UNIVERSIDAD DE ACONCAGUA

PROGRAMA DE CONTINUIDAD DE ESTUDIOS - PCE

INGENIERA CIVIL EN MINAS
SEDE CALAMA

DISEO DE PIT FINAL

MEDIANTE EL ALGORITMO DE CONO
MVIL FLOTANTE U OPTIMIZANTE

Alumno:
Profesor:
Curso:
Fecha:

Francisco J. Rodrguez Mena

Vctor Rivera
Rajo Abierto I
26-09-2014

INTRODUCCIN
Uno de los objetivos mas importantes de la minera a rajo abierto es disear el contorno del pit final y de ese modo,
determinar la reserva de mineral explotable, el tamao y la forma al final de su vida. El tamao y la forma del pit final
depende de muchos factores incluido geologa, topografa, la tasa de produccin, altura del banco, angulos de talud, costos
de extraccin y procesamiento, porcentage de recuperacin de los metales, comercializacin y la ley de corte. La forma
ms bsica de una ley de corte es, una calificacin que se utiliza para clasificar el material mineralizado como mineral o
esteril. Taylor (1972) define la ley de corte como: "Cualquier grado que por alguna razn especifica se utiliza para separar
dos lneas de accin. Considerando las variables que intervienen en el clculo de la ley de corte, se entiende que es
posible disear pits anidados que estn en funcin de las variables que determinan la ley de corte. Por lo tanto cada pit es
funcin del precio (P), del metal, la recuperacin (R), el tonelaje (T), la ley del metal (L) y los costos (C).
La minera al igual que en otros procesos industriales requiere de un anlisis profundo de la forma de explotacin de
los minerales, una de las etapas cruciales que definen la rentabilidad o no de un proyecto minero a cielo abierto
corresponde al diseo final ptimo del rajo abierto.
La tecnologa de procesamiento de informacin en base a modelos matemticos de optimizacin, ha sido
desarrollada durante muchos aos por los principales centros de investigacin de pases desarrollados con importante
influencia en inversiones mineras de gran magnitud.
Es as que podemos recopilar importantes esfuerzos cientficos desarrollados en Estados Unidos, Inglaterra, Rusia,
Francia, Blgica, etc. con miras a encontrar la frmula o el algoritmo matemtico mas eficiente y flexible para conseguir un
diseo ptimo matemtico de una mina a cielo abierto.

Entre los algoritmos mas importantes podemos destacar:

Cono Movil o Mtodo de Incrementos (USA)
Algoritmo de Korobov (Ruso)
Programacin Dinmica (Lerchs y Grossman) (Ingls y USA)
Grafos de Lerchs y Grossman (Ingls y USA)
Bosque Subcompactado de Ren Vallet (Belga)
Parametrizacin de Reservas Minables de Mathern (Francia)

Casi todos estos mtodos o algortmos descritos, logran obtener o llegar con bastante aproximacin al ptimo
matemtico (a excepcin del Cono Movil), pero la diferencia se encuentra en la flexibilidad para el procesamiento y
velocidad para converger en el ptimo matemtico, que como se sabe es nico.

EL MODELO
El modelo en que se representa el algoritmo de cono mvil flotante u optimizante es el Modelo de Bloques. Es un
modelamiento tridimensional que consiste en discretizar virtualmente el yacimiento en bloques. Representa el deposito
como una caja grande que abarca todo el yacimiento y luego se subdivide en bloques.
En la siguiente figura se muestra un modelo de bloques tridimensional:

Modelo de Bloques Tridimensional

EL MODELO
Hay muchos tipos de modelos de bloques, incluyendo el modelo 3D de bloque fijo, modelo de bloque variable 3D,
modelo de bloques irregulares 2D y modelo de bloques irregulares 3D (Kim, 1978). Entre estos, el modelo de bloque fijo
tridimensional es el ms ampliamente utilizado. Este modelo se muestra en la figura a continuacin, y se obtiene dividiendo
el yacimiento en bloques tridimensionales de tamao fijo. Cada bloque se identifica en el modelo por su ubicacin,
coordenadas que comprenden: Norte, Este y Vertical.
Las dimensiones de los bloques dependen de las caractersticas del deposito; forma del yacimiento, continuidad
especial, mineral a explotar, selectividad, tamao de equipos, topografa y los datos disponibles para la estimacin del
bloque, por lo que cada bloque podr guardar informacin relevante de datos como:
- Tipo de Roca (geo mecnica, estructuras y litologa).
- Leyes (tanto del mineral principal como de sus sub - productos).
- Datos econmicos (costos de extraccin, de proceso, de venta y/o beneficio econmico asociado).
- Recuperaciones metalrgicas. Etc.

METODO DEL CONO MVIL FLOTANTE U OPTIMIZANTE

Consiste en el estudio econmico de los bloques mineralizados y estriles que caen dentro de un cono invertido, el
cual se mueve sistemticamente a travs de una matriz de bloque, con el vrtice del cono ocupando, sucesivamente, los
centros de los bloques. La premisa bsica de trabajo es que los beneficios netos obtenidos por explotar la mineralizacin
que se encuentra dentro del cono deben superar los gastos de extraer el estril existente en dicho cono. Los conos,
individualmente, pueden no ser econmicos, pero, cuando dos o ms conos se superponen, existe una parte importante de
estril que es compartida por los diversos conos, lo que genera un cambio en sus estatus econmicos.

METODO DEL CONO MVIL FLOTANTE U OPTIMIZANTE

Se parte de una matriz de bloques en la que las leyes de los bloques, como se ha comentado anteriormente, se han
calculado por los mtodos oportunos (por ejemplo el krigeaje o inverso de la distancia). A continuacin se establece una ley
mnima de explotacin y, dado un ngulo determinado para la pendiente de la corta; (por ejemplo 45 grados), se coloca el
cono en el primer bloque, empezando por arriba y por la izquierda. La viabilidad econmica del cono se calcula utilizando la
frmula:

Si el beneficio es positivo, todos los bloques incluidos dentro del cono se marcan y se quitan de la matriz de bloques,
con lo que se crea una nueva superficie. Por el contrario, si el beneficio es negativo, la matriz se queda como est y el
vrtice del cono se traslada al segundo bloque cuyo valor est por encima de la ley mnima de explotacin, repitindose, a
continuacin el proceso.
El desarrollo iterativo del Algoritmo del C.M.F.O.; en forma de diagrama de flujo, se puede observar en la siguiente
figura:

DIAGRAMA DE FLUJO ITERATIVO DEL ALGORITMO DEL CONO

MVIL FLOTANTE U OPTIMIZANTE
Inicio
Tomar el primer nivel

Tomar el primer bloque de mineral

Construir cono

No

Es cono positivo?
Si
Incluir este cono como parte del pit

Si

Todos los bloques estn en

este nivel?
No
Tomar el prximo bloque de mineral

Todos los niveles?

No
Tomar el siguiente nivel

Salida del lmite del pit

Fin

Si

EVOLUCIN DEL ALGORITMO DEL CONO MVIL

En la dcada de los 60, se conocieron los primeros mtodos, basados en el
modelo de bloques, para ser usados mediante un programa computacional.
Pana (1965), creo el Cono Mvil Positivo (C.M.P.)
Pana y Carlson(1966), el Cono Mvil Negativo (C.M.N.)
El ingeniero Marc Lemieux (1979) fue quien detecto grandes deficiencias y
mermas econmicas producidas por el mtodo convencional de conos
flotantes y public el artculo Moving Cone Optimizing Algorithm. Esta nueva
propuesta fue probada y se obtuvieron excelentes resultados.
Actualmente este mtodo se incluye en Software Computacionales, como por
ejemplo: MEDSYSTEM y MINESIGHT (Utilizan el Algoritmo del Cono Mvil
Optimizado)

MEJORAS

MEJORA DEL ALGORITMO EN EL TIEMPO

MARC LEMIEUX

PANA Y CARLSON

PANA

MODELO
DE
BLOQUES

ALGORITMO
CONO
FLOTANTE

60s

1965

1966

1979

TIEMPO (Aos)

CONO MVIL POSITIVO

Consiste bsicamente en un proceso que evala la conveniencia de extraer un
bloque y su respectiva sobrecarga.
Para esto, el algoritmo tradicional se posiciona sobre cada bloque de valor
econmico positivo del modelo y genera un cono invertido.

Benecio Neto = Benecios de extraer el bloque Costos de tratamiento

Beneficio Neto >0

Se extrae

Beneficio Neto <0

No se extrae

Evaluar cada uno de los bloques del modelo, comenzando en el extremo superior
izquierdo, hasta el bloque que se encuentra en el extremo inferior derecho del
modelo.

EJEMPLO DE CONO MVIL POSITIVO

La extraccin de cada bloque, tanto de mineral como estril, tiene un costo de

$10.

EJEMPLO DE CONO MVIL POSITIVO

1 Opcin: secuencia de extraccin de los bloques: 1, 2.

Beneficio Neto = $80 - $90 = -$10

NO SE
EXTRAE

Beneficio Neto = $100 - $90 = $10

SE EXTRAE

EJEMPLO DE CONO MVIL POSITIVO

1 Opcin: secuencia de extraccin del bloque: 3.

Beneficio Neto = $80 + $100 + $20 - $160 = $40

Beneficio Neto = ($80 - $90) + ($100 - $30) + ($20 - $40) = $40

-$10
+$70
-$20
= $40

SERA EL
PTIMO

SE EXTRAE

Por lo tanto al usar esta alterna,va para

explotar el rajo, se genera un benecio de
$40.

EJEMPLO DE CONO MVIL POSITIVO

2 Opcin: secuencia de extraccin de los bloques: 1 y 2.

Beneficio Neto = $80 + $100 - $120 = $60

PTIMO

SE EXTRAE

Por lo tanto al usar esta alterna,va para

explotar el rajo, se genera un benecio
p,mo de $60.

VENTAJAS Y DESVENTAJAS DEL CONO MVIL POSITIVO

La aplicacin de este algoritmo es simple y sencilla.
Los resultados dependen directamente de la secuencia utilizada.
Una secuencia errnea en el testeo de conos puede resultar en la inadecuada
inclusin dentro del rajo final.
Incapacidad de analizar conos que comparten sobrecarga.

CONO MVIL NEGATIVO

Realiza el proceso inverso al cono mvil positivo.
Consiste en extraer todos los bloques con beneficio positivo, para
posteriormente devolverlos al rajo con su respectiva sobrecarga y as analizar
la conveniencia de extraerlos o bien eliminarlos.

Benecio Neto = Benecios de extraer el bloque Costos de tratamiento

Beneficio Neto >0

No se rellena

Beneficio Neto <0

Se rellena

EJEMPLO DE CONO MVIL NEGATIVO

La extraccin de cada bloque, tanto de mineral como estril, tiene un costo de

$10.
Valor neto del pit mximo es $10.

EJEMPLO DE CONO MVIL NEGATIVO

1 Opcin: secuencia de extraccin de los bloques: 1, 2.

Beneficio Neto = $20 - $90 = -$70

NO SE
EXTRAE

Beneficio Neto = $120 - $90 = $30

SE EXTRAE

EJEMPLO DE CONO MVIL NEGATIVO

1 Opcin: secuencia de extraccin del bloque: 3.

Beneficio Neto = $120 + $60 - $160 = $20

SERA EL
PTIMO

SE EXTRAE

EJEMPLO DE CONO MVIL NEGATIVO

2 Opcin: secuencia de extraccin de los bloques: 1, 2.

Beneficio Neto = $20 - $90 = -$70

SE RELLENA

Beneficio Neto = $120 - $90 = $30

NO SE
RELLENA

EJEMPLO DE CONO MVIL NEGATIVO

2 Opcin: secuencia de extraccin del bloque: 3.

Beneficio Neto = $120 + $60 - $160 = $20

SERA EL
PTIMO

NO SE
RELLENA

EJEMPLO DE CONO MVIL NEGATIVO

3 Conclusin: para concluir, se debe escoger el cono que obtenga mayor
beneficio. En este ejercicio se obtienen dos pit final, el primer cono; cono sobre el
bloque 2, consumira menos recursos pero se obtendra mayor beneficio neto ($30) y el
segundo cono; cono sobre el bloque 3, consumira mayor recurso pero se obtendra un
menor beneficio neto ($20).

Por lo tanto conviene extraer solamente el Cono sobre el bloque 2, desechando o

rellenando los bloques anti-econmicos y los menos econmicos.

VENTAJAS Y DESVENTAJAS DE CONO MVIL NEGATIVO

Etrega mejores resultados que el algoritmo del cono mvil positivo.
Requiere mayor tiempo computacional, ya que cada prueba exige la
reconstruccin de la configuracin completa del rajo.
Los resultados dependen

directamente de la secuencia utilizada para

seleccionar el prximo bloque positivo.

COMPARACIN ENTRE C.M.P. Y C.M.N.

En el cono mvil positivo se asume la extraccin individual de conos a partir de
la topografa inicial y para el caso del cono mvil negativo se puede asumir que
el yacimiento ha sido extrado en su totalidad.
Comparativamente con el cono mvil positivo, el cono mvil negativo requiere
mayor tiempo computacional, ya que la reconstruccin de la configuracin del
rajo para cada prueba del cono requiere la generacin completa de ste,
definido por todos los bloques que requieren anlisis adicional. Las tcnicas
C.M.P. y C.M.N., no necesariamente, entregan como resultado un diseo
ptimo del rajo final.
En ambas tcnicas se debe tener sumo cuidado al aplicarlas, a objeto de no
incluir conos inadecuados en la configuracin del rajo final.

CONO MVIL FLOTANTE U OPTIMIZANTE

El cono mvil optimizante tiene esa denominacin ya que es una versin
mejorada de la tradicional rutina del cono flotante. Lleva a cabo la optimizacin del
rajo final en dos etapas:
Primera etapa
La primera secuencia de anlisis de extraccin de conos se inicia listando los
bloques positivos, en forma descendente, nivel por nivel. Identificados los bloques
positivos, el siguiente paso es aplicar las tcnicas del cono mvil positivo (CMP) y
negativo (CMN) simultneamente.
Segunda Etapa
Esta etapa tiene por objetivo evaluar las relaciones de superposicin de conos y
analizar si estos deben ser incluidos en el rajo final.

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

A continuacin, visualizar el modelo de bloques valorizado:

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

Tomar el primer nivel, identificar bloques positivos y beneficios de conos
positivos.

Se encuentran 3, conos flotantes:

B cono bloque 11=+5
B cono bloque 15=+2
B cono bloque 18=+2

Finalizar el primer nivel y pasar al proximo.

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

Tomar el segundo nivel, identificar bloques positivos y beneficios de conos
positivos.

Se encuentran 2, conos flotantes:

B cono bloque 23=+1
B cono bloque 27=+1

Finalizar el segundo nivel y pasar al proximo.

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

Tomar el tercer nivel, identificar bloques positivos y beneficios de conos positivos.

Se encuentran 2, conos flotantes:

B cono bloque 33 y 35=+4
Debido a que los bloques 33 y 35,
comparten sobrecarga, se analizan
en conjunto los conos formados por
ambos.

Finalizar el tercer nivel y pasar al proximo.

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

Tomar el cuarto nivel, identificar bloques positivos y beneficios de conos
positivos.

Se encuentra 1, cono flotante:

B cono bloque 44=+2

Fin del algoritmo.

EJEMPLO DE CONO MVIL FLOTANTE U OPTIMIZANTE

Pit Final

B PIT FINAL=B CONOS=+17

VENTAJA Y LIMITACIONES DEL CONO MVIL

FLOTANTE U OPTIMIZANTE
Ventajas
El mtodo del cono mvil optimizante presenta como principal ventaja el permitir
evaluar los conos con sobrecarga relacionada, determinando si estos son incluidos o
no en el rajo final.
No depende de la secuencia de extraccin como el C.M.P. o C.M.N.
Limitaciones
Fallas que se pueden producir con los conos interrelacionados, ya que pueden
causar un gran impacto sobre depsitos complejos en lo que se refiere a
mineralizacin, estructuras y distribucin de leyes.
Una secuencia inapropiada en la extraccin de conos, puede resultar que el
diseo del rajo resulte con mayor error que el de haber aplicado C.M.P. o C.M.N.

CONCLUSIONES
Considerando que el tiempo es uno de los recursos ms importante a la hora de
cumplir con los plazos, es necesario sealar que en comparacin al cono mvil
positivo, el cono mvil negativo requiere mayor tiempo computacional.
Las tcnicas C.M.P. y C.M.N., no necesariamente entregan como resultado un
diseo ptimo del rajo final.
El algoritmo de cono mvil optimizante hace uso de dos fases de procesamiento
para resolver el problema de la determinacin del pit final. La primera de ellas es
exhaustiva y su resultado se acerca al ptimo econmico total de la mina. La segunda
etapa permite evaluar los conos con sobrecarga relacionada, determinando si estos
son incluidos o no el rajo final, esta condicin no puede ser evaluada mediante el
C.M.P. o C.M.N.

ANEXO A
La

LCC separa en ESTERIL o MINERAL.

Si la ley del Bloque < Lcc:

ESTERIL

Si la ley del Bloque > Lcc:

MINERAL

ANEXO A
Ley de Corte Critica (BreakEven) (LCC)
LCC = (CM + CP)/(R*(P CR))*100
Donde:

CM: Costo mina (US$/T)

CP: Costo planta (US$/T)
R: Recuperacin metalrgica
P: Precio (US$/Lb)
CR: Costo refinacin y venta (US$/Lb)
Observacin: 1(Lb)=0,00045359(T)

ANEXO A
Ejemplo:
1.- Determinar la ley de corte con los siguientes datos:
CM= 0,87(US$/T)
CP= 3(US$/T)
R= 80(%) = 0,80
P= 1323(US$/T); (60cS$/Lb)
CR= 200(US$/T); (9cS$/Lb)
Formula: LCC = (CM + CP)/(R*(P CR))*100
Resultado: Lcc = 0,43%

ANEXO A
Ejemplo:
2a.- Con el resultado anterior; Lcc = 0,43%,
determinar los bloques de mineral y estril
de la siguiente matriz.

ANEXO A
Ejemplo:
2b.- Con el resultado anterior; Lcc = 0,43%,
determinar los bloques de mineral y estril
de la siguiente matriz.

ANEXO B
Para Valorizar cada bloque, debemos realizarlo por dos vas ya sea
estril o mineral:
ESTERIL

Si la ley del Bloque < Lcc:

Debemos aplicar:
UBE = -VB*DABE*Cr
Donde:
UBE: Utilidad del bloque de estril (US$)
VB: Volumen del bloque (M3)
DABE: Densidad aparente del bloque en estril (T/M3)
Cr: Costo de remocin (US$/T)

ANEXO B
Para Valorizar cada bloque, debemos realizarlo por dos vas ya sea estril
o mineral:
Si la ley del Bloque > Lcc:
Debemos aplicar:
UBM = VB*DABM*(LBM*R*(P - CR) (CM + CP))
Donde:

UBM: Utilidad del bloque de mineral (US$)

VB: Volumen del bloque (M3)
DABM: Densidad aparente del bloque en mineral (T/M3)
LBM: Ley del bloque con mineral
R: Recuperacin metalrgica
P: Precio (US$/Lb)
CR: Costo refinacin y venta (US$/Lb)
CM: Costo mina (US$/T)
CP: Costo Planta (US$/T)

MINERAL

ANEXOB
Ejemplo:
3.- Valorice la matriz del ejercicio 2b.
con los siguientes datos:
CM= 0,87(US$/T)
CP= 3(US$/T)
R= 80(%) = 0,80
P= 1323(US$/T)
CR= 200(US$/T)
VB= 1000(M3); 10x10x10.
DABM= 2,7(T/M3)
DABE= 2,4(T/M3)
Cr= 0,81(US$/T)

ANEXO B
Ejemplo:
4.- A travs de esta matriz,
Obtener el pit final. (US$).

ANEXO B

Nivel: Superficie
Mineral: 0
Estril: 0
Utilidades: 0

ANEXO B

Nivel: 1
Mineral: 31.182
Estril: 0
Utilidades: 31.182

ANEXO B

Nivel: 2
Mineral: 37.245
Estril: -3.888
Utilidades: 33.357

ANEXO B

Nivel: 3
Mineral: 30.697
Estril: -7.776
Utilidades: 22.921

ANEXO B

Nivel: 4
Mineral: 35.305
Estril: -11.664
Utilidades: 23.641

ANEXO B

Nivel: 5
Mineral: 20.532
Estril: -7.776
Utilidades: 12.756

ANEXO B

Nivel: 6
Mineral: 28.535
Estril: -19.440
Utilidades: 9.095

ANEXO B

Nivel: 7
Mineral: 25.382
Estril: -23.328
Utilidades: 2.054

ANEXO B

Nivel: 8
Mineral: 21.522
Estril: -13.608
Utilidades: 7.914

ANEXO B

Nivel: 9
Mineral: 15.945
Estril: -13.608
Utilidades: 2.337

ANEXO B

Nivel: 10
Mineral: 37.730
Estril: -29.160
Utilidades: 8.570

ANEXO B

Nivel: 11 Pit Final

Mineral: 26.615
Estril: -15.552
Utilidades: 11.063

ANEXO B
Ejemplo:
5.- Mostrar resultados:

TBE: Tonelaje del bloque de estril

TBM: Tonelaje del bloque de mineral
E/M: Estril / Mineral

ANEXO B
Ejemplo:
5.- Mostrar resultados:

ALGORITMO DE LERCHS & GROSSMAN

Desarrollado y presentado por Lerchs y Grossman en 1965, en el paper
Optimum design of open pit mines.
Es una programacin dinmica precisa para definir el limite del pit en una
seccin transversal de dos dimensiones, por medio del cual es posible lograr
el mayor beneficio posible.
El algoritmo se basa en la siguiente expresin:
Pij = Mij + Max(Pi+k , j-1)

Donde:
K, toma valores de: -1, 0, 1.
j: corresponde a valores de columna.
i: corresponde a valores de fila.
Mij: corresponde al beneficio obtenido para extraer una sola columna de
bloques con el bloque ij en su base.
Pij: corresponde al beneficio mximo que puede generar columnas de 1,
hasta j dentro de un pit que contiene el bloque ij en su limite.

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

Visualizar la siguiente matriz de bloques valorizados; Vij, en una seccin
transversal:
Vij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-2

3
0
-2
-2
-2

4
0
-2
-2
-2
-2

5
0
-2
-2
-2
-2
-3

6
0
-2
-2
-2
-2
-3
-3

7
0
-2
-2
-2
-2
2
-3
-3

8
0
-2
-2
0
1
2
-2
0
-3

9
0
-2
0
1
2
0
2
2
-1

10 11 12 13 14 15 16 17 18 19 20 21
0 0 0 0 0 0 0 0 0 0 0 0
-2 1 2 3 4 5 4 2 1 -2 -2
1 2 3 4 5 4 3 2 -2 -2
2 3 4 5 4 3 1 -2 -2
2 3 4 5 2 1 -2 -2
3 4 5 2 0 -3 -3
3 5 -2 -2 -3 -3
0 -2 -2 -3 -3
-3 -3 -3 -3

1 Paso: formar la matriz Mij: basicamente, realizando una sumatoria acumulativa

descendente en cada columna.
Mij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-4

3
0
-2
-4
-6

4
0
-2
-4
-6
-8

5
0
-2
-4
-6
-8
-11

6
0
-2
-4
-6
-8
-11
-14

7
0
-2
-4
-6
-8
-6
-9
-12

8
0
-2
-4
-4
-3
-1
-3
-3
-6

9
0
-2
-2
-1
1
1
3
5
4

10
0
-2
-1
1
3
6
9
9
6

11
0
1
3
6
9
13
18
16
13

12
0
2
5
9
13
18
16
14
11

13
0
3
7
12
17
19
17
14
11

14
0
4
9
13
15
15
12
9

15 16 17 18 19 20 21
0 0 0 0 0 0 0
5 4 2 1 -2 -2
9 7 4 -1 -4
12 8 2 -3
13 6 0
10 3
7

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

2 Paso: para formar la matriz Pij, se debe cumplir con la siguiente restriccin
VALOR
optimizante: Pij = Mij + Max(Pi+k , j-1).
Mij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-4

P3,10

3
0
-2
-4
-6

4
0
-2
-4
-6
-8

5
0
-2
-4
-6
-8
-11

6
0
-2
-4
-6
-8
-11
-14

7
0
-2
-4
-6
-8
-6
-9
-12

8 9 10
0 0 0
-2 -2 -2
-4 -2 -1
-4 -1 1
-3 1 3
-1 1 6
-3 3 9
VALOR
-3 5 9
MXIMO
-6 4 6

MAS

11 12 13
POSITIVO
0 0 0
1 2 3
3 5 7
6 9 12
9 13 17
13 18 19
18 16 17
16-4 14 14
-7
13 11 11

14
0
4
9
13
15
15
12
9

ES E18
L 19 20 21
15 CUL
16 17
0 0VALOR
0 0 0 0 0
MXIMO?
5 4 2 1 -2 -2
9 7 4 -1 -4
12 8 2 -3
13 6 0
10 3
7

-9

-3

A cada bloque Mij, se le suma un valor mximo; de tres valores de los bloques de
columna de la matriz Pij, los cuales son, bloque: superior, medio e inferior.
Pij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-6

3 4 5
0 0 0
-2 -2 -2
-6 -6 -6
-12 -12 -12
-20 -20
-31

6
0
-2
-6
-12
-20
-31
-45

7
0
-2
-6
-12
-20
-26
-40
-57

8
0
-2
-6
-10
-15
-21
-29
-43
-63

9
0
-2
-4
-7
-9
-14
-18
-24
-39

10
0
-2
-3
-3
-4
-3
-5
-9
-18

11
0
1
1
3
6
10
15
11
4

12
0
3
8
15
23
33
31
29
22

13
0
11
22
35
50
52
50
45
40

14
0
26
44
63
67
67
64
59

15
0
49
72
79
80
77
74

16
0
76
86
88
86
83

17
0
88
92
90
88

18 19 20 21
0 0 0 0
93 91 89
91 89
89

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

3 Paso: De la matriz Pij. En el primer nivel, identificar el bloque con la
valorizacin mas alta. En este caso corresponde al valor 93.
Pij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-6

3 4 5
0 0 0
-2 -2 -2
-6 -6 -6
-12 -12 -12
-20 -20
-31

6
0
-2
-6
-12
-20
-31
-45

7
0
-2
-6
-12
-20
-26
-40
-57

8
0
-2
-6
-10
-15
-21
-29
-43
-63

9
0
-2
-4
-7
-9
-14
-18
-24
-39

10
0
-2
-3
-3
-4
-3
-5
-9
-18

11
0
1
1
3
6
10
15
11
4

12
0
3
8
15
23
33
31
29
22

13
0
11
22
35
50
52
50
45
40

14
0
26
44
63
67
67
64
59

15
0
49
72
79
80
77
74

16
0
76
86
88
86
83

17
0
88
92
90
88

18 19 20 21
0 0 0 0
93 91 89
91 89
89

Luego, desde el bloque con valor 93; hacia la izquierda, se encuentran tres
bloques: superior, medio e inferior, con valores 0, 88 y 92, por lo tanto, se escoje el
siguiente bloque de mayor valor. As iterando hasta cerrar el pit final ptimo
econmico.
El valor 93, corresponde al valor ptimo econmico de explotar todo el contorno
formado por este mtodo.

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

4 Paso: El contorno formado en la matriz Pij, se refleja en la matriz Vij,
mostrandose el contorno del pit final ptimo econmico.
Pij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-6

3 4 5
0 0 0
-2 -2 -2
-6 -6 -6
-12 -12 -12
-20 -20
-31

6
0
-2
-6
-12
-20
-31
-45

7
0
-2
-6
-12
-20
-26
-40
-57

8
0
-2
-6
-10
-15
-21
-29
-43
-63

9
0
-2
-4
-7
-9
-14
-18
-24
-39

10
0
-2
-3
-3
-4
-3
-5
-9
-18

Vij
0
1
2
3
4
5
6
7
8

0
0

1
0
-2

2
0
-2
-2

3
0
-2
-2
-2

6
0
-2
-2
-2
-2
-3
-3

7
0
-2
-2
-2
-2
2
-3
-3

8
0
-2
-2
0
1
2
-2
0
-3

9
0
-2
0
1
2
0
2
2
-1

10 11 12 13 14 15 16 17 18 19 20 21
0 0 0 0 0 0 0 0 0 0 0 0
-2 1 2 3 4 5 4 2 1 -2 -2
1 2 3 4 5 4 3 2 -2 -2
2 3 4 5 4 3 1 -2 -2
2 3 4 5 2 1 -2 -2
3 4 5 2 0 -3 -3
3 5 -2 -2 -3 -3
0 -2 -2 -3 -3
-3 -3 -3 -3

4
0
-2
-2
-2
-2

5
0
-2
-2
-2
-2
-3

11
0
1
1
3
6
10
15
11
4

12
0
3
8
15
23
33
31
29
22

13
0
11
22
35
50
52
50
45
40

14
0
26
44
63
67
67
64
59

15
0
49
72
79
80
77
74

16
0
76
86
88
86
83

17
0
88
92
90
88

18 19 20 21
0 0 0 0
93 91 89
91 89
89

Al sumar todos los bloques encerrados dentro de este contorno se obtiene el

valor ptimo econmico 93, que resulta de su extraccin.

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

Ejemplo de la aplicacin de L&G para el ejercicio del algoritmo de CMF:
Matriz Vij:
13
0
-1.944

14
0
-1.944

15
0
-1.944

16
0
-1.944

17
0
-1.944

18
0
-1.944

19
0
-1.944

20
0
-1.944

21
0
2.647

22
0
7.740

23
0
9.923

24
0
9.195

25
0
1.677

26
0
-1.944

27
0
-1.944

28
0
-1.944

29
0
-1.944

30
0
-1.944

31
0
-1.944

32
0
-1.944

33
0
-1.944

34
0
-1.944

35
0
-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.498

5.557

11.135

2.405

10.650

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

3.860

1.920

5.557

8.953

10.408

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.498

3.617

8.710

9.195

6.285

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.255

7.983

2.890

2.405

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

6.285

7.983

6.770

7.498

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

10.893

2.405

8.953

3.132

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

8.710

9.923

2.890

4.830

4.830

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.983

1.920

9.195

8.710

7.012

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.012

9.195

9.923

5.800

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

9.680

9.680

7.740

6.042

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.255

6.042

1.920

1.920

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

2.405

6.527

11.135

2.647

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

9.438
10.165
7.740
4.830
4.830
9.195
3.617
-1.944
-1.944
-1.944
-1.944
-1.944

4.102
5.072
2.405
10.408
4.345
9.438
3.617
11.135
8.468
6.527
7.740
4.102

7.255
9.923
2.647
1.920
6.042
7.740
2.890
6.770
2.162
5.557
4.102
3.617

2.162
11.378
9.195
1.677
5.557
6.770
9.923
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

Ejemplo de la aplicacin de L&G para el ejercicio del algoritmo de CMF:
Matriz Mij:

13
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

14
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

15
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

16
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

17
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

18
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

19
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

20
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

21
0
2.647
10.145
14.004
21.502
19.558
17.614
15.670
13.726
11.782
9.838
7.894
5.950
4.006
2.062
118
-1.826
-3.770
-5.714
-7.658
-9.602
-11.546
-13.490
-15.434
-17.378
-19.322

22
0
7.740
13.297
15.217
18.834
26.089
32.374
43.267
51.977
59.960
58.016
56.072
54.128
52.184
50.240
48.296
46.352
44.408
42.464
40.520
38.576
36.632
34.688
32.744
30.800
28.856

23
0
9.923
21.058
26.615
35.326
43.308
51.291
53.695
63.618
65.538
72.550
82.230
89.485
91.890
101.328
111.493
119.233
124.063
128.892
138.088
141.705
139.761
137.817
135.873
133.929
131.985

24
0
9.195
11.600
20.552
29.748
32.637
39.407
48.360
51.249
60.445
69.640
79.320
85.362
91.890
95.992
101.064
103.469
113.877
118.221
127.659
131.276
142.412
150.879
157.407
165.147
169.249

25
0
1.677
12.327
22.735
29.020
31.425
38.922
42.054
46.884
55.594
65.517
73.257
75.177
86.312
93.567
103.490
106.137
108.056
114.099
121.839
124.728
131.498
133.660
139.218
143.320
146.937

26
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-8.778
-1.766
4.034
10.077
11.996
14.643
16.805
28.183
37.378
39.055
44.613
51.383
61.305
59.361
57.417
55.473
53.529
51.585

27
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

28
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

29
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

30
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

31
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

32
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

33
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

34
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

35
0
-1.944
-3.888
-5.832
-7.776
-9.720
-11.664
-13.608
-15.552
-17.496
-19.440
-21.384
-23.328
-25.272
-27.216
-29.160
-31.104
-33.048
-34.992
-36.936
-38.880
-40.824
-42.768
-44.712
-46.656
-48.600

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

Ejemplo de la aplicacin de L&G para el ejercicio del algoritmo de CMF:
Matriz Pij:

13
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904

14
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120

15
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280

16
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280
-264.384

17
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280
-264.384
-297.432

18
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280
-264.384
-297.432
-332.424

19
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280
-264.384
-297.432
-332.424
-369.360

20
0
-1.944
-5.832
-11.664
-19.440
-29.160
-40.824
-54.432
-69.984
-87.480
-106.920
-128.304
-151.632
-176.904
-204.120
-233.280
-264.384
-297.432
-332.424
-369.360
-408.240

21
0
2.647
8.201
8.172
9.838
118
-11.546
-25.154
-40.706
-58.202
-77.642
-99.026
-122.354
-147.626
-174.842
-204.002
-235.106
-268.154
-303.146
-340.082
-378.962
-419.786

22
23
0
0
15.941
31.421
21.498
46.113
25.055
55.287
28.672
71.253
35.927
79.235
32.492
87.218
31.721
86.187
26.823
95.339
19.253
92.360
-187
91.803
-21.571
82.044
-44.899
67.915
-70.171
46.991
-97.387
31.157
-126.547 14.106
-157.651 -7.314
-190.699 -33.588
-225.691 -61.806
-262.627 -87.603
-301.507 -120.922
-342.331 -161.746
-385.099 -204.514
-249.226

24
0
55.308
66.887
91.805
108.983
119.855
126.625
143.699
146.588
155.783
162.000
171.123
167.406
159.805
142.983
132.221
117.575
106.563
84.634
65.853
43.673
21.490
-10.866
-47.107
-84.079

25
0
68.564
104.132
131.718
148.875
158.049
182.621
188.642
202.667
217.594
236.640
244.380
246.300
253.718
253.371
246.473
238.358
225.631
220.662
206.472
190.581
175.172
155.150
128.351
96.213
62.858

26
0
102.188
127.830
143.043
150.273
172.901
176.978
189.059
208.816
234.875
248.415
256.377
265.714
268.361
270.523
281.555
283.851
277.413
270.244
272.044
267.778
249.943
232.589
210.624
181.881
147.798

27
0
125.886
139.155
144.441
165.125
167.258
177.395
195.208
219.323
230.919
236.937
244.330
245.033
245.251
254.339
254.691
252.747
250.803
242.421
235.108
233.164
226.954
207.175
187.877
163.968
133.281

28
0
137.211
140.553
159.293
159.482
167.675
183.544
205.715
215.367
219.441
224.890
223.649
221.923
229.067
227.475
225.531
223.587
219.699
215.811
205.485
196.228
192.340
184.186
162.463
141.221
115.368

29
0
138.609
155.405
153.650
159.899
173.824
194.051
201.759
203.889
207.394
205.450
203.506
205.739
203.795
201.851
198.315
194.427
190.539
184.707
178.875
166.605
155.404
149.572
139.474
115.807
92.621

30
0
153.461
151.517
154.067
166.048
184.331
190.095
190.281
191.842
189.898
187.954
184.355
182.411
180.467
176.579
172.691
167.211
161.379
155.547
147.771
139.995
125.781
112.636
104.860
92.818
67.207

31
0
151.517
150.179
160.216
176.555
180.375
178.617
178.234
176.290
174.346
170.458
166.570
161.027
157.139
153.251
147.419
141.587
134.163
126.387
118.611
108.891
99.171
83.013
67.924
58.204
44.218

32
0
149.573
156.328
170.723
172.599
170.655
168.711
165.009
162.682
158.794
154.906
149.074
143.242
135.755
129.923
124.091
116.315
108.539
99.171
89.451
79.731
68.067
56.403
38.301
21.268
9.604

33
0
154.384
166.835
166.767
164.823
162.879
158.991
155.103
149.457
145.186
139.354
133.522
125.746
117.970
108.539
100.763
92.987
83.267
73.547
62.235
50.571
38.907
25.299
11.691
-8.355
-27.332

34
0
164.891
162.947
161.003
158.991
155.103
151.215
145.383
139.551
131.961
125.746
117.970
110.194
100.474
90.754
79.379
69.659
59.939
48.275
36.611
23.355
9.747
-3.861
-19.413
-34.965
-56.955

35
0
162.947
161.003
157.115
153.227
149.271
143.439
137.607
129.831
122.055
112.521
104.362
94.642
84.922
73.258
61.594
48.275
36.611
24.947
11.339
-2.269
-17.469
-33.021
-48.573
-66.069
-83.565

EJEMPLO DEL ALGORITMO DE LERCHS & GROSSMAN

Ejemplo de la aplicacin de L&G para el ejercicio del algoritmo de CMF:
Matriz Vij:
13
0
-1.944

14
0
-1.944

15
0
-1.944

16
0
-1.944

17
0
-1.944

18
0
-1.944

19
0
-1.944

20
0
-1.944

21
0
2.647

22
0
7.740

23
0
9.923

24
0
9.195

25
0
1.677

26
0
-1.944

27
0
-1.944

28
0
-1.944

29
0
-1.944

30
0
-1.944

31
0
-1.944

32
0
-1.944

33
0
-1.944

34
0
-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.498

5.557

11.135

2.405

10.650

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

3.860

1.920

5.557

8.953

10.408

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.498

3.617

8.710

9.195

6.285

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.255

7.983

2.890

2.405

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

6.285

7.983

6.770

7.498

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

10.893

2.405

8.953

3.132

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

8.710

9.923

2.890

4.830

4.830

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.983

1.920

9.195

8.710

7.012

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.012

9.195

9.923

5.800

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

9.680

9.680

7.740

6.042

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

7.255

6.042

1.920

1.920

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

2.405

6.527

11.135

2.647

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

9.438
10.165
7.740
4.830
4.830
9.195
3.617
-1.944
-1.944
-1.944
-1.944
-1.944

4.102
5.072
2.405
10.408
4.345
9.438
3.617
11.135
8.468
6.527
7.740
4.102

7.255
9.923
2.647
1.920
6.042
7.740
2.890
6.770
2.162
5.557
4.102
3.617

2.162
11.378
9.195
1.677
5.557
6.770
9.923
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944
-1.944

El lmite ptimo del ACMF, es el mismo que para el AL&G.

CONCLUSIONES
El algoritmo de cono movil flotante u optimizante, toma mas tiempo en encontrar
el pit fina ptimo. Debido a que tiene que iterar nivel por nivel los conos econmicos
los cuales pasan a ser las faces de extraccin.
El algoritmo de Lerchs y Grossman, a traves de un proceso optimizante de
clculo, logra obtener inmediatamente un pit final optimo.
En el ejemplo de esta presentacin, al aplicar ambos algoritmos al mismo
ejemplo, se obtiene el mismo pit final ptimo y econmico.
El desarrollo del algoritmo de cono mvil flotante u optimizante, es sencillo y de
fasil comprensin.
Para desarrollar el algoritmo de Lerchs y Grossman, toma bastante tiempo en
aplicarlo pero teniendo conocimientos del Software Excel, se hace rapido el desarrollo
de los clculos.
Ambos metodos son eficientes llegando al mismo resultado, pero el ACMFU, deja
la informacin de cmo extraer el material fase por fase, dando mayor informacin.
En cuestiones de tiempo o rapidez en que se quiera tener un resultado, se debe
recurrir a Softwares que permitan economizar u optimizar el tiempo.