¡La sobrecarga puede estar costándote una fortuna!
La subcarga requiere movimientos adicionales de camiones para desplazar la misma cantidad de material, lo que aumenta los costes y reduce los beneficios.
Nuestra experiencia en minería y tecnología nos permite ayudar a las minas a maximizar la productividad optimizando cada carga, aumentando así los factores de transporte y mejorando los beneficios.
Nuestro escáner de volumen de carga mide con precisión todas las cargas y genera automáticamente imágenes escaneadas en 3D que indican claramente la subcarga, lo que permite adoptar medidas correctivas (incluida la formación y el adiestramiento del operario).
Cargada al máximo de su capacidad40 toneladas de carga útil = 22,2 m³= 10.000 cargas de camión
Con poca carga34,5 toneladas de carga útil = 19,2 m³= 11.594 cargas de camión
La subcarga requiere 1.594 cargas de camión adicionales
Un ejemplo de Sandvik TH540 para desplazar material de 400.000 toneladas(Basado en un factor de densidad de 1,8)
Los volúmenes declarados se sobredeclararon en un 13,7% cuando se compararon con los volúmenes de carga reales escaneados con el MPS.
Tras implantar el MPS, los volúmenes reales cargados aumentaron un 15,8%.
La carga óptima influye mucho en el consumo de combustible.
En los grandes camiones mineros, el combustible es uno de los principales factores de coste.
El análisis realizado por la Universidad de Queensland sobre el consumo de combustible en relación con el tamaño de la carga muestra algunos datos interesantes.
Basándose en un análisis de camiones CAT 793D (250 toneladas de capacidad nominal), se descubrió que, cuando se cargaban poco, ¡el consumo de combustible aumentaba a un ritmo similar que cuando se sobrecargaban!
Se hizo evidente que existe un «punto óptimo» de carga en el que se optimiza el consumo de combustible (y las emisiones deCO2 resultantes).
El Escáner de Carga de Minas (MPS) permite a las minas identificar la carga subóptima en tiempo real y tomar medidas correctivas inmediatas.
El MPS es un arma clave para ayudar a reducir el consumo innecesario de combustible y las emisiones deCO2.
Universidad de Queensland, «Reducción del consumo de combustible de los camiones de transporte en las minas de superficie mediante modelos de inteligencia artificial»
La correlación entre los índices P, S, TR y FC se basa en un modelo de Red Neuronal Artificial
