Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programación Entera Estocástica para La Optimización de La Planeación Minera de Un Depósito Masivo de Sulfuros de Cobre y Molibdeno PDF
Programación Entera Estocástica para La Optimización de La Planeación Minera de Un Depósito Masivo de Sulfuros de Cobre y Molibdeno PDF
•
•
•
•
•
ESTIMACIÓN RECURSOS
Y RESERVAS
GEOMETRIA
FINAL/ULTIMATE PIT
LIMITS/PIT SHELL
SECUENCIAMIENTO
CAPEX Y OPEX INICIAL(PITS ANIDADOS,
MILAWA, ETC.)
SIMULACIÓN GEOESTADÍSTICA DE
INCERTIDUMBRE GEOLÓGICA
CUERPOS MINERALES
• Los modelos estimados generan un único modelo que se asume como
verdad absoluta.
• El desconocimiento implícito del comportamiento de los depósitos
minerales conlleva a desviaciones entre lo estimado y la realidad.
SIMULACIÓN
ESTIMACIÓN
GEOESTADÍSTICA
ESTIMACIÓN
Y SIMULACIÓN
GEOESTADÍSTICA DE
RECURSOS Y RESERVAS
Dimensiones: 20 x 20 x 10
SIMULACIÓN
ESTIMACIÓN
GEOESTADÍSTICA
ESTIMACIÓN
Y SIMULACIÓN
GEOESTADÍSTICA DE
RECURSOS Y RESERVAS
MODELO SECUENCIA LoM ALCANZAREMOS
PRODUCCIÓN Y VPN
DETERMÍNISTICO DETERMINÍSTICA ESTAS METAS?
3.5E+09
SIMULACIÓN n
3E+09
2.5E+09
2E+09
1.5E+09
1E+09
500000000
0
1 3 5 7 9
MINIMIZAR DESVIACIONES
DE PRODUCCIÓN
MINIMIZAR COSTOS DE
DESVIACIÓN
Optimización de planeación minera para complejos mineros:
𝓢∪𝓟∪𝓜 𝕋 ℍ 𝕊 𝓢∪𝓟∪𝓜 𝕋 ℍ 𝕊
𝟏
𝑴𝒂𝒙 𝒇(𝚽) = 𝑽𝒊𝒕𝒉𝒔 𝑷𝒊𝒕𝒉 − 𝑪𝒖𝒊𝒕𝒉 𝑫𝒖𝒊𝒕𝒉𝒔 + 𝑪𝒍𝒊𝒕𝒉 𝑫𝒍𝒊𝒕𝒉𝒔
𝕊
𝒊 𝒕 𝒉 𝒔 𝒊 𝒕 𝒉 𝒔
• Stockpiles (𝓢)
• Plantas de procesamiento (𝓟)
• Minas (𝓜)
• Periodos 𝕋
• Atributos Hereditarios ℍ -> Calidades, costos de procesamiento, Ingresos por venta, consumo energético, etc.
• Valor de Atributos Hereditarios V -> cada atributo hereditario puede ser valorado dentro del proyecto por funciones
diferentes
• Simulaciones de cuerpo mineral o escenarios 𝕊
• Tasa de descuento financiero y tasa de descuento de riesgo P D
• Costos por desviación superior(u) e inferior (l) C
Variables de decisión:
Se modelaron las restricciones tanto físicas como operativas: El problema fue modelado como una optimización multi-objetivo
y múltiples vecindades. Cada variable de decisión optimizará un
• Restricción de reservas sector del problema de planeación de complejos mineros.
• Capacidad de extracción de la mina
• Capacidad de procesamiento de planta • Secuencia de extracción:
• Capacidades de Stockpiles y patios de mezcla Donde y cuando se hará minería.
• Ángulo de Talud máximo • Políticas de Destino:
• Costos de oportunidad máximo Los bloques minados como serán clasificados a partir de sus
atributos y a donde serán destinados.
• Corrientes de Procesamiento:
Complejos mineros suelen tener diferentes pilas y patios, minas y
plantas que abastecen a otras pilas, patios y plantas.
Las tasas de distribución entre nodos que reciben y envían.
Esquema de cadena de valor mineral para Complejo Minero modelado en caso de estudio:
2E+09
1.5E+09
2.881E9
1E+09
500000000
0
1 2 3 4 5 6 7 8 9 10
16000000 14000000
12000000
14000000
10000000
12000000
8000000
10000000
6000000
8000000 4000000
6000000 2000000
1 2 3 4 5 6 7 8 9 10 1 2 3 4 5 6 7 8 9 10
SA P10 SA P50 SA P90 E-TYPE Capacity SA P10 SA P50 SA P90 E-TYPE Capacity
Tonelaje enviado a planta de alta ley Tonelaje enviado a planta de baja ley
• Diseñar modelos de optimización para complejos mineros permite a los stakeholders tomar decisiones con modelos no
simplificados.
• El plan estocástico además de generar una solución con mayor valor presente neto, 14% con respecto al plan
determinístico, permite conocer cuanta es la probabilidad de lograr dicho plan.
• Este conocimiento del comportamiento del riesgo geológico en la actividad minera-metalúrgica empodera a los
stakeholders a reportar el valor LoM con cierto nivel de certeza de que serán logrados.
• Controlar la incertidumbre geológica permite enfocar los esfuerzos de optimización en un punto de equilibrio entre
micro y macro-management.
• Modelos no simplificados permiten incluir variables operativas permitiendo a la secuencia de bloques ser ejecutable
en fases posteriores de diseño minero y secuenciamiento de fases.
• Planes con manejo de riesgo contienen la flexibilidad necesaria para que en el corto plazo la ejecución cuente con
herramientas suficientes para que las decisiones como las políticas de destino y/o ratios de corrientes de
procesamiento no se alejen del plan.
Para mayor profundización de los conceptos y métodos aplicados referirse a:
• Goodfellow, R. C., & Dimitrakopoulos, R. (2016). Global optimization of open pit mining complexes with uncertainty.
Applied Soft Computing Journal, 40, 292–304. https://doi.org/10.1016/j.asoc.2015.11.038