Modelos Matemticos y

Aplicaciones a Planificacin Minera

Nelson Morales
nmorales@ing.uchile.cl
AMTC Associate Researcher
Delphos Mine Planning Laboratory
10/11/2011

Eran los aos 60

Lerchs y Grossman (1965)
presentan el problema del
pit final y un algoritmo para
generar secuenciar pits.
T. B. Johnson (1969)
presenta un modelo
matemtico cuya solucin
son pits anidados
capacitados que maximizan
el VAN.
10/11/2011

Lerchs and Grossman

Problema del Pit Final:
Cul es la porcin de bloques que contienen el beneficio total
mximo?

Desarrollan un algoritmo para resolverlo.

Muestran que, ajustando los precios, se generan pits
anidados.
Claves:
Precedencias, un solo valor por bloque.
No hay consideraciones de tonelaje o capacidad.

Por lo tanto:
El resultado depende fuertemente de la experiencia y
del planificador y su familiaridad con la mina.
10/11/2011

Secuenciamiento va Pit Final

Revenue Factor

10/11/2011

No considerar el costo de
oportunidad hace que el pit
izquierdo tenga siempre prioridad
sobre el pit derecho.
Fijar una ley de corte de
antemano induce ciertas
geometras: se fija una
distribucin geogrfica de lastre y
mineral.
El plan es luego construido con
informacin agregada: en el corto
plazo, la distribucin geogrfica
importa.
4

Modelo T. B. Johnson
El modelo decide, sobre el
horizonte total de
planificacin, qu bloques
sern minados y cules
procesados. (De hecho decide
el destino del bloque.)
El procedimiento no es
incremental: La decisin para
el primer perodo se toma
considerando las implicancias
que tendr para todos los
otros perodos.
10/11/2011

Los pits respetan las limitantes

de capacidad de produccin
(toneladas, tph), de
transporte, y leyes.
El problema del pit final es un
caso especial, considerando un
solo perodo, un solo destino
(fijado de antemano) y sin
lmites de procesamiento o
transporte.

Dnde estn L&G / Johnson hoy?

L&G es el ncleo de (casi) todas las
aplicaciones de planificacin para rajo de largo
plazo.
Como corazn de Whittle, es usado en
infinidad de minas de rajo, de cobre, hierro,
oro, etc, etc.
Johnson
10/11/2011

Hoy

10/11/2011

10/11/2011

10/11/2011

Por qu?
Lerchs & Grossman: Desarrollan un algoritmo para
resolver el problema del pit final.
En 1970 no exista el poder de cmputo necesario
para resolver el modelo de Johnson.
Ya no estamos en 1970
Desafo:
Desarrollar modelos como el de Johnson, pero exitosos
como L&G.
10/11/2011

10

Ej. Optimizacin
0
0
0
0

1
0
0
0

1
1
0
0

1
1
1
0

1
1
1
0

1
1
1
0

1
1
0
0

10/11/2011

1
0
0
0

=$

11

Modelos de Optimizacin para Rajo

Abierto
PIT FINAL
Destino Prefijado
Pits anidados por variacin de
precio
Pushbacks decididos por el usuario

Destino Prefijado
Pits anidados
decididos por
capacidad de
transporte/planta

SECUENCIAMIENTO
CAPACITADO
SECUENCIAMIENTO CAPACITADO
MULTIDESTINO BAJO
RESTRICCIONES DE BLENDING
Resuelto en software
comercial

10/11/2011

Existen algoritmos para

secuenciar centenas de miles
de bloques

Destino decidido
por la optimizacin
en funcin del
valor relativo del
bloque y costos
asociados a cada
posible destino,
respetando
restricciones de
capacidad y planta

Siendo usado por la

industria
12
(ESCONDIDA)

BOS2 (Blending Optimizing Sequencing

and Scheduling)
Herramienta de corto-mediano plazo que dado
un sistema de procesamiento minero (mltiples
minas, chancadores, transporte y por lo tanto
costos y beneficios posibles para cada bloque),
define qu bloques minar y de qu forma
procesarlos con el fin de maximizar el valor del
negocio respetando restricciones de talud,
conexidad (explotacin operativa) y blending.
Actualmente implementado en ESCONDIDA y
siendo testeado en Spence y Cerro Colorado.
10/11/2011

13

BOS2
geometria
stocks

planta

blending

S
O

LASTRE

XIDO

MIXTO

SULFURO

Botad
ero

10/11/2011

14

UDESS (Underground Development &

Extraction Sequencing and Scheduling)
Herramienta de planificacin subterrnea que
determina, de forma simultnea, la secuencia
de extraccin de una mina subterrnea y la
secuencia de construccin de los desarrollos
(tneles, piques, etc.) necesarios para realizar
esta secuencia.
Probada a escala real, en forma experimental
(desarrollo prototipo).
10/11/2011

15

16

UDESS
Modeling: Python 2.6
Optimization: Gurobi
3.0.3 & 4.5.1
Computing: Students
Notebook.

10/11/2011

16

 Panel caving mine, 74 drawpoints

to be scheduled on 55 monthly
periods.
From Mine2-4D (software):
2,256 construction activities + 74
production activities (one per
drawpoint).
Problem will run out of memory
as this. To help the resolucion, we
aggregated atomic activities so
we have 1022+74 to schedule.
10/11/2011

17

Results (very preliminary)

Body 1

10/11/2011

75 [m]

Completely artificial mine.

106 activities for 27 stopes
(production units).
60 monthly periods.
Resource constraints for
equipment: LHDs, drilling
(horizontal and radial).
Runs in 3.5 hours.

18

Miniejemplo

10/11/2011

19

Activities

Unit. Operation /
Equipment

Body 1

Results

Drilling (Jumbo)

Fortification
Stope
Preparation

Drilling (Simba)

Production

Extraction (LHD)

10/11/2011

Body 2

Hauling (Shovel)

Body 3

Development

LOW 1
LOW 2
LOW 3
MED 1
MED 2
MED 3
HIGH 1
HIGH 2
HIGH 3
LOW 1
LOW 2
LOW 3
MED 1
MED 2
MED 3
HIGH 1
HIGH 2
HIGH 3
LOW 1
LOW 2
LOW 3
MED 1
MED 2
MED 3
HIGH 1
HIGH 2
HIGH 3

40%
19
18
26
16
11
10
3
2
1
23
20
24
17
15
12
8
4
7
22
21
25
27
14
13
6
5
9

70%
18
17
16
26
10
9
3
2
1
21
19
24
15
14
11
8
4
6
22
20
23
27
13
12
25
5
7

Drifting Speed
100%
13
12
20
22
8
7
3
2
1
16
14
19
25
11
9
23
4
27
17
15
21
24
18
10
26
5
6

130%
9
8
7
6
5
4
3
2
1
18
17
16
15
14
13
12
11
10
27
26
25
24
23
22
21
20
19

160%
10
9
19
26
6
5
2
1
24
14
11
17
21
16
7
20
3
27
13
12
18
25
15
8
22
4
23

20

0,7

% extracted

0,6
0,5
0,4
0,3
0,2
0,1
0
1

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63
Month
1. SUP. 3
1. INF. 2
2. MED. 1
3. MED. 3

10/11/2011

1. SUP. 2
1. INF. 1
2. INF. 3
3. MED. 2

1. SUP. 1
2. SUP. 3
2. INF. 2
3. MED. 1

1. MED. 3
2. SUP. 2
2. INF. 1
3. INF. 3

1. MED. 2
2. SUP. 1
3. SUP. 3
3. INF. 2

1. MED. 1
2. MED. 3
3. SUP. 2
3. INF. 1

1. INF. 3
2. MED. 2
3. SUP. 1

21

Probability of achievement

BOS2 v/s Incertidumbre

Geolgica

Production Goal M

mltiples escenarios
(ley/contaminantes)
10/11/2011

se calcula un plan
con una cuota de
produccin
determinada

se puede determinar el grado de

confiabilidad que tiene el plan
en trminos de la produccin
comprometida
22

Mapas de tendencia y confiabilidad

versus produccin total

10/11/2011

23

Algunos desafos actuales y futuros

Sistema integrado de planificacin minera
conectado a la operacin de la mina:
Recoleccin y anlisis en lnea de la informacin.
Optimizacin continua de material a planta y ruteo de
vehculos.

Herramientas de planificacin y valorizacin bajo

incertidumbre:
Geomecnica (BOS2+)
Mercado (precios)
Operacional (fallas en equipos o rendimientos
variables segn las condiciones operacionales)
10/11/2011

24