Modelo de regresión de dos etapas aplicado a un cargador de roca en una operación minera superficial

• Autores: Oswaldo Ortiz Sanchez
• Localización: Revista del Instituto de investigación de la Facultad de minas, metalurgia y ciencias geográficas, ISSN-e 1682-3087, ISSN 1561-0888, Vol. 15, Nº. 29, 2012, págs. 117-124
• Idioma: español
• Títulos paralelos:
  • Regression model applied to a two-stage charger rock in a surface mining operation
• Enlaces
  • Texto completo
• Resumen
  • español

    La productividad de un cargador de roca que opera en un frente de minado superficial es influenciada por muchas variables. Se identificó las que se consideran más importantes y para un tipo y modelo de cargador se tomaron varias mediciones en el campo. Utilizando regresión lineal se dedujeron expresiones que permiten pronosticar la variable dependiente en función de las variables independientes. Las variables dependientes que se identificaron fueron: tonelaje de producción, factor de llenado, demoras y características de la excavación. Las variables independientes medidas fueron: altura de banco, tamaño de cargador y fragmentación. Se emplea el sistema de mínimos cuadrados para predecir la performance y el costo dados ciertos valores de las variables restantes en la ecuación de regresión pero existe el problema de seleccionar la variable dependiente. Dos o más variables en el sistema podrían parecer igualmente dependientes, ya que hasta el proceso de prueba de significancia de la variable puede ser dudoso.

  • English

    The productivity of a rock charger operates on a front surface mining is influenced by many variables. We identified those considered most important and for a type charger model number measurements were taken in the field. Using linear regression expressions that allow predicting the dependent variable as a function of the independent variables were deducted. The dependent variables were identified : production tonnage , fill factor , and delay characteristics of the excavation. The independent variables were : bench height , boot size and fragmentation. Least squares system is used to predict the performance and cost given certain values ​​of the remaining variables in the regression equation but there is the problem of selecting the dependent variable. Two or more variables in the system might seem equally dependent , since the process to test significance of the variable can be iffy .