UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERIA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA DE
MINAS

PROYECTO DE INVESTIGACION
MODELO DE PLANIFICACIN MINERA DE CORTO Y
MEDIANO PLAZO INCORPORANDO RESTRICCIONES
OPERACIONALES Y DE MEZCLA.
AUTOR:
BLAS TELLO JOSE MIGUEL.
FLORES VALERA VICTOR RAUL
ASESOR:
Ing. Jose Torrejon Zavaleta.
TRUJILLO PERU
2016

INDICE
CAPITULO I

GENERALIDADES

1.1 TITULO
1.2 AUTOR
1.2.1 NOMBRE
1.2.2 DIRECCION
1.3 ASESOR:
1.3.1 NOMBRE
1.3.2 GRADO ACADEMICO
1.3.3 TITULO PROFESIONAL
1.3.4 DIRECCION
1.4 TIPO DE INVESTIGACION
1.4.1 DE ACUERDO AL FIN QUE PERSIGUE
1.4.2 DE ACUERDO AL DISEO DE INVESTIGACION
1.5 REGIMEN DE INVESTIGACION
1.6 LOCALIDAD E INVESTIGACION DONDE SE DESARROLLARA EL
PROYECTO
1.6.1 LOCALIDAD
1.6.2 INSTITUCION
1.7 DURACION DE LA EJECUCCION DEL PROYECTO EN MESES
1.8 CRONOGRAMA DE TRABAJO
1.9 RECURSOS
1.9.1 PERSONAL
1.9.2 BIENES
1.9.3 SERVICIOS
1.10
PRESUPUESTO
1.11
FINANCIAMIENTO

CAPITULO II

PLAN DE INVESTIGACION

2.1 ANTECEDENTES Y JUSTIFICACIN DEL PROBLEMA

2.1.1 REALIDAD PROBLEMTICA
2.1.2 ANTECEDENTES

2.1.3 JUSTIFICACIN
2.2 PROBLEMA
2.3 OBJETIVOS
2.4 MARCO TERICO Y CONCEPTUAL
2.5 HIPTESIS
2.6 DISEO DE INVESTIGACIN
2.6.1 MATERIAL DE ESTUDIO
2.6.2 MATERIALES, EQUIPOS E INSTRUMENTOS
2.6.3 PROCESAMIENTO DE LA INFORMACIN
2.6.4 PRESENTACIN DE RESULTADOS
2.7 REFERENCIAS

CAPITULO I

GENERALIDADES

1.1 TITULO
MODELO DE PLANIFICACIN MINERA DE CORTO Y MEDIANO PLAZO
INCORPORANDO RESTRICCIONES OPERACIONALES Y DE MEZCLA.
1.2 AUTOR
1.2.1 NOMBRE:
BLAS TELLO JOSE MIGUEL.
FLORES VALERA VICTOR RAUL
1.2.2 DIRECCION: LLANOS ZAPATA 422 URB CHIMU
1.3 ASESOR:
1.3.1 NOMBRE: JOSE TORREJON ZAVALETA
1.3.2 GRADO ACADEMICO: TITULADO
1.3.3 TITULO PROFESIONAL: INGENIERO DE MINAS
1.3.4 DIRECCION: HUAMACHUCO JOSE OLAYA 808
1.4 TIPO DE INVESTIGACION
1.4.1 DE ACUERDO AL FIN QUE PERSIGUE: INVESTIGACION APLICADA
1.4.2 DE ACUERDO AL DISEO DE INVESTIGACION: EXPERIMENTAL

1.5 REGIMEN DE INVESTIGACION: ORIENTADA

1.6 LOCALIDAD E INVESTIGACION DONDE SE DESARROLLARA EL PROYECTO
1.6.1 LOCALIDAD: TRUJILLO
1.6.2 INSTITUCION: UNIVERSIDAD NACIONAL DE TRUJILLO
1.7 DURACION DE LA EJECUCCION DEL PROYECTO EN MESES: 12 MESES

1.8 CRONOGRAMA DE TRABAJO

Meses ABR. MAY. JUN.

Etapa
s
Sema
na

JUL. AGO. SET.

OCT

NOV.

DIC.

ENE. FEB. MAR. Dedic

n
Seman

1 2 3 4 1 2 34 1 2 3 4 1 2 3 4 1 2 34 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 (Horas

Recol
eccin
de
datos

30

Anlis
is de
result
ados

25

Elabor
acin
del
inform
e
cientfi
co

15

1.9 RECURSOS:

1.9.1

PERSONAL

1 INGENIERO ASESOR
1

1.9.2

Bachiller de Ingeniera de Minas UNT

BIENES

CLASIFICADOR
DE GASTOS

NOMBRE Y
CARACTERSTICA
TCNICA

EQUIPOS DE
ESCRITORIO

CANTIDAD

3500.00

3500.00

250.00

250.00

Escner Lexmark

200.00

200.00

Calculadora Casio CFX

9850 GB

50.00

50.00

TOTAL S./

4000.00

Impresora Lexmark

1.9.3

COSTO TOTAL
(S/.)
4000.00

Computadora Pentium IV

COSTO
UNITARIO
(S/.)

MATERIAL DE
ESCRITORIO

173.00

Papel Bond A4, 80 gr.

2 millares

23.00

46.00

Lapiceros Tinta liquida

2.00

8.00

Lpices de colores

2 docenas

8.00

16.00

Correctores

2.00

4.00

Resaltadores

1.50

3.00

Tinta para impresora

Lexmark X 83

32.00

96.00

SERVICIOS:

Biblioteca de la Escuela de Postgrado de la UNT

Hemeroteca de la Escuela de Ing. Minas, Metalurgia y Materiales -UNT.

CLASIFICADOR
DE GASTOS
5. 3. 11. 20

NOMBRE Y CARACTERSTICA
TCNICA

COSTO
UNITARIO
(S/.)

VIATICOS Y ASIGNACIONES

Pasajes y viticos

1.10

CANTIDAD

COSTO
TOTAL
(S/.)
5000.00

50

100.00

5000.00

PRESUPUESTO

CLASIFICADOR DE
GASTOS

NOMBRE Y CARACTERSTICA TCNICA

RECURSOS NO
DISPONIBLES

5.3.11.20

VIATICOS Y ASIGNACIONES

5000.00

5.3.11.30

BIENES DE CONSUMO

695.60

5.3.11.39

OTROS SERVICIOS DE TERCEROS

TOTAL S/.
1.11
FINANCIAMIENTO:
El costo total de la tesis es de S/. 9531.60 y ser autofinanciado

3836.00

9531.60

CAPITULO II
PLAN DE INVESTIGACION
2.1 Antecedentes y justificacin del problema
2.1.1 Realidad problemtica
Actualmente el proceso de planificacin minera de largo plazo conjuga grandes
volmenes de minerales con caractersticas geo metalrgicas promedio para ejecutar
la construccin de un programa de produccin que permita estimar el valor del
negocio minero. Cuando se enfrenta el proceso de planificacin de corto y mediano
plazo se debe materializar la secuencia de extraccin considerando factores
operacionales y el diseo de fases para lograr las metas de cobre fino, teniendo en
cuenta una serie de restricciones capacitarias y de mezcla que no fueron integradas o
consideradas en la planificacin minera de largo plazo. Esto se traduce en grandes
esfuerzos por parte del planificador minero de corto y mediano plazo, que a travs de
un proceso de prueba y error construye planes que sean capaces de cumplir las
restricciones de capacidades y geometalrgicas sin interferir sobremanera el
secuenciamianto previamente establecido.
En trminos generales las principales decisiones que conciernen a la vida de la mina
(LOM) son tomadas primero. Una vez dadas stas, otras decisiones son ejecutadas
en relacin al largo plazo (10 a 30 aos dependiendo del depsito). Luego,

considerando como fijos los resultados anteriormente obtenidos, se procede a

construir planes para el mediano plazo (usualmente hasta 5 aos) y sucesivamente
hasta llegar al detalle diario, pasando por la planificacin anual que compromete
directamente el presupuesto de operaciones. El proceso anterior es claramente
desintegrado e implica una enorme prdida de oportunidades asociadas al
desmembramiento de un problema que es en s mismo uno solo.
Esta estructura de anlisis conduce a que muchas minas sean diseadas para ser
explotadas de manera masiva, con grandes equipos y altos ritmos de produccin
debido al nivel de agregacin del modelo de recursos con el cual se calcula el plan de
largo plazo , sin tener en cuenta que la variabilidad mineralgica del cuerpo a ser
explotado podra requerir un grado de selectividad importante en la extraccin,
conduciendo finalmente a importantes discrepancias entre la planificacin de largo y
corto plazo, donde se enfrenta la variabilidad mineral real, generando brechas
considerables en la produccin de cobre fino tal como se expone a modo de ejemplo
en la Figura 1. Por otra parte las diferencias entre el diseo considerado en el plan de
largo plazo, el plan de produccin y el rendimiento operativo en el corto plazo, pueden
traducirse en incrementos de costos tanto de explotacin como de procesamiento de
minerales debido a los intentos de cumplir con las metas de cobre fino.
En la actualidad no existe un software disponible en el mercado que sea capaz de
soportar la planificacin de corto y mediano plazo incorporando restricciones
geometalrgicas y operacionales, que permita generar mltiples escenarios de
anlisis en un perodo razonable de tiempo, que permita al planificador minero
concentrar esfuerzos en estudios concienzudos de soluciones factibles en lo que se
refiere al secuenciamiento y extraccin de bloques y la confiabilidad asociada al

diseo, ms que en procesos manuales iterativos altamente demandantes en horas

de trabajo y a todas luces sub-ptimos.

2.1.2 Antecedentes
La planificacin minera de una gran mina a cielo abierto, es una tarea enorme y
compleja, particularmente para minas que tienen una vida de varios aos. Las
tcnicas de optimizacin pueden ser aplicadas con xito a la resolucin de un nmero
importante de problemas que surgen en la planificacin y administracin de una mina
(Caccetta et al. [6-7]).
El concepto de "Block Sequencing" o secuenciamiento de bloques, se basa en que el
problema de la generacin de un programa de produccin puede ser definido
especficamente como la secuencia en la que los bloques deben ser removidos desde
la mina con el objetivo de maximizar el beneficio total, calculado de acuerdo a los
objetivos estratgicos de la empresa, sujeto a una serie de restricciones fsicas y
econmicas. Este problema puede ser formulado utilizando programacin lineal
entera mixta. Sin embargo en aplicaciones reales esta formulacin es demasiado
extensa, en trminos tanto del nmero de variables como del nmero de restricciones,
para ser resuelto con algn software disponible de MILP (Programacin lineal entera
mixta). En consecuencia, surge la necesidad de dividir el problema, determinando en
primera instancia un pit final, para luego secuenciar los bloques contenidos en l
(Gaupp [13]).
En lo que sigue, se presenta la revisin de los progresos desde las tcnicas
tradicionales de resolucin a otras ms avanzadas que intentan resolver el problema

global de agendamiento y secuenciamiento en la extraccin de bloques, tomando

como punto de partida los desarrollos relativos al clculo de pit final para continuar
con los avances en los campos de secuenciamiento estratgico y tctico de bloques.
No se debe perder de vista que tal como Bixby et al. [2] sealan, el continuo aumento
en las capacidades de software y hardware, permiten pensar que en el mediano plazo
ser posible resolver el problema integrado.
La decisin estratgica de determinacin del pit final ptimo ha sido eficientemente
abordada utilizando el algoritmo de Lerchs-Grossman [19] (ver tambin Caccetta and
Giannini[5]). Estos mtodos estn basados en un modelo de bloques que caracteriza
a un cuerpo mineralizado, y son ampliamente utilizado en muchos paquetes de
software comerciales disponibles hoy en la industria minera, por ejemplo, Whittle,
Vulcan Optimizer, NPV Scheduler y Data Mine.
Alternativamente para el clculo del pit final existe el llamado algoritmo de Korobov
[17], quien trata de mejorar el algoritmo original propuesto por Pana [23] conocido
como el algoritmo de cono flotante. La tcnica consiste en una rutina que pregunta por
la conveniencia de extraer un bloque y su respectiva sobrecarga. Para esto el
algoritmo tradicional se posiciona sobre cada 29
Bloque de valor econmico positivo y genera un cono invertido, donde la superficie
lateral del cono representa el ngulo de talud. Si el beneficio neto del cono es mayor o
igual que un beneficio deseado, el cono se extrae, de lo contrario se deja en su lugar.
Posteriormente Dowd y Onur [12] corrigen el algoritmo, obteniendo soluciones en
menor tiempo que el algoritmo de Lerchs y Grossmann.

2.1.3 Justificacin
Un modelo de planificacin minera de corto y mediano plazo incorporando
restricciones operacionales y de mezcla, tiene su principal importancia en la
necesidad de poder formular de manera eficiente el plan de produccin, as como
tambin llevar el seguimiento y el control del mismo para poder proveer a la alta
gerencia de indicadores que permitan elaborar estrategias para la correccin de
posibles desviaciones del plan formulado.
2.2 Problema
Que formulacin matemtica nos permite modelar y soportar la planificacin de corto
y mediano plazo incorporando restricciones operacionales y de mezcla de mineral?
2.3 Objetivos
2.3.1 Objetivo general
El objetivo del trabajo que se presenta a continuacin consiste en desarrollar una
herramienta que permita evaluar mltiples escenarios de toma de decisiones para la
planificacin de corto y mediano plazo, integrando mezclas de mineral con diferentes
propiedades geo metalrgicas y operacionales.
2.3.2 Objetivos especficos
1. Desarrollo de una herramienta que permita realizar una agregacin ad-hoc o
inteligente de bloques en unidades bsicas de explotacin.

2. Implementar heursticas de clculo que permitan abordar el problema de

secuenciamiento y extraccin de bloques en un horizonte temporal de mediano plazo
(un ao).
3. Incorporar el manejo de stock piles y de material estril en el clculo del programa
de produccin.
4. Desarrollar una plataforma que permita aplicar el modelo de optimizacin
construido, sobre mltiples simulaciones del modelo de recursos, entregando una
herramienta que permita al planificador realizar anlisis de riesgo e incertidumbre en
los planes de corto y mediano plazo.
2.4 Marco terico y conceptual
Modelo de optimizacin para soportar la planificacin de corto y mediano plazo.
El problema minero de secuenciar y agendar la extraccin de bloques para el corto y
mediano plazo en una mina a cielo abierto, recibe como input un conjunto de bloques
con una posicin espacial especfica que junto con un tonelaje de stocks bien definido
caracterizan el volumen total de reservas mineras disponibles para ser extradas en
un nmero acotado de perodos. La formulacin matemtica que permite modelar este
problema cuenta con las siguientes componentes: variables de decisin, atributos,
restricciones y funcin objetivo, las que pasan a ser descritas a continuacin.
Variables de decisin:
Corresponden a los valores numricos que se quieren determinar para encontrar el
ptimo de la funcin objetivo explicita en el modelo de optimizacin. Para el problema
de secuencia miento minero estudiado representan las decisiones de minar o no un

bloque en un perodo determinado, y en el caso de hacerlo, la decisin de procesarlo

o no, adems del tonelaje del stock a procesar en cada perodo.

Atributos:
Corresponden a las caractersticas geometalrgicas de las reservas mineras, las que
en una operacin minera estn asociadas a dos fuentes:
Atributos de los bloques: Caractersticas del modelo de bloques que permiten
clasificar e identificar cada una de las unidades bsicas de explotacin, estos
incluyen; ley de cobre, densidad, destino y valores de atributos geometalrgicos, tales
como ciertos contaminantes.
Atributos de los stocks: Corresponden a las caractersticas asociadas al tonelaje de
los distintos tipos de stocks de mineral disponibles para remanejo, estos atributos
deben ser coherentes con los correspondientes a los bloques del modelo.
Restricciones:
Las restricciones del modelo permiten caracterizar el problema minero tanto desde el
punto de vista de la geometra de explotacin como de las capacidades de
procesamiento, transporte y concentracin de contaminantes factibles de enviar a
planta de procesamiento por perodo. En funcin de lo anterior podemos agrupar
estas restricciones en los siguientes tems:
Geomtricas: Garantizan la coherencia de la secuencia de extraccin de bloques
propuesta por la solucin del modelo de optimizacin en trminos operacionales, y
corresponden fundamentalmente a precedencias verticales o de ngulo de talud y a

precedencias horizontales o de conexidad en el avance en la extraccin desde las

rampas de acceso a una fase-banco
Capacidad: Representan los lmites impuestos por la operacin minera en trminos
del tonelaje que es posible procesar dada la capacidad instalada de la planta y el
tonelaje que es posible transportar con los equipos de carguo y transporte
disponibles en la mina en cada perodo.
Geometalrgicas: Imponen lmites mximos o mnimos para el valor promedio de
un atributo geometalrgico calculado sobre la mezcla de bloques extrados desde la
mina y el material proveniente de los stocks que alimenta la planta de procesamiento
en un determinado perodo de tiempo.

Funcin objetivo:
Para el horizonte temporal en estudio, corresponde a maximizar la cantidad de cobre
fino. Esto se justifica porque si bien la planificacin de largo plazo tpicamente se
encarga de maximizar el valor del proyecto, la planificacin de corto plazo y mediano
plazo apunta al objetivo de satisfacer las metas de produccin comprometidas en los
contratos adquiridos por la compaa, con lmites mximos o mnimos de ciertos
constituyentes qumicos crticos y tratando de controlar los costos.
Heursticas de resolucin
Con los objetivos de incrementar la velocidad de clculo para poder abordar el
horizonte temporal de un ao de planificacin y de representar de mejor manera la
operatividad de las soluciones, se desarrollaron en el contexto de esta investigacin

una serie de herramientas y heursticas para la resolucin del modelo de optimizacin

que se describen a continuacin.
Herramienta de agregacin
Una forma evidente de disminuir el nmero de variables a resolver por el modelo de
optimizacin de secuenciamiento y extraccin de bloques en el mediano y corto plazo
para una mina de cielo abierto, es tomar grupos de bloques y agregarlos de manera
de obtener un modelo final que contiene ahora macro-bloques que agrupan conjuntos
de bloques ms pequeos. Tradicionalmente esta agregacin, ms conocida como
rebloqueo, se realiza generando conjuntos agregados de dimensiones regulares, por
ejemplo, se pasa de bloques de dimensiones de 10x10x10 a macro-bloques de
30x30x30 donde cada macro-bloques contiene 27 de los bloques originales (ver
Figura ), en este caso atributos como leyes, contenidos de contaminantes e incluso la
naturaleza mineralgica de cada bloque (sulfuros, xidos, estril, etc.) son
promediados para obtener el valor final correspondiente al macro-bloque.
Esta forma de agregar bloques es til y eficiente para cuerpos mineralizados del tipo
porfdico, donde es posible apreciar grandes volumen de material con idnticas
caractersticas mineralgicas homogneamente distribuidos. Sin embargo para
yacimientos de ndole ms bien catica en lo que se refiere a la distribucin espacial
de litologas, esto podra no ser lo ms adecuado.

Figura: Metodologa tradicional de agregacin.

Estructura de grafos
Dado el nuevo escenario, que debe ser capaz de manipular macro-bloques irregulares
(MRU), nace la necesidad y oportunidad de conectar el arreglo espacial de MRU a
travs de un grafo. El objetivo de la implementacin del grafo es ordenar las
precedencias verticales y horizontales de modo de respetar los ngulos de talud y la
conexidad geomtrica de la solucin del optimizador a nivel de un banco. Adems
permite acotar el espectro de soluciones eliminando variables que pueden conducir a
soluciones factibles pero no conexas geomtricamente.
En trminos conceptuales un grafo es un conjunto, no vaco, de objetos llamados
nodos y una seleccin de pares de vrtices, llamados aristas que pueden ser
orientados o no. Tpicamente un grafo se representa mediante una serie de puntos
(los vrtices) conectados por lneas (las aristas). La aplicacin minera que se utiliza
en esta investigacin, consiste en asociar directamente un nodo con una MRU y los
vrtices a las conexiones generadas al identificar dentro de un radio los vecinos a
cada MRU (nodo), tal como se puede apreciar en la Figura.

Figura: Implementacin de estructura de grafos en modelo de bloques.

Mltiples accesos por fase-banco

Debido a la posibilidad real de existencia de ms de un acceso para una determinada

fase-banco, es conveniente clarificar la manera en que ser tratado este tem. Tal
como se esquematiza en la Figura 8, en caso de existir dos accesos para una fasebanco especfica, se proceder a dividir el espectro de bloques involucrados en la
optimizacin a travs de la lnea tangente entre dos arcos de circunferencia de radios
equivalentes medidos desde cada acceso.

Figura: Manejo de mltiples accesos por fase-banco.

2.5 Hiptesis
El modelo matemtico presentado en este investigacin corresponde a un problema
de programacin lineal entera mixta, donde el nmero de variables es O(N*T), donde
N es el nmero total de bloques del modelo geolgico de recursos y T es el nmero
de perodos en el cual las reservas mineras sern extradas, es decir, el nmero de
variables crece linealmente con el producto entre el nmero N de bloques y el
horizonte T de tiempo. Por su parte el nmero de restricciones es O(N2*T2). La

resolucin del modelo se efecta utilizando el algoritmo clsico de bifurcacin y

acotamiento (Branch & Bound).

2.6 Diseo de investigacin

2.6.1 Material de estudio
El modelo de optimizacin descrito en esta investigacin fue testeado tanto para un
horizonte temporal de planificacin de corto (Quater) como de mediano plazo
(Forecast), utilizando datos correspondientes a la mina San Catalina SAC. En el
primer caso los datos utilizados son los correspondientes al trimestre Julio a
Septiembre de 2014 y en el segundo al ao fiscal Julio 2014 Julio 2015.
En cuanto al recurso, ste corresponde a un depsito de prfido cuprfero,
mineralizado con xidos de cobre y sulfuros secundarios, y ms en profundidad se
encuentran sulfuros primarios. Las reservas estn estimadas en 310 millones de
toneladas de mineral de cobre con una ley promedio total de 1.14% a una ley de corte
de mineral de 0.30%. Estas reservas de mineral se dividen en 79 millones de
toneladas de mineral oxidado lixiviable en pilas con una ley de cobre total de 1.18% y
0.88% de cobre soluble en cido y 231 millones de toneladas de mineral sulfurado
bio-lixiviable en pilas con una ley de cobre total de 1.13%. La explotacin del
yacimiento se realiza mediante una mina a cielo abierto con una produccin
aproximada de 200,000 toneladas de ctodos de cobre al ao. Por su parte, presenta
una capacidad de movimiento de material desde la mina (estril + mineral) de 220,000

tpd, y una capacidad de planta de procesamiento de 50,000 tpd. A continuacin se

presenta el diagrama de flujo del proceso.
2.6.2 Materiales, equipos e instrumentos
* Software comercial ILOG CPLEX versin 10.2.

2.6.3 Procesamiento de la informacin

2.6.3.1 Proceso de planificacin
Compaa minera Santa Catalina SAC. Realiza el proceso de planificacin minera de
sus operaciones de manera secuencial, resolviendo en primera instancia el horizonte
temporal de largo plazo tipificado como LOA (Life of Asset), para luego en base a la
definicin de secuencia y fases otorgada por este clculo aumentar el nivel de detalle
en plan Budget, que considera un horizonte temporal de 2 aos. Con un nivel de
detalle mucho mayor se construye con frecuencia anual el plan Forecast. La
importancia de ste consiste en que compromete.Directamente el presupuesto de
operaciones de la empresa. Finalmente el plan trimestral Quarter se disea para
especificar los polgonos de extraccin semanales que sern abordados para alcanzar
efectivamente los tonelajes de movimiento mina y de procesamiento que garanticen el
cumplimiento de las metas productivas comprometidas en los contratos de venta de
metal de la compaa. La siguiente figura expone de manera esquemtica el
mecanismo secuencial involucrado en el proceso de planificacin.

Figura: Proceso de planificacin Compaa minera Santa Catalina SAC.

2.6.3.2 Estrategia de procesamiento de materiales
En trminos de la clasificacin geolgica, desde la mina se extraen cinco tipos de
materiales distintos, los cuales son: sulfuros, xidos, mixtos, ROM y estril. Para
efectos del estudio que se presenta en este documento, estas categoras se
encuentran explcitas como atributo de cada uno de los bloques del modelo de
recursos. Por otra parte en minera Spence existen dos campaas de procesamiento
de mineral, la de sulfuro y la de xido, las cuales se alternan por perodos de diferente
duracin, tal como es posible observar a modo de ejemplo en la Tabla 1 para el
perodo comprendido entre Julio y septiembre del 2014. Se considera que todo el
material clasificado como mixto est disponible para ser procesado junto con el
material de xido exclusivamente en campaa de xido, en tanto en la campaa de
sulfuro slo ser procesado material clasificado con este tipo de litologa, en tanto el
material ROM siempre se procesa.
Tabla 1: Campaas de procesamiento julio - Septiembre.

En trminos concretos la implementacin de dos campaas de procesamiento de

materiales significa que utilizando las mismas instalaciones de chancado durante
perodos de duracin definida se procesan slo sulfuros y en otros slo xidos.
2.6.3.3 Restricciones geometalrgicas.
La planta de procesamiento impone ciertas restricciones geometalrgicas para poder
obtener como resultado final el ctodo de cobre con la mxima recuperacin en las
pilas, garantizando de paso mxima eficiencia en el proceso. Las restricciones que
deben cumplirse son las siguientes:

Tabla 2: Restricciones Geometalrgicas.

La relevancia de cada uno de estos atributos pasa a describirse a continuacin:

CO3: Corresponde al contenido de carbonato. Esta variable est estrechamente
relacionada con el consumo de cido, el que a su vez tiene una implicancia directa en
el costo de este proceso. El mximo aceptable corresponde a 1.2 % promedio por
perodo.

Clacid: Corresponde a la cantidad de cloro en el proceso y slo se considera como

restriccin durante la campaa de sulfuros. El mximo aceptable corresponde a 0.8
kg/t. Esta variable est relacionada con la generacin de cido durante el proceso de
bio-lixiviacin, si se estn bio-lixiviando sulfuros la generacin excesiva de cido
clorhdrico puede provocar la muerte de las bacteria y de esta forma poner en riesgo
de manera catastrfica el proceso. Esto se debe a que el rango de pH de crecimiento
de estos microorganismos va desde 1.5 hasta 3.5, siendo el ptimo del orden de 2.3.
Mezcla: Corresponde al porcentaje de material arglico presente en el material a
procesar. En el modelo de bloques se representa como una variable de carcter
binario y se impone que en promedio el material que es enviado a la planta con esta
alteracin no sea mayor al 25%. Se considera que un porcentaje mayor pone en
peligro la percolacin en las pilas.
Finos_geomet: corresponde a una definicin de generacin de finos entregada por la
mina. La litologa que genera material fino perjudicial para los procesos aguas abajo
del chancado debe ser menor a un 20%. En especfico ingresar material fino o con un
potencial alto de generacin de finos al proceso de chancado, primario, secundario y
terciario provoca atollos en los chutes de traspaso, lo que provoca importantes
prdidas operacionales.
2.6.3.4 Base de datos
El modelo de optimizacin descrito en este trabajo, es vlido para cualquier horizonte
temporal de planificacin, sin embargo debido al enorme nmero de variables
involucradas en ejercicios de planificacin de largo plazo (Gran cantidad de perodos
y de bloques), se comprobar la aplicabilidad del modelo y su capacidad de entregar
soluciones en tiempos razonables para los horizontes de mediano y corto plazo de

minera Spence, correspondientes al Quarter y Forecast del calendario de

planificacin. El modelo de optimizacin se aplica ntegramente para cada horizonte
temporal, sobre la totalidad de las fase-banco disponibles para el perodo, lo que
responde a la visin de abordar el problema integrado y no aquel donde el modelo
tctico (mediano plazo), alimenta al operacional (Trimestral). Las bases de dato
correspondientes a cada ejercicio de planificacin se describen a continuacin. 59
Tanto el modelo de bloques correspondiente al horizonte temporal de Quarter, como el
de Forecast identificados en trminos de fechas especficas anteriormente, contienen
bloques regulares de 10x10x15 metros, donde cada uno de ellos se encuentra
caracterizado por una posicin espacial de coordenadas x, y, z adems de incluir la
informacin disponible respecto a tonelajes, leyes de cobre y atributos
geometalrgicos. Estos bloques aportan la informacin necesaria para realizar un plan
minero sujeto a restricciones de tonelaje y a lmites de contaminantes exigidos por la
planta de procesamiento.
Modelo de Bloques Quarter.
Para efectos de acotar el anlisis al horizonte temporal trimestral, se decide trabajar
con el conjunto de bloques correspondientes a las fase-banco involucradas dentro del
plan propuesto por el rea de planificacin de largo plazo de minera Spence (ver
Tabla 3), donde el color rojo representa la campaa de sulfuro, el verde la de xido y
el azul al pre-stripping. La estrategia de consumo de reservas del trimestral considera
operar entre Julio y agosto en campaa de sulfuro para pasar en septiembre a
campaa de xidos. Adems se estipula realizar el pre-stripping de las fases 4 y 5 en
estos tres meses.
Tabla 3: Configuracin de fases-banco del plan Quarter.

El modelo de bloques truncado contiene 9,976 bloques regulares de 10x10x15 metros

con informacin actualizada a partir de sondajes, sondajes operacionales, pozos de
tronaduras y mapeo geolgico de banco. A continuacin se presentan las estadsticas
bsicas de este modelo.

Tabla 4: Estadsticas bsicas modelo de bloques Quarter.

Se aprecia que el mayor tonelaje por tipo de material corresponde a sulfuros, lo que
es consecuente con la duracin de la campaa, desde julio hasta agosto. En esta
misma lnea los finos de cobre disponibles para el trimestre tambin provienen
mayoritariamente de los sulfuros, considerando tanto que el tonelaje como la ley
promedio son mayores para este tipo de mineral. Por otra parte vale la pena recordar
que la variable Clacid del modelo, tal como fue mencionado en el punto 4.3, slo se
encuentra restringida en las campaas de sulfuros.
Modelo de Bloques Forecast

En el caso del horizonte temporal correspondiente al plan minero Forecast, se trabaja

sobre la base de un modelo de bloques truncado que contiene el total de las fasebanco involucradas en el ao fiscal Julio 2014 Julio 2015, de acuerdo al plan minero
de largo plazo (ver Tabla 5), donde el color rojo representa la campaa de sulfuro, el
verde la de xido y el azul al pre-stripping. Es importante notar la diferencia en la
estrategia de consumo de reservas en trminos del acceso a fase-banco y distribucin
de campaas del plan Forecast en relacin al plan Quarter, ya que en el primero se
posterga el consumo del banco 1625 de la fase 3 en campaa de xidos hasta
noviembre del ao 2014. Estas diferencias se producen debido a ajustes que los
planificadores de corto plazo deben hacer en la estrategia de extraccin de reservas
determinada anteriormente para cumplir con las metas de cobre fino comprometidas.
Tabla 5: Configuracin de fases-banco del plan Forecast.

Se considerar la totalidad de los bloques asociados a la fase-banco involucradas en

el perodo para entregar un margen de accin amplio al modelo de optimizacin. Las
estadsticas bsicas del modelo de bloques truncado son expuestas en la Tabla 6.

Tabla 6: Estadsticas bsicas modelo de bloques Forecast.

Se aprecia un aumento considerable en el nmero de bloques que ingresarn como

input a la optimizacin (108,808 bloques de tamao 10 x 10 x 15 metros), en relacin
al caso del modelo trimestral, este universo de bloques involucra las fases de la 2 a la
6 y los bancos 1550 al 1715, y corresponde a un total global de tres aos de
movimiento mina. La posibilidad de abordar la problemtica asociada a este nmero
de bloques, un orden de magnitud mayor que en el caso Quarter, viene dada por las
mejoras implementadas en los tiempos de clculo del modelo de optimizacin, por la
herramienta de agregacin desarrollada y por la implementacin del modelo de
preseleccin. A diferencia de lo observado en el modelo trimestral, es posible apreciar
que aunque el volumen de material ms importante corresponde a la litologa de
sulfuros, este no concentra leyes de cobre mayores que los xidos.

Stocks disponibles
Minera Spence cuenta con 2 stocks en la plataforma de chancado y con 4 stocks por
material a proceso, los que se clasifican de la siguiente manera:
Stock de xido:
* Stock de xido de alta
Buena calidad (sin arglico)
Mala calidad (con arglico)
* Stock de xido de baja
Buena calidad (sin arglico)
Mala calidad (con arglico)
* Stock de sulfuro:
* Stock de sulfuro de alta
Buena calidad (sin arglico)
Mala calidad (con arglico)
* Stock de sulfuro de baja
Buena calidad (sin arglico)

 Mala calidad (con arglico)

Para realizar los planes manuales construidos tradicionalmente por el equipo de
planificacin de minera Spence, se utilizan los stocks expuestos, caracterizados por
promedios ponderados de los atributos geometalrgicos del modelo de bloques.
Para el estudio que se presenta en este trabajo se agrupan por simplicidad los stocks
anteriormente descritos en dos, de sulfuros y de xidos (ver Tabla 13). El tonelaje y la
ley de cobre de cada uno de los stocks, corresponden a datos del inventario de mina
Spence de Julio de 2008. Los valores promedio de los atributos geometalrgicos de
estos stocks fueron calculados como promedios ponderados por los tonelajes.
Tabla 7: Stocks base.

2.6.4 Presentacin de resultados

2.6.4.1 Parmetros de resolucin
El modelo de optimizacin considera la presencia de una serie de factores
ponderadores constantes, los cuales corresponden a parmetros de control de
aspectos crticos involucrados en el proceso de optimizacin. Los parmetros de
resolucin de mayor relevancia son:

 FMM: Saturacin de capacidad de transporte, en trminos fraccionarios

corresponde a la porcin de la capacidad de movimiento mina que debe al menos ser
saturada. La capacidad de movimiento mina est definida por el perfil de equipos
disponibles para un horizonte de planificacin, y su disponibilidad mecnica. La
necesidad de definir este factor viene dada por la estructura de la funcin objetivo,
que concentra esfuerzos en la maximizacin de cobre fino recuperado, dejando por lo
tanto de lado el tem de remocin de lastre, el que de todas maneras debe ser
considerado para garantizar el pre-stripping de las fases que en el futuro entrarn en
produccin, esto es una consecuencia de que se est trabajando con un modelo de
bloques acotado a un horizonte temporal especfico, definido a partir del proceso de
planificacin estratgico de largo plazo, y no con el correspondiente a la vida total de
la mina.
TL: Control geomtrico, permite garantizar la conexidad geomtrica de las
soluciones imponiendo que en un camino de mnima distancia dentro del grafo de
precedencias horizontales se cuenta con un mximo de TL perodos para una vez
extrado un nodo, extraer el siguiente. En trminos simples corresponde a la
diferencia temporal entre la extraccin de un bloque y sus vecinos.
Sc: Stock a Cola, es un factor binario que se encarga de activar o desactivar la
capacidad del modelo de procesar un bloque en un perodo distinto al que lo mina. En
el caso de activar esta restriccin los bloques que son minados en un perodo deben
ser procesados en el mismo, esto supone que los bloques de mineral no procesados
irn a la "cola" del stock base.
Adems de los factores anteriormente descritos que se encuentran explcitos en el
modelo de optimizacin, existen otros que tambin influyen en los resultados. Estos

en particular corresponden al ngulo de talud y al tamao de las ventanas de

resolucin. El primero se fija en la plataforma de generacin de los ngulos de
precedencias horizontales, en tanto el segundo condicionar de manera directa el
tiempo de clculo del modelo y corresponde al nmero de perodos de la ventana de
clculo de optimizacin. Esta manera parcelada de resolver el problema podra
conducir a soluciones demasiado alejadas del ptimo. Sin embargo tamaos de
ventanas adecuados (definidas de acuerdo a ajustes experimentales) permiten
obtener un gap menor al 5% en relacin a la solucin ptima del problema global, el
cual corresponde al mximo aceptado en este estudio dada la utilizacin de la
heurstica de ventanas. Conceptualmente el gap corresponde al porcentaje mximo
de diferencia entre el valor de la funcin objetivo de la solucin factible encontrada y
la solucin ptima del problema de optimizacin. A modo de ejemplo, una solucin
con funcin objetivo de valor 100 con gap del 5% implica que, si bien pueden existir
soluciones mejores que sta, ninguna tiene un valor mayor a 105.

2.7 Referencias.
1. Akaike A., Dagdelen K. (1999). A strategic production scheduling method for an
open pit mine. In C. Dardano, M. Francisco, and J. Proud, editors, Proc. of the 28th
Intern. Symp. on Application of Computers and Operations Research in the Mineral
Industry (APCOM), Golden, p. 729738.
2. Bixby R., Fenelon M., Rothberg E., Wunderling R. (2000). MIP: Theory and practice
closing the GAP. In M. J. D. Powell and S. Scholtes, (eds.), System Modelling and
Optimization: Methods, Theory, and Applications, p. 19-49. Kluwer Academic
Publishers.
3. Boland N., Dumitrescu I., Froyland G., Gleixner A. (2009). LP-based disaggregation
approaches to solving the open pit mining production scheduling problem with block
processing selectivity. Computers and Operations Research, Vol. 36, No. 4, p. 1064
1089.
4. Cacceta L., Hill S. (2003). An application of branch and cut to open pit mine
scheduling. Journal of Global Optimization, 27, p. 349-365.
5. Caccetta L., Giannini L. (1986). "Optimization Techniques for the Open Pit Limit
Problem", Proc. Australas. Inst. Min. Metall. 291, p. 5763.

6. Caccetta L., Giannini L., Kelsey P. (1998). "Application of Optimization Techniques

in Open Pit Mining", Proceedings of the Fourth International Conference on
Optimization Techniques and Applications (ICOTA98) (L. Caccetta et al. Editors.), Vol.
1, P. 414422. (Curtin University of Technology: Perth, Australia).
7. Caccetta L., Kelsey P., Giannini L. (1998). "Open Pit Mine Production Scheduling, in
A.J. Basu, N. Stockton and D. Spottiswood (Eds.)", Computer Applications in the
Minerals Industries International Symposium (3rd Regional APCOM), Austral. Inst.
Min. Metall Publication Series 5, p. 6572.
8. Cai W. L. (2001). "Design of open-pit phases with consideration of schedule
constraints". Proceedings of the 29th International Symposium on Computer
Applications in the Mineral Industries, p. 217-221.
9. Dagdelen K., Johnson T. (1986)." Optimum Open Pit Mine Production Scheduling by
Lagrangian Parameterization", in: Proc. 19th APCOM Symposium of the Society of
Mining Engineers (AIME), p. 127142.
10. Denby B., Schofield D. (1995). "The Use of Genetic Algorithms in Underground
Mine Scheduling", in: Proc. 25th APCOM Symposium of the Society of Mining
Engineers (AIME, New York), p. 389394.

11. Dimitrakopoulos R., Farrelly C. T., Godoy M. (2002). "Moving forward from
traditional optimization: Grade uncertainty and risk effects in open-pit design".
Transactions of the IMM, Section A Mining Industry, vol. 111, p. A82-A89.

12. Dowd P. A., Onur A. H. (1992). "Optimizing open pit design and sequencing".
Proceedings of the 23th Symposium on the Application of Computers and Operations
Research in the Mineral Industry, 42, p. 411-422.
13. Gaupp M., (2008). "Methods for improving the tractability of the block sequencing
problem for an open pit mine". Phd Thesis, Division of Economics and Business,
Colorado School of Mines p. 15-22.
14. Gershon M., (1987). "Heuristic Approaches for Mine Planning and Production
Scheduling", Int. Journal of Mining and Geological Engineering 5, p. 113.
15. IBM ENTERPRISES. IBM ILOG CPLEX Optimizer performance benchmarks [en
lnea] <http://www-01.ibm.com/software/integration/optimization/cplex-optimizationstudio/cplex-optimizer/cplex-performance/> [consulta : 23 Agosto 2011]
16. Jonhson T. (1969). "Optimum open-pit mine production scheduling". A Decade of
Digital Computing in the Mineral Industry A Review of the State-of-the-Art, p. 539562.
17. Korobov S. (1974). Method for determining optimal open pit limits. Technical
report, Dept of Mineral Engineering, Ecole Polytechnique de Montreal, Canada, p. 113.
18. Land A., Doig A. (1960). "An automatic method for solving discrete programming
problems". Econometrica 28, p. 497-520.
19. Lerchs H., Grossmann I. F. (1965). "Optimum Design of Open Pit Mines", Canad.
Inst. Mining Bull. 58, p. 4754.
20. Morales C., Rubio E. (2010). "Development of a mathematical programming model
to support the planning of short-term mining", Proc. of the 34th Intern. Symp. on

Application of Computers and Operations Research in the Mineral Industry (APCOM),

Vancouber, Canada, p. 3-15.
21. Newman A., Rubio E., Caro R., Weintraub A. (2007). "A Review of Operations
Research in Mine Planning, Workshop on Operations Research in Mining", p. 1-13.
22. Nicholas G., Coward S., Ferreira J. (2008). "Financial risk assessment using
conditional simulations in an integrated evaluation model", Eighth International
Geostatistics Congress, Chile, p. 1-17

23. Pana M. (1965). The simulation approach to open-pit design. Short Course and
Symposium on Computers Applications in Mining and Exploration ZZ, College of
Mines, University of Arizona, Tucson, Arizona, p. 1-24.
24. Ramazan S. (2007). The new fundamental tree algorithm for production
scheduling of open pit mines. European Journal of Operational Research, Vol. 177,
No. 2, p. 11531166.
25. Rubio E. (2006). "Block cave mine infrastructure reliability applied to production
planning". Thesis (Ph. D.). Vancouver, Canada. The University of British Columbia.
The Faculty of Graduate Studies (Mining Engineering).
26. Sevim H., Lei D. (1998). The problem of production planning in open pit mines.
Information Systems and Operational Research (INFOR) Journal , Vol. 36, No. 1-2, p.
112.
27. Smith M. L. (1998). "Optimizing short-term production schedules in surface mining
Integrating mine modeling software with AMPL/CPLEX". International Journal of
Surface Mining, Reclamation and Environment, 12, p.149-155.

28. Troncoso F. (2009). "Modelo de planificacin de corto plazo aplicado a la mina

Spence". Memoria para optar al ttulo de Ingeniero Civil de Minas, Facultad de
Ciencias Fsicas y Matemticas, Departamento de Ingeniera de Minas, Universidad
de Chile, p. 45-67.
29. Whittle J. (1998). "Four-X User Manual", Whittle Programming Pty Ltd., Melbourne,
Australia, p. 12-23.