Geoestadstica.

com | |

Diseo de Minas
Diseo de Minas para su empresa Quines somos Servicios Cursos y Talleres Contctenos

Diseo de Minas a Cielo Abierto: Algoritmo de Grafos de Learchs y Grossman

Este algoritmo se sustenta en la teora de grafos que define entidades y relaciones bsicas simples para lograr la seleccin mxima de entidades agrupadas con valor. En las siguientes lneas se observar como estas entidades son representadas por bloques de mineral, y como la relacin entre ellas se soportan en definiciones bsicas de relacin entre ellas.

DEFINICIONES BSICAS

Fig. 1

Fig. 1a

Camino: Es una secuencia de arcos tal que el vrtice final de cada uno de ellos corresponda al vrtice inicial del siguiente. No interea la orientacin de los arcos, Fig. 2. Circuito: Es un camino donde el vrtice inicial y final conciden, es decir las orientaciones son en un solo sentido, Fig. 3.

Fig. 2

Fig. 3

Arista: Es un conjunto e(i) = (X,Y) de dos elementos que pueden ser (X,Y) pertenecientes al conjunto A de arcos, o (Y,X) tambin pertenecientes a A. Se diferencian del arco porque la arista no implica orientacin. Cadena: Es una secuencia de aristas (e1, e2, .... , en) donde cada arista tiene un vrtice en comn con el siguiente, Fig. 4.

Ciclo: Es una cadena donde los vrtices inicial y final conciden, Fig. 5.

Fig. 4

Fig. 5

Sub-Grafo: Se llama sub-grafo de G(X,A) al conjunto de vrtices Y de X, y comprendiendo a todos los arcos que conectan los vrtices de Y en G, se denota por G(Y,Ay), Fig. N 6a y 6b.

Fig. 6a En donde: X = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} A = {(2,1), (3,2), (4,3), (8,3), (3,5), (8,6), (6,5), (9,6), (6,7), (9,10)} Y = {3, 4, 5, 6, 7, 8} Ay = {(4,3), (8,3), (8,6), (6,5), (6,7)}

Fig. 6b

Fig. 6a

Fig. 6b

Grafo Parcial: El grafo parcial G(X,B) de un grafo G(X,A) es un conjunto de arcos B contenido en A y conteniendo todos los vrtices de G(X,A), Fig. 7.

Fig. 7a En donde: X = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} A = {(2,1), (3,2), (3,4), (5,4), (5,6), (7,3), (8,3), (8,5), (9,5), (9,10)} B = {(2,1), (7,3), (8,3), (8,5), (5,6), (9,10)}

Fig. 7b

Cierre de un Grafo Orientado: Se denomina cierre de un grafo orientado G(X,A) a un conjunto de vrtices Y perteneciente a X que cumplen la condicin.

Para todo vrtice X perteneciente al conjunto de vrtices Y, implica que cualquier elemento perteneciente al cono (formado a partir de X) pertenezca al conjunto Y. Sea el conjunto Y de vrtices pertenecientes a un "pit". Fig. 8.

Y = {2, 3, 4, 5, 6, 10, 11, 12, 18} Tomemos un punto x del conjunto Y. Por ejemplo el 18, vemos que x pertenece a Y, adems que todos los elementos del cono (es decir los primeros vrtices a minar antes de llegar a X) estn contenidos en ?(x) = ? (18) = {2, 3, 4, 5, 6, 10, 11, 12, 18} Vemos que si Y es un cierre de G(X,A), entonces G(Y,Ay) es un sub-grafo cerrado de G(X,A). Adems por definicin el conjunto nulo Y=0 es tambin un cierre de G(X,A). rbol: Es un grafo orientado que no contiene ningn ciclo. Se le denomina por T=(X,C). Fig. 9:

Raz: Cualquier vrtice de un rbol puede ser raz. Fig. 10:

Fig. 10a

Fig. 10b

Por ejemplo en la figura si suprimimos un arco (2,6) se obtienen 2 componentes. El componente T1 = (X1, A1) que no contiene la raz se llama ramo de T = (X,C), la raz del ramo es el vrtice del ramo adyacente del arco (2,6). Este vrtice adyacente es el 2. Los ramos de un ramo le llamaremos "ramitos".

EL PROBLEMA Con estas definiciones de base pasamos a anunciar el problema: Dado un conjunto de bloques v(i) de valor m(i), que encierra el yacimiento, estos bloques pueden formar un grafo orientado G(X,A), es decir cada v(i) constituye un vertice x(i) del grafo con un valor m(i), y todos los arcos A estn orientados haca la "superficie", Fig. N 11.

Fig. 11

Se necesita hallar el cierre G(Y,Ay) tal que la suma de las masas m(i) que lo contienen, sea mxima.

todo vrtice Xi que pertenezca a Y (vrtices del cierre mximo) implica que el rbol (o ramo) que forman los vrtices Xi , tambin pertenezcan a Y, Fig. 12:

Fig. 12

Los vrtices x = 1, 2, 3, 4, 5 pertenecen a Y, para que sea un cierre mximo T(X) debe pertenecer a Y.

DESARROLLO DEL ALGORITMO El procedimiento que se explicar en pocos pasos ms adelante, empieza con la construccin de un rbol To en G. Luego To es transformado en sucesivos rboles T1, T2, .... , Tn, segn determinadas reglas hasta que ya no sea posible ninguna transformacin. Entonces el cierre mximo viene formado por aquellas ramas conocidas del rbol final. La transformacin de los sucesivos rboles Ti, pueden ser realizados teniendo en cuenta ciertas propiedades que describiremos a continuacin: Cada arista ek (arco ak) de un rbol T, define una rama; Tk = (Kk, Ak) Se llamar a Xk, la raz de la rama Tk La masas Mk de una rama Tk es la suma de las masas de los vrtices En la Fig. 13 la masa M de la rama es +8.6 podemos decir que la arista ek soporta la masa +8.6

Fig. 13 En una rbol con una raz ficticia Xo, cada arista ek, es caracterizada por una orientacin del arco ek, respecto a Xo Arista positiva (P), cuando el arco ek, esta orientado haca la rama Tk (no haca la raz) es decir si el vrtice final del arco ak es parte de la rama Tk En la Fig. 13 los arcos (8,4), (7,2) y (8,3 ) son positivos. Arista Negativa (N), cuando el arco est orientado haca afuera de Tk en este caso Tk es llamado rama negativa. Ejemplo en la rama que soporte (7,13) sta es una arista negativa y la rama que la soporta es negativa Arista fuerte (F), cuando la masa que soporta una arista P es positiva, o cuando la masa que soporta una arista N es negativa. Las aristas que no son fuertes se les llama dbiles (D) Ejemplo de tipos de aristas: Arista de aristas fuertes y positivas: (8,4), (7,2), (8,3) Arista positiva y dbil: (7,1) Arista negativa y dbil: (2,8), (4,10), (7,13) Arista negativa fuerte: (11,6), (7,11)

Fig. 14 Un vrtice Xk es de carcter fuerte cuando la cadena que lo une con el vrtice raz tiene alguna arista fuerte Arbol Normalizado: si su raz es comn a todas las aristas fuertes, cada rbol T de un grafo G puede ser normalizado, reemplazando los arcos P fuertes (Xk, Xe) por un arco que una el vrtice final (de este arco fuerte) con el vrtice ficticio, es decir (Xo, Xe) y el arco (Xq,Xr) de una arista N fuerte por un arco ficticio (Xo ,Xq). Iterando este procedimiento hasta que todas las aristas fuertes tenga Xo como extremidad El rbol normalizado de la Fig. N 13 se representa en la Fig. N 14. Vemos que todas las aristas fuertes son positivas. El vrtice Xo ser la raz de todos los vrtices considerados.

PRINCIPALES PASOS DEL ALGORITMO Se construye un rbol To en el grafo G, y se entra a un proceso iterativo siguiente: La iteracin (i + 1) transforma el rbol normalizado To en un nuevo rbol normalizado Ti+1. Cada rbol Ti = (X, Ai) es caracterizado por sus arcos Ai y sus vrtices fuertes Yi. El Proceso termina cuando Y es un cierre de G. Cada iteracin Ti+1 es realizado por los siguientes pasos (Fig. N 15): 1. Buscar un arco (Xk, Xe) en G, tal que Xk ? Yi (tal que un vrtice Xk sea fuerte) y Xe ? (X- Yi) ( Xe sea dbil), si existe, entonces ir al paso 2, sino ir al paso 4 2. Determinar el vrtice Xm la raz de la rama fuerte que contiene a Xk . Construir el rbol Tj substituyendo el arco (Xo, Xm) de Ti con el arco (Xk, Xe). Ir al paso 3 3. Normalizar el rbol Tj , con lo cual obtenemos el rbol Ti+1 , regresa al paso 1 4. Se termina el proceso. Yi es el cierre mximo de G

Fig. 15

El mecanismos mencionado, implica el investigar arcos, una gran cantidad de veces, que depende del nmero de vrtices existentes yd e la situacin de ellos con las consecuencias de clculos muy pesados, difciles de predecir en tiempo de computacin.

APROXIMACIN DE LIPKEWICH Y BORGMAN

A partir de una publicacin de Michael P. Lipkeweich y Leon Borgman, se ha podido obtener una variante de la aplicacin de la teora de grafos que simplifica el nmero de clculos y obtiene resultados bien aproximados al ptimo. La simplificacin consiste en tratar a los vrtices (bloques econmicos) nivel por nivel, trabajando primero el nivel superior (1 nivel), luego el 1 con el 2 y as sucesivamente.

Fig. 16

Fig. 17: PD=positivo dbil, PF=positivo fuerte

Para aplicar mas al detalle esta optimizacin, se expondr un ejemplo numrico a dos dimensiones obtenido de la mencionada publicacin. Partiendo de la Fig. 16 iniciamos el algortmo con el 1 nivel. Al normalizar el grafo nicamente con los vrtices del 1 nivel, tenemos el rbol de la Fig. 17. Se extraen los bloques nicamente con vrtices fuertes. El rbol queda reducido a la Fig. 18:

Fig. 18

Fig. 19

Aadimos el 2 nivel y tenemos la Fig. N 19. Vemos que el vrtice 7 est condicionado a la extraccin de 1, pues esto lo tenemos registrado en el grafo original. Por lo tanto podemos conectar 7 a 1 con un arco, y el arco ficticio desde Xo ir a 1. Vemos en la Fig. N 20 que 1 ser un vrtice fuerte por lo tanto (Xo,1) es una arista positiva fuerte, necesariamente a extraer. Del mismo modo, los vrtices 9 y 10 estn condicionados a la extraccin de 5 (ver grfico inicial). Podemos conectar el vrtice 10 a 5 que formar as una masa positiva cuyo vrtice 5 ser fuerte, unido al Xo por una arista positiva fuerte (PF). Fig. N 20.

Fig. 20

Fig. 21

Realizando la extraccin de las masas que tienen como soporte a una arista fuerte obtenemos la Fig. 21. A este resultado le agregamos el siguiente nivel. Fig. 22. Para poder extraer los vrtices fuertes es necesario extraer los que condicionan su extrccin. Por ejemplo para extraer 11 es necesario extraer 6. Por lo tanto ambos unidos forman una masa negativa que ser unido a Xo por una arista positiva dbil (Fig. 23). De igual modo para extraer 13 es necesario extraer 8. Ambos forman una masa negativa que unido al vrtice Xo resulta ser este arco (Xo,8) positivo dbil.

Fig. 22

Fig. 23

Vemos que no podemos realizar mas extraccin por no existir aristas fuertes positivas, por lo tanto el fondo del pit esta conformado por vrtices negativos. Esto significa que el cierre mximo est formado por los vrtices 1, 2, 3, 4, 5, 7, 9 y 10, constituyendo la solucin ptima, Fig. 23.

EXTENSIN A TRES DIMENSIONES Para fines de mejor claridad se present el procedimiento y ejemplo a dos dimensiones, en donde no se consider la variable de la pendiente de los taludes del pit. Orientandonos a una evaluacin similar a tres dimensiones, es necesario considerar las variables de gradiente de los taludes en diferentes direcciones, siendo necesario establecer una funcin matemtica del cono (Fig. 24) que permita identificar los bloques superiores condicionantes para poder extraer los de menor nivel.

Fig. 24

Si bien la funcin del cono nos permite identificar los bloques superiores que condicionan la extraccion de bloques inferiores, puede ser interesante visualizar las diferentes opciones de configuracion de bloques superiores que se pueden presentar de acuerdo a la pendiente de los taludes. Por ejemplo en la Fig. 25 se presenta dos alternativas visualizadas a tres dimensiones, analizando las

gradientes que generan se presentan los ngulos segn la orientacin en la Fig. 26

Fig. 25

En donde manteniendo una disposicin de bloques uniforme y similar a la 1 alternativa, se obtienen (Fig. 26) ngulos diferentes en direcciones: 45 en la direccin A-A y 55 en la direccin B-B.

Fig. 26

De aplicarse la 2 alternativa en forma genrica, se obtendran 45 en la direccin A-A y 35 en la direccin B-B.

Fig. 27

Realizando la combinacin de ambas alternativas, se obtiene un comportamiento simtrico en ambas direcciones (Fig. 28), siendo esta forma de disposicin la que permite obtener mejor control en las gradientes. Es importante considerar que en algunos casos al aplicar mtodos numricos que nos faciliten la identificacin de los bloques condicionantes, podran tambin evaluarse la posibilidad de utilizar tamaos de bloques en la estimacin de recursos segn las gradientes deseadas en los taludes.

Fig. 28

En la construccin de un modelo de identificacin de bloques condicionantes, la relacin de extraccin de un bloque con respecto a otro que se ubica encima de l, se presentara segn la Fig. 29. Por lo tanto es posible establecer los arcos de dependencia de un bloque Xk con los que condicionan su extracccin.

Fig. 29 Esta identificacin de los bloques dependientes vienen a ser objetivamente para el caso de un Pit, la funcin Y= ?(x), con el conocimiento de esta funcin, se procede a la optimizacin a tres dimensiones, avanzando nivel por nivel, anlogamente al caso visto a dos dimensiones.

Reciba asesoramiento para este proceso de clculo

En Geoestadistica.com encontrar las respuestas mas convincentes para confiar en la calidad y cantidad de sus recursos. La aplicacin de la mas alta tecnologa mediante los software disponibles o no en su empresa, garantizaran la verificacin de los resultados. Para mayor informacin contctenos. Estimacin de Recursos Conceptos de Geoestadstica Objetivo del Kriging Funcin aleatoria Variografa modelamiento Varianza geoestadstica Frmula del Kriging Ecuaciones del Kriging Estimacin de Recursos El cdigo JORC Ejemplo de clculo de ley de un tajeo Varianza geoestadstica