Escolar Documentos
Profissional Documentos
Cultura Documentos
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA HIDRAÚLICA
INFORME DE PRÁCTICA
INTEGRANTES:
CASTREJÒN CARRASCO,
LÒPEZ VASQUEZ, EDWIN
MORI LINARES MAGALI
ARIAS ROMERO, WILSON
DOCENTE:
GASPAR MENDEZ,
CAJAMARCA – PERÚ
2018
1
ÍNDICE
INTRODUCCIÓN: ..................................................................................... 3
OBJETIVOS: .............................................................................................. 4
a) Objetivos Generales: .................................................................................... 4
b) Objetivos Específicos: .................................................................................. 4
PROCEDIMIENTO: ................................................................................ 16
CONCLUSIONES: ................................................................................... 28
REFERENCIAS BIBLIOGRÁFICAS:................................................... 28
BIBLIOGRAFIA: ..................................................................................... 28
LINKOGRAFIA: ...................................................................................... 28
ANEXOS: .................................................................................................. 29
2
INTRODUCCIÓN:
Es cierto que a veces la línea entre una fase y otra no está muy definida pero los
trabajos que se realizan en cada una de las etapas son absolutamente necesarios y
reportan un valor añadido al trabajo.
Todo esto se resume en que cada vez es más necesario un mayor conocimiento y
estudio del proyecto para así conseguir reducir los riesgos económicos y mejorar la
productividad de los sistemas de explotación.
3
OBJETIVOS:
a) Objetivos Generales:
4
MARCO TEÓRICO
1. TUNELADORAS:
Máxima productividad
5
a sus duraderas sartas de perforación, se consigue una perforación de alta precisión y
reducida sobre-excavación. Los potentes equipos Boomer E3 y Boomer E4 son una
excelente inversión.
b) Boomer E
1. Potencia concentrada
2. Una inversión sólida
3. Fácil de controlar
El reducido desgaste del fungible, la gran precisión de perforación y la reducida
sobreexcavación convierten a la serie Boomer E en una sólida inversión
Potencia para aumentar la productividad
Los equipos Boomer E1 y E2 Boomer ofrecen unas áreas de cobertura de hasta 112 m2,
lo que hace que sean ideales para grandes aplicaciones de minería y proyectos de
6
construcción. Gracias a su diseño compacto, estos equipos pueden utilizarse también en
túneles relativamente pequeños. Los dos robustos y flexibles brazos BUT 45, junto con
los martillos COP, optimizan la productividad. La perforación se controla mediante
ordenador con el galardonado sistema de control RCS (Rig Control System) para
garantizar la precisión y la productividad, maximizar el tiempo productivo y reducir los
costes. El reducido desgaste del fungible, la gran precisión de perforación y la reducción
de sobreexcavación, convierten al Boomer E en una sólida inversión.
c) Boomer L
1. Seguridad y control
2. Perforación frontal fiable
3. Gran economía de perforación
Para lograr una mayor productividad, los componentes del equipo están diseñados para
una gran durabilidad y los sistemas están basados en piezas estándar para que el equipo
sea fácil y económico de mantener.
d) Boomer S1
1. Perforación intensa
2. Duración de las barras de perforación
3. Amplio radio de trabajo
El avance controlado por la presión de rotación de la función antiatranque mejora la
duración del fungible de perforación con el martillo COP.
Perforación de alto rendimiento
8
e) Boomer S1 L
Equipo de perforación frontal hidráulico de perfil bajo para galerías y túneles pequeños.
9
f) Boomer S2
1. Seguro y eficiente
2. Equipo de perforación compacto
3. Preparado para la automatización
10
g) Boomer M
Los brazos BUT 36S y las plataformas laterales en ambos lados de la estación del
operador permiten girar la deslizadera a una posición en la que operador pueda cargar
los bulones de forma segura sin tener que situarse en la parte delantera de la máquina.
11
h) Boomer M1 L
i)
2. ECUACIONES DE REGRESIÓN:
Es aquella que permite calcular una variable en función de otra o más variables,
también es una técnica utilizada para inferir datos a partir de otros y hallar una
respuesta de lo que puede suceder. De modo general, diremos que existe
regresión de los valores de una variable con respecto a los de otra, cuando hay
alguna línea, llamada línea de regresión que se ajusta más o menos claramente a
la nube de puntos. Si existe regresión, a la ecuación que nos describe la relación
entre las dos variables la denominamos ecuación de regresión.
Perfecta 1) r = 1
Excelente 2) r = 0.9 < = r < 1
Buena 3) r = 0.8 < = r < 0.9
Regular 4) r = 0.5 < = r < 0.8
Mala 5) r < 0.5
4. TIPOS DE REGRESIÓN.
12
Se pueden encontrar varios tipos de regresión, como son:
A. Regresión Lineal
Nos centraremos en primer lugar, en el caso de que la función que relaciona
las dos variables X e Y sea la más simple posible, es decir, una línea recta.
Por ello pasaremos a interpretar los coeficientes que determinan una línea
recta.
𝑌 = 𝑎 + 𝑏𝑋……… (1)
𝑁 ∑ 𝑋𝑌−(∑ 𝑋)∗(∑ 𝑌)
𝑏= ……….(3)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2
B. Regresión Logarítmica:
13
obtener los parámetros a y b, reemplazo obtenemos:
𝑦 = 𝑎 + 𝑏 𝑋′ ..…….. (6)
𝑎= ̅
Y−𝑏̅
X ′……………….. (8)
14
C. Regresión Exponencial:
Será aquella en la que la función de ajuste será una función exponencial del tipo.
𝑦 = 𝑎 ∗ 𝑏 𝑥 …….. (10)
𝐥𝐨𝐠𝒀 = Y'………q
𝐥𝐨𝐠𝒂 = A'………t
De donde:
N(ΣXY′)−(ΣX)(ΣY′ )
b= ………… (14)
N(Σ𝑋 2 )−(ΣX)2
̅′−𝑏X
𝐴′=Y ̅………. (15)
N(ΣXY′)−(ΣX)( ΣY′)
r= ………… (16)
√(NΣ𝑋 2 −(ΣX)2 )∗(NΣ𝑌′2 −(ΣY′)2 )
D. Regresión Potencial:
Será aquella en la que la función de ajuste sea una función potencial del tipo:
Y = a. 𝑥 𝑏 ………………….. (17)
15
Aplicando métodos de los mínimos cuadrados obtenemos los parámetros a y b
sin antes asignarle una variable a:
𝐥𝐨𝐠𝒀 = Y'……………. m
𝐥𝐨𝐠𝒂 = A'……………. n
𝐥𝐨𝐠𝑿 = X′……………. p
V= A +B X′…………. (19)
A′ = A′ = ̅ ̅′…………….. (21)
Y′ − bX
PROCEDIMIENTO:
tabulamos los 9 datos de los 9 años y temperatura del mes de enero en el Excel.
luego calculamos con las fórmulas (10, 13, 14, 15,16), el coeficiente de
correlación, para finalmente graficarla.
CÁLCULOS Y RESULTADOS:
7. REGRESIÓN LINEAL
Con los 9 datos obtenidos entre la temperatura promedio con relación a los 9 años
procedemos a calcular el coeficiente a y b.
17
TABLA N°1: Esta tabla representa el cálculo estadístico de la temperatura
promedio y año, X viene a ser los años tomados y Y la temperatura promedio
de cada año. Con los datos obtenidos encontramos los valores de los
coeficientes a y b respectivamente
Nº X Y 𝑋2 X*Y 𝑌2
1 2010 15.99 4040100 32139.9 255.6801
2 2011 15.08 4044121 30325.88 227.4064
3 2012 15.81 4048144 31809.72 249.9561
4 2013 15.93 4052169 32067.09 253.7649
5 2014 15.83 4056196 31881.62 250.5889
6 2015 15.73 4060225 31695.95 247.4329
7 2016 17.07 4064256 34413.12 291.3849
8 2017 15.67 4068289 31606.39 245.5489
9 2018 15.23 4072324 30734.14 231.9529
SUMATORIA 18126 142.34 36505824 286673.81 2253.716
𝑎 = −19.42944
𝑁 ∑ 𝑋𝑌−(∑ 𝑋)∗(∑ 𝑌)
𝑏= ……….(3)
𝑁(∑ 𝑋 2 )−(∑ 𝑋)2
𝑏 = 0.0175
18
Una vez calculado los valores de a y b, procedemos afirmar que la ecuación de
regresión lineal tiene la forma:
y = 0.0175x - 19.429
1.05
𝑟=
√60 ∗ 2.52982222
r = 0.085223
19
Por lo tanto, la gráfica de la ecuación de regresión lineal es:
ECUACIÒN LINEAL
Tº PROMEDIO
17.5
17
16.5
16
14.5
2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
AÑOS
8. REGRESIÓN LOGARÍTMICA:
Con los datos obtenidos entre la temperatura promedio y el año, procedemos a calcular
el coeficiente a y b:
AÑO Tº Prom.(C°)
2010 15.9983871
2011 15.0774194
2012 15.8096774
2013 15.9241935
2014 15.8322581
2015 15.7306452
2016 15.0725806
2017 15.6693548
2018 15.2306452
20
Esta tabla representa el cálculo estadístico de la temperatura y la presión, de una
regresión logarítmica con los cuales podemos obtener los coeficientes a y b empleando
las formulas (7,8):
9(1082.906) − (68.471)(142.34)
b=
9(4688.264) − (68.471)2
9746.154 − 9746,16214
b=
42194,376 − 4688,277841
−8,14𝑥10−3
b=
37506.09816
b = −2.17𝑥10−7
̅−𝑏X
𝑎= Y ̅ ′……………….. (8)
𝑎 = 15.816
y = 15.816+ (-2.17x𝟏𝟎−𝟕 )𝑥
Tabla N°4:
N° X Y X'=Lnx X'*Y X'2 Lny
1 2010 15.99 7.60589 121.618181 57.849563 2.7080502
2 2011 15.08 7.6063874 114.704322 57.857129 2.7133694
3 2012 15.81 7.6068845 120.264844 57.864692 2.7606427
4 2013 15.93 7.6073814 121.185586 57.872252 2.7682041
5 2014 15.83 7.6078781 120.43271 57.879809 2.7619069
6 2015 15.73 7.6083745 119.67973 57.887362 2.7555697
7 2016 17.07 7.6088706 129.883422 57.894912 2.8373225
8 2017 15.67 7.6093665 119.238774 57.902459 2.7517481
9 2018 15.23 7.6098622 115.898201 57.910003 2.7232672
sumatoria 18126 142.34 68.470895 1082.90577 4688.2635 24.844
Ῡ=15.816 ̅=7.60
𝐗
21
Con la tabla número 4, obtenemos el coeficiente de correlación logarítmica aplicando la
fórmula 9:
∑ 𝑙𝑛𝑥∗∑ 𝑙𝑛𝑦
𝑏(∑ 𝑙𝑛𝑥∗𝑙𝑛𝑦− )
2
𝑟 = (∑
𝑛
𝑙𝑛𝑥)
2 ……….. (9)
∑(𝑙𝑛𝑦)2 −
𝑛
68.471 ∗ 24.844
−2.17𝑥10−7 (68.471 ∗ 2.76 − )
2
𝑟 = 9
24.8442
2.8 −
9
−7
−2.17𝑥10 (188.98 − 189.01)
𝑟2 =
2.8 − 2.76
2
−2.17𝑥10−7 (−0.03)
𝑟 =
0.04
6.51𝑥10−9
𝑟2 =
0.04
r = 0.0004
22
9. ECUACIÓN EXPONENCIAL
Tabla N°5: Esta tabla representa el cálculo estadístico de una regresión exponencial
con los cuales podemos obtener los coeficientes a y b empleando las formulas (14,15).
T°
Nº Año(X) y'=lny X*Y' X^2
Prom(Y)
1 2010 15.99 2.771963527 5571.64669 4040100
2 2011 15.08 2.713369363 5456.58579 4044121
3 2012 15.81 2.760642651 5554.41301 4048144
4 2013 15.93 2.768204124 5572.3949 4052169
5 2014 15.83 2.761906874 5562.48044 4056196
6 2015 15.73 2.755569717 5552.47298 4060225
7 2016 17.07 2.837322537 5720.04223 4064256
8 2017 15.67 2.751748056 5550.27583 4068289
9 2018 15.23 2.723267167 5495.55314 4072324
Sumatoria 18126 142.34 24.84399402 50035.865 36505824
N(ΣXY′)−(ΣX)(ΣY′ )
b= ……… (14)
N(Σ𝑋 2 )−(ΣX)2
9(50035.865) − (18126)(24.84399402)
b=
9(36505824) − (18126)2
450322.785 − 450322.2356
b=
328552416 − 328551876
0.5494
b=
540
b = 0.001
23
̅′−𝑏X
𝐴′=Y ̅……….(15)
𝐴′=2.760−(0.001) (2014)
𝐴′=0.746
𝐴=2.1086
𝑦′=2.1086+0.001𝑥
𝑦=2.1086𝑒 0.001𝑥
T°
N° Año(X) Y ' = lny X*Y' 𝑿𝟐 𝐘′𝟐
Prom(Y)
1 2010 15.99 2.771963527 5571.64669 4040100 7.68378179
2 2011 15.08 2.713369363 5456.58579 4044121 7.3623733
3 2012 15.81 2.760642651 5554.41301 4048144 7.62114785
4 2013 15.93 2.768204124 5572.3949 4052169 7.66295407
5 2014 15.83 2.761906874 5562.48044 4056196 7.62812958
6 2015 15.73 2.755569717 5552.47298 4060225 7.59316447
7 2016 17.07 2.837322537 5720.04223 4064256 8.05039918
8 2017 15.67 2.751748056 5550.27583 4068289 7.57211737
9 2018 15.23 2.723267167 5495.55314 4072324 7.41618406
Sumatoria 18126 142.34 24.84399402 50035.865 36505824 68.5902517
N(ΣXY′)−(ΣX)( ΣY′)
r= …………. (16)
√(NΣ𝑋 2 −(ΣX)2 )∗(NΣ𝑌′2 −(ΣY′)2 )
9(50035.865) − (18126)(24.844)
r=
√(9 ∗ 36505824 − (18126)2 ) ∗ (9 ∗ 68.590 − (24.844)2 )
450322.785 − 450322.344
r=
√(328552.416 − 328551.876) ∗ (617.31 − 617.22)
24
0.441
r=
√(0.54) ∗ (0.09)
0.441
r=
√0.066
0.441
r=
0.26
r = 1.6
REGRESIÓN EXPONENCIAL
4262
4260
y = 2.109e0.0005x
4258
4256
R² = 1
4254
4252
4250 TEMPERATURA °C
Series1
4248
4246 EXPONENCIAL
TEMPERATURA °C
4244 Expon. (Series1)
4242
4240
2009 2011 2013 2015 2017 2019 2021
Con los 9 datos obtenidos entre los años del mes de enero y la temperatura promedio
presión procedemos a calcular el coeficiente a y b:
N° Año(X) T° Prom.(Y)
1 2010 15.99
2 2011 15.08
3 2012 15.81 Tabla N°7: cálculo estadístico de una
4 2013 15.93 regresión potencial.
5 2014 15.83
6 2015 15.73
7 2016 17.07
8 2017 15.67
9 2018 15.23
Sumatoria 18126 142.34
25
N° Año(X) T° Prom.(Y) x= log(x) y = log(y) X *Y 𝑋2
1 2010 15.99 3.30319606 1.2038485 3.9765475 10.911104
2 2011 15.08 3.30341207 1.1784013 3.8927452 10.912531
3 2012 15.81 3.30362798 1.1989319 3.9608249 10.913958
4 2013 15.93 3.30384377 1.2022158 3.9719331 10.915384
5 2014 15.83 3.30405947 1.1994809 3.9631563 10.916809
6 2015 15.73 3.30427505 1.1967287 3.9543209 10.918234
7 2016 17.07 3.30449053 1.2322335 4.071904 10.919658
8 2017 15.67 3.3047059 1.195069 3.9493516 10.921081
9 2018 15.23 3.30492116 1.1826999 3.9087299 10.922504
Sumatoria 18126 142.34 29.736532 10.78961 35.649513 98.251262
Esta tabla representa el cálculo estadístico de una regresión potencial con los
cuales podemos obtener los coeficientes a y b empleando las formulas (20,21):
9(35.650) − (29.737)(10.790)
𝑏=
9(98.251) − (10.790)2
320.84562 − 320.845568
𝑏=
884.26136 − 884.261334
5.16𝑥10−5
𝑏=
2.51𝑥10−5
𝑏 = 2.055
𝐴′ = 𝑌′ − 𝑏𝑋′……… (21)
𝐴 = 1.199 − 2.055(3.304)
A′ = 1.199 − 6.790
𝐴′ = −5.591
26
Tabla Nº8: datos para el coeficiente de correlación exponencial
N=9
9(35.650) − (29.737)(10.790)
𝑟=
√(9(11.726) − (10.247)2 ) ∗ (9(12.937) − (10.790)2 )
320.84562 − 320.845568
𝑟=
√((884.26136) − (884.261334)) ∗ ((116.432) − (116.416))
5.16𝑥10−5
𝑟=
√(4.18𝑥10−7 )
5.16𝑥10−5
𝑟=
6.46𝑥10−4
𝑟 = 0.080
27
Por lo tanto, la gráfica de la ecuación de regresión potencial es:
CONCLUSIONES:
Concluimos que las ecuaciones de regresión nos permiten pronosticar con cierta
precisión diferentes fenómenos meteorológicos.
REFERENCIAS BIBLIOGRÁFICAS:
BIBLIOGRAFIA:
LINKOGRAFIA:
http://www.tiempo.com/ram/2104/interpretacin-de-mapas-y-
productosmeteorolgicos/.
28
ANEXOS:
29
Datos de temperatura tomados de SENAMHI del mes de Enero de los años 2010,
2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018.
30
Imagen N°4: T° año 2014.
32
Imagen N°8: T° año 2018.
33
34