Por W Schmidt Felsch Junior e Adilson Curi*
O trabalho tem como foco principal o impacto na lavra da Mina Casa de Pedra, analisando o desempenho dos operadores dos equipamentos de carga e transporte através da gestão e análise dos tempos fixos (tempos de manobra no carregamento e basculamento, tempo de carregamento e tempo de basculamento) e produtividade efetiva. A mineração Casa de Pedra, pertencente à Companhia Siderúrgica Nacional (CSN), localizada na cidade de Congonhas, Estado de Minas Gerais, faz extração de minério de ferro através da lavra convencional utilizando equipamentos de carga e transporte de grande porte. A mina é composta por quatro regiões de lavra: Corpo principal e Corpo Oeste (método de lavra em cava); Corpo Norte e Serra do Mascate (método de lavra em encosta). Os caminhões fora de estrada possuem várias alternativas de perfis de transporte, o que influencia diretamente em seu desempenho. Os estudos foram desenvolvidos a partir da escolha de indicadores de desempenho chave para os operadores dos equipamentos de carga e transporte da mina, mensurados através do sistema de despacho eletrônico utilizado na mineração, com o intuito de classificar os operadores de acordo com práticas operacionais individuais. O objetivo do trabalho é melhorar o desempenho dos operadores, através da identificação de atividades detectadas como baixo rendimento, em comparação com as melhores práticas operacionais das equipes e criação de treinamentos específicos para cada indicador previsto, além de obter maior aderência ao plano mensal de lavra que é desenvolvido pela área de Planejamento de Lavra. A empresa funciona em regime integral, com turnos de 6 horas de duração e possui 278 operadores divididos em cinco equipes de produção.
1 Introdução
Por ser o estado que mais produz minério de ferro no país é comum encontrar em Minas Gerais diversos exemplos de cidades que, devido à sua riqueza mineral, são alvo de grandes empreendimentos industriais. Muitas dessas cidades não possuem mão de obra qualificada disponível. As empresas de mineração estão investindo cada vez mais em programas de capacitação e formação de profissionais com o objetivo de suprir esta demanda.
As exigências por aumento de competitividade, associadas à adoção de novas tecnologias e conhecimentos, são fatores cada vez mais comuns em empresas e organizações de todos os segmentos. No caso específico da mineração, o aumento de produtividade e diminuição de custos são viabilizados sempre que são introduzidos novos conhecimentos e técnicas à execução do trabalho. Em se tratando de operação de equipamentos de carga e transporte de mina, os operadores têm grande participação através da interação com sistemas automatizados.
O projeto tem como foco principal o impacto na lavra da mina através da gestão de desempenho, analisando a performance dos operadores dos equipamentos de carga e transporte, com o intuito de classificar os mesmos de acordo com práticas operacionais individuais, verificando indicadores de desempenho chave escolhidos para cada tipo de equipamento. A existência de indicadores operacionais específicos é fundamental para se estabelecer um critério único de comparação de eficiência operacional. Estes indicadores são utilizados para medir e avaliar o desempenho dos operadores e da equipe a qual pertencem. A crescente concorrência de mercado e as constantes exigências dos clientes aos critérios de valores, tais como qualidade, tempo, flexibilidade e preço torna a utilização destas ferramentas de grande importância para o alcance dos objetivos estratégicos das empresas.
Em se tratando de operação de equipamentos de mina, o tempo de formação de cada operador é variável. Cada indivíduo tem seu próprio desenvolvimento, de acordo com a prática (tempo de operação) e habilidades individuais. Na mineração há operadores experientes, operadores em desenvolvimento e operadores em treinamento. Estes perfis de operadores têm grande influência na lavra, produção e nos indicadores operacionais de uma mina.
A avaliação de desempenho tem como principal objetivo diagnosticar e analisar o desempenho individual dos funcionários, promovendo o crescimento pessoal e profissional. Além disso, fornece à administração de recursos humanos informações para tomadas de decisões acerca de salários, méritos, bonificações, promoções, treinamentos e planejamento de carreira, proporcionando o desenvolvimento do empregado avaliado.
A avaliação de desempenho é a crítica que deve ser feita na defasagem existente no comportamento do indivíduo entre a expectativa de desempenho definida com a organização e o seu desempenho real.
Antoniolli (2003) cita que a necessidade do gerenciamento de desempenho cada vez mais efetivo tem impulsionado as empresas a desenvolverem formas de monitorar e avaliar o seu desempenho.
Oliveira e Leal Júnior (2005) afirmam que a ferramenta de avaliação de desempenho deve propiciar subsídios que permitam comparar diversas bases de informações e deve refletir o real diagnóstico da situação, possibilitando identificar os pontos fortes da gestão, bem como os pontos fracos merecedores de maior atenção.
Além dos fatores relacionados diretamente ao ser humano, existem fatores organizacionais que tem forte influência no desempenho operacional. De acordo com Rasmussen (1997), as pressões internas e as jornadas de trabalho são fatores capazes de influenciar o desempenho humano no sistema.
Para Moscovic (2000), é por meio de “feedback” que uma pessoa pode ser auxiliada a reconhecer em que precisa melhorar, da necessidade de se adquirir novos conhecimentos, de desenvolver novas habilidades ou aptidões e mesmo esclarecer sobre atitudes inadequadas que precisam ser modificadas ou extintas. Segundo o autor, o “feedback”, seja ele positivo ou negativo, se torna mais eficaz quando aplicado no momento adequado.
2 Justificativa e Objetivo
2.1 Justificativa
Este trabalho pode ser justificado pela inovação da metodologia utilizada para classificação dos operadores e pela relevância do tema abordado.
No que diz respeito à inovação da metodologia estudada, pode-se dizer que o desenvolvimento de cada operador está ligado a pratica de operação do equipamento e habilidades desenvolvidas através dos treinamentos, como manobras. A partir do momento em que é utilizada uma ferramenta que seja capaz de mensurar suas habilidades, é possível estipular treinamentos específicos, além de acompanhar o desenvolvimento de cada operador desde o início
de sua aprendizagem. Outro fator importante é o estímulo através de “feedbacks”, sendo uma forma de retorno, facilitando que percebam quando suas ações não atingiram o resultado determinado.
A partir da análise de diferentes praticas de operação de mina através dos pares de carregamento e transporte, é possível mensurar novas metas de indicadores operacionais no plano de lavra de curto prazo e avaliar o impacto na mina na variação dos tempos de ciclo.
De acordo com Rodrigues (2006), é reconhecido que a operação de caminhões e equipamentos de carga é um dos itens mais importantes no custo da operação como um todo, assim, a utilização de sistemas de despacho podem reduzir o custo de capital e de operação em uma mina.
Figura 1 – Percentuais relativos aos pesos de fatores chave que impactam diretamente a produtividade de equipamentos – Fonte: Revista M&T – (fev/mar 2004)
A figura 1 mostra os resultados de uma pesquisa realizada na América do Norte, entre os anos de 1989 a 2004, divulgada pela revista M&T (2004), onde são analisados os pesos dos fatores máquina, administração e operação na produtividade dos equipamentos de mina.
De acordo com os dados da pesquisa, podemos verificar que 6% dos problemas que impactam a produtividade dos equipamentos são de natureza mecânica, ou seja, relacionadas com a manutenção dos equipamentos. O fator administração é responsável por 46% dos problemas e 48% são oriundos de falhas operacionais, incluindo o baixo desempenho dos operadores.
Os fatores “baixa supervisão” e “imperícia” somam 53% dos motivos de baixa produtividade listados na pesquisa e serão tratados de forma direta neste trabalho.
2.2 Objetivo Geral
O objetivo principal é analisar os impactos na lavra da mina através de correções na conduta de operação individual dos operadores de equipamentos de carga e transporte.
2.3 Objetivos específicos
• Classificar os operadores buscando identificar classes operacionais variadas e estabelecer ações sobre as atividades que resultam nos motivos de baixo rendimento;
• Estabelecer metodologias para o treinamento específico de operadores;
• Obter maior aderência ao plano de lavra mensal.
3 Metodologia
Com o objetivo de verificar maiores detalhes de cada tipo de equipamento, os operadores foram divididos em dois conjuntos:
• Operadores de equipamentos de transporte;
• Operadores de equipamentos de carga.
Para cada conjunto, foram identificados indicadores operacionais pertinentes a operação dos equipamentos, aos quais os operadores exercem influência direta.
3.1 Operadores de equipamentos de Transporte
Na mina analisada, os equipamentos de transporte são divididos em três frotas diferentes com capacidades de movimentação variadas. Os operadores foram avaliados de forma independente em cada frota trabalhada. Foram verificados os seguintes indicadores relacionados com operação de caminhões:
1. Produtividade efetiva (Toneladas movimentadas / horas trabalhadas efetivas);
2. Distância Média de Transporte (Km);
3. Tempo de manobra (minutos);
4. Tempo de basculamento (minutos).
Considerando uma situação real em um processo de lavra de mina pode-se elencar a variável “produtividade efetiva” como o indicador mais importante para medir o processo produtivo. Como a produtividade varia em função do tempo e possui seu comportamento associado a variação de outras variáveis associadas ao processo de lavra, pode-se afirmar que esta variável aleatória possui um comportamento similar a um processo estocástico contínuo. Com isso, é possível construir uma função (equação) onde a produtividade de um processo, ou parte dele, pode ser a variável de estudo. Logo, a variável produtividade seguirá um modelo probabilístico. As demais variáveis devem possuir correlação com a variável de estudo (Rodovalho, 2013).
A Produtividade Efetiva tem grande correlação linear com a Distância Média de Transporte dos caminhões.
Os indicadores Produtividade Efetiva e Distância Média de Transporte formam o indicador Relação Produtiva.
Comparando os dados pertinentes entre Janeiro de 2011 a Janeiro de 2013, de forma mensal, verificou-se uma correlação linear de -89,84% entre a produtividade efetiva de equipamentos de transporte e a distância média de transporte. A figura 2 demonstra esta análise que comprova o indicador “Relação Produtiva” como parâmetro de avaliação.
Segundo Charnet (2008) – apud Rodovalho (2013), equações que obtiverem correlações acima de 75% são classificadas como satisfatórias.
A metodologia criada visa a avaliação do operador em cada frota de equipamentos de transporte. Desta maneira pode-se verificar o desempenho de cada operador de forma mais justa, comparando os mesmos fatores. A nota de cada operador é calculada de acordo com a fórmula abaixo:
Nft = F(x) * [(DMT)*(Pef)] * [(1/Tb)*(1/Tm)/2]
Onde:
Nft: Nota final de operadores de equipamentos de transporte: ((Km*t)/h^3 );
F(x): Fatores de correção de cada frota de transporte;
DMT: Distância Média de Transporte (Km);
Pef: Produtividade efetiva de transporte (t/h);
Tb: Tempo de basculamento (h);
Tm: Tempo de manobra (h).
Os fatores de correção foram determinados através da capacidade nominal de transporte e por características de desempenho exclusivas, de acordo com o sistema de tração instalado em cada frota. Estas informações podem ser analisadas na tabela 1.
3.2 Operadores de equipamentos de Carga
Os equipamentos de carga (escavadeiras e pá carregadeiras) são divididos em seis frotas. Cada frota será avaliada de forma individual, de acordo com indicadores relacionados com operação de carregamento:
1. Produtividade efetiva (Toneladas movimentadas / horas trabalhadas efetivas);
2. Carga Média (%);
3. Tempo de carregamento (minutos).
4. Integridade de carregamentos válidos (%)**;
** Este indicador visa manter a integridade dos dados registrados no sistema de despac
ho. Como o tempo de carregamento é medido através de ações manuais, erros de apontamentos podem ocorrer. O sistema de despacho possibilita a inserção de “filtros” que permitem especificar o mínimo e o máximo para os tempos de carregamento nos diferentes pares de carga e transporte. Quando o banco de dados registra um tempo de carga fora dessa margem, ele configura esse dado como inválido. Desta maneira é possível verificar a eficácia de carregamento de cada operador, bem como o percentual de erros de apontamento.
A metodologia de análise de dados dos operadores de equipamentos de carga tem algumas particularidades, comparada aos equipamentos de transporte:
– O tempo de carregamento de um determinado equipamento de carga varia de acordo com o tamanho de caminhão carregado;
– O taxa de escavação de cada equipamento é diferente, portanto a produtividade efetiva irá variar de acordo com a frota;
– Os tipos de materiais das frentes de lavra possuem densidades diferentes, desta forma a capacidade volumétrica de cada frota foi dividida em duas faixas: minério e estéril, conforme a tabela 2.
A nota de cada operador é calculada de acordo com a fórmula abaixo:
Nfc = F(x) * [(Pef)*(1/Tc)]*[(Cm)*(Ic)]
Onde:
Nfc: Nota final para operadores de equipamentos de carga: (t/h)^2;
F(x): Fatores de correção de cada frota;
Pef: Produtividade efetiva de carregamento (t/h);
Tc: Tempo de carregamento (h);
Cm: Carga média (%);
Ic: Integridade de carregamentos válidos (%).
Os fatores de correção foram determinados através do tamanho da caçamba, da taxa de escavação e por características de desempenho de cada frota. Estas diferenças são listadas na tabela 3:
3.3 Análise estatística dos dados
Após a identificação dos indicadores a serem analisados e o cálculo da nota de cada operador, o próximo passo foi a análise amostral das variáveis avaliadas e a identificação de suas características. Foi verificado que os indicadores são compostos por variáveis aleatórias contínuas, ou seja, podem assumir inúmeros valores dentro de um intervalo de números reais e é medida por uma escala contínua.
Entre as distribuições teóricas de variáveis aleatórias contínuas, uma das mais empregadas é a distribuição normal ou gaussiana. Sua importância, em análise matemática, resulta do fato de que muitas técnicas estatísticas como análises de variância, regressão e alguns testes de hipótese, assumem e exigem a normalidade dos dados.
A comprovação de que o modelo teórico selecionado representa os dados coletados é realizada através de testes de aderência, em que é testada a validade ou não desta hipótese. Os testes mais utilizados são o teste do qui-quadrado e o teste de Kolmogorov-Smirnov.
A sequência abordada foi a verificação da distribuição estatística ao qual cada variável melhor se adapta. Utilizando um “software” específico, foram realizados testes de normalidade e criados histogramas utilizando os dados de cada variável. Foi utilizada a ferramenta análise de distribuição de probabilidade para comparar os ajustes das distribuições comuns. Valores de coeficiente de correlação mais altos indicam que a distribuição fornece um melhor ajuste. Neste trabalho foram analisadas as seguintes distribuições de probabilidade: Normal, Exponencial, Lognormal, Uniforme, Triangular, Smallest extreme value, Beta, Erlang, Gama e Weibull de modo a identificar qual destas distribuições melhor se adapta a cada variável. As distribuições que tiveram maiores índices de correlação foram: Normal, lognormal, Weibull, e Smallest extreme value.
Para as distribuições analisadas, a distribuição normal foi a que mostrou maior coeficiente de correlação, consequentemente fornece melhor ajuste das variáveis analisadas.
A distribuição normal é descrita por dois parâmetros, respectivamente, sua média e sua variação, que se relacionam com uma variedade de fenômenos naturais que se comportam segundo sua lei.
Esta lei de distribuição estabelece que os valores mais frequentes (isto é, os valores a que correspondem às maiores probabilidades) se encontram em torno da média da variável aleatória; quanto mais afastados os valores estão da média, acima ou abaixo desta, menos frequentes são. Esta interpretação imediata da lei de distribuição normal é coerente com o que se passa com a maior parte dos fenômenos que ocorrem na natureza.
Através do processo de classificação, foram utilizados valores de média (µ) e desvio padrão (τ) como parâmetros de análise. O número de intervalos foi parametrizado em quatro, desta forma foram criadas quatro classes operacionais. Este valor foi definido com o objetivo de facilitar a interpretação dos resultados sem prejudicar a identificação de grupos distintos de operadores baseados em seu desempenho.
As classes criadas foram:
Classe A: valores acima da média + desvio padrão;
Classe B: valores entre a média e o desvio padrão positivo;
Classe C: valores entre a média e o desvio padrão negativo;
Classe D: valores abaixo da média – desvio padrão.
4 Análise de dados
4.1 Desempenho dos operadores de equipamentos de transporte
A condição para análise dos operadores de equipamentos de transporte se inicia na separação das diferentes frotas utilizadas na mina. Para cada frota foi gerada uma análise. É possível comparar os operadores das diferentes equipes de operação, bem como o histórico mensal individual, onde é possível verificar pontos sistemáticos de baixos rendimentos e suas possíveis causas.
As tabelas 4 e 5 demonstram exemplos de análise de dados para operadores de equipamentos de transporte para a frota 3:
4.2 Desempenho dos operadores de equipamentos de carga
A análise de desempenho dos operadores de equipamentos de carga foi realizada com maior nível de complexidade em comparação com a análise de desempenho dos operadores de equipamentos de transporte, devido a estes equipamentos possuírem um maior número de variáveis que impactam diretamente em sua operação.
As condições utilizadas para análise dos operadores de equipamentos de carga foram:
1) Estratificação das frotas de equipamentos de carga que serão analisadas, devido a cada frota possuir especificações técnicas próprias de fabricação como taxa média de escavação, capacidade volumétrica da caçamba, entre outras características;
2) Escolha da frota de transporte que será carregada (operação de carregamento) pelo equipamento de carga. Esta estratificação é necessária devido aos valores do indicador tempo de carregamento sofrerem variações de acordo com a capacidade volumétrica do equipamento de transporte.
3) Identificação do tipo de material movimentado (será tratado como estéril ou minério). Os diferentes tipos litologias encontradas na mina possuem variados valores de densidade (t/m³) e fator de empolamento. Desta forma o fator de enchimento calculado para cada equipamento de transporte, o tempo de carregamento e a produtividade efetiva irão variar de acordo com o tipo litológico do material a ser carregado.
A tabela 6 demonstra o exemplo de análise de dados para operadores de carga utilizando a frota de carregamento 4 carregando a frota de transporte 1:
Existe também a possibilidade de avaliação geral da equipe de produção através do desempenho dos operadores pertencentes a estas equipes. A tabela 7 exemplifica a análise de desempenho dos operadores de equipamentos de carga da frota 5. Pode-se identificar um melhor desempenho da equipe 3.
5 Metodologia de treinamento
Através da classificação dos operadores é possível identificar oportunidades de melhoria, analisando resultados individuais, através das atividades detectadas como baixo rendimento.
A princípio, os operadores classificados como classe “D” foram analisados e seus indicadores chave de desempenho tratados. Após estas análises, foram criadas metodologias de treinamento com objetivo de buscar melhores resultados individuais com o desenvolvimento destes operadores.
5.1 Transporte
Para a realização de treinamentos para operadores de equipamentos de transporte, foi criada uma metodologia que abrange alguns indicadores monitorados através do sistema de despacho (tempo de manobra, tempo de basculamento e relação produtiva).
A metodologia segue os seguintes passos:
1. Escolha do indicador a ser analisado (tempo de manobra, tempo de basculamento ou relação produtiva);
2. Escolha de operadores com desempenho considerado como insatisfatório (classe D);
3. Entrevista individual com a intenção de identificar possíveis desvios externos;
4. Treinamento teórico de operação do equipamento e operação do sistema de despacho;
5. Designação de um instrutor especialista em operação de equipamentos de transporte para acompanhamento do operador durante um determinado período de tempo;
6. Monitoramento dos resultados durante e depois dos treinamentos.
Segue como exemplo, a metodologia utilizada para tratamento dos indicadores de equipamento de transporte para o operador PEPE (classificado como classe “D”, de acordo com a tabela 8):
• Identificação dos indicadores considerados como baixo rendimento
Como pode ser verificado na tabela 8, analisando o indicador tempo de manobra, o operador está praticando um tempo aproximadamente 25% acima da média geral da equipe, logo existe uma oportunidade real de melhoria para o operador. Já para o indicador tempo de basculamento, o tempo praticado está próximo da média praticada pela equipe, logo, não será necessário realizar nenhuma ação específica.
• Plano de treinamento
Segue plano de treinamento desenvolvido para o operador, com o objetivo de redução do valor do indicador tempo de manobra:
• Primeiramente, foi identificado que o operador possui tempo de experiência em operação de caminhões menor que dois anos;
• O regime de trabalho do operador foi modificado, ele foi transferido da equipe de turno para a equipe de operação que trabalha em horário administrativo;
• Foi realizado treinamento teórico de 8 horas, sobre operação do sistema de despacho;
• Um dos instrutores de equipamentos de transporte foi designado para acompanhar o operador por uma semana, de modo a identificar o modo de condução do mesmo, analisando principalmente suas manobras;
• Após o período de uma semana recebendo instruções, o operador retornou a equipe de operação do turno;
• Durante uma semana, o caminhão operado pelo operador PEPE foi priorizado a operar em ciclos mais curtos (menor DMT), assim houve uma maior prática de atividades de manobra.
Após estas atividades, o tempo de manobra do operador foi monitorado e pode ser analisado na tabela 9:
Pode-se identificar uma redução de aproximadamente 11% no tempo de manobra deste operador, comparando com a média de sua equipe, no período de tempo de um mês.
Estes valores comprovam a eficácia da metodologia de treinamento individual de operação.
5.2 Carga
Para a realização de treinamentos para operadores de equipamentos de carga, foi criada uma metodologia que abrange alguns indicadores monitorados através do sistema de despacho.
A metodologia segue os seguintes passos:
1. Escolha do indicador a ser analisado (tempo de carregamento, carga média ou produtividade efetiva);
2. Escolha de operadores com desempenho considerado como insatisfatório (classe D);
3. Entrevista individual com a intenção de identificar possíveis desvios externos;
4. Treinamento teórico de operação do equipamento e operação do sistema de despacho;
5. Designação de um instrutor especialista em operação de equipamentos de carg
a para acompanhamento do operador durante um determinado período de tempo;
6. Monitoramento dos resultados durante e depois dos treinamentos.
Da mesma maneira que foram demonstrados os resultados para os equipamentos de transporte, segue como exemplo, a metodologia utilizada para tratamento dos indicadores de equipamentos de carga para o operador FERNANDO (classificado como classe “D”, de acordo com a tabela 10):
• Identificação dos indicadores considerados como baixo rendimento
Como pode ser verificado na tabela 10, analisando o indicador tempo de carregamento, o operador está praticando um tempo, aproximadamente, 5% acima da média geral da equipe. Foram identificadas também, oportunidades de melhoria para os indicadores carga média (12% abai xo da média da equipe) e produtividade efetiva (14% abaixo da média).
• Plano de treinamento
Segue plano de treinamento desenvolvido para o operador, com o objetivo de redução do valor do indicador tempo de carregamento e aumento nos indicadores carga média e produtividade efetiva:
• A princípio, foi identificado quais os tipos litológicos o operador escavou no período de tempo analisado, pois poderia haver uma diferença na densidade média, que poderia explicar os valores dos indicadores analisados abaixo da média da equipe. Foi verificado que a densidade do material escavado está dentro da média praticada pelos outros operadores da equipe;
• O regime de trabalho do operador foi modificado, ele foi transferido da equipe de turno para a equipe de operação que trabalha em horário administrativo;
• Foi realizado treinamento teórico de 8 horas sobre operação do sistema de despacho;
• Um dos instrutores de equipamentos de carga foi designado para acompanhar o operador por duas semanas, de modo a identificar o modo de operação do mesmo, analisando o posicionamento da máquina e a sua habilidade;
• Para este caso específico e para a maioria dos operadores classificados como classe “D”, foi constatado elevado ângulo de giro no carregamento. Este fator influencia diretamente, de forma negativa, no resultado dos indicadores tempo de carregamento e produtividade efetiva.
• Outro ponto identificado foi o baixo fator de enchimento da caçamba dos equipamentos de carga, impactando diretamente os indicadores “carga média” e “produtividade efetiva”;
• Após o período de duas semanas recebendo instruções, o operador retornou a equipe de operação do turno.
Após estas atividades, os indicadores pertinentes ao operador FERNANDO foram monitorados e podem ser analisados na tabela 11:
Após o período de um mês da identificação dos indicadores de baixo rendimento e início dos treinamentos específicos, foi identificada uma redução de aproximadamente 5 segundos (1,88%) no tempo médio de carregamento do operador analisado e aumento de 4% para o indicador carga média, gerando um aumento de 57 t/h (3,17%) na produtividade média de carregamento do operador.
6 Resultados
Após a implantação do trabalho em escala operacional, os resultados finais foram mensurados através do acompanhamento dos tempos fixos de operação (tempo de manobra, tempo de basculamento e tempo de carregamento). Também foram verificados indicadores referentes a aderência ao plano mensal de lavra.
6.1 Redução de tempos fixos
Foram comparados os valores de tempos fixos em minutos por viagem realizada, entre os valores médios mensais realizados no ano de 2012 (Janeiro a Dezembro) e 2013 (Janeiro a Março).
Conforme se pode verificar na figura 4, houve uma redução de 4,79% nos valores dos tempos fixos, comparando as médias dos anos de 2012 e 2013. Este valor representa uma queda de 0,251 minuto por viagem realizada.
O número médio mensal de viagens realizadas pelos equipamentos de transporte na mina é mostrado na figura 5:
Utilizando o número de viagens médias mensais realizadas e o valor de redução de tempos fixos médio por viagem, é possível calcular o valor mensal médio de ganho em horas de equipamentos de transporte efetivamente operando.
A tabela 12 mostra os ganhos operacionais mensurados em número de horas efetivas de operação.
Podemos verificar um ganho médio mensal de aproximadamente 137 horas de operação de equipamentos de transporte e projeção anual de 1.642 horas. Estes valores representam um aumento médio mensal na movimentação da mina de 61.569 toneladas, entre minério e estéril, além de redução no custo unitário de produção da empresa.
6.2 Aderência ao plano mensal de lavra
O plano de lavra é feito com base em informações históricas, ou seja, uma média estimada dos valores de variáveis significativas do processo, por exemplo: distância média de transporte, tempos de ciclo, tempos fixos, velocidade média, entre outras. No entanto, a operação de lavra está sujeita a variações de produtividade devido a diferenças no modo de operação dos equipamentos e condições climáticas (chuva, neblina), impactando nos tempos de ciclo dos caminhões e também por paradas (operacionais ou manutenção) dos equipamentos. Estas paradas podem ser previstas ou não previstas.
Estas variações geram conflitos entre as áreas de planejamento e operação de mina, pois nem sempre é possível atingir as metas de produção seguindo o plano de lavra.
Um dos objetivos específicos deste trabalho é gerar maior aderência aos indicadores do plano mensal de lavra através da redução da variabilidade dos indicadores operacionais praticados pelos operadores dos equipamentos de carga e transporte que impactam diretamente na produtividade dos equipamentos e movimentação de minério e estéril na mina.
Para a análise da aderência ao plano de lavra, foi utilizada a função “desvio médio absoluto”, que é a diferença entre cada valor de um determinado conjunto de dados e a média deste mesmo conjunto de números. O valor absoluto de um número
