UNIVERSIDAD DE TALCA FACULTAD DE INGENIERÍA ESCUELA DE INGENIERÍA CIVIL DE MINAS EVALUACIÓN DEL CONSUMO DE AGUA COMO VARIABLE DE ENTRADA EN LA PLANIFICACIÓN DE UNA MINA A RAJO ABIERTO MEMORIA PARA OPTAR AL TÍTULO DE INGENIERO CIVIL DE MINAS SAMUEL ELIAS ARROYO ESPINOZA PROFESOR GUÍA CARLOS MORAGA CRUZ CURICO - CHILE 2022 RESUMEN El objetivo de este trabajo es desarrollar un código de programación en Python que permita calcular el pit final, utilizando el consumo de agua como variable económica adicional. Para lograrlo, se utiliza el algoritmo heurístico de los conos móviles optimizados, junto con un modelo de bloques que incluye los valores económicos correspondientes. En una segunda etapa, se incorpora al modelo una variable de consumo de agua específica para cada bloque, que tiene en cuenta su ley y densidad. Los valores de consumo de agua agregados son provenientes de un software el cual basa sus resultados de la operación conjunta de la planta de procesamiento con el tranque de relaves. En concreto, este software se encarga de calcular los requisitos de agua, las pérdidas de agua y la cantidad de agua recuperada desde la operación del tranque las etapas de separación sólido-líquido. Debido a que en los relaves es donde ocurre la mayor pérdida de agua en la minería, debido a diversos factores, entre ellos, los climáticos (evaporación), se tiene en cuenta en el resultado de la simulación la estación del año y el mes de extracción de cada bloque. Después de analizar los resultados obtenidos y realizado el cálculo del pit final utilizando valores estándar otro considerando el consumo de agua, se llegó a la conclusión de que el efecto en el resultado se ve disminuido en el segundo caso. Esto es lógico, dado que se agrega un costo adicional a los bloques presentes en la simulación. Además, al observar el comportamiento de las leyes por cota de los dos pits finales, se nota que las estaciones del año tienen un impacto en los costos de consumo, y es aún más importante el hecho de que los bloques con combinaciones de leyes y densidades bajas tienden a ser excluidos del resultado final. Esto se debe a que el requerimiento de agua para procesarlos es mayor. En general, los resultados de la simulación muestran la importancia del consumo de agua en la optimización de la rentabilidad del proyecto, así como la necesidad de considerar las estaciones del año y las características específicas de cada bloque para obtener una estimación precisa del pit final. . i ABSTRACT The aim of this work is to develop a Python programming code that allows for the calculation of the final pit, using water consumption as an additional economic variable. To achieve this, the optimized mobile cone heuristic algorithm is used, along with a block model that includes corresponding economic values. In a second stage, a water consumption variable specific to each block is incorporated into the model, taking into account its grade and density. The added water consumption values are obtained from software that bases its results on the joint operation of the processing plant with the tailings dam. Specifically, this software calculates water requirements, water losses, and the amount of water recovered from the operation of the dam and solid-liquid separation stages. Because tailings are where the highest water losses occur in mining, due to various factors, including climatic (evaporation), the simulation results take into account the season and month of extraction of each block. After analyzing the results obtained and calculating the final pit using standard values and considering water consumption, it was concluded that the effect on the result is reduced in the second case. This is logical, given that an additional cost is added to the blocks present in the simulation. Furthermore, when observing the behavior of the grades by elevation of the two final pits, it is noted that the seasons have an impact on consumption costs, and it is even more important that blocks with low-grade and density combinations tend to be excluded from the final result. This is because the water requirement for processing them is higher. Overall, the simulation results show the importance of water consumption in optimizing project profitability, as well as the need to consider seasons and specific block characteristics to obtain an accurate estimation of the final pit. ii ÍNDICE CAPITULO 1. INTRODUCCIÓN .................................................................................................. 1 1.1 Antecedentes y motivación ............................................................................................... 2 1.2 Descripción del problema ................................................................................................. 2 1.3 Solución propuesta ............................................................................................................ 2 1.4 Objetivos ................................................................................................................................... 3 1.4.1 Objetivo general ................................................................................................................. 3 1.4.2 Objetivos específicos......................................................................................................... 3 1.4 Alcances .............................................................................................................................. 3 1.5 Resultados esperados ........................................................................................................ 3 CAPITULO 2. MARCO TEÓRICO ................................................................................................ 5 2.1. Planificación minera ............................................................................................................... 5 2.2 Modelo de bloques ................................................................................................................... 6 2.3 Pit Final .................................................................................................................................... 7 2.4 Teoría de grafos y algoritmos de simulación minera ............................................................ 7 2.5 Cono Móvil Optimizado de M. Lemieux (1979) .................................................................... 9 2.6 Fuentes de agua en la minería .............................................................................................. 13 2.7 Consumo de agua por proceso minero ................................................................................. 13 2.8 Relaves .................................................................................................................................... 15 2.9 Simulación de eventos discretos ........................................................................................... 17 CAPITULO 3. METODOLOGÍA.................................................................................................. 20 3.1 Recursos Utilizados ............................................................................................................... 20 3.1.1 Python................................................................................................................................... 20 3.1.2 Jupyter Notebook ................................................................................................................ 20 3.2 Estructura del modelo de simulación ................................................................................... 20 3.2.1 Lógica de los conos móviles optimizados ......................................................................... 20 3.2.2 Descripción de base de datos ............................................................................................. 22 3.2.3 Implementación del valor económico y de consumo del agua a la simulación ............. 23 3.2.4 Caracterización del modelo de bloques por su densidad y leyes..................................... 24 3.3 Desarrollo del programa ........................................................................................................ 25 3.4 Análisis y comparación de los datos obtenidos ................................................................... 27 CAPITULO 4. RESULTADOS Y ANÁLISIS ............................................................................... 28 iii 4.1 Valorización y caracterización del modelo de bloques........................................................ 28 4.1.1 Cálculo valor económico modelo de bloques ................................................................ 28 4.1.2 Selección de muestras representativas de densidades y leyes...................................... 31 4.1.3 Cierre de datos nulos de la base de datos ...................................................................... 32 4.2 Envolvente económica........................................................................................................... 34 4.2.1 Pit final estándar .............................................................................................................. 34 4.3.2 Pit final con consumo de agua ....................................................................................... 37 4.3. Comparación de resultados .................................................................................................. 40 4.3.1 Diferencias en la distribución de leyes y cantidad de mineral ..................................... 42 4.4 Análisis comportamiento del agua en el pit final ................................................................ 45 4.4.1 Consumo de agua en las diferentes cotas ...................................................................... 45 CAPITULO 5. CONCLUSIONES................................................................................................. 48 BIBLIOGRAFÍA.............................................................................................................................. 49 ANEXOS .......................................................................................................................................... 51 iv ÍNDICE DE FIGURAS Figura 1. Esquematización de un modelo de bloques (Poniewierski, 2019) ................................. 6 Figura 2. Ejemplo de distribución espacial de un modelo de bloques (Poniewierski, 2019) ....... 6 Figura 3. Grafo completo no direccional ......................................................................................... 8 Figura 4. Grafo algoritmo de Lerchs-Grossmann (Lerchs & Grossmann, 1964) .......................... 8 Figura 5. Grafo generado en cálculo de pit-final (Lerchs & Grossmann, 1964) ............................ 9 Figura 6. Optimización económica de un pit final usando cono invertido (Annels, 1991) ......... 10 Figura 7. Iteraciones del cono flotante utilizando como vértice un bloque (Annels, 1991) ........ 10 Figura 8. Superpos0ición de modelos de conos móviles positivos y negativos (Latorre, 2015) . 11 Figura 9. Esquema cono móvil positivo (Elaboración propia) .................................................... 11 Figura 10. Esquema cono móvil positivo (Elaboración propia) ................................................... 12 Figura 11. Esquema cono móvil negativo (Elaboración propia) .................................................. 12 Figura 12. Superposición de modelos de cono móvil (Elaboración propia) ................................ 13 Figura 13. Diagrama de bloques de procesos mineros (Ramírez Jiménez & Cantallopts Araya, 2020) .................................................................................................................................................. 14 Figura 14. Diagrama esquemático que ilustra los cambios en los componentes variables de pérdida de agua a lo largo del tiempo (las pérdidas por arrastre no están incluidas), (Wels & Robertson, 2003). ............................................................................................................................. 16 Figura 15. Pérdidas de un depósito de relaves (Ortiz, 2018) ......................................................... 17 Figura 16. Representación del ciclo de un proyecto de simulación. (García, García Reyes, & Cárdenas Barrón, 2013).................................................................................................................... 18 Figura 17. Etapas para la construcción de un modelo de simulación (Banks, 1999) .................. 18 Figura 18. Iteraciones posibles de la simulación (Elaboración Propia) ...................................... 21 Figura 19. Posible resultado de una iteración (Elaboración Propia) ........................................... 21 Figura 20. Posible resultado de una iteración uniendo dos conos invertidos (Elaboración Propia) .............................................................................................................................................. 22 Figura 21. Resultado posible de la simulación (Elaboración Propia) .......................................... 22 Figura 22. Modelo de bloques Marvin (Elaboración Propia) ....................................................... 23 Figura 23. Histograma de distribución de leyes (Elaboración Propia) ....................................... 25 Figura 24. Diagrama de flujo del algoritmo de simulación (Elaboración Propia) ...................... 26 Figura 25. Comportamiento de valor económico del cuerpo mineral de Marvin (Elaboración Propia) .............................................................................................................................................. 29 Figura 26. Histograma de comportamiento de las leyes en el yacimiento mineral Marvin (Elaboración Propia). ...................................................................................................................... 30 Figura 27. Comportamiento de leyes del cuerpo mineral Marvin, corte eje X = 23 (Elaboración Propia) .............................................................................................................................................. 30 Figura 28. Histograma de comportamiento de leyes y densidades de Marvin (Elaboración Propia). ............................................................................................................................................. 31 Figura 29 Modelo de bloques Marvin en vista 3D (Elaboración Propia) .................................... 32 Figura 30. Modelo de bloques Marvin rellenado con bloques de aire (Elaboración Propia)..... 33 Figura 31. Corte transversal Y = 59, Marvin (Elaboración Propia) .............................................. 33 Figura 32. Corte transversal Y = 59, Marvin (Elaboración Propia) .............................................. 34 Figura 33. Vista del pit final con valores estándar desde el eje X (Elaboración Propia) ............ 36 Figura 34. Vista del pit final con valores estándar desde el eje Y (Elaboración Propia) ............ 36 Figura 35. Vista el pit final con valores de agua desde el eje Y (Elaboración Propia) ............... 39 v Figura 36. Vista del pit final con valores de agua desde el eje X (Elaboración Propia) ............. 40 Figura 37. Vista en planta de la cota 12 pit final estándar (Elaboración Propia) ........................ 41 Figura 38. Vista en planta de la cota 12 pit final con valores de agua (Elaboración Propia) ..... 41 Figura 39. Distribución mineral en los dos pit finales (Elaboración Propia) .............................. 43 Figura 40. Gráfico de dispersión de las leyes presentes en el pif final estándar por cota (Elaboración Propia) ....................................................................................................................... 44 Figura 41. Gráfico de dispersión de las leyes presentes en el pit final con valores económicos de agua por cota (Elaboración Propia) ............................................................................................... 44 Figura 42. Consumo de agua por cota del pit final (Elaboración Propia) ................................... 46 Figura 43. Frecuencia de meses con mayores temperaturas presentes en cada cota (Elaboración Propia) ....................................................................................................................... 46 Figura 44. Comportamiento de las leyes caracterizadas por cada cota (Elaboración Propia) ... 47 FIGURAS ANEXOS Anexo Figura 1. Pit final con consumo de agua radio 18 (Elaboración Propia) ......................... 64 Anexo Figura 2. Pit final con consumo de agua radio 17 (Elaboración Propia) ......................... 64 Anexo Figura 3. Pit final con consumo de agua radio 16 (Elaboración Propia) ......................... 64 Anexo Figura 4. Pit final con consumo de agua radio 15 (Elaboración Propia) ......................... 64 Anexo Figura 5. Pit final con consumo de agua radio 14 (Elaboración Propia) ......................... 65 Anexo Figura 6. Pit final con consumo de agua radio 13 (Elaboración Propia) ......................... 65 Anexo Figura 7. Pit final con valores estándar radio 19 (Elaboración Propia) ............................ 65 Anexo Figura 8. Pit final con valores estándar radio 18 (Elaboración Propia) ............................ 65 Anexo Figura 9. Pit final con valores estándar radio 17 (Elaboración Propia) ............................ 66 Anexo Figura 10. Pit final con valores estándar radio 16 (Elaboración Propia) .......................... 66 Anexo Figura 11. Pit final con valores estándar radio 15 (Elaboración Propia) .......................... 66 Anexo Figura 12. Pit final con valores estándar radio 14 (Elaboración Propia) .......................... 67 Anexo Figura 13. Pit final con valores estándar radio 13 (Elaboración Propia) .......................... 67 vi ÍNDICE DE TABLAS Tabla 1. Parámetros para la valorización de los bloques (Elaboración Propia). ......................... 28 Tabla 2. Características del modelo de bloques Marvin (Elaboración Propia). ......................... 28 Tabla 3. Valores propuestos para simulación de los valores de consumo de agua (Elaboración Propia). ............................................................................................................................................. 31 Tabla 4. Datos de consumo de Agua obtenidos (Elaboración Propia) ....................................... 31 Tabla 5. Resultados ultimas 20 iteraciones pit final con valores económicos estándar (Elaboración Propia). ...................................................................................................................... 34 Tabla 6. Rem de las iteraciones del pit final con valores estándar (Elaboración Propia) .......... 35 Tabla 7 Ultimas 33 iteraciones pit final con valores económicos de agua (Elaboración Propia) ........................................................................................................................................................... 37 Tabla 8 Ultimas 30 iteraciones ordenadas de menor a mayor consumo de agua (Elaboración Propia) .............................................................................................................................................. 38 Tabla 9 Rem pit final con valores económicos de agua (Elaboración Propia) ........................... 39 Tabla 10 Cantidad de bloques de los resultados de pit final (Elaboración Propia) .................... 40 Tabla 11 Diferencias económicas de los dos pits obtenidos (Elaboración Propia) .................... 42 Tabla 12 Diferencia de promedio de leyes de los dos pit finales (Elaboración Propia) ............. 42 Tabla 13. Datos de días y meses presentes en el pit final (Elaboración Propia) ......................... 45 TABLAS ANEXOS Anexo Tabla Anexo Tabla Anexo Tabla Anexo Tabla Anexo Tabla 1. Resultados iteraciones con consumo de agua radio 18 (Elaboración Propia) . 51 2. Resultados iteraciones con consumo de agua radio 17 (Elaboración Propia) . 52 3. Resultados iteraciones con consumo de agua radio 16 (Elaboración Propia) . 53 4. Resultados iteraciones con consumo de agua radio 15 (Elaboración Propia) . 54 5. Resultados iteraciones con consumo de agua radio 14 (Elaboración Propia) . 55 Anexo Tabla 6. Resultados iteraciones con consumo de agua radio 13 (Elaboración Propia) . 56 Anexo Tabla 7. Resultados iteraciones sin consumo de agua con radio 19 (Elaboración Propia) ........................................................................................................................................................... 57 Anexo Tabla 8. Resultados iteraciones sin consumo de agua con radio 18 (Elaboración Propia) ........................................................................................................................................................... 58 Anexo Tabla 9. Resultados iteraciones sin consumo de agua con radio 17 (Elaboración Propia) ........................................................................................................................................................... 59 Anexo Tabla 10. Resultados iteraciones sin consumo de agua con radio 16(Elaboración Propia) .............................................................................................................................................. 60 Anexo Tabla 11. Resultados iteraciones sin consumo de agua con radio 15 (Elaboración Propia) .............................................................................................................................................. 61 Anexo Tabla 12. Resultados iteraciones sin consumo de agua con radio 14 (Elaboración Propia) .............................................................................................................................................. 62 Anexo Tabla 13. Resultados iteraciones sin consumo de agua con radio 13 (Elaboración Propia) .............................................................................................................................................. 63 vii CAPITULO 1. INTRODUCCIÓN La etapa de planificación minera incluye la evaluación exhaustiva de la viabilidad del proyecto minero en términos técnicos, económicos y ambientales, así como el diseño y planificación detallada de la operación minera. Durante esta fase se llevan a cabo estudios geológicos y de recursos minerales para identificar y evaluar los depósitos de minerales existentes, se establecen los costos y presupuestos necesarios para la ejecución del proyecto, y se diseñan planes de extracción y procesamiento de minerales. Además, se evalúan los posibles impactos ambientales y sociales del proyecto. Dentro de las etapas de planificación minera, una de las más importantes es conocer los límites económicos rentables de explotación, que se definen mediante el concepto de pit final. Para determinar el pit final, se utilizan diversas herramientas computacionales que, mediante iteraciones, buscan obtener la mejor solución para un yacimiento en específico. La etapa de determinación del pit final es crucial en la planificación minera, ya que permite definir la forma y tamaño final del tajo y asegurar la rentabilidad del proyecto a largo plazo. Si bien existen diversas variables que influyen en esta simulación, como los parámetros económicos de la mina y las características del yacimiento, es importante destacar que uno de los recursos más críticos para el procesamiento mineral, el agua, a menudo no se considera en el resultado de esta simulación. El tema central de este trabajo es implementar el agua como una nueva variable de entrada que se tome en consideración en el proceso de simulación del pit final. Debido a que esto no es realizado por ningún software se pretende implementar un código de programación heurístico el cual permita ingresar un valor económico de consumo hídrico que dependa de las características del material a extraer, las estaciones del año y además entregue estadísticas de consumo en los diferentes niveles del resultado de la simulación. Se planea implementar este algoritmo en un modelo de bloques, asignando a cada uno una variable de consumo y tiempo de extracción distintos para poder vincularlos con una línea temporal mensual. 1 1.1 Antecedentes y motivación El uso e implementación de una simulación mediante lógica computacional conlleva un gran plus a la hora de modelar un proyecto con datos concretos, que puede estar acotado a procesos estocásticos como no estocásticos. En la minería, nos ayuda a comprender comportamientos relevantes de un proceso en el cual se puede omitir, de cierta manera, la realización experimental y obtener una idea general de los diferentes sucesos posibles en diferentes escenarios. Una tendencia actual en la minería es la extracción y procesamiento de materiales con menor ley, lo que ha llevado a un mayor uso de agua en el proceso. Este aumento en el uso del agua es especialmente relevante en la gran minería de Chile, donde muchos proyectos se ubican en zonas desérticas. Por lo tanto, es crucial implementar un control más eficiente en el uso de este recurso para reducir su impacto ambiental, optimizar su uso y disminuir el impacto económico en el proyecto minero. En general, el mayor consumo de agua se encuentra en las etapas de molienda, chancado y flotación. También se utiliza en la etapa de lixiviación en la minería de oro y cobre. Después de estos procesos, gran parte del agua que no se puede recircular de inmediato se dirige a los relaves. Según un estudio de Donoso, Robles y Gálvez (2013), en los relaves se pierde más del 50% del agua total siendo 17% perdidas por evaporación. Teniendo en cuenta lo mencionado anteriormente, el objetivo principal de esta memoria es implementar una simulación mediante lenguaje computacional que permita obtener el pit final de un modelo de bloques. Se pretende añadir un valor adicional a la simulación del pit final, relacionando una constante hídrica de consumo para cada bloque en función de sus características de densidad y ley mineral, así como de la estación del año en la que será extraído. 1.2 Descripción del problema En la planificación minera, en la etapa de obtención de la envolvente económica o posible pit final no se considera el agua como una variable de entrada, por lo cual no genera un impacto directo en el alcance del proyecto, siendo este recurso de vital importancia en todas las etapas del proceso minero especialmente en el procesamiento de minerales. Por esto es necesario evaluar la incorporación de consumo de agua como parte de la planificación y diseño teniendo en cuenta todo el proceso minero, desde la explotación hasta la deposición en los relaves. 1.3 Solución propuesta Se pretende obtener el pit final utilizando como nueva variable el consumo de agua, asociando a cada valor económico de cada bloque un costo hídrico y además obtener los datos de consumo asociados a este resultado. Debido a que los programas actuales con los cuales se puede realizar el cálculo del pit final no relacionan el resultado con una cantidad y costo de agua se calculará mediante la implementación de un algoritmo en Python utilizando el método de los conos móviles optimizados de Marc Lemieux (1979). 2 1.4 Objetivos 1.4.1 Objetivo general Evaluar el consumo de agua como variable que acote el resultado del pit final en la planificación minera utilizando herramientas de simulación y algoritmos heurísticos robustos, implementados y probados. 1.4.2 Objetivos específicos • • • • Obtener datos de consumo de agua a través de simulaciones y si es necesario implementando modelos predictivos en base a datos obtenidos teniendo consideración también de cambios debido al clima. Utilizar un modelo de bloques acorde a la simulación con la capacidad de ser editado para diferentes configuraciones de constantes de consumo hídrico categorizando las leyes, densidades y toneladas de los bloques seleccionados en la envolvente económica. Implementar algoritmo para cálculo de pit final generando un valor agregado relacionado con el agua utilizando el método de los conos móviles optimizados. Realizar análisis del comportamiento de consumo de agua en los diferentes meses teniendo en cuenta sus densidades, leyes y cantidad material a extraer. 1.4 Alcances • • • • • • Se limitará los datos del modelo de bloques utilizando Marvin como un estándar. Se tomará un ángulo fijo de talud para facilitar el costo computacional generado. Se obtendrá el pit final mediante el método de conos móviles optimizado. El algoritmo obtenido tendrá como base métodos del cálculo del pit final que puedan ser fácilmente implementados en un lenguaje de programación y adaptado a una interfaz gráfica. Los datos de la simulación del consumo hídrico vienen de la operación conjunta de la planta de procesamiento junto con el tranque de relaves obtenidos mediante un software. Se realizará una asignación de un mes en específico a cada bloque mineral presente en la simulación del pit final en base a una cantidad fija de movimiento de material diario. 1.5 Resultados esperados Mediante el uso de los conos móviles optimizados y la implementación del consumo de agua como variable económica de entrada se busca obtener como resultado: • Envolvente económica realista y lógica al modelo de bloques seleccionado. 3 • • • Comportamiento de los datos de consumo de agua relacionados con la estación del año cuando serán extraídos. Reducción de la ganancia del pit final. Pit final con menor alcance y una disminución de la cantidad de bloques en comparación con el obtenido con los valores estándar. 4 CAPITULO 2. MARCO TEÓRICO 2.1. Planificación minera La planificación minera es un proceso importante en el negocio minero que conlleva escoger la parte del yacimiento que será extraída relacionando las variables operativas y económicas del mercado al cual se apunta la extracción de un mineral. El proceso de planificación comienza típicamente con estudios geológicos para identificar la ubicación, el tamaño y la calidad del depósito mineral. Esta información se utiliza luego para diseñar el método de extracción más adecuado y eficiente y determinar el horario de producción óptimo. La planificación también considera los aspectos económicos, ambientales y sociales de la operación minera, incluyendo los costos de inversión, los costos operativos, las regulaciones ambientales y la comunidad local. Una de las definiciones más generales para la planificación minera es el proceso de ingeniería que junta el recurso mineral con su mercado objetivo para obtener el mejor negocio productivo posible. Según (Newman, Rubio, Caro, Weintraub, & Eurek, 2010) la minería tiene 5 etapas importantes: • • • • • Prospección Exploración Desarrollo Explotación Recuperación De estas estas 5 etapas el desarrollo es donde se realizará la planificación minera tomando en cuenta los siguientes factores: • • • Determinar el método de extracción teniendo en cuenta los arreglos geométricos. Determinar la capacidad de producción, la infraestructura y el capital necesario. Finalmente, la realización del diseño de la mina mediante ingeniería. 5 2.2 Modelo de bloques Un modelo de bloques en minería es una representación tridimensional del yacimiento mineralizado dividido en bloques cúbicos o paralelepípedos. Cada bloque representa un volumen específico del yacimiento y tiene asociados atributos como ley de mineral, densidad, volumen y otros parámetros relevantes para la explotación. Estos bloques son creados a partir de la información geológica y geotécnica disponible, como los resultados de los estudios de perforación y los análisis de laboratorio. Una ilustración del concepto de un modelo de bloques se puede apreciar en la Figura 1. Figura 1. Esquematización de un modelo de bloques (Poniewierski, 2019) Según (Poniewierski, 2019) un modelo de bloques es una representación simplificada de un cuerpo mineral y su entorno, este se puede considerar como una pila de ladrillos siendo cada uno de estos una estimación de datos para ese bloque en específico teniendo información del grado del elemento, densidad y otras variables geológicas, esto se puede observar en la Figura 2. Figura 2. Ejemplo de distribución espacial de un modelo de bloques (Poniewierski, 2019) 6 Para poder realizar una correcta planificación minera y una estimación de la envolvente económica optima se genera a partir de los datos mencionados anteriormente una estimación de valor para cada bloque ya sea el costo para que este sea extraído como también el beneficio, en base a esto podemos generar un modelo de bloques mayormente económico con el cual se puede comenzar a realizar la planificación de la mina y obtener el pit final (Jelvez, Morales, & Ortiz, 2021). El cálculo para la estimación de valor de cada bloque se realiza bajo la ecuación (1) donde se busca realizar una síntesis de los costos asociados a la extracción como también los asociados a su procesamiento. (1) π£π = (π − πΆπ£ ) ∗ π ∗ πΏπ ∗ π ∗ π − πΆπ ∗ π − πΆπ ∗ π Donde: π£π = πππππ πππ πππππ’π π = ππππππ πππ πππππ [$/ππ] πΆπ£ = πΆππ π‘π ππ π£πππ‘π πππ πππππ [$/ππ] π = πππππππ‘πππ ππ ππππ’ππππππóπ πΏπ = πΏππ¦ πππππππ πππ πππππ’π π π = πΉπππ‘ππ ππ ππππ£πππ πóπ ππ π’πππππππ . 2204.62[ππ/π‘ππ] πΆπ = πΆππ π‘π ππππ [$/π‘ππ] πΆπ = πππ π‘π πππππ‘π [$/π‘ππ] π = π‘ππππππππ πππ πππππ’π π [π‘ππ] 2.3 Pit Final Para comenzar un proyecto minero es de suma importancia una acertada estimación de reservas del yacimiento mineral para una correcta planificación minera, de igual manera la envolvente económica que mejor se adecue a la forma del yacimiento mineral juega un rol importante a la hora de determinar los alcances de una mina a cielo abierto, como lo es la profundidad de la mina y su forma. (Jelvez, Morales, & Ortiz, 2021). En términos generales el pit final se define como la mejor envolvente económica que se adecua a ciertas restricciones entregando los límites de explotación de un yacimiento a rajo abierto en donde se obtendrá la mejor relación de costo y beneficio. 2.4 Teoría de grafos y algoritmos de simulación minera Los grafos son variaciones de árboles de decisión compuestos de un conjunto no vacío de objetos llamados vértices conectados a aristas las cuales pueden tener una dirección especifica o simplemente ser multidireccionales como se puede apreciar en la Figura 3. 7 Figura 3. Grafo completo no direccional Estas estructuras pueden ser utilizadas de manera sencilla para poder realizar problemas de logística básica como lo es el problema del camino más corto o el vendedor viajero (TSP). Podemos comparar los grafos como el modelo utilizado para ejemplificar las redes neuronales que no son más que arboles de decisión. El algoritmo más común a la hora de la simulación del pit final es el implementado por Lerchs - Grossman (1964) el cual basa su algoritmo de optimización en la teoría de grafos como se puede ver en la Figura 4. Figura 4. Grafo algoritmo de Lerchs-Grossmann (Lerchs & Grossmann, 1964) Las ventajas a la hora de utilizar un grafo para calcular el pit final son en su mayoría la facilidad de derivar estos esquemas a un lenguaje computacional mediante matrices de adyacencia siendo estas las representaciones de las distancias entre nodos y aristas. En el caso de las aristas se asocia un valor más conocido como “peso” en el cual por (Lerchs & Grossmann, 1964) se realizan iteraciones desde un punto inferior de un modelo de bloques generando un árbol de decisión con ramificación desde abajo hacia arriba, calculando de esta forma el mejor grafo en base al peso de las aristas que pueden estar asociadas a variables económicas y masas. Esto se puede observar en la Figura 5. 8 Figura 5. Grafo generado en cálculo de pit-final (Lerchs & Grossmann, 1964) 2.5 Cono Móvil Optimizado de M. Lemieux (1979) El método de cono flotante o cono móvil es una de las técnicas para el cálculo de pit final más empleadas ya que es de rápida ejecución, veloz y además de fácil conceptualización. Este método difiere con otras técnicas manuales en la facilidad de utilizar el concepto de manera tridimensional (Vallejo, Baquero Chiquiza, & Sepúlveda, 2010), además se debe mencionar que este método está estrechamente ligado a variables de restricción como los son el ángulo de talud y las características económicas presentes en el modelo de bloques del cuerpo mineral. En 1979 el ingeniero Marc Lemieux utilizó como base los modelos cono móvil positivo y negativo para implementar su nuevo Algoritmo de cono móvil optimizado. El cono móvil optimizado de Marc Lemieux pertenece a la categoría de algoritmos de heurística en el cual se involucran los análisis del modelo de bloques tanto del mineral como del estéril en el cual se busca calzar estos bloques en el interior de un cono invertido como se muestra en la Figura 7 respetando el ángulo de talud (Annels, 1991) , este cono es movido de manera sistemática en la matriz en tres dimensiones utilizando como vértice inicial el centro de cada uno de los bloques llegando a obtener el cono con la mejor relación costo-beneficio para el cuerpo mineral como se observa en la Figura 6. 9 Figura 6. Optimización económica de un pit final usando cono invertido (Annels, 1991) Figura 7. Iteraciones del cono flotante utilizando como vértice un bloque (Annels, 1991) Según (Annels, 1991) el cono seleccionado tiene que cumplir la siguiente función de beneficio: (2) ππππππ‘ = [πππππ × ππ × πΊπππ × ππ × −(π + π) × ππ − (π × ππ)] × π΅π × ππΉ Donde: πππππ = ππππππ πππ πππ‘ππ ππ = ππππ’ππππππóπ πππ‘ππúπππππ π = πππ π‘π ππ ππ₯π‘πππππóπ π¦ π‘ππππ ππππ‘π πππ πππππππ π¦ ππ π‘éπππ π = πππ π‘π ππ ππππππ ππππππ‘π πππ π‘πππππππ ππ πππππππ π΅π = π£πππ’πππ πππ πππππ’π ππΉ = ππππ‘ππ ππ π‘πππππππ ππ = πúππππ ππ πππππ’π πΊπππ = πππ¦ πππππππ [%] En la ecuación a maximizar mostrada anteriormente si obtenemos un valor positivo entonces el cono mostrado en esa iteración es un candidato para ser seleccionado como pit final. 10 El algoritmo de cono móvil optimizado posee 3 procedimientos principales, dos de ellos consisten en la determinación del pit final utilizando las técnicas de cono móvil negativo y cono móvil positivo, finalmente estas dos técnicas son superpuestas (Figura 8) y comparadas con los resultados previos de los anteriores modelos para la obtención del pit final (Latorre, 2015). Figura 8. Superpos0ición de modelos de conos móviles positivos y negativos (Latorre, 2015) Para la primera parte del procedimiento es necesario calcular el pit final con el cono móvil positivo el cual consiste en la evaluación de la conveniencia de extraer un bloque y su sobrecarga asociada, el algoritmo se posiciona en cada bloque de valor económico positivo del modelo y genera un cono invertido tomando en cuenta la maximización de la siguiente función. (3) π΅ππππππππ πππ‘π = π΅πππππππππ ππ ππ₯π‘πππππóπ (πππππ’π πππ‘π’ππ) − πΆππ π‘ππ ππ π‘πππ‘ππππππ‘π ππ π΅ππππππππ πππ‘π > 0 → ππ ππ₯π‘πππ ππ π΅ππππππππ πππ‘π < 0 → ππ π π ππ₯π‘πππ En la Figura 9 se puede apreciar como primera iteración del cono flotante positivo la selección del vértice en el bloque con valor 50 si realizamos el cálculo completo se obtiene un valor negativo equivalente a -30 por lo que no sería un pit final rentable. Figura 9. Esquema cono móvil positivo (Elaboración propia) 11 En la Figura 10 se presenta como vértice el bloque con valor económico 90, si realizamos la sumatoria de todos los bloques encerrados en el cono invertido se puede apreciar que se obtiene un resultado equivalente a 10 siendo este positivo por lo tanto viable. Figura 10. Esquema cono móvil positivo (Elaboración propia) Para le segunda parte del procedimiento se tiene que utilizar el método del cono móvil negativo el cual es totalmente opuesto al positivo ya que consiste en extraer todos los bloques con beneficio positivo y sus respectivos conos invertidos para posteriormente evaluar si deben ser devueltos al modelo. El cono móvil negativo debe cumplir la siguiente función a maximizar: (3) π΅ππππππππ πππ‘π = π΅πππππππππ ππ ππ₯π‘πππππóπ (πππππ’π πππ‘π’ππ) − πΆππ π‘ππ ππ π‘πππ‘ππππππ‘π ππ π΅ππππππππ πππ‘π > 0 → ππ π π πππππππ ππ π΅ππππππππ πππ‘π < 0 → ππ πππππππ Si se asume que todo el rajo ya ha sido excavado se tendría un valor neto equivalente a 20 pero si se realizas el relleno de los bloques hacia la derecha con vértice en el 10, marcado con color naranjo como se muestra en la Figura 11, el valor neto aumentaría a un equivalente de 40 por lo que sería un pit final con un mayor valor económico por lo tanto viable. Figura 11. Esquema cono móvil negativo (Elaboración propia) Finalmente, como última etapa se realiza una superposición de los resultados obtenidos en los dos procedimientos anteriores, según (Latorre, 2015) no necesariamente la superposición de 12 los dos modelos entregará un pit final óptimo, por lo cual se debe comparar a los resultados anteriores. Para el caso mostrado se obtienes un resultado con valor neto equivalente a 20 el cual es mayor que el pit final obtenido por el método del cono móvil positivo pero equivalente al del cono móvil negativo, esto se puede apreciar en la Figura 12. Figura 12. Superposición de modelos de cono móvil (Elaboración propia) 2.6 Fuentes de agua en la minería La industria minera tiene un notorio impacto en los recursos hídricos ya que se utilizan grandes cantidades de agua en el procesamiento de minerales además de siempre tener el riesgo de contaminar con descargas o infiltraciones de relaves o embalse de roca estéril. Generalmente las mineras utilizan recursos de agua provenientes de diferentes fuentes en las cuales se puede tres grandes fuentes (Ramírez Jiménez & Cantallopts Araya, 2020) siendo estas las siguientes: • • • Agua continental Agua de origen oceánico Aguas recirculadas en los procesos mineros La primera fuente considera todos los cuerpos de agua que se encuentran en un continente, alejados se zonas costeras como pueden ser ríos, lagos y humedales. Las aguas de origen oceánico como indica su nombre provienen de fuentes marinas además de contener una gran fuente de salobre. Finalmente, el agua recirculada, corresponde a una reinyección del agua al sistema las cuales no son siempre tratadas, como es el caso de la recuperación del agua ingresada a los relaves. 2.7 Consumo de agua por proceso minero En lo que respecta al consumo de aguan en los procesos mineros, tomando de ejemplo el caso del cobre, se pueden identificar 5 áreas principales (Ramírez Jiménez & Cantallopts Araya, 2020) las cuales son las siguientes: • • • Área mina Área planta concentradora Área planta hidrometalúrgica 13 • • • Fundición y refinería Cesión o ventas a terceros Otros/Servicios Estas distintas áreas tienen diferentes ordenes en base a las etapas de los procesos mineros correspondientes, esto se puede apreciar en la Figura 13. Figura 13. Diagrama de bloques de procesos mineros (Ramírez Jiménez & Cantallopts Araya, 2020) En los primeros procesos de la producción minera se toma en cuenta el transporte del mineral después de los procesos de perforación y tronadura, el consumo de agua está presente en esta área debido al levantamiento de polvo que producen los equipos al movilizarse con el mineral por lo que se debe realizar un continuo humedecimiento en los caminos para reducir la cantidad de polvo levantado por las ruedas de los camiones mineros. La aplicación de agua como un supresor de polvo está estrechamente limitada y condicionada con el ambiente en el que se encuentra el camino ya que si el clima es de elevadas temperaturas y demasiado seco solo permanecerá húmedo pocos minutos decreciendo su capacidad de supresión de polvo de 100% a 0% en un corto periodo de tiempo. El agua es más eficiente donde el transito es limitado y se debe tener en cuenta que es incapaz de controlar las partículas finas (Minería Chilena Información Confiable y Oportunidad, 2013). El procesamiento de minerales conlleva el mayor consumo de agua en la mina, al iniciar el proceso en seco de la primera reducción de tamaño del mineral en la chancadora , este tiene que ser llevado a la molienda con el objetivo de liberar la mena de la ganga , en esta etapa se realiza una considerable reducción de tamaño para obtener una granulometría máxima de 180 [µm] , el agua en este proceso cumple un papel fundamental, teniendo en cuenta que es 14 necesario realizar una mezcla con el mineral para finalmente obtener una pulpa homogénea la cual posee entre 20% a 55% en masa (Singh, 2010, como se citó en Bleiwas, 2012). La flotación es uno de los procesos mineros que más consumen agua, según (Donoso, Robles, & Gálvez, 2013) en el caso de la minería de cobre en Chile el consumo de agua en este proceso es aproximadamente del 70% de la planta de procesamiento. La densidad de los sólidos en la flotación tiende a estar en un 25% a 35% en masa. Se debe tener en cuenta que una porción del agua utilizada en la flotación formará parte de los relaves y mediante los procesos de espesamiento es posible la recuperación de una porción de esta para que finalmente pueda ser recirculada. 2.8 Relaves Se conoce como relaves a una serie de desechos obtenidos en el procesamiento y concentración del mineral quedando en forma de pulpa, obteniendo una mezcla de desechos que contiene rocas, agua y minerales de ganga. En el caso del cobre una gran parte del agua proveniente de los relaves es obtenida de los procesos de flotación siendo depositada en unas especies de tranques o embalses los cuales generalmente se encuentran muy alejados de la planta de procesamiento para reducir los costos operacionales asociados al transporte. Los relaves pueden ser descargados mediante el uso de dos técnicas, ya sea utilizando técnicas subacuáticas o simplemente sobre la línea de agua. Según (Cutifani, 2019) los relaves son completamente diferentes a los desechos de rocas, ya que los desechos de rocas se encuentran rodeando o cubriendo el yacimiento mineral y los relaves son los residuos obtenidos del procesamiento del mineral que son descartados, estos son simplemente una mezcla de partículas finas, agua y elementos provenientes de la flotación. Los desafíos relacionados a los relaves están aumentando constantemente ya que los avances tecnológicos actuales permiten la extracción de minerales con una menor ley por lo que la cantidad de desechos que es derivado está aumentando, generando una mayor preocupación ambiental por posibles accidentes como los derrames. En general para muchos proyectos mineros uno de los requisitos más importantes para que este sea viable es el acceso al agua (M.T. Nguyen, 2014) esto también posiciona a la minería en una industria de un uso intensivo de este recurso buscando siempre realizar una reducción de su consumo en los procesos mineros , debido a un aumento de la población y de las normas ambientales ahora más estrictas en relación al consumo de agua las empresas están siendo obligadas a reducir el consumo de este recurso en sus diferentes procesos sobre todo en las zonas más desérticas. En la industria minera la mayoría de las pérdidas de agua son producidas en más del 50 % en los relaves debido a diferentes acciones como por ejemplo la evaporación (Donoso, Robles, & Gálvez, 2013). Los relaves pueden ser descargados en diferentes puntos los cuales no necesariamente son constantes siendo usados solamente durante unas pocas semanas o meses denominando a los puntos de descarga constantes como activos y a los que no descargan como inactivos (Wels & Robertson, 2003). 15 Debido a la evaporación y además a las posibles filtraciones solo se mantienen como áreas inundadas o saturadas aquellas que reciben constantemente descargas , generalmente las perdidas por filtración se ven afectadas con mayor tendencia durante la descarga (Wels & Robertson, 2003) , esto se debe a que al momento de realizar este proceso en un relave “antiguo” o que lleva un tiempo sin recibir material , el peso de la descarga genera que por acción de la gravedad aumente la perdidas por los poros en el fondo del relave. Según (Wels & Robertson, 2003) un diagrama que nos muestra el comportamiento de las pérdidas de agua por evaporación y filtración es el mostrado en la Figura 14. Figura 14. Diagrama esquemático que ilustra los cambios en los componentes variables de pérdida de agua a lo largo del tiempo (las pérdidas por arrastre no están incluidas), (Wels & Robertson, 2003). Según (Ortiz, 2018) se describen 5 formas de perdida de agua que se presentan en los relaves siendo estas: • Retención • Restauración • Evaporación de las playas • Evaporación de las lagunas Infiltraciones Además, se pueden tener presente que existen dos puntos más a modo de esquema, uno donde ingresa el agua con los relaves y otro punto donde finalmente ocurre la recuperación, esto se puede apreciar en la Figura 15. 16 Figura 15. Pérdidas de un depósito de relaves (Ortiz, 2018) Donde: 1. 2. 3. 4. 5. 6. 7. Agua que ingresa en conjunto con los relaves Perdida por retención Perdidas producto de la evaporación desde la playa Perdidas producto de la evaporación desde la laguna Perdidas por filtración Perdidas por saturación Recuperación del agua 2.9 Simulación de eventos discretos La simulación vendría a ser la imitación de un sistema real para ser estudiado en un intervalo de tiempo, esta puede ser realizada de manera manual o de manera computacional basándose en un modelo de la realidad y al observar el comportamiento de esta nos puede ayudar a tomar decisiones y obtener variados conocimientos del sistema real asociado a la simulación. La simulación de eventos discretos (DES en inglés), es un tipo de simulación que relaciona ciertos eventos por medio de distribuciones de probabilidad y condiciones lógicas. En ingeniería de minas se ha utilizado esta herramienta para la evaluación de desempeño de sistemas mineros complejos, tanto en minas a cielo abierto como subterráneas. Las herramientas de DES permiten evaluar las interacciones y/o interferencias internas entre equipos, disponibilidad, utilización y el rendimiento global del sistema. Según (García, García Reyes, & Cárdenas Barrón, 2013) la simulación de eventos discretos tiene la definición de un conjunto de relaciones basadas en la lógica matemática y probabilística que integran el comportamiento de un sistema cuando se realiza el estudio de un evento determinado, principalmente el modelo de simulación consiste en la comprensión, análisis y la mejora de las condiciones de operación actuales del sistema. Una simulación implica tres grandes fases, el diseño del modelo del problema a analizar, la construcción del modelo y finalmente la experimentación que se puede realizar con este modelo (García, García Reyes, & Cárdenas Barrón, 2013) como se muestra en la Figura 16. 17 Figura 16. Representación del ciclo de un proyecto de simulación. (García, García Reyes, & Cárdenas Barrón, 2013) La metodología utilizada para desarrollar un modelo de simulación fue elaborada por Banks (1999). El esquema de esta metodología se puede apreciar en la Figura 17. Figura 17. Etapas para la construcción de un modelo de simulación (Banks, 1999) 18 19 CAPITULO 3. METODOLOGÍA 3.1 Recursos Utilizados Esta memoria se llevó a cabo utilizando como base el lenguaje de programación Python siendo desplegado en diferentes IDE los cuales fueron PyCharm y Jupyter Notebook siendo estos destinados para realizar la programación del modelo de pit final y el análisis de datos relacionado a los resultados obtenidos respectivamente. 3.1.1 Python Python es un lenguaje de programación gratuito utilizado en diferentes áreas, desarrollo web, desarrollo de software, ciencia de datos y machine learning(ML). El uso de este lenguaje está estrechamente ligado a su gran eficiencia a la hora de realizar el desarrollo de aplicaciones además que es fácil de aprender e interpretar con poco conocimiento de programación previo. 3.1.2 Jupyter Notebook Los Jupyter Notebook son una aplicación web de código abierto que facilita la visualización de datos con base de programación en lenguaje Python siendo más sencillo el uso de librerías graficas relacionadas con el análisis de datos y machine learning haciendo mucho más sencillo la edición de códigos, subir información y compartirla en tiempo real sin tener la necesidad de instalar estas librerías de manera física en el computador del usuario. 3.2 Estructura del modelo de simulación El método de conos invertidos móviles puede ser adaptado de buena manera a un lenguaje de programación con librearías de base de datos de esta forma en conjunto con el algoritmo voraz o greedy se puede comenzar la simulación y obtener el mayor beneficio neto presente en el modelo de bloques ingresado en la simulación. 3.2.1 Lógica de los conos móviles optimizados Para comenzar con la simulación de los datos presentes es necesario parametrizar el modelo de bloques con valores económicos calculados a partir de la ecuación (1) y además cerrar los relieves presentes en la cota superior de la base de datos para que el lenguaje de programación y su respectiva librearía no reconozca estos valores como nulos. La simulación mediante los conos móviles se emplea realizando iteraciones continuas en el mismo modelo de bloques manteniendo la extracción de manera constante , se prueba un cono generado con un radio en específico, si el beneficio neto de este cono es un valor positivo se extrae del modelo de bloques para reducir la cantidad de datos del programa y facilitar la velocidad de las siguientes iteraciones , se guarda los datos de este cono para que no se repita nuevamente y se genera otro cono invertido con el radio similar y si la suma de los 2 conos generados es mayor que el primer cono , se extrae y los dos conos invertidos pasan a formar parte de la envolvente económica , esto se realiza consecutivamente y posteriormente es 20 necesario probar diferentes configuraciones de radios para comprobar si existe alguna mejorar en el valor económico. En la Figura 18 se observa como ocurre la interacción entre 2 conos generados en las iteraciones con radios similares, si la suma de valor económico de estos 2 conos es mayor que el primer cono generado entonces se guardara el resultado como el nuevo pit final. 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 1 2 2 2 2 1 1 2 2 2 2 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Figura 18. Iteraciones posibles de la simulación (Elaboración Propia) Una vista en 3D de cómo se comportaría la iteración anteriormente descrita es lo mostrado en la Figura 19 y Figura 20. Figura 19. Posible resultado de una iteración (Elaboración Propia) 21 Figura 20. Posible resultado de una iteración uniendo dos conos invertidos (Elaboración Propia) Una vez finalizada la simulación anterior, se deben realizar nuevas iteraciones cambiando el valor del radio, pero manteniendo el último resultado obtenido, con el fin de observar si se puede mejorar el beneficio neto. Este proceso se debe repetir hasta que el programa no entregue una mejora en el resultado. Figura 21. 1 Cono 1 con radio 1 1 1 1 1 1 1 1 1 1 Cono 2 con radio 1 Cono 3 con radio 3 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 3 3 3 1 1 1 1 1 1 2 2 3 3 3 1 1 1 1 1 2 2 2 2 3 3 3 1 1 1 1 2 2 2 2 3 3 3 1 1 1 2 2 2 2 3 3 3 1 1 2 2 2 2 3 3 3 1 2 2 2 2 3 3 3 2 2 2 2 3 3 3 2 2 2 3 3 3 2 2 3 3 3 2 3 3 3 3 3 3 3 3 3 Figura 21. Resultado posible de la simulación (Elaboración Propia) 3.2.2 Descripción de base de datos Para el desarrollo de esta memoria se utilizó el modelo de bloques Marvin el cual posee una cantidad de bloques equivalente a 53.170 con unas dimensiones de 30 x 30 x 30 metros, en sus variables directas a la base de datos se encuentra la ubicación indicando las posiciones del eje x, y, z, volumen, densidad, tonelaje y contenido de cobre. El modelo de bloques Marvin posee un total de 17 cotas las cuales cada una de ellas representa una variación de profundidad de 30 metros siendo la cota piso 0 y la cota superior 16, una distribución de en el eje x de un total de 61 datos y para el eje y una distribución de 60 datos siendo no perfectamente cuadrado, esto se puede apreciar en la Figura 22. 22 Figura 22. Modelo de bloques Marvin (Elaboración Propia) 3.2.3 Implementación del valor económico y consumo del agua a la simulación Para generar un efecto visible en la simulación del pit final con el mejor beneficio neto, es necesario tener en cuenta el comportamiento del clima durante las diferentes estaciones del año. Esto significa que la simulación se verá afectada directamente por el mes en el que se comience a realizar la iteración, ya que puede haber una mayor concentración de bloques de mineral en estaciones del año con temperaturas más elevadas, o viceversa. Dado que la variable principal utilizada en la simulación es el costo de cada bloque, será necesario agregar un costo adicional por metro cúbico de agua utilizada al valor existente. Este costo se sumará a la fórmula principal (1) para calcular la ganancia de extracción de cada bloque. De esta manera, se podrán comparar el comportamiento de los pits finales obtenidos, generando uno con los valores estándar y otro con los costos de agua asociados a cada bloque. La suma del valor agregado del costo del agua a la ecuación (1) se puede observar en la ecuación (4) mostrada a continuación. (4) π£π = (π − πΆπ£ ) ∗ π ∗ πΏπ ∗ π ∗ π − πΆπ ∗ π − πΆπ ∗ π − ππ ∗ π ∗ πΆπ Donde: π£π = πππππ πππ πππππ’π π = ππππππ πππ πππππ [$/ππ] πΆπ£ = πΆππ π‘π ππ π£πππ‘π πππ πππππ [$/ππ] π = πππππππ‘πππ ππ ππππ’ππππππóπ πΏπ = πΏππ¦ πππππππ πππ πππππ’π π 23 π = πΉπππ‘ππ ππ ππππ£πππ πóπ ππ π’πππππππ . 2204.62[ππ/π‘ππ] πΆπ = πΆππ π‘π ππππ [$/π‘ππ] πΆπ = πππ π‘π πππππ‘π [$/π‘ππ] π = π‘ππππππππ πππ πππππ’π π [π‘ππ] ππ = πππππ ππ ππππ π’ππ ππ πππ’π [π‘ππ/π3 ] πΆπ = πΆππ π‘π πππ πππ’π [$] Aunque es posible que el costo del agua esté incluido en el costo de planta, resulta más sencillo implementarlo de manera separada debido a que desconocemos cuánta agua se utilizará y cuál será su costo específico. Para obtener los datos de consumo de agua para diferentes escenarios, se utilizará un software previamente desarrollado. Las variables de entrada principales para generar estos datos serán las leyes y las densidades de los bloques. Además, los datos obtenidos también incluirán el comportamiento de los diferentes meses del año para las diferentes entradas proporcionadas. Los valores obtenidos a través del software se presentan en [m3/ton], los cuales se deben multiplicar por los bloques que se necesitan procesar para obtener los [m3] de agua correspondientes a cada uno de ellos. Luego, se agregará este valor a la ecuación (4) utilizando un costo de agua por metro cúbico. 3.2.4 Caracterización del modelo de bloques por su densidad y leyes Para poder ingresar los datos en el software que entregará el consumo de agua, es necesario seleccionar muestras representativas del modelo de bloques. Esto se debe a que en el caso de Marvin existen 5,534 leyes diferentes, lo que hace imposible simular todos los datos. Además, al ingresar el modelo de bloques al algoritmo de simulación, se debe realizar una estimación de en qué mes se extraerá un bloque específico y luego consultar la base de datos de consumo de agua donde junto con las características de ley y densidad de ese bloque, se selecciona su constante para finalmente calcular la cantidad de agua requerida y su respectivo costo. Todo lo mencionado anteriormente se realiza para cada uno de los bloques seleccionados como parte del cono invertido, ya sea negativo o positivo. Si la simulación considerara una gran cantidad de constantes de agua para diferentes características de cada uno de los bloques, esto generaría una carga enorme en el procesador, por lo que es necesario reducirla lo mejor posible. Esto se puede realizar observando en graficas la distribución de leyes, en la Figura 23 se puede apreciar un histograma que nos indica como se comportarían las leyes en un modelo de bloques. 24 Figura 23. Histograma de distribución de leyes (Elaboración Propia) En base al histograma mostrado anteriormente en la Figura 23, se pueden observar muestras representativas de las leyes posibles donde el valor entre los valores 0.2 % y 0.4 % se mantiene una mayor concentración de datos con una densidad distribuida entre 2.6 [ton/m3] y 2.75 [ton/m3] pero siendo su valor más representativo 2.68 [ton/m3] por lo cual en base a estos se podrían seleccionar la ley 0.4 [%] con densidad 2.68 [ton/m3] , otro dato a seleccionar podría ser 0.8 [%] , debido a que esta ley posee una distribución más equitativa de las dos densidades se podría realizar un promedio .Un caso diferente sería para las leyes comprendidas entre 0[%] y 0.2 [%] donde las densidades varían considerablemente por lo cual sería necesario analizar un histograma con una distribución de los datos en el eje x de las leyes más pequeñas. 3.3 Desarrollo del programa La variable de entrada principal para comenzar la simulación será la base de datos del modelo de bloques leído desde Excel, para el caso de la simulación sin tomar en cuenta el costo del agua se calculará el valor económico de cada bloque antes del ingreso al programa. Para el caso de la simulación con los valores económicos del consumo de agua es necesario calcularlos durante la simulación debido a que no se conoce con anterioridad en que mes será extraído dicho bloque. Para poder agregar meses de extracción a los diferentes bloques se utiliza una cantidad máxima de movimiento de material diario predefinida, durante la simulación se analiza en que mes se encuentra el respectivo bloque a extraer, si este bloque contiene mineral y además cuáles son sus características de densidad y ley para poder otorgarle un valor de consumo de agua en [m3/ton] y posteriormente realizar el cálculo del nuevo valor de este bloque. Finalmente se realiza la sumatoria de los valores económicos generados en el cono invertido obtenido en la simulación, el programa analiza si el nuevo cono genera una mejorar en el balance económico obtenido en la iteración anterior, si este nuevo balance es negativo el cono 25 se descarta, por el caso contrario si mejora el resultado se adiciona. En lo que respecta al resultado final generado, este se obtiene cuando el profit o beneficio neto de las siguientes iteraciones se queda estancado o no existe alguna mejora en el resultado. Este proceso completo se puede ver en diagrama de flujo de la Figura 24. Figura 24. Diagrama de flujo del algoritmo de simulación (Elaboración Propia) 26 3.4 Análisis y comparación de los datos obtenidos Una vez obtenido los dos pit final del modelo de bloques, con la adición del valor económico del agua y el valor económico del bloque estándar, se procede a realizar una comparación del comportamiento de los resultados, cabe mencionar que un resultado esperado es que el cono final con valores de agua sea de menor alcance y posea una menor cantidad de bloques respecto al obtenido con los valores estándar. Los datos para comparar son la distribución de leyes, el comportamiento del costo por cota, cantidad de bloques, distribución de las densidades y además tener en cuenta las leyes y densidades que para el caso del pit final con los valores de agua genera un mayor impacto a la hora de obtener los resultados. 27 CAPITULO 4. RESULTADOS Y ANÁLISIS 4.1 Valorización y caracterización del modelo de bloques Para realizar el ingreso del modelo de bloques a la simulación se tienen que realizar una serie de procedimientos para obtener el mejor pit final o envolvente económica posible, es necesario otorgarle a cada bloque del modelo una valorización correspondiente además de necesitar realizar la correspondiente caracterización para obtener los datos de consumo de agua [m 3/ ton]. 4.1.1 Cálculo valor económico modelo de bloques Para comenzar la simulación del pit final es necesario calcular los valores económicos presentes en cada bloque, para esto se utilizó la ecuación (1), con los parámetros mostrados en la Tabla 1. Tabla 1. Parámetros para la valorización de los bloques (Elaboración Propia). Precio del cobre Costo de procesamiento Costo de Mina Costo de Venta Recuperación Ángulo de Talud Movimiento diario de material Costo de agua [m3] 2.8 US$/lb 10 US$/ton 3 US$/ton 0.16 US$/lb 88% 45° 30.000 ton 5$ Una vez calculado los valores económicos se realizó un análisis de comportamiento de las leyes, distribución de valores económicos de los bloques, cantidad de mineral y estéril presentes en el cuerpo mineral. Las características cuantitativas del yacimiento mineral son las mostradas en la Tabla 2. Tabla 2. Características del modelo de bloques Marvin (Elaboración Propia). Características del yacimiento Material Total [ton] Estéril Total [ton] Estéril cuerpo Mineral [ton] Mineral Total [ton] Promedio Ley cuerpo mineral [%] 3.186.618.240 3.184.621.352 451.140.930 1.996.888 0,43 28 En la Figura 25 se puede apreciar una vista en 3D del comportamiento de los valores económicos del yacimiento mineral en donde el centro del yacimiento mineral es el que posee una mejor valorización a diferencia del contorno, con esto podemos tener una idea general del comportamiento del pit final obtenido de la simulación. Figura 25. Comportamiento de valor económico del cuerpo mineral de Marvin (Elaboración Propia) Para analizar la tendencia de los datos presentes en el modelo de bloques en cuanto a las leyes, se utilizó un histograma (Figura 26). Los resultados indicaron que la mayor densidad de leyes se encuentra entre 0% y 0.4%. Sin embargo, también se observaron datos atípicos, que representan leyes mucho mayores, pero se presentan con una menor frecuencia en comparación con el rango mencionado anteriormente. 29 Figura 26. Histograma de comportamiento de las leyes en el yacimiento mineral Marvin (Elaboración Propia). Una vista con corte en el eje Y del comportamiento de las leyes se puede observar en la Figura 27 donde se puede apreciar que lógicamente siguen la misma relación de valores de leyes presentes en la Figura 25. Figura 27. Comportamiento de leyes del cuerpo mineral Marvin, corte eje X = 23 (Elaboración Propia) Finalmente, el histograma de la Figura 28 nos muestra el comportamiento de las densidades entre los diferentes datos de leyes, esto será útil a la hora de elegir las muestras representativas para poder realizar la simulación del consumo de agua. 30 Figura 28. Histograma de comportamiento de leyes y densidades de Marvin (Elaboración Propia). 4.1.2 Selección de muestras representativas de densidades y leyes Para poder realizar con ayuda de un software de simulación (Wels & Robertson, 2003) la generación de los datos de consumo de agua es necesario obtener una muestra representativa del comportamiento de las diferentes leyes del modelo de bloques Marvin como también de sus respectivas densidades. Con los datos mostrados en la Figura 26 y la Figura 28 se seleccionaron 9 muestras representativas del yacimiento mineral para posteriormente calcular su densidad media, se debe tener en cuenta que entre mayor sea la cantidad de datos a caracterizar mayor será el recurso computacional necesario para la simulación. Tabla 3. Valores propuestos para simulación de los valores de consumo de agua (Elaboración Propia). Ley [%] Densidad[t/m3] 0,05 2,14 0,1 1,66 0,15 1,66 0,2 2,38 0,45 2,68 0,6 2,68 0,8 2,75 1 2,68 1,5 2,6 De los datos representativos anteriormente seleccionados, con la ayuda del software, se realizó una simulación para poder obtener el comportamiento de consumo de agua en cada muestra en los 12 meses del año como se pueden apreciar en la Tabla 4. Tabla 4. Datos de consumo de Agua obtenidos (Elaboración Propia) Ley [%] 0,05 0,1 0,15 0,2 0,45 0,6 0,8 1 Densidad[t/m3] 2,14 1,66 1,66 2,38 2,68 2,68 2,75 2,68 Mes Consumo [ton / m3] Enero 0,6771 0,939 0,9389 0,5943 0,4852 0,5041 0,4866 0,5044 Febrero 0,6604 0,9213 0,9212 0,5782 0,4695 0,4885 0,4711 0,4889 1,5 2,6 0,5261 0,5106 31 Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre 0,6444 0,6183 0,5962 0,5837 0,5914 0,6125 0,6378 0,6682 0,6931 0,6872 0,9042 0,8764 0,8528 0,8395 0,8478 0,8703 0,8972 0,9296 0,9562 0,9498 0,9041 0,8763 0,8528 0,8395 0,8477 0,8702 0,8972 0,9295 0,9561 0,9497 0,5626 0,5373 0,5159 0,5038 0,5113 0,5317 0,5563 0,5858 0,6099 0,6041 0,4544 0,4298 0,4089 0,3972 0,4044 0,4243 0,4482 0,4769 0,5003 0,4947 0,4735 0,449 0,4282 0,4165 0,4238 0,4436 0,4673 0,4958 0,5192 0,5136 0,4562 0,4319 0,4113 0,3997 0,4069 0,4265 0,4501 0,4784 0,5016 0,496 0,4739 0,4496 0,4289 0,4173 0,4245 0,4442 0,4678 0,4962 0,5194 0,5139 0,4957 0,4714 0,4508 0,4392 0,4464 0,466 0,4896 0,5179 0,5411 0,5355 4.1.3 Cierre de datos nulos de la base de datos Debido a que el programa a utilizar para la simulación del cono invertido es un IDE de programación estándar en base al lenguaje de Python se debe tener en cuenta que un modelo de bloques es al fin y al cabo una matriz en 3D por lo cual es necesario cerrarla numéricamente para disminuir la cantidad de restricciones necesarias a la hora de realizar la simulación. Para el caso de Marvin al ser un modelo de bloques referente a un yacimiento este posee en su cota más alta una cara vista en planta que se encuentra en la superficie y como esta no es perfecta posee unos relieves que al ser vistos numéricamente son datos nulos o no existentes dejando la cota 16 (la superficie) con distintos valores del eje Z para diferentes valores en X, Y, esto se puede apreciar en la Figura 29. Figura 29 Modelo de bloques Marvin en vista 3D (Elaboración Propia) Para solucionar los problemas de la matriz incompleta en el modelo de bloques, se agregaron los bloques faltantes para completar la figura. Estos bloques se asumen sin relevancia para el 32 valor del cono simulado, ya sea en términos de agregar o quitar valor, y se les asignó un valor de cero, considerándolos como bloques de aire. De esta forma como se muestra en la Figura 30 se observa un completo cierre de los datos facilitando de mejor manera su lectura en el lenguaje de programación a utilizar. Figura 30. Modelo de bloques Marvin rellenado con bloques de aire (Elaboración Propia) Si se realiza una vista de perfil del resultado obtenido en el proceso mencionado anteriormente se puede observar de manera más clara el cierre o rellenado de los datos con valor cero para completar la matriz, en la Figura 31, se puede observar un corte transversal donde en la parte superior se encuentra la imagen con espacios en blanco, esto muestra el comportamiento del relieve en el modelo de bloques. Figura 31. Corte transversal Y = 59, Marvin (Elaboración Propia) Una vez realizado el proceso de llenado de los datos con valor cero, se obtiene lo representado en la Figura 32, donde se puede apreciar con color amarillo los datos ingresados. 33 Figura 32. Corte transversal Y = 59, Marvin (Elaboración Propia) Finalmente, con los datos agregados el modelo que bloques quedó compuesto de un total de 62.220 bloques de los cuales 8.949 son solamente los datos de bloques de aire con valores económicos nulos. 4.2 Pit final Para la simulación del pit final se realizaron un total de 50 iteraciones por radio, hay que tener en cuenta que el método de conos móviles optimizado no funciona solamente iterando diferentes radios por separado, tienen que ser todos incluidos en la misma simulación, esto es debido a que un modelo de bloques puede tener más de un pit final con diferentes alcances de profundidad como resultado o en el caso de Marvin una envolvente económica no completamente simétrica. Finalmente se toma como resultado final aquella iteración que alcanza el mayor valor además de no existir una mejora en el resultado de las siguientes iteraciones quedando la simulación rondando este valor económico obtenido. 4.2.1 Pit final estándar Se puede observar en la Tabla 5 las últimas 20 iteraciones del pit final mediante conos móviles optimizados con valor económico estándar. Se logró alcanzar el mayor valor económico en la iteración número 30, agregando el cono de 19 unidades de radio. A partir de esta iteración, el comportamiento de la simulación comenzó a entregar valores menores, por lo que se determinó como el pit final. Tabla 5. Resultados ultimas 20 iteraciones pit final con valores económicos estándar (Elaboración Propia). Iteración 50 49 48 47 46 45 44 Mineral [ton] 1.618.660 1.575.176 1.549.549 1.600.940 1.539.021 1.602.115 1.576.675 Ganancia Total [$] 2.174.187.294 2.526.643.066 2.540.506.523 2.596.263.886 2.570.721.211 1.359.465.891 1.942.994.740 Radio [Unidades] 19 19 19 19 19 19 19 34 43 42 41 40 39 38 37 36 35 34 33 32 31 30 1.560.820 1.595.522 1.621.637 1.577.247 1.578.738 1.610.384 1.604.050 1.581.427 1.572.219 1.583.080 1.622.629 1.597.974 1.568.620 1.536.024 2.583.708.350 914.590.667 1.727.349.935 2.360.559.927 854.522.890 1.596.147.736 1.375.423.751 2.021.235.233 2.216.300.388 2.571.693.751 1.802.979.332 995.853.674 1.851.637.619 2.616.547.109 19 19 19 19 19 19 19 19 19 19 19 19 19 19 Si analizamos el comportamiento de la razón de estéril mineral en la Tabla 6, se puede observar que está directamente relacionado con la mejor envolvente económica. Esto es totalmente razonable debido a que los bloques que contienen una gran cantidad de estéril sin mineral o muy poco mineral tienen valores económicos negativos, por lo que la simulación del pit final evita incluirlos de manera exagerada. Tabla 6. Rem de las iteraciones del pit final con valores estándar (Elaboración Propia) Iteración 2 13 30 46 43 48 34 47 49 17 11 19 9 40 26 35 25 50 18 Estéril[ton] 372.842.674,39 401.710.860,65 402.357.856,90 403.521.959,10 414.628.269,63 413.522.153,97 424.300.313,07 429.429.019,47 424.659.395,38 447.052.805,36 414.941.855,24 451.311.114,60 433.966.479,91 438.249.050,19 457.831.342,67 447.370.055,28 450.420.493,67 468.859.822,53 462.866.248,37 Mineral[ton] 1.459.714,02 1.533.820,44 1.536.024,20 1.539.020,50 1.560.820,10 1.549.549,03 1.583.080,23 1.600.940,35 1.575.175,67 1.630.888,80 1.512.019,58 1.628.679,97 1.563.580,92 1.577.247,08 1.619.352,73 1.572.219,16 1.576.095,19 1.618.659,64 1.578.949,22 Rem 255,42 261,90 261,94 262,19 265,64 266,86 268,02 268,23 269,59 274,11 274,42 277,10 277,55 277,86 282,72 284,55 285,78 289,66 293,15 35 En la imagen Figura 33 se puede observar una vista desde el eje X del resultado de las iteraciones en 3D donde el alcance de profundidad es hasta la cota 0, para el caso de la vista del eje Y en la Figura 34 se puede apreciar un comportamiento más extendido en la forma del pit final. Figura 33. Vista del pit final con valores estándar desde el eje X (Elaboración Propia) Figura 34. Vista del pit final con valores estándar desde el eje Y (Elaboración Propia) 36 4.3.2 Pit final con consumo de agua En la Tabla 7 se muestra el comportamiento de las últimas 33 iteraciones de la simulación. Se puede observar que la simulación se estancó debido a la falta de mejora en el resultado económico, lo que provocó resultados menores. Como consecuencia, se interpreta que el programa alcanzó el mayor valor económico posible. Tabla 7 Ultimas 33 iteraciones pit final con valores económicos de agua (Elaboración Propia) Iteración 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 Mineral [ton] 1.466.214,01 1.488.634,73 1.456.871,29 1.492.164,77 1.448.617,43 1.456.031,98 1.487.413,98 1.474.130,76 1.451.746,06 1.457.106,96 1.497.078,79 1.433.244,82 1.455.687,88 1.502.955,85 1.463.019,08 1.477.288,10 1.442.302,53 1.453.129,47 1.480.941,04 1.490.067,38 1.479.816,24 1.473.589,38 1.453.298,70 1.482.089,62 1.490.571,01 1.463.036,36 1.475.038,92 1.498.616,28 1.471.613,70 1.407.824,61 1.418.984,68 1.438.991,76 1.455.044,24 1.392.340,38 Ganancia Total [$] 1.547.939.278,46 873.896.654,42 1.431.829.409,60 1.708.500.438,90 623.824.221,17 354.406.243,74 1.322.658.934,82 1.539.887.489,53 1.186.026.884,55 272.713.316,73 1.013.155.242,58 381.231.641,10 312.677.192,52 1.251.043.026,35 840.874.323,17 935.383.663,26 444.665.422,33 1.708.874.173,10 614.310.184,81 829.145.330,85 1.391.902.600,56 529.305.854,17 204.196.498,34 1.387.143.082,83 1.530.729.820,68 1.579.612.053,81 949.114.287,90 979.536.635,41 1.674.110.851,21 1.843.891.844,46 1.801.480.729,46 1.416.573.166,92 940.141.652,82 1.819.998.058,27 Consumo de Agua [m^3] 154.020.216,84 159.167.361,33 153.541.636,12 156.815.097,73 154.743.156,16 154.239.691,21 156.115.720,76 153.384.741,84 152.934.372,71 157.928.224,92 159.554.875,83 152.911.530,51 158.802.993,90 158.951.233,93 155.439.867,19 158.212.474,32 154.202.473,22 151.571.754,74 156.885.603,38 159.288.845,10 157.440.902,79 159.750.088,32 156.667.838,04 157.607.682,68 157.007.003,84 153.675.056,41 157.017.939,03 161.766.853,57 153.182.025,74 146.008.957,93 147.724.109,07 151.456.955,17 153.945.778,43 144.727.833,79 Costo de Agua Radio [$] [Unidades] 770.101.084,21 18 795.836.806,63 18 767.708.180,61 18 784.075.488,64 18 773.715.780,78 18 771.198.456,06 18 780.578.603,78 18 766.923.709,20 18 764.671.863,53 18 789.641.124,61 18 797.774.379,13 18 764.557.652,56 18 794.014.969,49 18 794.756.169,66 18 777.199.335,95 18 791.062.371,59 18 771.012.366,09 18 757.858.773,70 18 784.428.016,90 18 796.444.225,52 18 787.204.513,96 18 798.750.441,58 18 783.339.190,19 18 788.038.413,40 18 785.035.019,19 18 768.375.282,04 18 785.089.695,13 18 808.834.267,87 18 765.910.128,69 18 730.044.789,63 18 738.620.545,35 18 757.284.775,86 18 769.728.892,15 18 723.639.168,94 18 37 Finalmente, el mejor resultado del pit final se obtuvo en la iteración número 21 con un radio de 18 unidades, como se puede observar en la Tabla 7. En este caso, se puede apreciar que el resultado del pit final no necesariamente es el que obtiene una mayor cantidad de mineral, sino aquel que logra el mejor balance posible entre el consumo de agua y las toneladas de mineral extraído. Si ordenamos los resultados de las últimas 30 iteraciones en base al consumo de agua de menor a mayor, se obtienen los resultados mostrados en la Tabla 8. Tabla 8 Ultimas 30 iteraciones ordenadas de menor a mayor consumo de agua (Elaboración Propia) Iteración 17 21 15 20 14 19 33 39 42 22 43 48 25 18 50 34 45 46 16 36 44 28 47 32 26 24 30 27 41 35 38 Mineral [ton] 1.392.340,38 1.407.824,61 1.379.271,61 1.418.984,68 1.414.593,26 1.438.991,76 1.453.129,47 1.433.244,82 1.451.746,06 1.471.613,70 1.474.130,76 1.456.871,29 1.463.036,36 1.455.044,24 1.466.214,01 1.442.302,53 1.456.031,98 1.448.617,43 1.451.109,83 1.463.019,08 1.487.413,98 1.453.298,70 1.492.164,77 1.480.941,04 1.490.571,01 1.475.038,92 1.479.816,24 1.482.089,62 1.457.106,96 1.477.288,10 1.455.687,88 Ganancia Total [$] 1.819.998.058,27 1.843.891.844,46 381.831.267,98 1.801.480.729,46 972.679.892,09 1.416.573.166,92 1.708.874.173,10 381.231.641,10 1.186.026.884,55 1.674.110.851,21 1.539.887.489,53 1.431.829.409,60 1.579.612.053,81 940.141.652,82 1.547.939.278,46 444.665.422,33 354.406.243,74 623.824.221,17 1.163.423.137,41 840.874.323,17 1.322.658.934,82 204.196.498,34 1.708.500.438,90 614.310.184,81 1.530.729.820,68 949.114.287,90 1.391.902.600,56 1.387.143.082,83 272.713.316,73 935.383.663,26 312.677.192,52 Consumo de Agua [m^3] 144.727.833,79 146.008.957,93 146.245.639,91 147.724.109,07 149.801.664,58 151.456.955,17 151.571.754,74 152.911.530,51 152.934.372,71 153.182.025,74 153.384.741,84 153.541.636,12 153.675.056,41 153.945.778,43 154.020.216,84 154.202.473,22 154.239.691,21 154.743.156,16 155.137.874,50 155.439.867,19 156.115.720,76 156.667.838,04 156.815.097,73 156.885.603,38 157.007.003,84 157.017.939,03 157.440.902,79 157.607.682,68 157.928.224,92 158.212.474,32 158.802.993,90 Costo de Agua [$] 723.639.168,94 730.044.789,63 731.228.199,56 738.620.545,35 749.008.322,92 757.284.775,86 757.858.773,70 764.557.652,56 764.671.863,53 765.910.128,69 766.923.709,20 767.708.180,61 768.375.282,04 769.728.892,15 770.101.084,21 771.012.366,09 771.198.456,06 773.715.780,78 775.689.372,52 777.199.335,95 780.578.603,78 783.339.190,19 784.075.488,64 784.428.016,90 785.035.019,19 785.089.695,13 787.204.513,96 788.038.413,40 789.641.124,61 791.062.371,59 794.014.969,49 Radio Unidades 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 38 Para el caso de la razón estéril mineral mostrados en la Tabla 9 se observa algo similar en el caso de lo obtenido en el pif final de manera estándar manteniendo este valor lo menor posible. Tabla 9 Rem pit final con valores económicos de agua (Elaboración Propia) Iteración 3 21 17 20 10 12 33 47 22 2 25 50 43 26 19 Estéril [ton] 325.147.307 355.255.384 351.501.073 362.243.817 366.175.355 365.520.491 381.305.842 394.658.111 390.624.588 401.846.747 394.333.354 397.885.726 401.860.653 407.632.644 398.278.813 Mineral [ton] 1.314.973 1.407.825 1.392.340 1.418.985 1.410.090 1.400.627 1.453.129 1.492.165 1.471.614 1.500.697 1.463.036 1.466.214 1.474.131 1.490.571 1.438.992 Rem 247,27 252,34 252,45 255,28 259,68 260,97 262,40 264,49 265,44 267,77 269,53 271,37 272,61 273,47 276,78 Finalmente, en la Figura 35 y Figura 36 se observa que el pif final obtenido como resultado alcanzó la cota 0, similar a lo obtenido en el resultado estándar, donde a simple vista se puede apreciar que posee una menor cantidad de bloques. Figura 35. Vista el pit final con valores de agua desde el eje Y (Elaboración Propia) 39 Figura 36. Vista del pit final con valores de agua desde el eje X (Elaboración Propia) 4.3. Comparación de resultados En lo que respecta a las diferencias en los resultados, a simple vista se puede apreciar un resultado esperado donde el pit final estándar tiene un mayor beneficio neto como además una mayor cantidad en la cantidad de bloques distribuidas en las diferentes cotas, esto se puede apreciar mejor en la Tabla 10. La mayor diferencia de la cantidad de bloques en las diferentes cotas se encuentra desde la número 16 hasta la 12, igualmente se debe tener en cuenta que son las cotas que incluyen las superficies más grandes cubiertas por la envolvente económica y posteriormente mientras se profundiza en el modelo de bloques esta diferencia se ve también reducida. Tabla 10 Cantidad de bloques de los resultados de pit final (Elaboración Propia) Cota 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 Agua Estándar Cantidad de bloques 1215 1299 1089 1176 980 1059 870 946 767 838 668 734 579 641 500 558 423 475 348 398 283 327 225 268 175 215 121 163 79 118 Diferencia 84 87 79 76 71 66 62 58 52 50 44 43 40 42 39 40 1 0 Total 42 17 8381 79 42 9336 37 25 955 Una diferencia de vistas en planta de la cota 12 se puede apreciar en la Figura 37 y Figura 38 mostrando el comportamiento de distribución del pit final, mientras que el obtenido de manera estándar tiende a extenderse de manera más ajustada al cuerpo mineralizado el otro resultado posee una forma mucho más cuadrada. Figura 37. Vista en planta de la cota 12 pit final estándar (Elaboración Propia) Figura 38. Vista en planta de la cota 12 pit final con valores de agua (Elaboración Propia) Para los casos de los comportamientos económicos respecto a cada cota alcanzada, se observa en la Tabla 11 que desde la cota 14 hasta la 11 en los dos casos el valor económico obtenido es negativo, comenzado a existir ganancias desde la cota 10 en adelante además que la mayor diferencia entre estos dos resultados se encuentra en la cota 5 donde el pit final estándar tiene una diferencia a favor por sobre los 91 millones de dólares. 41 Tabla 11 Diferencias económicas de los dos pits obtenidos (Elaboración Propia) Agua Cota 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 Total $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ Ganancia $ $ -130.596.239,43 $ -493.707.943,78 $ -346.036.401,80 $ -103.356.312,97 $ 36.868.814,39 $ 252.084.507,39 $ 491.413.890,74 $ 566.731.314,31 $ 518.573.360,09 $ 426.420.348,28 $ 291.846.280,47 $ 179.963.562,53 $ 110.933.230,57 $ 36.806.543,32 $ 5.946.890,35 $ 1.843.891.844,46 $ Estándar Diferencia -118.445.200 -468.767.200 -312.676.300 -69.993.580 77.144.200 294.701.600 548.522.500 643.259.900 604.198.600 518.341.000 377.656.800 248.922.300 173.841.100 85.620.540 14.220.860 2.616.547.120 $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ $ 12.151.039,43 24.940.743,78 33.360.101,80 33.362.732,97 40.275.385,61 42.617.092,61 57.108.609,26 76.528.585,69 85.625.239,91 91.920.651,72 85.810.519,53 68.958.737,47 62.907.869,43 48.813.996,68 8.273.969,65 772.655.275,54 4.3.1 Diferencias en la distribución de leyes y cantidad de mineral Para poder realizar una comparación de leyes de los 2 pit finales obtenidos se debe tener en cuenta que para el proceso de simulación utilizando el agua se caracterizaron los bloques, con esto se logró generar los datos respectivos mostrados en la Tabla 4 para posteriormente agregarlos al valor económico de cada bloque de datos, pero en lo que respecta el valor económico principal este se mantuvo con la misma ley para los 2 casos, por lo cual la comparación de las leyes se puede realizar en igualdad de condiciones. El resultado de las diferencias entre las leyes se puede observar en la Tabla 12 donde se realizó el cálculo del promedio de ley en cada una de las cotas. Tabla 12 Diferencia de promedio de leyes de los dos pit finales (Elaboración Propia) Cota 16 15 14 13 12 11 Agua Estándar Promedio de ley [%] 0 0 0 0 0,0378 0,0350 0,0859 0,0790 0,1455 0,1332 0,2325 0,2120 Diferencia [%] 0 0 -0,0028 -0,0069 -0,0123 -0,0205 42 10 9 8 7 6 5 4 3 2 1 0 0,3003 0,4271 0,6112 0,7389 0,7936 0,8090 0,7489 0,6993 0,6798 0,5332 0,3889 0,2745 0,3884 0,5619 0,6889 0,7520 0,7751 0,7273 0,6657 0,6519 0,5480 0,3416 -0,0258 -0,0387 -0,0493 -0,05 -0,0416 -0,0339 -0,0216 -0,0336 -0,0279 0,0148 -0,0473 Debido a que se está añadiendo un costo de agua al valor económico de cada bloque, teniendo en cuenta las características de su densidad y ley, al observar los datos obtenidos en la Tabla 4, se puede observar que existen combinaciones de leyes y densidades que poseen una mayor constante de consumo, lo que significa que los bloques con estas características tendrán un mayor valor negativo. En consecuencia, la tendencia de la simulación será evitar que estos bloques formen parte del pit final en una proporción excesiva. Se puede observar en la Figura 39 que el pit final calculado de manera estándar extrae una mayor cantidad de mineral. Sin embargo, es importante tener en cuenta que el promedio de leyes en el mineral extraído es menor que el del pit final que incluye el consumo de agua. Diferencias de distribuición mineral 250.000,00 Mineral [ton] 200.000,00 150.000,00 Mineral pit final agua [ton] 100.000,00 Mineral pit final estandar [ton] 50.000,00 0,00 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 Cotas Figura 39. Distribución mineral en los dos pit finales (Elaboración Propia) Finalmente, se realizaron gráficos de dispersión para analizar el comportamiento de las leyes en cada cota. En la Figura 40 se puede apreciar que el comportamiento de las leyes presenta una dispersión mayor o valores atípicos en el rango de leyes entre 0% y 0,4%. Por otro lado, en el 43 caso del pit final obtenido con la adición de los valores de costo del agua en la Figura 41, se observa que a partir de la cota 7, la simulación comienza a reducir la cantidad de bloques con leyes menores al 0,2%. Este comportamiento difiere del gráfico de dispersión del pit final estándar. Este resultado se debe a que, según los datos presentados en la Tabla 4, las mayores variables de consumo de agua se encuentran en el rango de leyes entre 0% y 0,2%, por lo que la simulación intenta evitar agregar estos valores al beneficio neto. Figura 40. Gráfico de dispersión de las leyes presentes en el pif final estándar por cota (Elaboración Propia) Figura 41. Gráfico de dispersión de las leyes presentes en el pit final con valores económicos de agua por cota (Elaboración Propia) 44 4.4 Análisis comportamiento del agua en el pit final Se debe tener en cuenta que los datos empleados para calcular el valor económico del agua como se mencionó anteriormente están estrechamente ligados a la densidad y ley del bloque, pero además tienen variación respecto a las estaciones del año ya sea en el caso de los meses más calurosos como también los meses más fríos por lo cual los datos ingresados al modelo del pit final se verán afectados en que mes de extracción se encuentran. Para poder realizar la distribución de meses a medida que se realiza la simulación, se utilizó una cantidad máxima de material diario a mover, siendo en este caso equivalente a 30.000 tpd, de esta manera se pueden generar días de extracción en los bloques y por consecuente asignar un mes en base a la cantidad de días transcurridos. Se presentan en la Tabla 13 los datos correspondientes a los meses y días generados durante la simulación. Es importante destacar que se consideró como fecha de inicio el 1 de enero, y a medida que se avanza en las iteraciones, se realiza un cruce de datos entre las leyes y densidades de los bloques previamente caracterizados y la base de datos que contiene los valores de consumo en los diferentes meses. Tabla 13. Datos de días y meses presentes en el pit final (Elaboración Propia) Meses Días Días en un mes Cantidad de meses Enero Febrero Marzo Abril Mayo Junio Julio Agosto Septiembre Octubre Noviembre Diciembre Total Años 1019 922 1030 986 990 1029 987 989 993 955 999 988 11887 33 31 28 31 30 31 30 31 31 30 31 30 31 33 33 33 33 32 34 32 32 33 31 33 32 391 4.4.1 Consumo de agua en las diferentes cotas En cuanto al consumo de agua registrado en diferentes cotas, se puede apreciar en la Figura 42 que la cota 12 presenta el mayor consumo de este recurso. Esto se debe a que la distribución de las leyes en esa cota, como se muestra en la Figura 44, contiene una gran cantidad de bloques con leyes de 0,15% y 0,1%, las cuales tienen un consumo de agua más elevado en comparación con los demás datos. Esto se puede confirmar al consultar la Tabla 4, donde se observa que dicho consumo es casi el doble en relación con otros resultados. Es importante 45 destacar que el comportamiento de las variables de consumo de agua aumenta durante los meses de mayor temperatura. De acuerdo con la Figura 43, en la cota 12 se concentran los meses con temperaturas más altas, como octubre, noviembre, diciembre, enero y febrero. Cabe destacar que los datos obtenidos en la Tabla 4 indican que noviembre es el mes que presenta el mayor aumento en el consumo de agua. Agua [m3] Consumo de agua por cota 20.000.000,00 18.000.000,00 16.000.000,00 14.000.000,00 12.000.000,00 10.000.000,00 8.000.000,00 6.000.000,00 4.000.000,00 2.000.000,00 0,00 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 Cotas Cantiad de repeticiones del mes Figura 42. Consumo de agua por cota del pit final (Elaboración Propia) Comportamiento de los meses con mayores temperaturas por cota 200 150 Octubre 100 Noviembre Diciembre 50 Enero Febrero 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Cotas Figura 43. Frecuencia de meses con mayores temperaturas presentes en cada cota (Elaboración Propia) 46 Comportamiento de consumo de agua de las leyes caracterizadas por cota 20.000.000 AGUA [M3] 15.000.000 10.000.000 5.000.000 0 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0 Ley 0,05[%] Ley 0,2 [%] COTAS Ley 0,1[%] Ley 0,45[%] Ley 0,15 [%] Ley 0,6 [%] Figura 44. Comportamiento de las leyes caracterizadas por cada cota (Elaboración Propia) 47 CAPITULO 5. CONCLUSIONES Dentro de los resultados obtenidos se cumplió el objetivo general, obteniendo un pit final el cual fue acotado de manera medianamente notoria con el uso del valor agregado del consumo de agua asociado a cada bloque, esto era un resultado esperado completamente razonable debido a que se generó un aumento en los valores económicos de cada bloque. En base al análisis del pit final se observa una estrecha relación entre el comportamiento de consumo de agua y los valores de densidad y leyes presentes en el bloque, en el que las leyes bajas con una baja densidad tienden a tener un comportamiento de consumo mayor. Además, es importante tener en cuenta que la estación del año en la que se está extrayendo dicho bloque tiene un efecto en su variable de consumo, ya que aumenta en los meses con mayor temperatura. Este comportamiento es lógico ya que los datos de consumo utilizados provienen de los resultados de un software que considera la operación conjunta de la planta de procesamiento y el tranque de relave, teniendo en cuenta sus pérdidas de agua. Si el tranque de relaves está expuesto a una mayor temperatura y radiación solar tenderá a aumentar la pérdida por evaporación, siendo este sector de la mina donde se pierde más del 50% del agua total. En relación con el comportamiento de las leyes presentes en los dos pit finales obtenidos, además de estos poseer diferencias en la cantidad de bloques por cota, también tienen una diferencia al momento de seleccionar un determinado bloque para formar parte del resultado final, esto es debido a que la simulación está estrechamente ligada a los costos generados por el consumo de agua en las diferentes leyes minerales. Para el caso de la simulación realizada se evitan de mayor manera las leyes que se encuentran en los rangos entre 0 % y 0,02 % esto es debido a que los costos hídricos de extracción de los bloques que poseen esta ley son mas elevados que los demás por lo que se genera una especie de ley de corte que en la misma simulación reduce la integración de los bloques con estas características en el pit final. Finalmente, el uso de agua como variable de entrada en la planificación minera no solo sería bastante útil para tener una estimación de la cantidad de agua a consumir en la vida de la mina, además, debido a que el cobre no es un recurso renovable y que cada vez se extrae material con menor ley, se debe realizar una mejor optimización de este recurso para reducir tanto el impacto ambiental como sus respectivos gastos asociados. Por lo que, en base a la selección de un mes de inicio de extracción, centrando los bloques con mayor consumo de agua en meses de bajas temperaturas, reduciría las pérdidas de agua asociadas a los relaves y existiría una mayor cantidad que puede ser recirculada. 48 BIBLIOGRAFÍA Annels, A. E. (1991). Mineral Deposit Evaluation a practical approach. Cardiff, Gales: CHAPMAN & HALL. Retrieved from https://vdoc.pub/download/mineral-deposit-evaluation-a-practicalapproach-40g1irqttim0 Banks, J. (1999). Discrete Event Simulation. Winter Simulation Conference, 7-13. Retrieved from https://doi.org/10.1109/WSC.1999.823046 Bleiwas, D. (2012). Estimated Water Requirements for the Conventional flotation of Copper Ores. Estados Unidos : U.S. Department of the Interior. Cutifani, M. (2019). Tailings Factsheet. Retrieved from https://www.angloamerican.com/~/media/Files/A/Anglo-AmericanGroup/PLC/sustainability/2019-tailings-factsheet.pdf Domínguez-de-Bazúa, L. A., & Durán, M. (2007). Uso del agua en la industria minera. Parte 2: Estudio de opciones para reciclar el agua de proceso. Monterrey, México: Instituto Mexicano de Ingenieros Químicos A.C. Retrieved from https://www.redalyc.org/pdf/482/48222103.pdf Donoso, M., Robles, P., & Gálvez, E. (2013, Noviembre 19). Particle Size Effect on the Efficient Use of Water and Energy in Mineral Concentration Processes. American Chemical Society. Retrieved from https://www.researchgate.net/publication/263954878_Particle_Size_Effect_on_the_Effici ent_Use_of_Water_and_Energy_in_Mineral_Concentration_Processes García, E., García Reyes, H., & Cárdenas Barrón, L. (2013). Simulación y análisis de sistemas con ProModel (Segunda ed.). Monterrey, México: Pearson. Retrieved from https://cffgblog.files.wordpress.com/2017/03/libro-simulacic3b3n-y-anc3a1lisis-desistemas-2da-edicic3b3n.pdf Jelvez, E., Morales, N., & Ortiz, J. (28 de Diciembre de 2021). Stochastic Final Pit Limits: An Efficient Frontier Analysis under. MDPI. Obtenido de https://www.mdpi.com/22277390/10/1/100/pdf#:~:text=In%20simple%20terms%2C%20the%20final,slope%20angles% 20that%20ensure%20stable Latorre, E. (2015). Incoporación del valor del dinero en el tiempo para la determinación de límites económicos de un open pit. Santiago, Chile: PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE. Retrieved from https://repositorio.uc.cl/xmlui/bitstream/handle/11534/15600/000654996.pdf Lerchs, H., & Grossmann, I. (1964). Optimum Design of Open - Pit Mines. Montreal. Retrieved from https://pdfcoffee.com/lerchs-grossman-pdf-free.html Lewinsohn, J. L. (2020). Estado del arte de las estadísticas mineras del uso de agua y energía en los países andinos: intercambio metodólogico entre Chile y el Perú en el marco de la coperación Sur-Sur. Santiago, Chile: Naciones Unidas (ONU). Retrieved from https://repositorio.cepal.org/bitstream/handle/11362/46596/S2000798_es.pdf 49 M.T. Nguyen, S. V. (2014, enero 20). Water and energy synergy and trade-off potentials in mine water management. Journal of Cleaner Production. Retrieved from https://doi.org/10.1016/j.jclepro.2014.01.063 Minería Chilena Información Confiable y Oportunidad. (2013, Junio). Minería Chilena Información Confiable y Oportunidad. Retrieved from https://www.mch.cl/reportajes/practicas-parasuprimir-el-polvo/ Newman, A., Rubio, E., Caro, R., Weintraub, A., & Eurek, K. (2010, junio). A Review of Operations Research in Mine Planning. Institute for Operations Research and the Management Sciences, 222-245. Retrieved from https://repositorio.uchile.cl/bitstream/handle/2250/126232/Newman_Alexandra.pdf?seq uence=1&isAllowed=y Ortiz, R. (2018). Incremento de la recuperación de agua desde los relaves sectorizando el tranque de relaves El Gigante. Repositorio Universidad de Chile, Santiago, Chile. Retrieved from https://repositorio.uchile.cl/bitstream/handle/2250/151976/Incremento-de-larecuperaci%C3%B3n-de-agua-desde-los-relaves-sectorizando-el-tranque-de-relaves-ElGigante.pdf?sequence=3#:~:text=En%20el%20dep%C3%B3sito%20de%20relaves,laguna% 20con%20el%20terreno Poniewierski, J. (2019, Enero). BLOCK MODEL KNOWLEDGE FOR MINING ENGINEERS-AN INTRODUCTION. ResearchGate. Ramírez Jiménez, V., & Cantallopts Araya, J. (2020). Consumo de agua en la minería. Santiago, Chile: Comisión Chilena del Cobre. Retrieved from https://www.cochilco.cl/Listado%20Temtico/2020%2010%2030%20Consumo%20de%20a gua%20en%20la%20mineria%20del%20cobre%20al%202019_version%20final.pdf Vallejo, M., Baquero Chiquiza, J., & Sepúlveda, G. (2010, Noviembre). ANÁLISIS DE LOS ALGORITMOS DE OPTIMIZACIÓN MINERA: CONO FLOTANTE Y LERCHSGROSSMANN UTILIZANDO GEMCOM SURPAC Y UPL. Boletín de Ciencias de la Tierra, 13. Retrieved from https://www.redalyc.org/articulo.oa?id=169520001002 Wels, C., & Robertson, A. (2003). Conceptual model for estimating water recovery in tailings impoundments. Retrieved from https://robertsongeoconsultants.com/files/publications/welcmf.pdf 50 ANEXOS Anexo Tabla 1. Resultados iteraciones con consumo de agua radio 18 (Elaboración Propia) Id 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 399351939,7 458055076,8 404786670,6 396150276,2 463226914,4 487066220,8 424227654,2 403334783,7 421908868 492355146,9 450520644 476535813,8 488385461,8 434769213,1 451936787,7 449222195,4 474728355,1 382758971,5 475869683 462015200,9 415398154,9 478410329,9 496610049,7 416595797,6 409123215,3 395796390,1 447739292,2 452861676,5 392096201,3 356663208,2 363662801,6 399717804,7 441733540,5 352893413 422549455,4 457788989,1 424887508,7 444736972,4 366921117,8 427349565,3 367585445,1 447705705,4 466361036,3 415806852,1 451707337,8 421931781,4 466280228,2 326462279,8 403347444,2 Toneladas Estéril 397885725,7 456566442,1 403329799,3 394658111,4 461778297 485610188,8 422740240,2 401860652,9 420457121,9 490898039,9 449023565,2 475102569 486929774 433266257,3 450473768,6 447744907,3 473286052,5 381305842 474388741,9 460525133,5 413918338,6 476936740,5 495156751 415113708 407632644,3 394333353,8 446264253,3 451363060,2 390624587,6 355255383,6 362243816,9 398278812,9 440278496,3 351501072,6 421098345,6 456409717,5 423472915,4 443349224,3 365520491 425955707,2 366175354,6 446307621,7 464983877,3 414351750,5 450313321,9 420511037,7 464920298,6 325147306,9 401846747,1 Toneladas Mineral 1466214,006 1488634,734 1456871,29 1492164,773 1448617,427 1456031,984 1487413,981 1474130,758 1451746,058 1457106,959 1497078,788 1433244,818 1455687,883 1502955,849 1463019,081 1477288,1 1442302,527 1453129,475 1480941,035 1490067,384 1479816,239 1473589,383 1453298,705 1482089,619 1490571,012 1463036,362 1475038,919 1498616,284 1471613,702 1407824,611 1418984,682 1438991,759 1455044,24 1392340,375 1451109,833 1379271,606 1414593,261 1387748,017 1400626,791 1393858,14 1410090,495 1398083,752 1377158,972 1455101,549 1394015,894 1420743,705 1359929,549 1314972,916 1500697,143 Ganancia Total [$] 1547939278 873896654,4 1431829410 1708500439 623824221,2 354406243,7 1322658935 1539887490 1186026885 272713316,7 1013155243 381231641,1 312677192,5 1251043026 840874323,2 935383663,3 444665422,3 1708874173 614310184,8 829145330,9 1391902601 529305854,2 204196498,3 1387143083 1530729821 1579612054 949114287,9 979536635,4 1674110851 1843891844 1801480729 1416573167 940141652,8 1819998058 1163423137 381831268 972679892,1 569294672,8 1676763966 825928723,9 1703020940 587567670,7 254711528,7 1272961221 514140451,2 1038809664 161838543,1 1810516873 1654295708 Consumo de Agua [m3] 154020216,8 159167361,3 153541636,1 156815097,7 154743156,2 154239691,2 156115720,8 153384741,8 152934372,7 157928224,9 159554875,8 152911530,5 158802993,9 158951233,9 155439867,2 158212474,3 154202473,2 151571754,7 156885603,4 159288845,1 157440902,8 159750088,3 156667838 157607682,7 157007003,8 153675056,4 157017939 161766853,6 153182025,7 146008957,9 147724109,1 151456955,2 153945778,4 144727833,8 155137874,5 146245639,9 149801664,6 151371053,3 145390848 151510434,6 148106391,3 150585205,3 147218178,9 154849959,6 150699475,8 150560837,4 148353837,1 136093301,8 157683580,3 Costo de Agua [$] 770101084,2 795836806,6 767708180,6 784075488,6 773715780,8 771198456,1 780578603,8 766923709,2 764671863,5 789641124,6 797774379,1 764557652,6 794014969,5 794756169,7 777199336 791062371,6 771012366,1 757858773,7 784428016,9 796444225,5 787204514 798750441,6 783339190,2 788038413,4 785035019,2 768375282 785089695,1 808834267,9 765910128,7 730044789,6 738620545,4 757284775,9 769728892,1 723639168,9 775689372,5 731228199,6 749008322,9 756855266,3 726954239,9 757552173,1 740531956,6 752926026,5 736090894,5 774249797,8 753497379,1 752804187,2 741769185,4 680466508,8 788417901,7 Radio 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 51 Anexo Tabla 2. Resultados iteraciones con consumo de agua radio 17 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 424175211,8 420593918,8 344877768 381233094,4 385015475,7 431878387,1 416796823,5 429740292,9 427438659,5 413327603,9 400066484,4 342841212,5 375887686 376260612,2 403774159,1 351025045,7 434992274,4 402684014,2 383731101,2 437979963,5 432054371,3 421513175,7 381709053,8 374364652,1 417812425,2 325544849,8 358688643,1 381866761 324037342,9 399324968,4 398766951,7 437166549,2 387303732 392586200,9 425359818,4 406145310,1 393551668,8 362628005,9 349348334,2 390535160,1 324037342,9 337231973,7 405223931,6 417882568,1 441803518,5 418359971,1 361904795,8 426766160,6 323722435 421348283,9 Toneladas Estéril 422797917,9 419247264,5 343524123,6 379822316,6 383610432,1 430508391,4 415428777,1 428352122,5 426081795,7 411963127,8 398681659,2 341494534 374538209 374872597,5 402365408,5 349675196,8 433646211,7 401311494,9 382331138,9 436637431,4 430713911,8 420143911,7 380361122,6 372990098,4 416411201,9 324234698,9 357327289,1 380484986,9 322736325,2 397924076,4 397377792 435816397,7 385968085,8 391229787,6 424013198,7 404782531,6 392176576,9 361281647,7 347981613,9 389129671,4 322736325,2 335894194,7 403850069,6 416544801,1 440480545,6 417006693,7 360521857,8 425427349,8 322423239,2 419947244,2 Toneladas Mineral 1377293,883 1346654,293 1353644,383 1410777,824 1405043,596 1369995,695 1368046,374 1388170,4 1356863,792 1364476,165 1384825,202 1346678,495 1349476,95 1388014,751 1408750,533 1349848,914 1346062,664 1372519,349 1399962,353 1342532,101 1340459,509 1369264,072 1347931,126 1374553,668 1401223,299 1310150,899 1361353,991 1381774,121 1301017,727 1400892,051 1389159,769 1350151,467 1335646,203 1356413,283 1346619,744 1362778,547 1375091,937 1346358,235 1366720,227 1405488,701 1301017,727 1337779,06 1373861,974 1337766,969 1322972,98 1353277,419 1382937,986 1338810,809 1299195,774 1401039,74 Ganancia Total [$] 805208225,3 713561880,8 1742722981 1524917197 1444364014 672902099,6 853140453,1 780532928,7 658245140,2 877733886,4 1156411178 1741613707 1318527498 1492626461 1215564904 1642397812 519319207,6 1070898020 1443562726 463276680,3 537720777,4 810627524,6 1238274123 1440083199 993250843,8 1799974609 1598075666 1377816508 1775793302 1234826452 1189959777 512095186,6 1108824926 1134642630 649109877 970417630,5 1198465198 1476077455 1744385421 1374658214 1775793302 1769984215 1028947790 708260415,2 327384393,5 766443601,9 1649010527 586879934,7 1771132521 948327143,7 Consumo de Agua [m3] 146940179,1 143195004,6 141385106,9 148947320,2 149349883,5 145897215,8 147064815,1 148547439,1 146920173,8 147508938,9 147097021,9 139766466,4 141329488,3 145016461,7 150134345,7 141579312,7 144001776,5 144788518,4 147644519,5 143825741,9 142220392,8 144552238,8 140661135 146665687,6 150387109,6 135647617,2 142303667,6 147009847,2 135047789,4 149800060 148206220,7 143981850,2 139420693,2 141795587,4 143658675,4 145907191,5 145654423,6 141099994 142823448,9 149395808,5 135047789,4 139560208,1 147950103,6 142201038 141027479,1 145211353,7 145864363,8 144449055,9 134932380,4 149990587,5 Costo de Agua [$] 734700895,6 715975022,8 706925534,7 744736601 746749417,5 729486078,8 735324075,6 742737195,5 734600868,8 737544694,5 735485109,5 698832332,1 706647441,7 725082308,5 750671728,3 707896563,5 720008882,7 723942591,8 738222597,5 719128709,6 711101964,1 722761194,2 703305675 733328438,1 751935548,1 678238086,1 711518338,2 735049235,9 675238947,2 749000300,2 741031103,5 719909251,1 697103465,9 708977937,1 718293377 729535957,6 728272117,8 705499970,2 714117244,6 746979042,6 675238947,2 697801040,3 739750517,8 711005190,1 705137395,6 726056768,6 729321818,8 722245279,7 674661901,9 749952937,5 Radio 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 52 Anexo Tabla 3. Resultados iteraciones con consumo de agua radio 16 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 323222034,9 394974857,4 321863244,9 402071221,8 340180157,3 321356724,9 320271324,9 341113249,4 367760029,8 326035371,7 365808975,7 319548404,9 344809157,1 339864987,8 343884651 390062638,4 363198436,4 385470025,4 411299144,5 402093690,1 383008939,2 382524015,3 381601642,3 343472544,8 327367955,3 403904307,1 397517460,7 332393003,1 358361107,7 414921827,5 357828305 385077282,1 318611324,9 374242974,1 357977151,4 336533445,3 396987087,8 370216016,2 373914181 377222210,1 390230986,2 352924664 350677137 349129725,7 386423940,1 376256777 316855684,8 396653957,8 305335624,4 408641474,3 Toneladas Estéril 321925871,6 393662769,9 320573998,8 400762019,6 338863644,3 320071309,8 318994713,9 339801509,1 366469549,2 324746834,7 364475718,3 318276720,3 343515889,8 338561806,9 342573458,1 388767926 361899870,8 384166340 410020570,7 400781362,6 381710169,1 381210677,7 380262927,6 342150508,5 326081788,4 402608652 396215693 331097972,2 357017304,9 413652108,6 356507048,4 383768027,5 317346257,9 372947947 356690031,2 335227691,1 395673319,3 368899807,5 372613598,3 375910124,8 388930650,2 351644813,6 349371772,7 347821036,4 385125707,9 374917421,2 315598325,6 395393323,6 304114282,8 407313906,6 Toneladas Mineral 1296163,354 1312087,518 1289246,147 1309202,181 1316513,003 1285415,087 1276611,019 1311740,295 1290480,554 1288537,008 1333257,328 1271684,643 1293267,294 1303180,882 1311192,948 1294712,371 1298565,603 1303685,384 1278573,831 1312327,462 1298770,099 1313337,615 1338714,66 1322036,296 1286166,902 1295655,161 1301767,693 1295030,917 1343802,757 1269718,938 1321256,646 1309254,611 1265066,994 1295027,097 1287120,12 1305754,158 1313768,478 1316208,775 1300582,71 1312085,229 1300336,075 1279850,352 1305364,359 1308689,272 1298232,239 1339355,799 1257359,256 1260634,25 1221341,579 1327567,771 Ganancia Total [$] 1763141869 887561775,7 1748350272 773150692,4 1633369865 1736368668 1707769508 1596864523 1145534521 1688198330 1360386211 1693594942 1459457686 1571266911 1553960326 865071227,3 1234130701 973249076,3 518355016 792730630 979455452,4 1038176425 1175272666 1606838562 1659315328 685770591,4 788439272,7 1633258206 1509600308 433858503,5 1417760825 999865993,4 1674094753 1066934192 1253394334 1628764287 857940003,5 1218355354 1109292945 1103906026 879415881,3 1288960431 1426410224 1474683451 935328802,3 1248333985 1661175945 615870979,1 1645787947 785333892 Consumo de Agua [m3] 134725277,5 139595948,8 134130777,2 141072010 137433816,5 133919685,9 133443070 137419900,8 136626758 134587226,5 142547746,8 133111219,2 136369003,7 137017028,8 138234417,9 139067515,9 139049621,8 138564287,2 136664253,2 140299000,6 138686840,3 143125751,3 144099766 139837681,3 134471280,8 139905055,5 142238519,8 135697475,1 142871643,5 135074029,4 139529613,5 139966899,5 132668846,3 140148440,4 137048002,4 136815510,8 142010402,9 142031848,7 138222470,2 142481637,1 141521547,5 135624429,6 140113432,4 137887946,5 138082208,9 144040905,6 131921814,7 136862053 128056696,7 140365590,4 Costo de Agua [$] 673626387,4 697979743,9 670653885,8 705360049,8 687169082,4 669598429,3 667215350,2 687099504 683133789,9 672936132,3 712738734,2 665556095,8 681845018,6 685085143,8 691172089,3 695337579,3 695248108,9 692821436 683321265,9 701495003,1 693434201,3 715628756,7 720498830,2 699188406,6 672356404 699525277,5 711192598,9 678487375,4 714358217,6 675370147,1 697648067,7 699834497,3 663344231,3 700742201,9 685240011,9 684077554,2 710052014,6 710159243,7 691112351,2 712408185,4 707607737,4 678122147,8 700567162,1 689439732,7 690411044,5 720204528 659609073,3 684310264,8 640283483,6 701827952 Radio 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 53 Anexo Tabla 4. Resultados iteraciones con consumo de agua radio 15 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 336987970,7 304756744,4 348113147,5 357532526,7 359493054,9 302615712,1 295623879,4 353341823,1 362793892,4 295117359,4 359247183,4 286507080,8 304486842,4 357307122,3 335335154 324530148,1 286507080,8 343696642,3 342888484,9 323827753,1 313922811,8 296201167 321420296,4 333019323,8 350345207,8 273006258,6 333612940,9 348608503,5 318893919,6 330054105,3 272572098,6 336906355,3 318055817,6 288746136,7 293398428 305530334,7 294326910,6 307192587,5 262718593,7 318631081,4 289980800,9 302401710,8 329343125,4 262067703,7 281307945,8 259925645 259708565 322181585,3 258482695 320314087,7 Toneladas Estéril 335762428,8 303540577,9 346840069,2 356309935,8 358272800,2 301406564,3 294437706,9 352144259,9 361604158,6 293934832 358088012,7 285354292,8 303294545,3 356122523,2 334148841,1 323361113,4 285354292,8 342539469,6 341756043,3 322664419,9 312729376,3 295075568,4 320279003,5 331838084,1 349225880,4 271903619,1 332487026,2 347462474,5 317759173,1 328937237,6 271473688,7 335798794,5 316952367,3 287639700,9 292302310,4 304434265,1 293222135,3 306087484,8 261658280,3 317567898,6 288879492,8 301301786,8 328271837,2 261011589,8 280220292,4 258883083,1 258667635 321069713,3 257449164,6 319077049,3 Toneladas Mineral 1225541,943 1216166,499 1273078,289 1222590,944 1220254,761 1209147,77 1186172,5 1197563,225 1189733,867 1182527,432 1159170,696 1152788,008 1192297,137 1184599,092 1186312,859 1169034,704 1152788,008 1157172,71 1132441,638 1163333,194 1193435,474 1125598,618 1141292,9 1181239,722 1119327,45 1102639,474 1125914,717 1146028,915 1134746,415 1116867,73 1098409,898 1107560,775 1103450,303 1106435,827 1096117,615 1096069,644 1104775,266 1105102,69 1060313,352 1063182,883 1101308,07 1099923,993 1071288,24 1056113,847 1087653,432 1042561,891 1040930,039 1111871,96 1033530,367 1237038,339 Ganancia Total [$] 1248940837 1628307217 1314916267 956774327,6 924739697,3 1624011121 1607382985 890903623,1 736351326,3 1596561063 640601829,1 1569444615 1510478387 774247006,3 1075535866 1146566554 1569444615 824173453,8 728113323,2 1119161397 1393723354 1306443485 1055732309 1076693677 561360640,1 1514683496 814228751,5 696985166,6 1054018366 818646623,1 1499801945 668392785,6 914548001,8 1317725723 1205588909 1048500806 1239894029 1059572150 1449688592 726808804,2 1278194757 1111058178 614683153,3 1438292128 1325632644 1400925364 1395884352 879269461,9 1376647317 1517844924 Consumo de Agua [m3] 129432680,4 127756813,7 136006211,9 131427267,6 130343740,4 126993048,9 124962617,3 129859977,9 128175017,6 124710111,3 125238834,5 122056408,5 127573632,8 129601653,3 128226504,1 124414423,7 122056408,5 126909270,6 122889117 125881314,4 127557180,2 121600432,8 122249441,1 128819409,2 123418594,9 116740886 123096564,2 128160890,7 122454887,8 122198639,6 116513426,4 124899934,9 120469708,2 119097570,2 118859467,3 118684990,1 118452893,3 121401907,5 113130836,5 115273743,6 118540994,5 118256158,2 118150319,2 112800661,4 117615648,5 111961357,7 111862372,9 125425184,2 111317153,7 130780345,6 Costo de Agua [$] 647163402,1 638784068,3 680031059,6 657136338,1 651718702 634965244,3 624813086,5 649299889,6 640875087,8 623550556,6 626194172,7 610282042,3 637868163,9 648008266,3 641132520,3 622072118,4 610282042,3 634546353,2 614445585 629406571,8 637785901 608002164,1 611247205,4 644097046,2 617092974,6 583704430,1 615482821 640804453,7 612274439 610993197,9 582567132 624499674,7 602348541,2 595487851,1 594297336,4 593424950,6 592264466,3 607009537,6 565654182,6 576368717,9 592704972,7 591280791,2 590751595,8 564003307 588078242,4 559806788,4 559311864,6 627125920,9 556585768,5 653901727,8 Radio 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 54 Anexo Tabla 5. Resultados iteraciones con consumo de agua radio 14 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 257976655 258609031,7 296962033,3 293345000,7 268005053,3 258180320,3 283088935,8 244174351,8 295049458,3 258190715,7 268241886,9 242336911,7 250341665,4 285656514,1 297181529,6 238500109,3 236569420,5 258104144,6 256844084,5 275185602,9 301036652,2 285344804,6 268221975,8 236569420,5 234709490,5 260859677,6 269784404,4 293339044,2 272653316,5 282812839,2 232209490,5 273226552,2 251861451,2 269283479,6 269100977,3 273172385,8 265998229,9 223144614,5 218209079,5 270880332 262953401,5 271681052,7 271702563,2 268662430,4 241195769 276844754,5 224739455,4 217563919,5 216287839,5 318175201,6 Toneladas Estéril 256947710,2 257594432,1 295920411,6 292346167 266974982,8 257168826,6 282085395,9 243186780,9 294060966,5 257190283,1 267236033,9 241363526,9 249356065,4 284622536,6 296171774,6 237538957 235617003,6 257107626,9 255847747,1 274198874,3 300055613,7 284389568,3 267241787,1 235617003,6 233770550 259901083,7 268855447,1 292382641,3 271717164,1 281871167,2 231291156,4 272330299,2 250939078,4 268358201,1 268196547,1 272265815 265044330 222257994,2 217343093,8 270000791 262011327,3 270818804,4 270833449,3 267795012,2 240297990,4 275945328,3 223860669,3 216703655,8 215435559,6 317110944,1 Toneladas Mineral 1028944,838 1014599,522 1041621,64 998833,6729 1030070,431 1011493,669 1003539,919 987570,8713 988491,8806 1000432,582 1005853,023 973384,8273 985600,0659 1033977,519 1009754,923 961152,3221 952416,8984 996517,7483 996337,4149 986728,6697 981038,5003 955236,2583 980188,6662 952416,8984 938940,5085 958593,8367 928957,3021 956402,9758 936152,4486 941672,0074 918334,0503 896252,9942 922372,8098 925278,557 904430,238 906570,7257 953899,9422 886620,2705 865985,7629 879541,0252 942074,142 862248,2347 869113,8584 867418,2226 897778,6024 899426,2855 878786,0615 860263,6949 852279,948 1064257,569 Ganancia Total [$] 1360852422 1278523930 882180988,1 738824458,1 1224909874 1270190524 904773775,7 1346162265 677685394,3 1217875045 1105930763 1301475336 1253860540 999628542,4 732768825,9 1296291803 1280671512 1195052461 1219299492 924204662,9 546657442,6 653923386,7 988920644,1 1280671512 1239596670 974537437,4 722795192,8 524764102,7 722591408,7 614440689,6 1172126262 526439441,1 927094047,8 715161325,1 611672056,8 573487225,8 871470395,5 1141449085 1109116531 473709519,7 856798451,4 387412642 417663844,2 446313406,3 950912124,7 477931310 1083299610 1090025957 1068790203 717060446,5 Consumo de Agua [m3] 111094628 111221456,9 118452473 112698010,9 113362309,3 110821292 110994780,8 107537033,5 109900570,7 109926884,5 111735150,1 106720223,6 107943559,5 116527020,3 115121395 105202193,1 104397870,3 110706308 108948332,6 110436587,9 112904552,4 105819521,2 108899539,3 104397870,3 103644054,2 108797392,3 105583229,8 112061487,4 105535196,8 106404567,3 102529814,9 102403986,3 104578282 104644068,1 104460355,6 103704278,3 111242351,9 99747770,49 97909618,68 101931160,3 109979481,5 99394711,98 100321377,7 100758877,9 102352249,9 105948862,2 99206070,93 97543722,56 96930493,25 119509561,7 Costo de Agua [$] 555473140,2 556107284,7 592262364,8 563490054,5 566811546,7 554106459,8 554973904,1 537685167,5 549502853,7 549634422,6 558675750,6 533601118,2 539717797,5 582635101,4 575606974,9 526010965,4 521989351,6 553531539,8 544741663 552182939,5 564522761,8 529097606 544497696,7 521989351,6 518220271 543986961,3 527916149 560307436,9 527675983,9 532022836,5 512649074,3 512019931,4 522891410 523220340,4 522301778 518521391,5 556211759,5 498738852,5 489548093,4 509655801,5 549897407,5 496973559,9 501606888,5 503794389,5 511761249,4 529744310,8 496030354,7 487718612,8 484652466,3 597547808,3 Radio 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 55 Anexo Tabla 6. Resultados iteraciones con consumo de agua radio 13 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 214920349,5 229287495,9 253654944,8 225039056,9 236838550,5 247173574,4 214269109,5 233333721,8 227219810,7 247876309,8 231497416,5 222932101,1 259230720 246343029,8 232095135 244971194,1 243139597,8 211913831,1 248281818,4 234916931,7 230525376,4 225876204,9 224926598,8 248689721,2 211329401,1 219380367,1 248874139,3 243585670,3 236438306,5 245501702 229923773,9 245046411,9 234645132,7 225596770,2 237955060,1 210613585,1 202580611,9 218163787,8 203446222,1 190732434,7 180079241,3 225596183,5 206370561,9 197169212,6 219754497 216079554,2 187150688,6 221985228,9 177610881,3 234652109,8 Toneladas Estéril 214081254,8 228424771 252819868 224190638,5 235993498,2 246315044,3 213436799,7 232498001,8 226385063,9 247028533,8 230661279,3 222101702,2 258387012,5 245511342,3 231232911,3 244145081,4 242314887,3 211098214,6 247463279,1 234082384,1 229686319,3 225040625,4 224098691,5 247876257,9 210517538,6 218553584,8 248066746,5 242770588,1 235620723,2 244664929,3 229088410,6 244228404,7 233813800,9 224766281,5 237116140,9 209808897,2 201813471,1 217445529,2 202692853,1 189993271,9 179362858,8 224872622 205645238,5 196432287,6 219029168 215376142,1 186433222,9 221240612,8 176913623,1 233785744,4 Toneladas Mineral 839094,7193 862724,9694 835076,8631 848418,4231 845052,3327 858530,0714 832309,7633 835720,0225 834746,8504 847776,018 836137,2344 830398,8184 843707,5087 831687,5482 862223,7512 826112,7405 824710,5183 815616,4747 818539,2138 834547,6033 839057,1119 835579,4618 827907,2732 813463,298 811862,5342 826782,327 807392,7949 815082,2509 817583,2268 836772,6697 835363,2963 818007,2026 831331,7993 830488,767 838919,2442 804687,8711 767140,7305 718258,5538 753368,9418 739162,7786 716382,554 723561,5881 725323,4121 736925,0593 725329,0097 703412,0557 717465,7078 744616,0482 697258,2399 866365,3269 Ganancia Total [$] 1022218357 935505769,8 490373005,4 928239856,8 759315045 681218424,5 997420485,5 751811267,3 831569949,8 618343754,5 779995206,9 871493671,2 438652915,8 563533525,1 898964995 556267926,4 577718878,8 946900038,2 480456368,5 727799477,5 807859212,1 854862881,4 828490714 453191827,5 936542791,4 898119965,1 420578294,9 520458489,2 632068069,6 598018741,7 797161118,7 514991216,9 704455372,4 831765092,3 704682684,9 910768053,2 835767024,9 415254476,4 769809046,3 870407995,6 907581897,6 323314730,1 589196769 774158274,8 409230009,9 367561601,2 815290828,3 461599754,4 847027466,6 881149813,9 Consumo de Agua [m3] 96293986,37 100487679,4 97837399,17 98331826,33 97990035 100544281,2 95996583,5 99043750,01 97991308,91 100276138,6 98608728,63 96700683,02 102525243,5 98744413,82 99982547,44 98053726,22 97089313,39 95124549,2 96850437,65 98528789,27 98554222,13 97678987,12 97563354,52 96043260,68 94870150,16 96905362,83 95868132,13 97518842,35 96341958,59 99243790,69 98474230,18 97810556,63 100610163,8 97810398,16 99731124,33 94536820,07 91961168,51 85474736,5 88794982,03 87178890,2 84107383,88 89970644,57 88585585,61 87400993,66 89786440,14 85224239,83 85289368,52 93269355,71 83045926,31 101139891,6 Costo de Agua [$] 481469931,9 502438396,9 489186995,9 491659131,7 489950175 502721405,9 479982917,5 495218750,1 489956544,5 501380693,1 493043643,1 483503415,1 512626217,3 493722069,1 499912737,2 490268631,1 485446567 475622746 484252188,2 492643946,4 492771110,7 488394935,6 487816772,6 480216303,4 474350750,8 484526814,1 479340660,6 487594211,7 481709792,9 496218953,5 492371150,9 489052783,2 503050818,8 489051990,8 498655621,6 472684100,4 459805842,6 427373682,5 443974910,1 435894451 420536919,4 449853222,9 442927928 437004968,3 448932200,7 426121199,1 426446842,6 466346778,5 415229631,5 505699457,8 Radio 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 56 Anexo Tabla 7. Resultados iteraciones sin consumo de agua con radio 19 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 470478482,2 426234571 415071703 431029959,8 405060979,6 526631059,9 471721192,3 416189089,7 558254809,6 506023629,2 439826297,3 556262587,9 511682576,4 526165701,3 467575072,9 448942274,4 425883393,3 500596870,7 552969755,4 475575057,8 403893881,1 535953834,5 538004513,5 519564031,3 459450695,4 451996588,9 515331285,8 462615889,5 532895618,1 551909833,6 527285802,7 452939794,6 464445197,6 448683694,2 497527253,7 562070862,6 535362839,9 403244681,1 467198486,6 416453874,8 521575960 435530060,8 510137629,9 506724061,4 448768183 479814543,9 526466096,9 526262877,8 374302388,4 564384106,7 Toneladas Estéril 468859822,5 424659395,4 413522154 429429019,5 403521959,1 525028944,9 470144517,6 414628269,6 556659287,4 504401992,2 438249050,2 554683850,2 510072192,4 524561651,8 465993645,8 447370055,3 424300313,1 498974241,6 551371781,4 474006438,3 402357856,9 534360770,1 536409346,1 517961694,4 457831342,7 450420493,7 513732392,8 461047852,9 531278361,5 550300715,5 525680624,8 451311114,6 462866248,4 447052805,4 495897266,1 560496340,4 533771842,8 401710860,6 465698408,1 414941855,2 520025378,5 433966479,9 508592965,8 505158520,6 447265762,7 478246044,9 524959332,8 524717047 372842674,4 562789676,9 Toneladas Mineral 1618659,645 1575175,667 1549549,029 1600940,352 1539020,504 1602115,005 1576674,708 1560820,097 1595522,273 1621637,042 1577247,079 1578737,723 1610383,93 1604049,53 1581427,152 1572219,164 1583080,229 1622629,186 1597974,022 1568619,516 1536024,201 1593064,408 1595167,385 1602336,94 1619352,727 1576095,192 1598893,032 1568036,628 1617256,645 1609118,112 1605177,842 1628679,966 1578949,224 1630888,799 1629987,515 1574522,203 1590997,046 1533820,437 1500078,571 1512019,579 1550581,523 1563580,924 1544664,066 1565540,754 1502420,355 1568499,02 1506764,122 1545830,759 1459714,02 1594429,8 Ganancia Total [$] 2174187294 2526643066 2540506523 2596263886 2616721211 1359465891 1942994740 2583708350 914590667 1727349935 2360559927 854522890,3 1596147736 1375423751 2021235233 2216300388 2571693751 1802979332 995853674,3 1851637619 2616547109 1191914719 1176026863 1452473962 2321098334 2196446437 1489860741 2017121388 1355578683 1066710158 1366641391 2453512046 2049232227 2520154491 1880572048 757424382,5 1189009087 2613699530 1609481873 2330320962 1161239385 2346416059 1279629801 1430931856 1861069906 1795907150 873244813,3 1075977119 2610393074 829314404,5 Radio 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 19 57 Anexo Tabla 8. Resultados iteraciones sin consumo de agua con radio 18 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 480057938,3 413336242,9 477322293,7 434270316,4 394779933,1 374234788,4 427630300,5 430354672,1 430790831,2 454358914,1 467224612 372719464,8 483409137,1 400082168,3 459722876 453889725,8 422935278,6 417845943,6 420950334,8 438364261,4 426704908,1 407646874,2 455551727 427534070 476083410,3 444262901,7 402730194,8 453051032,2 498682649,1 362926221,6 371121643,8 361843911,6 384794216,3 361354111,6 407117837,8 450990062,9 360936601,6 462060714,5 416392536,6 458331218,3 476955442,4 443794269 466608193,1 480297783,3 387465338,9 398062208,8 494261486,4 461425772,1 346717817 471412992,1 Toneladas Estéril 478547944,4 411854970,2 475811225,7 432737329,1 393268486,2 372775441,5 426090633 428865375,5 429313563,4 452831094,8 465702748,9 371274770,9 481908131,9 398572246 458200663 452344830,5 421446262,5 416398433,9 419491161,7 436890887,3 425200844,9 406164934,1 454028990,1 425987015,8 474615462,4 442721737,9 401261973 451524355,5 497229483,6 361503573,7 369683784,6 360426234,1 383333869,3 359938682,6 405658602,4 449472861,5 359523034,2 460608274,1 414926511,8 456876423,4 475544277,7 442316715,5 465181350,3 478844422,8 386032525,1 396621879,6 492864129,7 459991267,4 345341427,7 469871979,7 Toneladas Mineral 1509993,949 1481272,743 1511068,068 1532987,293 1511446,852 1459346,86 1539667,537 1489296,574 1477267,816 1527819,24 1521863,17 1444693,898 1501005,211 1509922,311 1522213,068 1544895,294 1489016,125 1447509,731 1459173,091 1473374,081 1504063,226 1481940,093 1522736,892 1547054,221 1467947,967 1541163,806 1468221,843 1526676,716 1453165,567 1422647,908 1437859,277 1417677,528 1460346,998 1415429,008 1459235,473 1517201,406 1413567,363 1452440,392 1466024,889 1454794,84 1411164,643 1477553,449 1426842,836 1453360,572 1432813,782 1440329,185 1397356,681 1434504,762 1376389,332 1541012,404 Ganancia Total [$] Radio 1493093316 2213371857 1534158091 2206099094 2609148828 2609391364 2326633998 2033228518 1965949878 1918477732 1720718016 2554041423 1403489457 2532411412 1820032684 2012036852 2128244238 1981819256 2001199255 1847552460 2156306892 2290751665 1876940531 2365717915 1329412196 2118073730 2284406730 1929628448 959909994 2568439022 2539807716 2557051895 2477241281 2551902886 2181341225 1907890657 2547795593 1432280964 2095543988 1492823362 1027244473 1798368137 1242058863 1199912021 2301497803 2202230684 731544653,6 1348672983 2542222347 1764347111 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 18 58 Anexo Tabla 9. Resultados iteraciones sin consumo de agua con radio 17 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 430746214 366071914,1 432194961,4 346842280 345866337 434290470 436996996,8 383213819,7 425847840,1 426405688,2 433620530 379342867,4 400634951,3 380332301,6 345866337 444754353,8 384389595,7 398968244,9 404639264 451107948,3 448532429,4 369688074,8 342412884,7 415856197,1 427326502,3 430390173,6 441494014,1 437009794,9 384629502,4 398961842,5 428530796,3 374109505,3 390045588,3 341985934,7 409246437,3 372282696,3 440587340,4 386020876,5 381781655,3 445826268 398222326,2 400882053,7 445073357,4 453680943,9 423238480,7 435513040,5 375816829,2 377742550,9 338750650 424496258,9 Toneladas Estéril Toneladas Mineral Ganancia Total [$] Radio 429328797,5 364668399,9 430758199,9 345468783,2 344494935,2 432893183,6 435603277,1 381769969,7 424405924,8 425003043,5 432229300,9 377937371,1 399217376 378891918,1 344494935,2 443340352,6 382956642,4 397556078 403219365,3 449690561 447148771,6 368260924,5 341054171,8 414420422,5 425883967,9 428995014,8 440060317,7 435622889,7 383237538,3 397557715,6 427130189,4 372694791,9 388621843,2 340629561,6 407825679,9 370868128,2 439196430,3 384587769,2 380363852,8 444468076,7 396846486 399505117,3 443702584,3 452328191,8 421858549,2 434142002,4 374429491 376349147,8 337409208,7 423068586,5 1417416,492 1403514,147 1436761,429 1373496,816 1371401,852 1397286,363 1393719,715 1443850,096 1441915,332 1402644,784 1391229,092 1405496,332 1417575,303 1440383,436 1371401,852 1414001,112 1432953,301 1412166,929 1419898,664 1417387,343 1383657,837 1427150,327 1358712,912 1435774,588 1442534,432 1395158,779 1433696,482 1386905,257 1391964,098 1404126,907 1400606,806 1414713,401 1423745,167 1356373,163 1420757,394 1414568,041 1390910,147 1433107,234 1417802,45 1358191,28 1375840,201 1376936,379 1370773,066 1352752,174 1379931,434 1371038,134 1387338,104 1393403,041 1341441,33 1427672,474 1659984996 2429546240 1740231662 2525789522 2527746846 1510807713 1457355303 2413293046 1849141360 1640754492 1488492965 2267176148 2052244805 2432997335 2527746846 1460386380 2342197048 2046211523 2012088468 1395133155 1255860023 2503595301 2507651856 1947581220 1833089639 1550614563 1603646012 1422286818 2129140860 2005115587 1602690031 2382417592 2221507168 2501218543 1956593438 2405421606 1396290868 2321778807 2298501049 1160606194 1869851205 1840889124 1234835086 1030637540 1565595565 1360476823 2220012321 2226041168 2466799780 1793763226 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 17 59 Anexo Tabla 10. Resultados iteraciones sin consumo de agua con radio 16(Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 402966998,2 384359601 400122020,5 409465175,3 398955926,8 403967306,3 334427310,2 373488962 333922560,2 391329458,9 382994196,3 364573062 362153100,8 403564693,2 325220961,3 349883922,5 366362608,2 376155022,9 324714441,3 401978323,1 409208069,3 379624210,5 372711611,1 345741243,2 378556000,6 392326547,6 356843838,3 369723390 373147831 352208684,7 376524499 351212183,8 345446851,6 389632879,9 411070310,2 375610538,7 324280371,3 375607814,6 413111160,6 352888110,5 358167134,9 376726770,5 372263076,9 344835960,2 322612621,3 361208899,7 372321405 378824705,5 318294635,7 337455370 Toneladas Estéril Toneladas Mineral 401623241,8 383026765,5 398778670,4 408142242 397602164,8 402606414,5 333110942,6 372130562,9 332609916,4 390000042,5 381661001 363226506,6 360806476,4 402221457,3 323930667,7 348555900,1 365056649,9 374839738,4 323427875,1 400666005,7 407906835,3 378302308,9 371382698,2 344420986,3 377216682,8 391006453,5 355514357,2 368394201,2 371822149,3 350878428,2 375215811 349880768,3 344113998,2 388303370,1 409765666,9 374276834,1 322997129,6 374292220,2 411809110,9 351565870,6 356868138,6 375378216,1 370933602,5 343513109,2 321337395,5 359906854,7 371002903,1 377545759,9 317030953,8 336122168,3 1343756,378 1332835,44 1343350,071 1322933,264 1353762,077 1360891,856 1316367,583 1358399,1 1312643,728 1329416,374 1333195,329 1346555,411 1346624,401 1343235,92 1290293,585 1328022,357 1305958,307 1315284,584 1286566,241 1312317,367 1301233,927 1321901,686 1328912,913 1320256,946 1339317,821 1320094,167 1329481,039 1329188,813 1325681,79 1330256,467 1308688,026 1331415,463 1332853,411 1329509,76 1304643,229 1333704,595 1283241,66 1315594,411 1302049,65 1322239,927 1298996,319 1348554,418 1329474,392 1322850,999 1275225,792 1302045,06 1318501,843 1278945,604 1263681,932 1333201,735 Ganancia Total [$] 1643844408 1829806004 1678748106 1452716839 1747235255 1718604431 2394581154 2102055576 2382070165 1721686167 1849399535 2157301589 2189114436 1633408702 2380718586 2253338301 1926108331 1846574015 2368212735 1495673698 1344920135 1835365872 1961139580 2267420461 1938454092 1660977787 2170330438 2001399546 1938919639 2234559001 1807984749 2253449628 2335763786 1744219998 1338172672 1947995425 2356827896 1855274588 1298357894 2184667566 1996991760 2009541841 1969846290 2292475292 2337453187 1973063776 1912889119 1625748126 2334461970 2441437084 Radio 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 16 60 Anexo Tabla 11. Resultados iteraciones sin consumo de agua con radio 15 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 335522627,6 321232166,9 285494013,3 310149831,3 288381835,5 323015232,9 284987493,3 302316694,8 293356337,7 284340153,3 316091106,6 283497453,3 283137993,3 334453869,7 322377704,8 278422061,6 267556728,1 266060608 307728675,8 312358112,9 259418615,5 282056394,4 294393215,9 279646820,3 277320198,3 266410656,9 282421894,5 292665322,3 283644659,8 282323590,9 286908118,5 292585560,7 294662079,4 279639721 285795837,4 262763412,3 291176448,3 261060182,5 298190920,2 288209150,9 280076184,7 245122455,1 293622591,9 258291391 243675255,1 242549045 250731655 294177658,9 241257205 318771897,2 Toneladas Estéril Toneladas Mineral 334385649,3 320081475,3 284358415,7 308979318,1 287241083,7 321859440,2 283854759,6 301161184,5 292208509,6 283212298,7 314958241,4 282373658 282016704,5 333345489,9 321265469,3 277326237,2 266488580,6 265005335,6 306672501,4 311318324,3 258394842,5 281022129 293405463,6 278657631,2 276319519,2 265387898,6 281412047,6 291676885 282652279,7 281315634,9 285900054,9 291599702,1 293684989,2 278596314,5 284809780,2 261751192,9 290165238,1 260076224,8 297160955,5 287197289,5 279073492,1 244147323,7 292639796,8 257300994,2 242713176 241592919,9 249764953,6 293225808,2 240310735,8 317622889 1136978,295 1150691,587 1135597,56 1170513,24 1140751,823 1155792,699 1132733,712 1155510,275 1147828,16 1127854,551 1132865,216 1123795,292 1121288,733 1108379,869 1112235,54 1095824,445 1068147,438 1055272,45 1056174,381 1039788,555 1023773,07 1034265,371 987752,345 989189,0931 1000679,16 1022758,302 1009846,93 988437,2552 992380,1556 1007956,017 1008063,529 985858,6791 977090,2332 1043406,543 986057,2184 1012219,374 1011210,229 983957,733 1029964,718 1011861,381 1002692,616 975131,4214 982795,1486 990396,7928 962079,0174 956125,0991 966701,4126 951850,6877 946469,248 1149008,24 Ganancia Total [$] 1461550786 1717563145 2104850955 1963155518 2093708233 1720510026 2096767736 1988144508 2065283098 2080193204 1693094296 2070357697 2062192652 1328969984 1505708002 1993077456 1992571437 1946078229 1409012835 1264905671 1871091453 1630539516 1231931666 1430993507 1520089109 1774997505 1500722296 1257902238 1395365491 1492315416 1433267211 1245732256 1173827522 1708775277 1335015533 1768433685 1393895609 1645825958 1398763713 1435805528 1494573750 1807810049 1216560143 1714799652 1759772197 1743918308 1691713858 1050853761 1711257149 1740924929 Radio 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 15 61 Anexo Tabla 12. Resultados iteraciones sin consumo de agua con radio 14 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 335522627,6 321232166,9 285494013,3 310149831,3 288381835,5 323015232,9 284987493,3 302316694,8 293356337,7 284340153,3 316091106,6 283497453,3 283137993,3 334453869,7 322377704,8 278422061,6 267556728,1 266060608 307728675,8 312358112,9 259418615,5 282056394,4 294393215,9 279646820,3 277320198,3 266410656,9 282421894,5 292665322,3 283644659,8 282323590,9 286908118,5 292585560,7 294662079,4 279639721 285795837,4 262763412,3 291176448,3 261060182,5 298190920,2 288209150,9 280076184,7 245122455,1 293622591,9 258291391 243675255,1 242549045 250731655 294177658,9 241257205 318771897,2 Toneladas Estéril 334385649,3 320081475,3 284358415,7 308979318,1 287241083,7 321859440,2 283854759,6 301161184,5 292208509,6 283212298,7 314958241,4 282373658 282016704,5 333345489,9 321265469,3 277326237,2 266488580,6 265005335,6 306672501,4 311318324,3 258394842,5 281022129 293405463,6 278657631,2 276319519,2 265387898,6 281412047,6 291676885 282652279,7 281315634,9 285900054,9 291599702,1 293684989,2 278596314,5 284809780,2 261751192,9 290165238,1 260076224,8 297160955,5 287197289,5 279073492,1 244147323,7 292639796,8 257300994,2 242713176 241592919,9 249764953,6 293225808,2 240310735,8 317622889 Toneladas Mineral 1136978,295 1150691,587 1135597,56 1170513,24 1140751,823 1155792,699 1132733,712 1155510,275 1147828,16 1127854,551 1132865,216 1123795,292 1121288,733 1108379,869 1112235,54 1095824,445 1068147,438 1055272,45 1056174,381 1039788,555 1023773,07 1034265,371 987752,345 989189,0931 1000679,16 1022758,302 1009846,93 988437,2552 992380,1556 1007956,017 1008063,529 985858,6791 977090,2332 1043406,543 986057,2184 1012219,374 1011210,229 983957,733 1029964,718 1011861,381 1002692,616 975131,4214 982795,1486 990396,7928 962079,0174 956125,0991 966701,4126 951850,6877 946469,248 1149008,24 Ganancia Total [$] 1461550786 1717563145 2104850955 1963155518 2093708233 1720510026 2096767736 1988144508 2065283098 2080193204 1693094296 2070357697 2062192652 1328969984 1505708002 1993077456 1992571437 1946078229 1409012835 1264905671 1871091453 1630539516 1231931666 1430993507 1520089109 1774997505 1500722296 1257902238 1395365491 1492315416 1433267211 1245732256 1173827522 1708775277 1335015533 1768433685 1393895609 1645825958 1398763713 1435805528 1494573750 1807810049 1216560143 1714799652 1759772197 1743918308 1691713858 1050853761 1711257149 1740924929 Radio 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 14 62 Anexo Tabla 13. Resultados iteraciones sin consumo de agua con radio 13 (Elaboración Propia) Id 50 49 48 47 46 45 44 43 42 41 40 39 38 37 36 35 34 33 32 31 30 29 28 27 26 25 24 23 22 21 20 19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 Toneladas Totales 255890875,7 276501441,2 262459098 283971828,4 253135075,1 273795361,6 239959975 275731379,9 239670385 256536862,9 238879945 255742941,9 238514965 237857215 272639041,7 265530575 273296926,2 232761735,8 231086489,6 240332554,7 230494379,6 229271009,6 259537001,6 260324263,4 238597057,9 258302179,2 242854325,4 228257969,6 272449099 262524251,4 235181972,1 224516761,6 236425848,6 258498871,7 225663744,3 216193994,3 236185642,4 242916062,9 209932021,9 241623782,7 232981300,1 236923584,8 205982310,4 229906533,5 236407717,7 192992019,4 218859338,3 225589949,2 184469193,5 286049816,8 Toneladas Estéril 254954005,5 275555034,5 261476173 283020536,2 252181144,1 272860814,9 239026502 274791346,1 238739915,3 255610140,8 237955318,9 254798801,2 237592885,6 236940226 271711600,5 264590852,9 272392595,6 231857949,7 230187894,7 239420406,6 229600668,6 228389392,3 258626788,6 259420178,3 237719410,2 257423833,1 241956068,4 227385473,9 271564802,1 261650315,2 234305106,3 223654684,7 235538914,2 257643056,6 224810875,1 215357226,5 235332325,2 242071117,2 209123529,5 240813849,4 232148153,6 236072730,8 205185273,7 229135972 235621227,7 192250172 218099368,6 224846730,6 183755981,2 285090745,2 Toneladas Mineral 936870,2128 946406,7243 982924,9407 951292,2691 953930,9817 934546,6529 933473,045 940033,7816 930469,666 926722,095 924626,0671 944140,719 922079,3603 916989,0458 927441,1508 939722,0769 904330,6545 903786,0786 898594,9186 912148,0863 893711,0706 881617,3222 910212,9172 904085,102 877647,706 878346,1058 898257,0515 872495,6742 884296,8543 873936,1642 876865,7321 862076,9063 886934,3537 855815,1522 852869,2122 836767,8565 853317,2208 844945,7142 808492,3549 809933,3139 833146,5132 850854,0271 797036,7503 770561,4541 786489,9997 741847,3987 759969,6729 743218,601 713212,3813 959071,6887 Ganancia Total [$] 1471855349 1252761846 1622350330 1180669464 1595062145 1227196286 1661557535 1230131876 1649939579 1411481158 1630285711 1511016372 1621986796 1604466110 1205835674 1361145859 1078916455 1603084736 1598274992 1547492397 1580958460 1534920834 1287923091 1246303407 1393350732 1140761201 1443562648 1501371342 987329628,6 1063287542 1433741756 1496644481 1469140558 1022805765 1434573985 1475213242 1300083908 1169711483 1411798178 1007185553 1238430568 1277874737 1404471418 957856056,9 954923060 1290677861 1047220894 873927760,8 1254812533 1193500038 Radio 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 13 63 Anexo Figura 1. Pit final con consumo de agua radio 18 (Elaboración Propia) Anexo Figura 2. Pit final con consumo de agua radio 17 (Elaboración Propia) Anexo Figura 3. Pit final con consumo de agua radio 16 (Elaboración Propia) Anexo Figura 4. Pit final con consumo de agua radio 15 (Elaboración Propia) 64 Anexo Figura 5. Pit final con consumo de agua radio 14 (Elaboración Propia) Anexo Figura 6. Pit final con consumo de agua radio 13 (Elaboración Propia) Anexo Figura 7. Pit final con valores estándar radio 19 (Elaboración Propia) Anexo Figura 8. Pit final con valores estándar radio 18 (Elaboración Propia) 65 Anexo Figura 9. Pit final con valores estándar radio 17 (Elaboración Propia) Anexo Figura 10. Pit final con valores estándar radio 16 (Elaboración Propia) Anexo Figura 11. Pit final con valores estándar radio 15 (Elaboración Propia) 66 Anexo Figura 12. Pit final con valores estándar radio 14 (Elaboración Propia) Anexo Figura 13. Pit final con valores estándar radio 13 (Elaboración Propia) 67