A sobrecarga pode estar custando uma fortuna a você!
A subcarga exige movimentos adicionais do caminhão para deslocar a mesma quantidade de material, aumentando os custos e reduzindo os lucros.
Nossa experiência em mineração e tecnologia nos permite ajudar as minas a maximizar a produtividade, otimizando cada carga, aumentando assim os fatores de transporte e melhorando os lucros.
Nosso scanner de volume de carga mede com precisão todas as cargas e gera automaticamente imagens de digitalização em 3D que indicam claramente a subcarga, permitindo a tomada de ações corretivas (inclusive treinamento e orientação do operador).
Carregado até a capacidadeCarga útil de 40 toneladas = 22,2 m³= 10.000 cargas de caminhão
Um pouco abaixo da cargaCarga útil de 34,5 toneladas = 19,2 m³= 11.594 cargas de caminhão
A subcarga requer 1.594 cargas adicionais de caminhão
Um exemplo do Sandvik TH540 para deslocar 400.000 toneladas de material(Com base no fator de densidade de 1,8)
Os volumes declarados foram superestimados em 13,7% quando comparados com os volumes reais de carga digitalizados com o MPS.
Após a implementação do MPS, os volumes reais carregados aumentaram em 15,8%.
O carregamento ideal tem uma influência significativa no consumo de combustível.
Nos grandes caminhões de mineração, o combustível é um dos principais contribuintes para os custos.
A análise realizada pela Universidade de Queensland sobre o consumo de combustível em relação ao tamanho da carga mostra alguns fatos interessantes.
Com base em uma análise de caminhões CAT 793D (capacidade nominal de 250 toneladas), descobriu-se que, quando subcarregados, o consumo de combustível aumentava a uma taxa semelhante à de quando sobrecarregados!
Ficou evidente que existe um “ponto ideal” de carga em que o consumo de combustível (e as emissõesde CO2 resultantes) é otimizado.
O Mine Payload Scanner (MPS) permite que as minas identifiquem cargas abaixo do ideal em tempo real e tomem medidas corretivas imediatas.
O MPS é uma arma fundamental para ajudar a reduzir o consumo desnecessário de combustível e as emissõesde CO2.
Universidade de Queensland, “Reducing Fuel Consumption of Haul Trucks in Surface Mines Using Artificial Intelligence Models” (Redução do consumo de combustível de caminhões de transporte em minas de superfície usando modelos de inteligência artificial)
A correlação entre os índices P, S, TR e FC é baseada em um modelo de rede neural artificial