 -

Capacidad Teórica de la

cuchara 1.68 m3 Capacidad Real 2.74 Ton

Peso Específico 2.85 Tn/m3 Procedencia

Mineral Tajos Factor de Llenado 0.80 %

(48)

37

Tabla 12

Carguío y Acarreo– TJ 8670 con Dumper Multimec 1

DUMPER MULTIMEC 1

Capacidad Teórica de

Tolva 6.6 Ton

Factor de

Esponjamiento 1.4 -

Peso Específico 2.85 Tn/m3 Capacidad Real Tn 4.24 Ton

Factor de Llenado 0.85 % Procedencia

Mineral

Tolvas -