Browsing by Author "Saravia Riffo, Esteban Alfonso"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Estudio de competividad de la industria de fundiciones de Cobre(Universidad de Concepción, 2019) Saravia Riffo, Esteban Alfonso; Parra Figueroa, Roberto Andrés; Parada Araya, RobertoEl objetivo general de este estudio fue identificar una estrategia de negocio que permita disminuir los costos operacionales basados en economía de escalas y tecnología de fusión. Primeramente se describe la cadena de valor de la industria de cobre detallando las actividades primarias de una fundición, seguido de un análisis de mercado indicando la participación de los principales países y posteriormente se analiza la actividad comercial de la industria de la fundición de cobre considerando factores clave que dominan en la rentabilidad. El estudio de competitividad se lleva a cabo mediante la realización de un benchmarking competitivo correlacionando las variables escala de producción, naturaleza tecnológica e integración a la mina versus los costos operacionales. Los resultados indican que la escala de procesamiento sobre las 1.500 ktoneladas de concentrado al año, la utilización de una tecnología emergente o flash y desacoplando la instalación a la mina se obtienen los costos operacionales más bajos. La veracidad de esta información es verificada mediante un análisis de precio y productividad de los insumos relevantes de los costos operacionales (mano de obra y energía), con el fin de confirmar que los bajos costos corresponden a una mayor eficiencia en el uso de los insumos por parte de economías de escala y el uso de tecnologías emergentes o flash. Los resultados indican que la tecnología flash y una alta producción obtienen las mayores eficiencias de insumos. Por último se analiza si estos dos factores son independientes entre ellos, uno es consecuencia del otro, o bien actúan en simultáneo. Los resultados indican que el aumento de la capacidad de producción no presenta una clara relación lineal con respecto a la eficiencia de los insumos. Se observa una leve correlación hasta las 1.250 ktoneladas de concentrado al año, pero sobre esta escala deja de ser evidente. Adicionalmente, las instalaciones que pertenecen al grupo de mayor escala de producción, tienen una alta correlación con la tecnología flash y al mismo tiempo con la zona geográfica donde se encuentran estas instalaciones ya que más del 50% se encuentran en China. Finalmente se concluye como hallazgo principal de este estudio, que los factores tecnología de fusión y nivel de producción no constituyen en sí mismo elementos contundentes de reducción del costo operacional. El factor primario para obtener una ventaja competitiva en el costo operacional, está fuertemente asociado a la ubicación geográfica donde operen los precios de energía y mano de obra más baratas.Item Predicción de la temperatura fuera del rango de control, de la caldera de gases en horno de fusión flash de concentrado de cobre.(Universidad de Concepción, 2022) Saravia Riffo, Esteban Alfonso; Pradenas Rojas, Lorena del CarmenLa temperatura de la primera pantalla en la caldera de gases, de un horno de fusión flash de concentrado de cobre, es una variable relevante dentro del control de proceso. Un aumento prolongado de esta puede provocar daños estructurales en la caldera como en equipos posteriores, baja calidad de los productos, entre otros. El control operacional de la temperatura se basa en aumentar la recirculación de polvos y aumento de carga fría, bajar los flujos de oxígeno, entre otros. Sin embargo, el horno flash es una caja negra compleja que tiene muchas variables operacionales y estocásticas de entrada, además, se hace imposible tomar mediciones en línea a mitad del proceso. Por lo que generar una predicción resulta complejo. En este estudio, se presenta un modelo de predicción de la temperatura en la primera pantalla basado en algoritmos de Machine Learning (ML) utilizando, variables y factores que tienen mayor influencia en la temperatura como entrada del modelo predictivo. Se estudiaron diversos algoritmos predictivos: regresión logística, árboles de decisión, bosques aleatorios y máquinas de soporte vectorial. Se presenta un flujo de trabajo paso a paso sobre cómo tratar el conjunto de datos y como encontrar los mejores modelos variando, los hyperparametros del algoritmo y la selección, final del modelo predictivo. En particular, los bosques aleatorios logran las mejores métricas de pronóstico con un accuracy del 82%. Por lo tanto, los modelos de ML permiten, modelar y predecir correctamente la temperatura de la primera pantalla. La metodología expuesta tiene potencial para extenderse a cualquier otro conjunto de datos y objetivos, en la industria de fundición.