Metodología de Planificación de La Producción de Minas A Cielo Abierto Considerando PDF

UNIVERSIDAD DE CHILE
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

DEPARTAMENTO DE INGENIERÍA DE MINAS
METODOLOGÍA DE PLANIFICACIÓN DE LA PRODUCCIÓN DE MINAS

A CIELO ABIERTO CONSIDERANDO PLANES ALTERNATIVOS
TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN MINERÍA
DAVID ESTEBAN MENESES RENDIC
PROFESOR GUÍA:
ENRIQUE JÉLVEZ MONTENEGRO
MIEMBROS DE LA COMISIÓN:
NELSON MORALES VARELA (COGUÍA)
JOSÉ DELGADO VEGA (INTEGRANTE)
MOHAMMAD MALEKI (INTEGRANTE)
SANTIAGO, CHILE
2019
RESUMEN TESIS PARA OPTAR AL
GRADO DE: Magíster en Minería
POR: David Meneses Rendic
FECHA:02/08/2019
PROFESOR GUÍA: Enrique Jélvez Montenegro
METODOLOGÍA DE PLANIFICACIÓN DE LA PRODUCCIÓN DE MINAS A CIELO ABIERTO

CONSIDERANDO PLANES ALTERNATIVOS
La minería a cielo abierto se caracteriza por ser operacionalmente flexible si es comparada con la
minería subterránea y, en general, logra ser altamente productiva. En este contexto, la planificación
toma un rol preponderante en llevar este tipo de operaciones a las más altas rentabilidades en un
entorno de riesgo controlado. A nivel estratégico, las decisiones deben estar orientadas a identificar
cualquier evento que podría afectar el futuro de la operación minera, por lo que uno de los factores
que más atención recibe, es el precio de venta del commodity. El problema es que el
comportamiento de esta variable exógena es muy difícil de predecir en el mediano y largo plazo,
por lo que han surgido innumerables intentos, tanto por predecir su valor esperado, como por
manejar su variabilidad. Bajo este enfoque, entendemos la flexibilidad como la mejor forma que
tiene el plan de producción de adaptarse a los cambios en el precio. La metodología propuesta por
este trabajo se compone de 5 etapas: realizar el plan minero de manera tradicional o inflexible,
simular el precio de commodity, proponer diferentes capacidades alternativas de planta y mina,
optimizar las diferentes capacidades mina y planta como opciones al cambio en el precio del
commodity y elaborar posibles planes alternativos. En este trabajo se realizaron dos casos de
estudio
El primer caso de estudio tiene fines conceptuales y es usado para probar un primer modelo de
optimización basado en el concepto de opciones que consideran una combinación de capacidades
mina-planta a través de 50 simulaciones del precio del commodity. Los resultados muestran que la
metodología logra disminuir el riesgo por medio de la mejora del indicador VaR en un 6% y 11%
para los planes alternativos comparados con el caso base.
El segundo caso de estudio es una aplicación a un yacimiento de proporciones reales en el cual se
hicieron innovaciones en varios aspectos con respecto al primer caso de estudio, donde cada opción
en este caso de estudio representa la capacidad de un proceso mina o planta en periodos de tiempo
de 5 años. Se ocuparon un total de 99 simulaciones del precio de venta de commodity para generar
sus respectivos planes de producción flexibles y planes de producción inflexibles los cuales se
compararon, demostrándose que en términos evaluativos los planes flexibles superaron en 5% en
valor del VaR, por ende, se comprueba a escala tridimensional que la flexibilidad en los planes
logra disminuir el riesgo. El paso siguiente fue generar los planes alternativos encontrándose 10 en
total, bajo criterios de factibilidad en la combinatoria de capacidades por quinquenio. A través de
los índices Probabilidad promedio y valor económico se determinó que el plan alternativo N°4
como elección para el proyecto minero ya que aumentaba el VAN del proyecto en 13% y su
probabilidad de ejecución en promedio era superior al 35%.
i
ABSTRACT
Surface mining, instead of underground mining, is distinguished by being operationally flexible

and highly productive. Therefore, planning has the main responsibility for leading this kind of
operation to the highest controlled risk profitability. At the strategic level, decision-making must
be oriented to identify whichever factors that could affect the future of the mining operation. The
commodity retail price, one of these factors, is a hardly predictable exogenous variable in the mid
and long term. That is why many attempts for both predicting its expected price and managing its
variability have emerged. According to this, flexibility emerge as the better way for production
planning to adapt itself to changes of the price. The methodology proposed by this assignment is
about 5 stages: execute the mining plan as its traditional and inflexible version, simulate the
commodity price, propose different alternative capacities for plant and mine, optimize these plant
and mine different capacities as options based on the changes of the commodity price; and prepare
alternative plans for implementation. In this paper, two case studies were made.
The aim of the first case study is to provide a conceptual frame, and to be used as a demonstration
of the first optimization model, which is based on options that consider a mine-plant blended
capacities through 50 commodity price simulations. The result shows that, comparing to the base
case, methodology can reduce the risk by means of the improvement of the VaR indicator in 6%
and 11% for alternative plans.
The second case study is an implementation to a real proportion deposit. Innovations were made in
various aspects, regarding the first case, where each option represents the mine or plant process
capacity in periods of 5 years. 99 commodity retail price simulations have been done to generate
its respective flexible and inflexible production plans. Both plans were compared with each other
proving that, in evaluative terms, flexible plans surpass in 5% the VaR, and so verifying that
flexibility in a three-dimensional scale can reduce the risk. The next step was to generate alternative
plans, having 10 in total under feasibility criterion due to combinatorial capacities by
quinquennium. Through the rate of average probability and economic value, it was selected the
alternative plan N°4 for the mining plan because it increase the project VAN in 13% and its
execution probability is over 35% on average.
ii
AGRADECIMIENTOS
En primer lugar, quiero agradecer a Dios y a la vida por tener la oportunidad de realizar estudios
de post grado y culminar esta etapa habiendo tenido esta experiencia profesional como personal
que quedará guardada para siempre en mi memoria.
Quiero extender un enorme agradecimiento al profesor Enrique Jélvez por la constante guía a través
del proceso de creación, corrección y perfeccionamiento de este trabajo de titulación, ofreciéndome
siempre parte de su tiempo y dedicación para que esto tuviera éxito.
También debo agradecer al profesor Nelson Morales por las ideas, y al Laboratorio de Planificación
Minera DELPHOS por el apoyo, las herramientas y las actividades académicas y de camaradería
durante mi estadía en la universidad.
A la Universidad de Antofagasta, y el profesor José Delgado por haber confiado en mí y financiar
mis estudios, apostando al futuro de la enseñanza en minería en el norte de Chile. También al prof.
Mohammad Maleki por haber aceptado ser parte de la comisión.
A mis amigos de la universidad: Marcos, Roberto, Mauricio, Nick, chino y compañeros de
universidad que hicieron grata las largas horas de estudio y relajo.
A todas esas personas que aportaron de manera indirecta y definitiva en el proceso de creación de
este trabajo.
iii
TABLA DE CONTENIDO
CAPITULO 1 ................................................................................................................................................1
1. INTRODUCCIÓN................................................................................................................................1
1.1. PREAMBULO ..................................................................................................................................1
1.1.1. PLANIFICACIÓN MINERA ..................................................................................................1
1.1.2. RIESGO EN PLANIFICACIÓN MINERA ...........................................................................3
1.1.3. ANÁLISIS DE RIESGO EN MINERÍA ................................................................................4
1.1.4. VALUE AT RISK (VAR) ........................................................................................................5
1.1.5. FLEXIBILIDAD.......................................................................................................................6
1.1.6. SIMULACIÓN DE PRECIOS ................................................................................................7
1.2. MOTIVACIÓN.................................................................................................................................8
1.3. OBJETIVOS ...................................................................................................................................10
1.3.1. OBJETIVO GENERAL.........................................................................................................10
1.3.2. OBJETIVOS ESPECÍFICOS ...............................................................................................10
1.4. ALCANCES DEL TRABAJO .......................................................................................................11
1.5. METODOLOGÍA GENERAL DE ESTUDIO ............................................................................12
1.5.1. PLAN MINERO TRADICIONAL .......................................................................................12
1.5.2. SIMULACIÓN DE PRECIO DEL COMMODITY..............................................................17
1.5.3. PROPONER DIFERENTES CAPACIDADES ALTERNATIVAS DE PLANTA Y
MINA 19
1.5.4. OPTIMIZAR LAS DIFERENTES CAPACIDADES MINA Y PLANTA COMO
OPCIONES AL CAMBIO EN EL PRECIO DEL COMMODITY...................................................20
1.5.5. PLANES ALTERNATIVOS .................................................................................................21
1.6. BÚSQUEDA BIBLIOGRÁFÍA .....................................................................................................22
1.6.1. ENFOQUE DETERMINISTA ..............................................................................................22
1.6.2. OPCIONES REALES ............................................................................................................25
1.6.3. APLICACIÓN DE OPCIONES REALES A DISEÑOS DE INGENIERÍA .....................26
1.6.4. CONTROL ÓPTIMO ............................................................................................................28
1.6.5. PLANIFICACIÓN MINERA BAJO INCERTIDUMBRE USANDO
PROGRAMACIÓN MATEMÁTICA ..................................................................................................30
2. RESULTADOS ...................................................................................................................................33
2.1. ARTICULO: METODOLOGÍA DE PLANIFICACIÓN MINERA A CIELO ABIERTO
CONSIDERANDO PLANES ALTERNATIVOS .......................................................................................33
2.2. CASO ESTUDIO N°2 ....................................................................................................................46
2.2.1. ANÁLISIS DE RESULTADOS ............................................................................................76
iv
3. CONCLUSIONES Y TRABAJOS FUTUROS ................................................................................79
4. BIBLIOGRAFÍA ................................................................................................................................83
ANEXO 1: DETERMINACIÓN CAPACIDADES MINA Y PLANTA SEGÚN REGLA DE TAYLOR87
ANEXO 2: DETERMINACIÓN COSTOS PLANTA POR OPCIÓN .......................................................88
ANEXO 3: MODELO DE OPTIMIZACIÓN DE AGENDAMIENTO .....................................................94
ANEXO 4: COMBINACIÓN DE CONFIGURACIONES MINA-PLANTA ............................................99
Índice de Tablas
Tabla 1 Ejemplo Probabilidad de ejecución de una opción por cada escenario ...........................................37
Tabla 2: Parámetros pit final ........................................................................................................................46
Tabla 3:Opciones mina .................................................................................................................................51
Tabla 4:Opciones planta ...............................................................................................................................52
Tabla 5:Costo planta por opción ..................................................................................................................54
Tabla 6: Parámetros distribución de valor planes inflexibles y flexibles......................................................55
Tabla 7:Frecuencia de opciones mina ..........................................................................................................55
Tabla 8:Frecuencia de opciones planta ........................................................................................................56
Tabla 9:Ranking opciones mina ....................................................................................................................57
Tabla 10:Ranking opciones planta................................................................................................................58
Tabla 11:Configuraciones planes alternativos .............................................................................................58
Tabla 12:Configuración plan alternativo N°1 ..............................................................................................61
Tabla 13:Configuración plan alternativo N°2 ...............................................................................................62
Tabla 21: Configuración plan alternativo N°10 ............................................................................................75
Tabla 22:Probabilidad promedio y valor económico en cada plan alternativo ...........................................76
Tabla 23: Parámetros determinación vida útil, capacidad mina y planta mediante regla de Taylor ...........88
Tabla 24: Capacidad de alimentación planta diaria por opción ...................................................................88
Tabla 25:Calculo costos planta parte 1 ........................................................................................................91
Tabla 26:Cálculo de costos planta parte 2 ...................................................................................................92
Tabla 27:Cálculo de costos planta parte 3 ...................................................................................................93
Tabla 28: Ranking opciones mina .................................................................................................................99
Tabla 29:Ranking opciones planta................................................................................................................99
Tabla 30:Posibles combinaciones de configuraciones mina-planta parte 1 ..............................................100
Tabla 31:Posibles combinaciones de configuraciones mina-planta parte 2 ..............................................100
Tabla 32: Combinación de configuraciones #1 ..........................................................................................101
Tabla 33: Combinación de configuraciones #2 ..........................................................................................101
Tabla 34:Combinación de configuraciones #3 ...........................................................................................102
v
Tabla 41:Combinación de configuraciones #10 .........................................................................................105
Tabla 68: Combinación de configuraciones factibles .................................................................................119
vi
Índice de ilustraciones
Figura 1:Fuentes de incertidumbre en proyectos mineros (Mayer y Kasakidis 2007) ...................................3
Figura 2: Probabilidad acumulada producto de simulación monte carlo (Cerda 2009) .................................5
Figura 3: Proceso tradicional de planificación..............................................................................................12
Figura 4: Gráfico pit by pit ............................................................................................................................15
Figura 5: Simulación precio de commodity mediante técnica Montecarlo .................................................18
Figura 6: Curva tonelaje ley ..........................................................................................................................46
Figura 7: Gráfico pit by pit caso de estudio ..................................................................................................47
Figura 8: Selección de fases..........................................................................................................................48
Figura 9: Plan de producción minero tradicional .........................................................................................49
Figura 10: Simulación precio commodity caso estudio ................................................................................49
Figura 11: Simulación precio quinquenal commodity ..................................................................................50
Figura 12: Costo mina según profundidad ...................................................................................................53
Figura 13:Precio promedio commodity........................................................................................................59
Figura 14: Plan de producción quinquenal - Caso base................................................................................60
Figura 15: Plan de producción quinquenal - Plan alternativo N°1 ...............................................................61
Figura 16: Plan de producción quinquenal - plan alternativo N°2 ...............................................................63
Figura 24: Plan de producción quinquenal - Plan alternativo N°10 .............................................................75
Figura 25: Plan de producción quinquenal elegido ......................................................................................78
Figura 26: Gráfico de producción mina quinquenal por rangos ...................................................................81
Figura 27:Operación óptima por nivel de reservas (Gravet 2003) ...............................................................82
vii
CAPITULO 1
1. INTRODUCCIÓN
1.1. PREAMBULO
El presente trabajo aborda el problema de planificación de la producción en operaciones mineras a

cielo abierto considerando incertidumbre en el precio del commodity. Para poder desarrollar
apropiadamente este trabajo, se tuvo que ahondar en diversas temáticas, las cuales se describen a
continuación de manera introductoria.
1.1.1. PLANIFICACIÓN MINERA
La planificación es uno de los procesos fundamentales en la cadena de valor del negocio minero
debido que determina la porción del yacimiento que será extraído y procesado, siendo la base para
plantear una operación minera como negocio buscando cumplir con los objetivos de los dueños.
De acuerdo con Horsley (2002) el proceso de planificación minera puede ser separado en cuatro
componentes:
Planificación estratégica: se refiere a la elección de los métodos de explotación, capacidad

mina y capacidad de procesamiento sincronizando el mercado con los recursos
disponibles y la misión y visión de la compañía.
Plan de negocios: Este plan busca coordinar a todas las divisiones y departamentos de la
compañía dentro del marco generado por la planificación estratégica estableciendo una
dirección corporativa, objetivos y un plan de acción
Plan anual: Este plan se centra en el presupuesto anual, soportando el agendamiento de

actividades y planes de corto plazo a nivel corporativo
Plan minero: Es un tipo de plan enfocado solamente a nivel de mina que se centra en la
adquisición de nuevos recursos mineros, el desarrollo de proyectos y la administración de
producción.
Por otra parte, en función de la temporalidad que se requiere en términos del tamaño de las
tareas, mineral a extraer o tiempo requerido dentro del plan minero, este se descompone en
diferentes horizontes de evaluación:
• Largo plazo: Define una envolvente económica en función de los recursos mineros
disponibles, sobre la cual se plantea un plan minero anual, estableciendo el tamaño de la
mina, la arquitectura de la mina, sistema minero, secuencia de explotación, y el perfil de
leyes de corte.
1
• Mediano plazo: Con un horizonte de evaluación anual y mensual hasta dos años, produce
planes de producción orientados a obtener las metas productivas en el corto plazo definidas
en el largo plazo. Permite asegurar el presupuesto de operaciones y
retroalimentar la planificación de largo plazo.
• Corto plazo: El horizonte de tiempo de esta planificación es diario, semanal, mensual y

trimestral con el fin de analizar los recursos utilizados en la operación de la mina y la forma
de gestar las metas diarias.
Hustralid y Kutcha (2006) presentan una introducción de los principales objetivos básicos que debe
cumplir la planificación minera, según es descrito por Mathison (1982)
• Minar un yacimiento de tal forma que cada año el costo de producir un kilogramo de metal
sea mínimo
• Mantener la viabilidad operacional dentro del plan a través de la incorporación de una flota
adecuada de equipos, acceso de transporte a cada banco activo, etc.
• Incorporar suficiente mineral expuesto “asegurando” contrarrestar la posibilidad de mal
estimación de las toneladas de mineral y leyes en el modelo de reservas. Esto es
particularmente cierto en los primeros años en los cuales es crítico para el éxito económico.
• Aplazar los requerimientos de extracción de estéril, tanto como sea posible, y proveer una
suave alza en la demanda de equipos y mano de obra.
• Desarrollar un programa lógico y fácilmente lograble de puesta en marcha, así como el
debido reconocimiento del entrenamiento de la mano de obra, actividades pioneras,
desarrollos de equipos, infraestructura y soporte logístico, de tal forma de minimizar el
riesgo de atrasar la iniciación de un flujo de caja futuro de la empresa.
• Maximizar los ángulos de talud en respuesta a las investigaciones geotécnicas, y aun
mediante una planificación cuidadosa minimizar los impactos adversos de cualquier
inestabilidad de talud, si esta ocurriese
• Examinar apropiadamente los méritos económicos de alternativas de producción mineras y
escenarios de leyes de corte.
• Someter a prueba la estrategia propuesta de minado, selección de equipos y plan de
desarrollo mina a planificaciones de contingencia “que pasa si”, antes de que se haga el
compromiso.
En base a lo mencionado en los últimos dos puntos, las alternativas de producción mineras se
pueden interpretar como una referencia al concepto de flexibilidad, es decir, cambiar a una mejor
alternativa de producción o flexibilizar la producción. De igual forma, tener un escenario de leyes
de corte menciona tener destinos del material extraído según las condiciones principalmente
económicas que condicionan a las leyes de corte.
El último punto menciona planificaciones de contingencia. Esta es una práctica común en otras
industrias. La planificación de contingencias consiste en generar planes alternativos, paralelos al
caso base elaborado con los parámetros más probables. Los planes alternativos o de contingencia
nacen de la necesidad de dar respuesta a las condiciones cambiantes bajo las cuales se construyen
los planes de producción.
2
1.1.2. RIESGO EN PLANIFICACIÓN MINERA
El negocio minero está construido en base a variables que se conocen solo parcialmente, es decir,
están sujetas a incertidumbre. La incertidumbre es comúnmente evaluada en condiciones internas
(endógenas) y externas (exógenas) (Kazakidis & Mayer,2007) como las mostradas en la Figura 1.
Las incertidumbres exógenas pueden ser de tipo económicas o financieras como, por ejemplo, el
precio de los metales y las tasas de cambio para monedas extranjeras. Por otro lado, incertidumbres
endógenas son las incertidumbres técnicas como las leyes del yacimiento y las eficiencias de los
procesos metalúrgicos. Por último, están incertidumbre que podrían clasificarse tanto como
endógenas como exógenas dentro de la cuales podrían nombrarse incertidumbre relacionada a las
políticas o regulaciones ambientales (Martines, Davis et al,2004).
Un aspecto relevante dentro del proceso de identificar la incertidumbre es la modelación de estas,
especialmente cuando son varios tipos de incertidumbres a los que se encuentra expuesto un
proyecto minero. Algunas incertidumbres podrían ser independiente unas de otras como las leyes
de mineral y el precio del metal, así como hay otros tipos de incertidumbre que muestran
correlación como los precios del oro y la plata. (Martinez, Davis et al,2004).
Figura 1:Fuentes de incertidumbre en proyectos mineros (Mayer y Kasakidis 2007)
La incertidumbre y el riesgo son conceptos relacionados, mientras que la primera es el

desconocimiento del valor “real” de una variable, el riesgo viene a ser la materialización o resultado
de la incertidumbre, la cual puede tener un efecto negativo según el punto de vista del tomador de
decisiones, como lo son atrasos al programa planeado del proyecto, añadir costos significativos y
disminución en la utilidad.
El riesgo siempre deben ser un punto importante a considerar en la evaluación económica, ya que
de ignorarlos se pueden llegar a tomar decisiones potencialmente desastrosas. Si en una cartera de
proyectos el criterio de elección solo toma en consideración las utilidades, proyectos con mayores
retornos serán elegidos por sobre otros de menor retorno, sin embargo, la teoría financiera señala
que proyectos con utilidades mayores tienen asociado también riesgos más grandes. En particular
los proyectos mineros tienen asociados grandes beneficios y por ende grandes riesgos.
3
La cuantificación de los riesgos se arraigó en la disciplina de la ingeniería debido a alguno de los
más grandes fallos en represas y el advenimiento de estaciones de energía nuclear a mitad del siglo
XX, llegado a ser una práctica estándar en el diseño de ingeniería de plantas químicas. Ya que la
ingeniería de minas forma parte de una industria de alto riesgo, es lógico que estos métodos estén
ahora siendo adoptados dentro de la industria minera.
1.1.3. ANÁLISIS DE RIESGO EN MINERÍA
A lo largo de las últimas décadas numerosos autores han propuestos diferentes técnicas que abordan
desde diferentes perspectivas la cuantificación y posterior análisis de riesgo de riesgo tanto en
minería como en otras disciplinas.
Dentro de los métodos tradicionales existen tres aproximaciones básicas para cuantificar riesgos;
• Expected monetary value (EMV),
• Expected opportunity loss (EOl)
• Expected value of perfect information (EVPI).
Los métodos tradicionales de cuantificación de riesgo generalmente están basados en la
aproximación de EMV, la cual consiste básicamente en calcular el valor esperado de un proyecto-
o ganancia esperada multiplicando los impactos económicos que lo afectan por las respectivas
probabilidades de ocurrencia. El riesgo se cuantifica utilizando como punto de comparación al
valor del proyecto bajo el peor escenario posible.
Dentro de las metodologías EMV de cuantificación, el mecanismo clásico empleado para
considerar el riesgo en un proyecto de inversión es la utilización de una tasa de descuento i en el
cálculo del valor actual neto (VAN). Bajo estas aproximaciones, el efecto de todas las fuentes de
incertidumbre se encapsula en un solo número para después descontar el valor nominal de los flujos
de manera acorde al riesgo global que circunda el activo. En proyectos mineros, esta tasa se fija
basándose esencialmente en criterios financieros y por lo general, siempre se utiliza la misma tasa
para evaluar distintitos proyectos de inversión. En ningún caso se consideran los riesgos técnicos
que definen a un proyecto particular, ni mucho menos se logra un entendimiento acabado del origen
de los mismo, impidiendo con ello la generación de medidas de mitigación adecuadas.
Otra metodología ampliamente utilizada es la evaluación bajo escenarios, en la cual se varían las
condiciones del proyecto para evaluar el rendimiento del proyecto bajo distintos contextos
alternativos. La práctica más común es definir tres escenarios, uno pesimista, uno medio y uno
optimista, para posteriormente evaluar el proyecto bajo cada uno. También se puede hacer uso de
múltiples escenarios. El problema de esta metodología recae en el hecho de que como no se
considera la probabilidad de ocurrencia de cada escenario, no se puede predecir el valor esperado
del proyecto, solo se puede tener una idea de los valores que este podría eventualmente tener.
Consecuentemente, si no se dispone de las probabilidades de ocurrencia correspondientes, el
análisis de escenarios no provee información respecto de fuentes de incertidumbre relevantes ni
tampoco respecto al valor real del riesgo.
4
Otra forma de evaluar el impacto que tiene una variable en el resultado financiero de un proyecto
es realizando un análisis de sensibilidad a la variable estudiada. Cada variable se perturba y varía
en una cantidad predefinida, extrayendo el cambio en los ingresos netos resultantes de esta
perturbación. El análisis de sensibilidad se realiza a cada una de las variables seleccionadas,
obteniendo cambios en los ingresos netos asociados a cada variable. Este resultado puede
representarse mediante un gráfico tipo tornado, en donde se representan los impactos negativos y
positivos en los ingresos netos producto del análisis de sensibilidad de cada variable.
Este análisis sirve para entender y visualizar cuales son las variables que tienen el mayor impacto
y cuáles son las con menor impacto en el valor neto del plan. A pesar de que se dan algunas luces
respecto de hacia donde se deben direccionar los esfuerzos de mitigación u optimización, el análisis
de sensibilidad tampoco provee de información relativa al valor de la incertidumbre.
Otro método usado es simulación, el cual entrega un resultado más robusto. Las variables con
incertidumbre asociada son simuladas un número de veces de tal forma que emulan todas las
posibles realizaciones de la variable aleatoria, donde los ingresos netos resultantes de estos posibles
resultados son tabulados, como se aprecia en la figura 2, y analizados. Las simulaciones son una
evolución de los enfoques tradicionales como el análisis de sensibilidad y el análisis de escenarios
debido a que se pueden hacer automáticamente miles de veces, en donde se puede incluir
interacción entre más de una variable aleatoria a través de iteraciones entre variables simuladas.
Figura 2: Probabilidad acumulada producto de simulación monte carlo (Cerda 2009)
1.1.4. VALUE AT RISK (VAR)
El valor en riesgo (abreviado VaR a partir de su expresión en inglés,Value at Risk) es una medida
de riesgo utilizada para cuantificar el riesgo de mercado en una cartera de inversiones de activos
financieros (Jorion, 2004). Lo que el VaR mide es la exposición al riesgo para un cierto nivel de
confianza, es decir, el monto máximo que se podría perder para ese nivel de confianza, en cierto
intervalo de tiempo (Lamothe,2008). Su medición tiene fundamentos estadísticos y el estándar de
la industria es calcular el VaR con un nivel de significancia de 5 %.
5
Analíticamente el VaR (Jorion, 2004), se define por el límite superior de la integral de la función
de los rendimientos esperados r (s).
−𝑉𝑎𝑅
∫ 𝑟(𝑠)𝑑𝑠 = 𝛼
−∞
Dentro de las formas de poder obtener este indicador existen dos enfoques predominantes; uno es
el cálculo del VaR paramétrico a través de una cartera de proyectos o portafolio (Markovitz,1952)
o mediante simulación, dentro de este último enfoque la metodología más utilizada es mediante
simulación Montecarlo.
El cálculo del VaR mediante simulación Montecarlo se basa en la generación de variables aleatorias
mediante una función de distribución de probabilidad, para cada uno de estos valores generados se
calcula un VAN y un conjunto de estos se aproximaría a la distribución del valor actual neto (r(s)).
1.1.5. FLEXIBILIDAD
Flexibilidad es definida según Kazakidis y Mayer (2007) como: “la habilidad del sistema sostener
el rendimiento, preservando una estructura de costo particular, adaptando cambios internos o
externos en condiciones operativas, o tomando ventajas de nuevas oportunidades que desarrollan
durante el ciclo de vida de la mina por modificación de parámetros operacionales”.
De acuerdo con Dumbar (1998), flexibilidad en minería es una medida de las capacidades de un
sistema de producción minero o una compañía minera de responder a los cambios. Esto es “la
habilidad del sistema u operación a condiciones fluctuantes”. En definir flexibilidad, Schirn (1999)
establece que:
• Flexibilidad es la habilidad de tratar con la variabilidad y la incertidumbre
• Las fuentes de variabilidad o incertidumbre pueden ser planeadas o no planeadas debido
a eventos internos o externos;
• La habilidad de responder, o ser flexible, debería ser considerada en dos dimensiones;
rango y velocidad de respuesta,
• Flexibilidad es considerada dentro de un numero de periodos de tiempo,
correspondiente a niveles de planificación estratégico, táctico u operacional.
Debido al contexto incierto en el que las minas son planificadas y desarrolladas, la introducción de
la flexibilidad es esencial para manejar riesgo, mantener los costos bajos y una estructura particular
de costos. En casos donde el riesgo relacionado a una componente en el sistema minero no pueda
ser fácilmente reducido por una improvisación del diseño, es importante que un plan de
contingencia flexible sea ideado a acomodar los factores que puedan seriamente afectar las tasas
de producción o costos y adaptar a estos cambios. Fue Cavender (Cavender, 2000) quien señaló
que la flexibilidad es introducida para contrastar un evento que tendría un impacto negativo en:
volumen de producción, rendimiento (recuperación), calidad del producto (ley); costos de
producción; y desempeño especifico. Contingencia es a menudo introducida en planes para
contrarrestar el error en la información disponible. En este sentido, vale la pena mencionar que las
contingencias constituyen una aplicación especial de la flexibilidad en ingeniería. Robert (1996)
6
mantiene que “planes contingentes involucran una promulgación paradójica de una decisión antes
que la decisión sea en verdad hecha”. Un plan es elegido contingente una vez la adquisición de
información excepcional o una vez la ocurrencia de un efecto gatillante.
De Neufville (15) establece que, en adición a ser un activo evaluable, flexibilidad fuerza a los
diseñadores a:
• Reconocer que el valor de un proyecto es íntegramente asociado con la fluctuación del
mercado (o condiciones operativas) y, por tanto, que ellos necesitan estar estrechamente en
contacto con estas materias en orden de diseñar apropiadamente.
• Comprender que la incertidumbre no es siempre un riesgo que evitar, sino que también
representa una oportunidad valiosa que puede ser explotada.
• Adoptar una actitud proactiva hacia el riesgo, mirando no solo a responder a este
pasivamente, sino manejarlo proactivamente a través del uso de opciones reales.
• Introducir más flexibilidad dentro del diseño del sistema que el que ha sido introducido por
norma
1.1.6. SIMULACIÓN DE PRECIOS
Para poder simular el precio del metal se usa la técnica de simulación Montecarlo las cuales serán
aplicadas a un modelo que permite representar adecuadamente el precio del metal.
El modelo usado más ampliamente para generar realizaciones del precio del metal y variables
económicas es el movimiento browniano geométrico (GBM) y el proceso de reversión de la media
(MRP). El modelo GBM puede ser representado por:
Donde s es el precio del metal, α es la tendencia esperada, σ es la desviación estándar, dz es un

incremento en el proceso Weiner estándar y dt es un incremento del tiempo. Tal modelo es
usualmente aplicado para describir la volatilidad de precios no revertibles tales precios de stocks
de metales preciosos como oro.
Por otra parte, Gravet (3) comenta que el modelo de precios definido por la ecuación resulta no
estacionario, debido a la raíz unitaria presente en todos los movimientos brownianos geométricos.
Esto provoca que el modelo ignore los ciclos de precios de los commodities (producidos por las
fluctuaciones de la oferta y demanda de estos activos reales). Para poder aplicar la simulación a
este modelo resulta fundamental considerar al tiempo como variable de estado. Debe recordarse
que la simulación no aproxima las distribuciones verdaderas de los precios, sino aquellas
resultantes de considerar las probabilidades neutrales al riesgo. El proceso ajustado por riesgo
correspondiente al modelo exhibido en la ecuación se representa mediante la siguiente expresión:
Donde r simboliza la tasa de interés libre de riesgo y k denota el retorno por conveniencia
instantáneo. El retorno ajustado por riesgo corresponde entonces a la diferencia entre el retorno de
7
un bono libre de riesgo (que representa el costo de oportunidad de poseer un inventario físico del
commodity), y el retorno que cuantifica el beneficio de poseer el mineral en inventario (y de esta
forma asegurar la continuidad de un proceso productivo o bien aprovecharse de alguna escasez
puntual en la oferta).
Alternativamente un modelo de reversión de la media puede ser aplicado a modelos de variabilidad

de variables reversibles tales como tasas de cambio y la mayoría de los metales base. Un modelo
popular propuesto por Schwartz (1997):
Donde k es la velocidad de reversión en el cual el logaritmo del precio revertido vuelve al equilibrio
de largo plazo al logaritmo de precio µ. Basado en modelos estocásticos tales como aquellos en la
ecuación 1 y 2, múltiples realizaciones de variables inciertas pueden ser generadas después de
ajustar para el mercado del precio de riesgo para cada variable.
1.2. MOTIVACIÓN
La minería es uno de los sectores económicos más importantes del país pues representa el 55% de
las importaciones / exportaciones del país en 2017 según fuentes del banco central de Chile, lo que
ha significado un aporte al PIB nacional de 18,644 millones de dólares, aproximadamente 9%, para
este periodo, siendo esta industria tan importante en algunas regiones del país que su participación
del PIB es mayor al 30%. Estas cifras anteriores se justifican debido al liderazgo que tiene el país
en la producción de minerales de cobre, molibdeno, plata y oro, destacándose la posición de primer
lugar en producción y reservas de cobre que posee el país.
La base del negocio minero está en la exploración, desarrollo de proyecto, extracción,
procesamiento y venta de minerales, a través de un proceso en cadena de valor (Horsley T.P.2002)
compleja que depende de innumerables factores de distinto tipo tales como la geología del
yacimiento, la estabilidad del macizo rocoso, así como las condiciones económicas, sociales y
medioambientales específicas que caracterizan a una operación minera, y que debido a la
complejidad inherente, se requiere de alto conocimiento técnico para ser ejecutado correctamente.
Esta relevancia económica y complejidad técnica hace necesaria la presencia del proceso de
planificación minera previo a la producción, de manera que se pueda anticipar la realidad operativa
y tener la posibilidad de realizar mejoras en los procesos futuros (Rudloff, 2013) con el fin de tomar
decisiones acertadas que logren los objetivos estratégicos de los dueños.
Se ha definido Planificación minera (Rubio, 2006) como “la disciplina de la ingeniería en minas
que conjuga recursos geológicos en el mercado para delinear el mejor negocio productivo para el
dueño” complementario a esta idea, planificar es un esfuerzo intelectual, enfocado en conseguir un
objetivo bajo una secuencia de pasos lógicos, lo cual conlleva una toma de decisiones. En
planificación minera esta toma de decisiones incluye aspectos tan vitales para una operación
8
minera, tales como definir cuándo y cómo se extraerán parte del yacimiento, con el objetivo
usualmente de maximizar el valor económico.
Sin embargo, este proceso está en continuo perfeccionamiento, pues presenta algunas falencias
evidentes como la desviación entre los planes productivos y los resultados de la operación
(Dimitrakopoulos et al. 2002) y como ha mencionado Jélvez (2017) se refleja en el alto porcentaje
de incumplimientos de metas, malas conciliaciones, alto impacto de los costos reales de operación
y en particular en los que respecta a la planificación de largo plazo, existe una gran dificultad para
estimar las oportunidades de negocios y valorizarlos de manera adecuada.
Algunas de las problemáticas concernientes a la planificación minera mencionadas en el párrafo
anterior son explicadas porque la planificación minera como un proceso de toma de decisiones está
condicionado por la información de entrada de este proceso, y desafortunadamente esta
información generalmente tiene asociada incertidumbre, esto quiere decir que esta información o
parámetros no son conocidos con certeza, lo que tiene como consecuencia que la toma de
decisiones no permite lograr el objetivo previamente definido, al perder validez si es que los
parámetros que dieron origen a esa decisión no resultaron ser ciertos.
Según explica Kasakidis y Mayer (2011), la incertidumbre puede ser evaluada en torno a
condiciones externas e internas. Las condiciones internas más importantes dentro del proceso de
toma de decisiones son leyes, comportamiento de macizo rocoso, equipos, infraestructura, etc. En
cambio, entre las condiciones externas a considerar están el precio y costos controlados por el
mercado. Por otra parte, las regulaciones legales, el riesgo y el gobierno de un país en que se sitúa
la operación minera también constituyen condiciones externas a considerar, así como los posibles
problemas medioambientales y sociales que rodearan al proyecto, entre otros.
Uno de los parámetros con incertidumbre más importantes es el precio de venta del commodity,
debido a que las utilidades dependen de este parámetro y son altamente sensibles a los cambios que
éste podría experimentar. Sin embargo, el precio del commodity es muy difícil de predecir en la
práctica, teniendo un comportamiento cíclico y una volatilidad considerable que aumenta conforme
va pasando el tiempo. Por tanto, el precio de venta del commodity es en definitiva una fuente de
riesgo, pues es un potencial evento negativo no poder cumplir las expectativas económicas de los
dueños de la operación minera.
Tomando en consideración la importancia que tiene la incertidumbre del precio del commodity para
el negocio minero y la trascendencia de la planificación dentro de la cadena de valor de este negocio
es que se hace relevante buscar una manera de manejar esta incertidumbre. Dentro de las
alternativas disponibles en la literatura, existe un nuevo campo de desarrollo enfocado en entender
como una operación minera se puede adaptar a los continuos cambios de precios, esto último se le
denomina flexibilidad.
Por tanto, el presente trabajo estudiará la manera de incluir metodológicamente la flexibilidad,
dentro del proceso de planificación minera a través de la adaptación que puede tener un plan minero
frente a los cambios de precios, modificando la capacidad de los procesos mineros de extracción y
procesamiento.
9
1.3. OBJETIVOS
1.3.1. OBJETIVO GENERAL

• Establecer una metodología de planificación minera que incorpore flexibilidades por medio
de planes alternativos frente a incertidumbre de precios
1.3.2. OBJETIVOS ESPECÍFICOS
• Diseñar una metodología de planificación minera que considere el riesgo relacionado al

precio del commodity
• Analizar el riesgo relacionado a la incertidumbre por el precio del commodity
• Proponer flexibilidad en los planes de producción por medio de la variación de la tasa de
extracción y alimentación a planta (capacidades)
• Decidir qué opción o alternativas de capacidad usar a lo largo de la vida útil con el objetivo
de maximizar el beneficio
• Elaborar posibles planes alternativos
10
1.4. ALCANCES DEL TRABAJO
Los alcances de este trabajo serán:

• Se enfocará solamente en la incertidumbre asociada al precio del commodity, no ahondando
en la modelación y posterior validación del precio de venta del commodity
• Se asumirán parámetros geo mecánicos y no se profundizará en el diseño operativo de un
rajo tales como inserción de rampas o bermas
• Solamente se considerarán dos destinos para el material excluyendo stockpiles
• Las únicas flexibilidades serán las capacidades tanto de mina como de planta
11
1.5. METODOLOGÍA GENERAL DE ESTUDIO
La metodología propuesta por este trabajo se compone de las siguientes etapas:

1. Realizar el plan minero de manera tradicional o inflexible
2. Simular el precio de commodity
3. Proponer diferentes capacidades alternativas de planta y mina
4. Optimizar las diferentes capacidades mina y planta como opciones al cambio en el precio
del commodity
5. Elaborar posibles planes alternativos
1.5.1. PLAN MINERO TRADICIONAL
La primera parte de esta metodología es realizar un plan minero de largo plazo de manera
tradicional con el fin de poder generar el denominado “caso base” que será el fundamento sobre el
que se desarrollaran las etapas posteriores.
Los pasos por seguir para desarrollar un plan minero tradicional están detallados en la figura 3.
Determinación secuencia de agendamiento evaluación

Datos
Pit final explotación de fases economica
Figura 3: Proceso tradicional de planificación
12
A continuación, se detallan las etapas de construcción de un plan mineo tradicional:
Datos
La primera etapa es la recolección de datos que son tomados como información de entrada para
este proceso entre los cuales destaca:
• Precio: Corresponde al precio de venta de largo plazo también llamado precio base el cual
es una constante y como se ha mencionado antes ignora los cambios en el tiempo que se
suscitan con esta variable
• Costo: son los costos mina, planta y venta los cuales usualmente son constante cuando se
toma en cuenta costos medios, sin embargo, puede modelarse el costo como una función de
la profundidad del pit en el caso de los costos mina y en el caso de los costos plantas suelen
estar en función de la composición mineralógica o características geo-metalúrgicas de un
bloque.
• Angulo de talud: el ángulo de talud establece relaciones de precedencia entre los bloques
a ser extraídos desde el yacimiento, estos ángulos pueden variar dependiendo del sector y
la altura
• Modelo de bloques: es el modelo de recursos del yacimiento, una discretización espacial
del yacimiento con la unidad básica en forma de bloque, este bloque contiene una serie de
características tanto espaciales como mineralógicas entre otras que definen de forma clara
las propiedades de esa porción de espacio.
Determinación Pit final
El pit final es el límite de la región donde se llevará a cabo la extracción, por tanto es la frontera
entre el material considerado reserva y el resto de los recursos. Esta es una superficie geométrica
de tipo cónica que se superpone al inventario de recursos siendo su forma y tamaño controlada por
factores económicos, geológicos, geotécnicos, etc.
Para poder determinar el pit final es necesario valorizar económicamente el modelo de bloques y
definir el ángulo de talud para luego aplicar alguna de las técnicas disponibles para generar el pit
como son el cono flotante (Pana,1965) o algoritmo de Lerchs-Grossman (1965) con el fin de
maximizar el valor económico de los bloques contenidos dentro del pit.
13
Secuencia de explotación
Una vez definidas las reservas contenidas dentro del pit final es necesario determinar el orden y
gradualidad en que se irán consumiendo estas reservas, esta es la razón por la cual se definen una
secuencia de explotación. La manera en que van a ser extraídas las reservas dentro del pit o
secuencia de explotación puede ser llevada a cabo de diferentes maneras, en este trabajo se optará
por un enfoque de agregación fase/banco. Los bancos son divisiones del volumen del pit en tajadas
horizontales de altura regular los cuales pueden ser extraídos completamente para pasar al siguiente
banco, sin embargo este tipo de secuencia pueden extraer demasiado estéril de los primeros bancos
el cual gradualmente va disminuyendo conforme se vayan extrayendo más bancos. lo que trae
efectos negativos en la evaluación económica de este tipo de secuencia debido a que hay grandes
costos e inversiones en los primeros años y los ingresos son retrasados para periodos posteriores
comúnmente se denomina a esta la peor estrategia de minado o worst case.
Por otra parte, es posible llevar a cabo la explotación en varios bancos de forma simultánea en un
periodo de tiempo (por ejemplo, un año), la geometría descrita por este tipo de secuencia asemeja
a varios pits anidados (Lerchs y Grossmann, 1965). Para generar estos pits anidados se recurre a
una sensibilización del tamaño del pit final comúnmente cambiando el valor del precio de venta
por medio de un factor multiplicativo conocido como revenue factor. La extracción sucesiva de
cada pit dentro del conjunto de pits anidados mejoraría la evaluación económica pues se adelantan
ingresos y se disminuye la cantidad de estéril en los primeros años, a menudo se conoce como la
mejor estrategia de minado. Sin embargo, dado que es simplemente una sensibilización del tamaño
del pit existe la posibilidad de que cada pit no tenga el ancho operacional para poder realizar la
extracción, por lo que se unen pits contiguos hasta formar los que se denomina fase o pushback,
para definir los pushback se tienen diferentes criterios como mantener una razón lastre-mineral
(REM) constantes, asegurar una cantidad de mineral para un tiempo determinado, etc. Hay algunas
herramientas que son de ayuda para dilucidar este problema como son el grafico pit by pit como el
mostrado en la Figura 4.
14
Gráfico pit by pit
1,200 5,000
4,500
1,000
Tonelaje (MMton) 4,000
Valor (MM$USD)
3,500
800
3,000
600 2,500
2,000
400
1,500
1,000
200
500
0 0
1
15
29
43
57
71
85
99
113
127
141
155
169
183
197
211
225
239
253
267
281
295
309
323
337
351
365
379
Pit
Mineral Esteril Valor
Figura 4: Gráfico pit by pit
Agendamiento de fases
Ya decidido cuál será la secuencia dada por los pushback o fases se requiere saber en qué momento
saldrán las diversas partes del yacimiento, esto último se llama agendamiento y es la base de lo que
se conoce como plan de producción. Para llevar a cabo el agendamiento o plan de producción es
necesario definir algunos parámetros con anterioridad, entre ellos el más importante es la capacidad
de los procesos mineros, en específico son la capacidad mina expresada por la tasa de extracción o
movimiento mina anual/semestral/diario y la capacidad planta o de procesamiento que está dado
por el tonelaje de alimentación al chancador, etc. Para elegir esta capacidad se han propuesto
muchos métodos, si bien este trabajo no profundizará en estos métodos vale la pena mencionar que
es necesario definir estas capacidades de manera inicial para que luego en los siguientes pasos se
vaya definiendo capacidades flexibles conforme fluctúe el precio de venta del commodity.
El agendamiento será llevado a cabo mediante un modelo de programación entera mixta (MILP)
cuyo objetivo en maximizar el valor actual neto (VAN) del plan de producción. El modelo busca
decidir qué porción de un bloque va a ser extraído y/o procesado en un periodo de tiempo
determinado. Esta decisión esta sujetas a restricciones como:
• Coherencia: la porción de bloque extraído no puede superar el 100% del bloque extraído y
que la porción de bloque que será procesado (destinado a planta) no puede superar a la
porción extraída en ese periodo de tiempo.
• Secuencia: para que pueda ser extraído una porción de bloque perteneciente una fase banco
determinada debe haber sido extraído completamente (todos los bloques) de la fase banco
superior
• Capacidad: hay una capacidad máxima y mínima de toneladas a extraer y procesar en un
periodo de tiempo
15
Para más detalle en el Anexo 3 está escrito el modelo matemático considerando la función objetivo
y sus restricciones
Gracias a este modelo de agendamiento es que se puede obtener como información cual bloque fue
extraído y/o procesado en un periodo de tiempo determinado, con esta información es posible saber
cuántas toneladas fueron extraídas y procesadas a lo largo de la vida útil de la mina o life-of-mine
(LOM)
Evaluación económica
Una vez ya obtenido tanto los tonelajes como leyes a extraer por periodo es posible determinar los
flujos de caja y las inversiones necesarias para establecer una operación económica. Para poder
evaluar económicamente un plan minero se usará el valor actual neto. Dado que este trabajo aborda
la planificación desde el punto de vista estratégico se considerará que la evaluación del plan en
conjunto con el agendamiento, es decir que el valor económico del plan es el resultado de la
maximización de la función objetivo entregada por el modelo de optimización encargado del
agendamiento. No obstante, en el modelo matemático antes descrito, se ha definido una tasa de
descuento que es aplicada a la función objetivo en cada periodo, por tanto, la valorización del
agendamiento es descontada tal como se toman los flujos de cajas que forman parte del indicador
del valor actual neto.
16
1.5.2. SIMULACIÓN DE PRECIO DEL COMMODITY
Una de las maneras por las cuales se puede representar la incertidumbre asociada a una variable es
mediante simulación Montecarlo, esta técnica consiste en construir muchos posibles escenarios o
valores de la variable suponiendo que ésta tiene un comportamiento aleatorio. Su uso en evaluación
de proyectos es dividido en dos pasos (Glasserman,2004) (Dixit, 1994):
• Definir la distribución de probabilidad de la variable de entrada (por ejemplo, precio del
commodity) que es de interés y que a priori se sabe tiene un impacto en el valor de los flujos
de caja.
• Para cada escenario de la variable simulada a evaluar, se genera un flujo de caja
correspondiente y el conjunto de flujos de caja genera una distribución de valores
descontados.
En la simulación del precio de venta del commodity, se emplean técnicas Montecarlo que intentan
representar la volatilidad del precio para modelar la incertidumbre, los más comunes son
movimiento geométrico browniano y proceso de reversión de la media. En este trabajo no se busca
discutir cual es el modelo más adecuado para el precio del commodity, sino más bien probar la
utilidad de usar la simulación Montecarlo para la metodología.
Por lo cual se usará un modelo de precios de cobre de tipo movimiento geométrico browniano
detallado por Gravet (2003) .
(ecuación 1)
donde es el precio del metal en el tiempo t, es la tasa libre de riesgo, b es el retorno por
conveniencia instantáneo, σ es la desviación estándar de los retornos, ∆t es un periodo de tiempo
determinado y es la muestra de distribución normal estándar.
17
Precio commodity
3.5
3
Precio ($USD/lb)
2.5
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
años
Figura 5: Simulación precio de commodity mediante técnica Montecarlo
Cada simulación es una serie de precios, la cual puede ser reintroducida al proceso de agendamiento
o plan de producción del paso anterior, con ello se obtienen múltiples planes, cada uno asociados
a una serie de precio simulada. Cada plan tendrá asociado un valor económico, siendo este parte
de un conjunto de planes mineros tradicionales o inflexibles debido a que su capacidad no tiene la
posibilidad de poder cambiar a lo largo de la vida útil de la mina.
El conjunto de valores económicos de los planes inflexibles puede ser descrito a través de un
modelo de distribución de probabilidad, gracias a ello se podrá obtener un indicador de riesgo de
estos planes como el VaR, lo que será clave para determinar si adicionar flexibilidad a los planes
disminuye el riesgo.
18
1.5.3. PROPONER DIFERENTES CAPACIDADES ALTERNATIVAS DE
PLANTA Y MINA
En esta etapa de la metodología es cuando se modela la flexibilidad que se incorporará a los planes
mineros, en este trabajo se considerará flexibilidad en planes mineros mediante la flexibilización
de capacidades tanto mina como planta. Para hacer esto se requiere una revisión de todas las
posibles capacidades que pueden ser establecidas dentro de los procesos de extracción de mina y
procesamiento de planta. Estas posibles capacidades mina y planta, por tanto, constituirán opciones
o alternativas de capacidad que el dueño o en su defecto la persona a cargo podrá elegir para
responder de mejor forma al cambio de precio del commodity. Si bien esta metodología no
especifica cómo determinar todas estas capacidades debido a que en muchos casos la gestión toma
un lugar preponderante, algunas formas de lograr diversas capacidades tanto mina como planta
son:
Capacidades mina:
• Aumento o disminución del número de equipos minas (por ejemplo: N° camiones)
• Tercerización de parte de la flota de equipos minas en labores de producción
• Cambio en el modelo de equipos minas
Capacidades planta
• Construcción de nueva infraestructura de procesamiento
• Uso parcial de equipos de procesamiento, esto quiere decir, por ejemplo, no usar todas las
líneas de chancado o saturar parcialmente estos equipos
Luego de establecer cuáles son las capacidades por elegir para un periodo determinado, es
necesario entender cuáles son los costos e inversiones asociadas a esa capacidad o cambio de
capacidades por periodo. En este punto el problema es amplio y depende de cada situación y
persona la elección del modelo de costos e inversiones asociadas a la flexibilidad. Si bien este
trabajo no se enfocará en la estimación de costos si se tomara en consideración lo siguiente:
• Los costos mina ($USD/Ton) serán variables con respecto a la ubicación espacial de los
bloques del yacimiento pues estarán asociados a los costos de carguío y transporte los cuales
varían de la profundidad de la fase banco en la cual se encuentre sin estar asociados a una
capacidad determinada.
• Los costos planta ($USD/Ton) a diferencia de los costos mina si dependerán de la capacidad
a la cual estén asociados estando sujetos a economías de escala, esto implica que al haber
más capacidad de procesamiento implica costos medios menores.
19
1.5.4. OPTIMIZAR LAS DIFERENTES CAPACIDADES MINA Y PLANTA
COMO OPCIONES AL CAMBIO EN EL PRECIO DEL COMMODITY
Definida la flexibilidad y las opciones de capacidad posibles para elegir, ahora es momento de
elegir cual será la capacidad mina y planta por cada periodo y por simulación. Para hacer esta
decisión se ocupará un nuevo modelo de optimización entero mixto especificado en el Anexo 3 el
cual tiene dos características:
• Realiza un plan de producción agendando la extracción de los bloques del modelo de

recursos a través de tiempo
• Elegir cuál es la opción de capacidad (tanto mina como planta) más conveniente por periodo
Este modelo de optimización es muy parecido al modelo que genera planes de producción
inflexibles puesto que entre otras características ambos tienen de función objetivo maximizar el
valor actualizado y muchas de las restricciones relacionadas con el agendamiento del modelo de
bloques son compartidas también. Sin embargo, como este modelo genera planes flexibles en
cuanto a capacidad se refiere, tiene restricciones adicionales:
• Solo una opción de capacidad (mina y planta) puede ser ejercida por periodo
• El tonelaje extraído desde la mina debe corresponder o está dentro de los márgenes
definidos por la opción de capacidad (mina y planta)
El modelo de optimización decide las capacidades de un yacimiento en base a una serie de precios
de venta, como se ha comentado anteriormente estas series de precios son simuladas, por ende, se
hace una optimización y plan de producción por cada simulación.
Producto de esta etapa se obtiene en primer lugar una distribución del valor económico de los
planes flexibles para cada serie de precios simulada. Con esta distribución es posible obtener el
parámetro de riesgo VaR, el cual puede ser un punto de comparación entre planes flexibles e
inflexibles al poder entender cómo afecta la flexibilización de la capacidad al riesgo en términos
de evaluación de riesgo.
El segundo resultado de esta etapa es el conteo de las veces que fue elegida una opción de capacidad
mina/planta y el tonelaje que fue extraído/procesado en un periodo de tiempo. Esta información es
obtenida de archivos que describen qué opción de capacidad y el tonelaje extraído/procesado en
cada periodo de tiempo para cada serie de precios simulada.
20
1.5.5. PLANES ALTERNATIVOS
El último paso de esta metodología es generar planes alternativos. Este paso tiene como objetivos:
• Mostrar diferentes configuraciones de capacidad mina/planta y seleccionar alguna de estas

en base a un criterio de probabilidad de ocurrencia o frecuencia
• Elaborar planes mineros de producción en base a configuraciones de capacidad mina/planta
y evaluar su valor económico en base a un precio promedio
Configuraciones de capacidad mina/planta
Como se mencionó desde el paso anterior de la metodología, se eligieron las capacidades

mina/planta dentro de un conjunto de opciones mediante un modelo de optimización aplicado a
cada simulación de una serie de precios de venta del commodity. Como se podría suponer las
capacidades mina/planta podrían no ser constantes a lo largo de los periodos de tiempo
adecuándose a las variaciones en el valor del precio, lo que se traduce en flexibilización de las
capacidades mina/planta. Ahora bien, como cada simulación es una evolución del precio futuro
diferente e independiente de las otras simulaciones es esperable que las capacidades elegidas por
periodo también cambien de una simulación a otra.
Debido a que potencialmente existen tantas combinaciones de capacidades mina/planta como el
número de combinatorias lo permita, es que se hace inteligible y poco práctico para las personas
construir un numero grande de planes alternativos, pues se pierde tiempo y claridad en decidir
cuales planes podrían ser buenas alternativas al plan minero tradicional que es inflexible y no fue
hecho en base a precios del commodity fluctuantes.
Por lo mencionado anteriormente es que se requiere de una manera de disminuir la cantidad de
combinaciones de capacidades mina/planta, la forma que se propone en este trabajo es hacer un
conteo de la frecuencia con la cual una opción de capacidad mina/planta es elegida por periodo de
tiempo, con ello se observará cuáles fueron las opciones más frecuentes o más elegidas descartando
las opciones menos frecuentes por periodo de tiempo. Luego por cada periodo se hace un ranking
de cuáles fueron las opciones de capacidad mina/planta en base al criterio de frecuencia. Este
ranking por periodo será la base para construir lo que se denomina configuración de capacidad
mina/planta, esta configuración es una combinación de capacidades, pero al estar constituidas a
partir del ranking es posible caracterizarla con una frecuencia o probabilidad de ocurrencia.
En base a cada configuración mina/planta se hace un nuevo plan de producción mediante un modelo
de programación lineal entero mixto tomando en cuenta como restricciones las capacidades
mina/planta por periodo y considerando como precio a una serie de precios promedios de las
simulaciones hechas en el paso dos de la metodología, con ello no solo se hacen nuevos planes
configuraciones mina/planta distintas sino que también es posible evaluar económicamente estas
configuraciones y decidir en base a un modelo de evolución de precios (y no bajo un precio
constante) cuales son las mejores capacidades para el proceso minero en su conjunto.
21
1.6. BÚSQUEDA BIBLIOGRÁFÍA
La siguiente revisión bibliográfica es una recopilación de los esfuerzos realizados por varios
autores a través de publicaciones realizadas en lo concerniente a los temas abordados en este
trabajo. Esta revisión se centrará especialmente en los trabajos enfocados en determinar
capacidades de procesos mineros y las inversiones en infraestructura asociadas a estas capacidades,
poniendo especial énfasis en aquellos trabajos que tengan como enfoque la generación de planes
flexibles.
1.6.1. ENFOQUE DETERMINISTA
Las primeras publicaciones concernientes a planificación minera y en específico en temas como la

determinación de la capacidad tuvieron un enfoque determinista, en donde parámetros de entrada
tales como el precio del commodity o las leyes contenidas dentro del yacimiento se asumían como
constantes o si no se hacía un análisis de sensibilidad a porteriori.
Fue Taylor (1977,1986,1991) (hustralid & Kutcha,2006) quien, enfocado en estudios de
factibilidad para proyectos mineros, comenta que la capacidad de extracción de mineral depende
en gran medida de factores prácticos, dentro de los cuales destaca el espacio de trabajo que tienen
los equipos de carguío. Aduciendo que la tasa de producción lograble es similar para un grupo de
operaciones que comparten características de forma y tamaño de sus yacimientos, el autor realizó
un estudio sobre proyectos mineros encontrando una relación de tipo empírica entre el total de
reservas y la vida útil que tendrá la operación. Es comentado en este trabajo que esta relación es
útil para calcular la tasa de producción, siendo una aproximación que debe tomarse valida solo
hasta estudios intermedios. El problema de esta clase de relaciones y las correcciones que se han
hecho en trabajos posteriores (camm,1991) (long,2009) es que son métodos descriptivos de una
relación, pero no ofrecen un óptimo y no hay garantía de que se acerque a este valor, por tanto, está
la posibilidad bajo otro tipo de técnicas poder mejorar la solución entregada por Taylor.
En base a las críticas a las publicaciones de tipo empíricas, McCarthy (2002), establece a través de
la relación entre las leyes de corte y la tasa de extracción mina, un óptimo económico de las
capacidades mina y planta para proyectos mineros nuevos. En experiencia del autor y según lo
señalado por Tatman (2001), es común que las mina no puedan cumplir con las tasas de producción
planeadas, esto dado que hay límites físicos y operativos para la extracción, más allá del cual no es
sustentable ninguna ley ni tonelaje, señalándose que una capacidad optima desde el punto de vista
económico debe estar bajo este límite físico. Las reglas de dedo como la planteada por Taylor
(1977,1986,1991), establecen un buen punto de partida, ya que mantienen la capacidad de los
procesos minero bajo los límites físicos, pero no entregan un óptimo, lo que puede traer impactos
negativos en términos de leyes de alimentación a planta.
22
Zuñiga et al. (Zúñiga, Kremer, Ramírez, & Solar, 2011.) establecen una metodología que permite
modelar las restricciones operacionales a las cuales está sujeta la tasa de excavación de una fase en
una operación a cielo abierto, esto se logra a través de la caracterización de la productividad
asociada a los equipos de carguío presentes y el área disponible en cada banco de una fase de
extracción. La metodología es aplicada en la comparación entre un plan minero de largo plazo
construido a través de restricciones de movimiento de material de forma anual y un plan hecho
partir de restricciones por fase y banco. El resultado mostrado es que existen grandes diferencias,
razón principal para que no se puedan llevar a cabo las metas establecidas en un plan minero. Este
estudio es interesante pues logra cuantificar de manera empírica el límite físico que mencionaba
MacCarthy (2002) y al cual se refería específicamente Taylor (1977,1986,1991), sin embargo, sería
un error pensar que, determinando la máxima capacidad de los equipos de carguío, es posible
máxima el valor del plan.
A propósito de lo anteriormente mencionado, si bien la determinación de la capacidad máxima de
carguío en la fases-banco de una mina a cielo no ayuda a la optimización de la capacidad del
proceso mina, si es de ayuda en caracterizar la realidad operativa de una explotación a cielo abierto.
A propósito de esto, Muñoz (2012) hace uso del estudio anterior para proponer una etapa
intermedia en el proceso de planificación minera, en la cual se modelen los costos asociados a las
operaciones mineras, eliminando costos medios que sesgan el resultado de los planes mineros. En
concreto propone para modelar la operación de carguío, costos que dependan de la fase-banco en
cuestión, siendo estos costos asociados a las restricciones operacionales presentes, por ende, un
indicador indirecto de la capacidad de extracción que posee esa fase-banco. Los costos de trasporte
deben ser modelados en base a la profundidad de las reservas en relación con el pit.
Un estudio más reciente encabezado por Poblete (Poblete, González, Romero, Fuentes, &
Abdrashitova, 2016), propone una metodología que encuentra la combinación de capacidad mina,
capacidad planta y leyes de corte que minimizan la variabilidad de parámetros de entrada con
incertidumbre tales como el precio del commodity, a través de un diseño robusto que maximice el
valor actual neto. Para ello este trabajo ocupa un método de diseño robusto llamado diseño de
experimentos (DOE), mediante el cual se propone una metodología basada en combinar las
capacidades mina y planta para crear planes preliminares. Con un rango de precios se sensibilizó
el valor de los planes y se obtuvieron dos escenarios; el optimista que es un promedio entre el mejor
valor del plan y el valor del plan de caso base, y el escenario pesimista que es a su vez el promedio
del peor valor y el valor del caso base. A continuación, se seleccionan las capacidades plantas que
hayan mostrado mejor valor para el caso base pero que también muestren menos diferencias entre
el escenario optimista y pesimista. Para cada una de las capacidades planta se vuelve a hacer un
plan de producción, pero esta vez se hace variar la ley de corte y la capacidad mina. Nuevamente
se hace una sensibilización del precio de commodity y se determina el valor promedio de todos los
planes generados en función de las leyes de corte y las capacidades mina, este valor promedio es
comparado con el valor del plan de caso base y ley de corte igual a la ley de corte marginal, con
ello se puede comparar el comportamiento de la ley de corte conforme varia la capacidad mina.
Por último, se elige el plan producto de la combinación ley de corte, capacidad mina que presente
un valor actual neto mayor y que presente menos diferencia con el valor del caso base. El interés
de esta publicación para el presente trabajo radica en que es un testimonio de que en tiempo
recientes sigue trabajando en enfoques deterministas, en los cuales la incertidumbre del precio se
23
toma como una sensibilización a posteriori, no considerando por ejemplo el carácter cambiante a
través del tiempo que posee el precio. Si bien los autores señalan que el enfoque de este trabajo es
de planes robustos, elegir leyes de cortes estáticas no ayuda a maximizar el valor actual neto del
proyecto, tal como lo menciona Lane (1988), esto abre la posibilidad de preguntarse si las
capacidades deben ser estáticas a través del tiempo.
En efecto, Elkington & Durham (2011) proponen una formulación para optimizar
simultáneamente los ritmos de producción y la elección de pushback a través de la determinación
de agendamiento, leyes de corte y stockpile. La formulación es hecha en programación matemática
entera mixta y ocupa como base un agregado de bloques situados en un banco común denominado
parcel para que luego el modelo una y forme un panel, que es un conjunto de parcels que tiene una
fase y banco en común. En este trabajo, el modelo plantea como una variable de decisión la
capacidad de producción mina y planta, donde se asume que estas capacidades solo pueden
aumentar con el paso del tiempo, los costos asociados a cada capacidad también se incrementan de
manera lineal si se incurre en el incremento de capacidad. Se usa como caso de estudio un
yacimiento hipotético de 160 000 bloques. Un análisis se llevó en este caso de estudio al incluir
los posibles cambios que suscitaría en el resultado óptimo la variación en el precio del commodity,
mediante la inclusión de 5 escenarios de precios a saber; caso base, precios 20% más bajos, 20%
más altos, incremento en el precio 20% después de 5 años y decrecimiento del precio 20% después
de 5 años, se realizó un análisis de sensibilidad el cual arrojó que existe una alta sensibilidad de la
capacidad de los procesos mina y planta con respecto al cambio de precio, habiendo diferencias de
hasta 37% entre escenarios en el caso de la capacidad planta, concluyéndose que la capacidad de
los procesos es el parámetro operacional más sensible en comparación a las leyes de corte o la
utilización de stockpiles.
Como se ha podido constatar en las publicaciones, el precio del commodity y la incertidumbre
asociada a este, no son caracterizadas reduciéndola a solo un rango de valor para sensibilizar el
valor del plan minero, esto es una limitante para poder predecir el valor real que puede tener un
plan minero, al menos en términos económicos. Afortunadamente ha habido otras líneas de
investigaciones que se han enfocado en entender el precio del commodity a través de parámetros
como la volatilidad y su efecto en la evaluación de un plan minero.
24
1.6.2. OPCIONES REALES
Opciones reales se le denomina a un conjunto de técnicas de evaluación económica provenientes

de la evaluación de derivados financieros conocidos como opciones, debido a que su aplicación a
activos físicos, como lo es un yacimiento minero o concesiones de agua se les denomina opciones
reales.
Una de las primeras publicaciones que se hacen sobre opciones reales aplicadas a minería es la
realizada por Brennan y Schwartz (1985), en ella se plantea la forma en la cual se evalúan
financieramente las inversiones en minería haciendo hincapié que en general estas técnicas tienen
larga data y evolucionan lento. Se critica que la técnica estándar de flujos descontados ignora la
naturaleza estocástica de los precios de venta la cual es muy importante en la industria de recursos
naturales. Por lo que mediante la evaluación tradicional y las practica de usar valores esperados
lleva a decisiones subóptimas de inversión. El modelo de evaluación que se plantea hace
consideración explicita las medidas de control que hacen los administradores en respuesta a los
cambios en los precios como por ejemplo la posibilidad de que un proyecto puede ser cerrado o
temporalmente suspendido. Se han declarado que las principales limitaciones de este trabajo que
se debe asumir que los yacimientos a ser explotados son homogéneos, que los costos y las leyes
bien conocidos y las tasas de interés son no estocásticas.
Abdel Sabour (Dimitrakopoulos & Abdel Sabour, 2007) aborda la evaluación de planes mineros
considerando incertidumbre geológica, de precio del commodity y de tasa de cambio de divisas.
Para ello este trabajo como caso de estudio se propone elegir entre doce planes mineros en una
mina de oro, comparándolos económicamente usando el valor actual neto (NPV) y valorización de
opciones reales (ROV). La valorización de opciones reales se basa en el método de simulación y
la única flexibilidad considerada es la opción de abandonar la operación. Uno de los resultados
obtenidos fue que bajo la evaluación tradicional NPV la diferencia de valor entre el mejor y el peor
plan era mucho mayor que la obtenida por ROV, lo que es explicado por la flexibilidad que impide
tener utilidades negativas, por tanto, se puede concluir por esto que considerar flexibilidad en la
evaluación de un plan disminuye el riesgo asociado a este.
(Sabour & Poulins, 2010) estudian la expansión en la capacidad de un yacimiento hipotético
considerado incertidumbre de precios, haciendo una comparativa entre la evaluación producida por
el método tradicional NPV y opciones reales, con el objetivo de encontrar el precio “umbral” bajo
el cual es adecuado expandir la capacidad de la mina en cuestión. Los resultados del estudio fueron
que la evaluación mediante opciones reales arrojo un precio más alto que el método tradicional,
esto explicado porque las opciones reales consideran flexibilidad e incertidumbre en precios, esto
explica que para ciertos precios sea más conveniente aplazar la expansión en espera de precios más
altos, diferenciándose del método tradicional caracterizado por decisiones del tipo “expandir o no
expandir”, que asumen la mina con capacidad expandida para su evaluación.
Otro trabajo relevante en la línea de opciones reales es el realizado por Kazakidis y Mayer (2007),
este trabajo hace una analogía entre la industria manufacturera y la industria minera analizando lo
que significa flexibilidad en cada una de ellas sentando un precedente histórico en el proceso de
introducir flexibilidad en un sector productivo.
25
En el contexto de planificación subterránea, lo autores comentan que la flexibilidad siempre está
presente pero no es un proceso formal o estandarizado si no que más bien depende de la experiencia
del personal a cargo. Debido a los errores en determinar parámetros como costos, reservas, existe
una diferencia en la tasa de retorno de la inversión y lo determinado en un estudio de factibilidad,
pero al introducir flexibilidad en un estudio de factibilidad se da la oportunidad de controlar esos
errores y reducirlos. El manejo del riesgo es cada vez más importante para la industria debido a
que ayuda mantener costos bajos y es por esto que la flexibilidad es esencial, sin embargo, en
algunos casos la incertidumbre de algún componente no puede ser reducida por la flexibilización
improvisada del diseño por lo que es importante generar planes de contingencia flexibles que se
puedan acomodar a estos factores que afectan tanto la producción como los costos. No siempre es
fácil estimar la probabilidad fallo en sistema, pero si las consecuencias de esos fallos y tener un
plan de contingencia para ellos. Mientras más grande el grado de flexibilidad más valiosa llega a
ser a flexibilidad. Por lo tanto, la contingencia en una aplicación especial de flexibilidad en
ingeniería, un plan de contingencia involucra una paradoja de una decisión antes de que la decisión
sea hecha, un plan es elegido contingencia una vez se sepa una información relevante o haya la
ocurrencia de un evento gatillantes.
1.6.3. APLICACIÓN DE OPCIONES REALES A DISEÑOS DE INGENIERÍA
La mayoría de la literatura está enfocada en el análisis de evaluaciones de alternativas económicas

alternativas y solo una pequeña parte se enfoca en la necesidad de diseño de ingeniería flexibles.
Se hace un paralelo entre las típicas opciones financieras y flexibilidades en la construcción y
producción de obras subterráneas como por ejemplo cancelación durante la construcción,
expansión, etc.
Wang y De Neufville (2005) presentan un trabajo que cambia la forma en que se evalúan las
opciones reales, cambiando de un enfoque financiero hacia un enfoque ingenieril, el trabajo se
centra en el diseño de infraestructura y menciona que al igual que en caso minero los diseñadores
de infraestructura saben que sus proyecciones están siempre equivocados pues debido a factores
como la volatilidad de las preferencias de la personas una estructura casi nunca cumple con
exactamente la función para la cual fue diseñada siendo la demanda mayor o menos a lo proyectado,
ejemplos son carreteras y puentes.
Se plantea que para lograr que las infraestructuras sean efectivas en costo, deben satisfacer las
verdaderas necesidades de los usuarios, esto se logra evitando desarrollos innecesarios de
capacidad e ir implementando en el futuro desarrollos en la infraestructura que se acomoden a las
necesidades futuras necesidades, un ejemplo es un puente el cual su diseño soportaba más carga
que la necesaria, años después se puedo incluir una línea de metro para cumplir con los
requerimientos de transporte urbano de ese momento.
26
Se señala que los problemas para introducir flexibilidad a un sistema son dos,
• el coste que conlleva aplicar la flexibilidad
• menudo los diseñadores no justifican o no encuentran sentido a introducir flexibilidad a un
sistema.
Para poder justificar flexibilidad se puede usar opciones reales sin embargo se critica que estas no
son muy ocupadas en ingeniería debido al enfoque financiero es poco aplicable o entendibles en la
práctica. Es por ello que se aplica un método de opciones reales más simplificado y practico el cual
se ha llamado opciones reales en proyecto. Este concepto es definido por sus autores como una
extensión de la teoría de opciones reales enfocado en el diseño de sistemas físicos. Opciones reales
en proyecto (ROIP) son un punto medio entre el análisis de opciones reales y las técnicas de
evaluación de proyecto tradicionales. Existen algunas importantes diferencias entre el análisis de
opciones reales y las opciones reales en proyecto.
El análisis de opciones reales denominado “ROA” se centra en análisis financiero de las opciones
de un proyecto en donde prima el valor para las decisiones enfocándose en los riesgos de mercado
mientras que los aspectos ingenieriles son considerados “caja negra”.
Las opciones reales en proyectos requieren una comprensión del proceso o tecnología y las
decisiones a tomar son del tipo “go” o “no go” centrándose en proponer opciones que generen un
sistema más flexible a través del diseño de este.
Opciones reales en proyectos son particularmente aplicables en proyectos a gran escala con las
siguientes características:
• Son a largo plazo, son diseñados pensando demandas de un futuro lejano
• Exhiben economías de escala, lo cual involucra grandes construcciones
• Enfrentan requerimientos futuros inciertos, debido a que las proyecciones futuras
generalmente se equivocan
Algunas aplicaciones conocidas de las opciones reales en proyectos son un puente construido sobre
el río Tangus en Lisboa, Portugal. El diseño original del puente se pensó para resistir mucho más
que peso que el requerido por lo que automáticamente se generó la opción de construir un segundo
nivel si en el futuro fuera necesario. Años después de la construcción del puente se ejerció la opción
debido a la necesidad de construir un segundo piso para la línea de ferrocarril.
Posteriormente Cardin (2007) en su trabajo critica que el método estándar de evaluar el valor de
operaciones mineras usa un par de constantes de precio y posiblemente fronteras de bajo y altos
precios, pero no hay un intento en la etapa de evaluación conceptual de analizar las consecuencias
para el diseño del rango de posibles pecios y como afecta el valor del proyecto
Se intentar esquematizar la “realidad” de las operaciones mineras donde se aprecia que existe algún
grado de flexibilidad en elegir diferentes configuraciones para operar la mina y que esta operación
se ajusta a los cambios a lo largo de la vida del proyecto para maximizar los beneficios a ciertas
condiciones dadas, por lo que los posibles flujos de caja dependen de las respuestas del operador a
los cambios de condiciones.
Posteriormente el define el concepto de plan operativo el cual establece como los administradores
deben operar óptimamente el proyecto para una infraestructura dada, la localización, calidad del
depósito y condiciones prevalecientes.
27
La determinación del mejor plan para una condición dada requiere resolver un problema
combinatorio grande que es difícil de resolver, costoso y demoroso. Por lo que en la práctica se va
mejorando el plan periódicamente con mejor información sin embargo el análisis de proyectos
prospectivos tiene menos tiempo y recursos limitados por lo que las evaluaciones en estas etapas
sobre simplifican el problema usando solamente un vector determinístico de precios.
Se señala que es sabido que los precios son fluctuantes y que las operaciones se ajustan a las nuevas
condiciones pero que esto no se traduce en la forma como se evalúan los proyectos, simplemente
se hace análisis de sensibilidad, por ejemplo En este trabajo se propone un nuevo proceso que
pretende superar esta limitación y que se basa en el concepto de catálogo de planes operativos, el
cual es un grupo de posibles planes cada uno de ellos asociados a un única evolución del precio, si
bien cada plan no es óptimo si se ajusta lo mejor posible a cada posible escenario de precios esto
aplicado en una etapa de ingeniería conceptual, luego cada plan de catálogo se obtiene su VAN
con el cual de saca el ENPV o VAN esperado del proyecto. Para poder representar la incertidumbre
de precios se hace una simulación usando modelo geométrico browniano, no muchas simulaciones
y luego son clasificados por su cambio o evolución, por ejemplo, en los primeros 5 años un
escenario de evolución positiva, negativa, neutral, por ejemplo, luego se pasa a una etapa de
identificar y definir cual son las flexibilidades del proyecto. Luego se define un plan para cada
escenario de precio lo cual se hace para cada uno de los planes de acuerdo con las flexibilidades
definidas anteriormente. Para valorar los planes se hace nuevamente una simulación de precios y
se adjudica a casa simulación un plan de los del catálogo y luego se calcula un valor esperado del
VAN de acuerdo con las simulaciones.
1.6.4. CONTROL ÓPTIMO
Este enfoque nace de la teoría de control optimo, la cual comprende un conjunto de métodos
matemáticos de optimización que son la extensión del cálculo de variaciones y su objetivo es buscar
un conjunto de parámetros de “control” los cuales maximizan una función. (Evans, 2005).
La aplicación del control optimo puede observarse en diversos ámbitos como lo son la biología, la
aeronáutica espacial, teoría de juegos, etc. Sin embargo en planificación minera sus aplicaciones
son escasas, encontrando como trabajo pionero el aporte de Goodwin,(Goodwin et al., 2006) quien
presenta un trabajo donde reformula el problema del agendamiento de la producción de mina a
cielo abierto usando recending horizon control, exponiéndolo como una alternativa a la
programación entera mixta. Aplica una serie de estrategias para hacer el problema
computacionalmente tratable como lo es la agregación de bloques, por ejemplo. El caso de estudio
que se ocupa en este estudio es un modelo de bloques con cerca de 9000 bloques, mostrando
notables reducción del tiempo computacional, en resolver el problema con soluciones que no se
distanciaron más allá del 0,5% del resultado obtenido bajo otros enfoques.
28
Trabajos posteriores como el de Rojas (Rojas, Goodwin, Seron, & Zhang, 2007), aborda el
problema de la secuencia minera con incertidumbre asociada al precio del commodity mediante
técnicas de closed-loop receding optimal control, haciendo diferencia entre soluciones del tipo
open-loop, reactivas y close-loop. Las soluciones de tipo open-loop son las clásicas soluciones de
encontrar una secuencia de “control” sobre el horizonte de optimización como las determinadas
por Goodwin (2006). Las soluciones reactivas son similares a las soluciones open-loop, solo que,
si el precio de commodity cambia periodo a periodo, la solución también cambiará recalculando
una nueva solución open-loop para ese periodo. Mientras que las soluciones close-loop son bastante
diferentes a las anteriormente descritas debido a que toman en consideración posible información
adicional en el futuro, lo cual conlleva algunas dificultades de dimensión del problema a resolver,
lo que se puede salvaguardar con algunas técnicas de agregación que pueden disminuir el tamaño
del problema, por ejemplo, a través de la no uniformidad de la cuantización del tiempo. Con esto
se logra hacer planes más flexibles y que logre responder de mejor manera a las futuras variaciones
del precio del commodity. A diferencias de otros métodos, para modelar la incertidumbre de precio
del commodity aquí no se usa técnicas de simulación Montecarlo debido a que técnicas del tipo
close-loop no pueden computacionalmente con mucha información de entrada. Para poder hacer
factible de resolver este problema se eligen algunos escenarios como un grupo “representativos”
de la incertidumbre. Para resolver el problema de forma close-loop frente a los cambios de precios
lo primero que se arma un árbol de precios. Como caso de estudio se usa un modelo de “juguete”
para resolver el problema close-loop y demostrar la aplicación este tipo de técnicas para luego
hacer una comparación entre soluciones close-loop y reactiva obteniendo una diferencia de 1%
más al resolver el problema con estrategias close-loop.
Finalmente, se hace una aplicación a un caso de estudio real con geometría del yacimiento compleja
y se compara las soluciones entregadas bajo las soluciones open-loop, reactivo resultando que la
solución reactiva mejora un 10% en comparación a la solución open-loop, sin embargo, los autores
remarcan que no se pueden sacar conclusiones definitivas de estos resultados.
Kizilkale (Kizilkale & Dimitrakopoulos, 2014) en su trabajo aborda el problema llamado

agendamiento de la producción de un complejo minero bajo incertidumbre financiera.
Según el autor, el problema debería ser resuelto globalmente en una simple programación entera
mixta estocástica sin embargo la complejidad computacional es inabarcable, por tanto, en este
trabajo se presenta un enfoque distribuido. El problema fue dividido en cuatro fases:
• Fase uno: cálculo de pit final de cada mina
• Fase dos: determinación de la función objetivo de tasa de producción minera la cual incluye
identificar restricciones dependientes e independientes
• Fase tres: cálculo de la tasa minera global para todas minas considerando incertidumbre
financiera usando un enfoque de control optimo y resuelto con programación dinámica
• Fase cuatro: Calculo de agendamientos de la producción para cada mina considerando
incertidumbre en el metal
29
El caso de estudio se realiza a un complejo minero de 3 minas de oro, detallándose que el precio
fue modelado bajo un movimiento genético browniano y la evolución temporal de la función de
densidad de probabilidad es modelada a través la ecuación de Fokker-Planck para un periodo de
tiempo de 20 años. Se hace la resolución de la capacidad optima de la mina en su conjunto, pero
también de determina la capacidad optima de mina de manera individual encontrándose claras
diferencias entre el resultado global e individual. Sin embargo, el estudio no menciona si esta
solución es mejor que otros métodos, ni se menciona los resultados del agendamiento incluyendo
incertidumbre en el metal no tampoco es valor actual neto o una medida de riesgo asociada a este
caso de estudio, aunque si muestra que las capacidades si son flexibles y reaccionan frente a los
cambios de precios, aunque no se menciona bajo qué precios es válido este cambio de capacidad.
Como se pudo apreciar dentro de este grupo de trabajos relacionados con el control optimo, una de
las grandes posibilidades que ofrece esta área es encontrar una manera alternativa de abordar el
agendamiento de producción minera, considerando incertidumbre de precios. Sin embargo, por ser
un campo de investigación nuevo, no sabe la factibilidad de su aplicación en casos de estudio
grandes no su conveniencia comparada con otras técnicas disponibles. Otra de las limitaciones que
tiene la aplicación de control optimo en planificación minera es que si bien se puede determinar
una tasa de extracción minera optima, no se tiene claro como incorporar las inversiones necesarias
para materializar esas capacidades.
1.6.5. PLANIFICACIÓN MINERA BAJO INCERTIDUMBRE USANDO

PROGRAMACIÓN MATEMÁTICA
Una de las líneas de investigación que están en la vanguardia del estudio de planificación minera
es la planificación minera bajo incertidumbre. Esta área se caracteriza por el uso de técnicas de
optimización matemática como la programación matemática en sus distantes técnicas. La
incertidumbre abordada en esta área generalmente se modela a través de técnicas de simulación,
destacándose la incertidumbre geológica y de precio del commodity. Los principales temas
abordados son el agendamiento de la producción, sin embargo, en los últimos años se han visto
esfuerzos de algunos autores por enriquecer los alcances de estos trabajos al incluir complejos
mineros bajo múltiples destinos de procesamientos y la inversión asociada la infraestructura de
producción.
Goodfellow (Goodfellow, 2014) comenta que en la mayoría de los estudios de optimización, los
modelos asumen las capacidades objetivo a priori, por tanto es probable que la optimización de
como resultado un óptimo local al no considerar la opción de incrementar o decrementar estas
capacidades objetivo por tanto el autor elabora un modelo que considera opciones de diseño tales
como expandir la capacidad del chancador, abrir o cerrar líneas de procesamiento u optimizar la
capacidad de producción mina al considerar la compra e camiones y palas bajo escenarios de
incertidumbre geológica, generando un modelo de optimización que considera los costos de capital
requeridos para aumentar o disminuir capacidades. Este modelo es probado en un caso de estudio
real de un complejo minero de cobre con 128,946 bloques, 3 líneas de procesamiento de mineral y
8 stock piles. El modelo propuesto es hecho bajo programación estocástica entera de dos etapas y
para resolver este problema se una heurística de algoritmo de optimización de enjambre de
30
partículas en el caso de variables continuas y recosido simulado en caso de variables enteras. Se
compara la solución entregada por este modelo con un modelo determinista equivalente lográndose
un aumento en el valor actual neto de 5,7%
Farmer (Farmer, 2016), continuando con el trabajo de Goodfellow (2014) aborda la integración
simultanea entre capacidades de decisión, secuencia optima y política de destino de material
considerando dos fuentes de incertidumbre. El problema es resuelto de forma secuencial, en una
primera parte se resuelve el problema de seleccionar fases considerando incertidumbre geológica,
en una segunda etapa se hace el agendamiento de la producción con capacidad flexible
considerando incertidumbre de precios. Para el caso de estudio se usan 100 simulaciones de cobre
y 100 simulaciones de precio del commodity, el resultado es un plan robusto que considera el trade-
off entre capacidad y costo de adquirirla sin embargo al hacer esto se pierde la flexibilidad posible
de lograr.
Groeneveld et al. (2009) establece una metodología para determinar el diseño flexible de una mina
a través de opciones de diseño en la optimización para maximizar el valor a través de programación
entera mixta (MIP). Múltiples “estados del mundo” fueron simulados a través de Montecarlo
(MCS) y el diseño óptimo para cada estado simulado. Un conjunto de resultados fue formado
producto de cada escenario simulado y se creó un gráfico acumulativo de probabilidad denominado
grafico de valor en riesgo, el cual representa el máximo teórico lograble.
Groeneveld et al. (2012) mejora el trabajo anterior cambiando un diseño flexible por un diseño
robusto debido a que en la práctica es muy difícil que una compañía pueda cambiar su diseño de
forma tan flexible. Los autores también establecen que un diseño robusto es una solución del tipo
“what and see” la cual ignora la capacidad de administración y cambio por completo, por esta razón
proponen un diseño “operacional” el cual en sus primeros periodos es de tipo robusto y luego
cambia a un diseño flexible. Finalmente, la publicación hace una comparación entre un diseño
flexible, robusto, operacional y tradicional (sin simulación)
Este trabajo se identifica dentro de la etapa de planificación estratégica y está orientado a ayudar a
elegir el mejor diseño de un sistema de producción por medio de la flexibilización de la capacidad
en la infraestructura. Sin embargo, establece que un sistema flexible es poco práctico por lo que se
propone un diseño de sistema hibrido entre robusto y flexible, el cual es llamado operacional.
Este trabajo se apoya en el concepto de real option en proyecto y se usa simulación Montecarlo
para genera los llamados “estado del mundo” que son una serie de combinación de simulaciones
tanto de precio, costo de operación y de capital que constituyen escenarios, en cada uno de los
cuales se elige la mejor opción de diseño a través de un modelo de optimización MIP que tiene
como fin maximizar el beneficio en cada escenario.
El resultado es un gráfico llamado gráfico de riesgo el cual muestra de forma acumulativa y una
tabla de probabilidades de construir una opción. El aporte de este trabajo es incluir las técnicas de
modelamiento y optimización a problemas a las opciones ya que aparte de elegir la opción de diseña
más adecuada entrega el agendamiento de la extracción de los recursos mineros de un rajo
31
La limitaciones de este trabajo están básicamente en que los autores se enfocaron en ver la
flexibilidad a nivel diseño, lo cual parcialmente sirve para formular planes mineros en
incertidumbre de precios por ejemplo la capacidad de la mina puede ser flexibilizada haciendo
variar el número de camiones y palas lo que puede interpretarse como invertir en maquinaria pero
en el caso de un chancado uno puede flexibilizar la capacidad del chancador simplemente en no
saturar el chancador o saturarlo el 80%, 70% del tiempo operativo por ejemplo por lo que en
conclusión la gran oportunidad de mejora en este trabajo es extender la flexibilidad más allá del
diseño hacia la formulación de planes mineros propiamente tal para los cuales se pueda determinar
bajo qué condiciones es mejor ejecutar esos planes , a qué nivel de recurso un plan alternativo es
más conveniente, etc.
32
2. RESULTADOS
2.1. ARTICULO: METODOLOGÍA DE PLANIFICACIÓN MINERA A CIELO ABIERTO

CONSIDERANDO PLANES ALTERNATIVOS
Metodología de planificación minera a cielo abierto

considerando planes alternativos
David Meneses, Nelson Morales y Enrique Jélvez
Advanced Mining Technology Center & Laboratorio de Planificación Minera Delphos & Departamento de Ingeniería
de Minas, Universidad de Chile, Chile.
Resumen
La minería a cielo abierto se caracteriza por ser operacionalmente flexible si se compara con la minería
subterránea y, en general, logra ser altamente productiva. En este contexto, la planificación toma un rol
preponderante en llevar este tipo de operaciones a las más altas rentabilidades en un entorno de riesgo
controlado. A nivel estratégico, las decisiones deben estar orientadas a identificar cualquier evento que
podría afectar el futuro de la operación minera, por lo que uno de los factores que más atención recibe, es
el precio de venta del commodity. El problema es que el comportamiento de esta variable exógena es muy
difícil de predecir en el mediano y largo plazo, por lo que han surgido innumerables intentos, tanto por
predecir su valor esperado, como por manejar su variabilidad. Bajo este enfoque, entendemos la flexibilidad
como la mejor forma que tiene el plan de producción de adaptarse a los cambios en el precio. Una forma de
incorporar flexibilidad es por medio de cambios en las capacidades mina y planta, haciendo la operación
más pequeña en precios bajos y expandir la operación en precios altos, para aprovechar las condiciones
económicas. En este trabajo se modela el precio del commodity utilizando un enfoque de simulación,
flexibilizando la capacidad de los planes productivos en el tiempo por medio de un modelo de optimización
para cada escenario. La aplicación de esta metodología permite construir planes mineros alternativos, los
cuales son contingentes al cambio de precio, permitiendo establecer criterios de ejecución o parada de los
mismos en un horizonte determinado, y generando el máximo valor del negocio y, a la vez, minimizar el
riesgo de pérdidas por la incertidumbre económica.
Abstract
The open pit mining is characterized by its operational flexibility and high productivity compared to
underground mining methods. Mine planning takes a key role in maximizing the profits of the operation in
a controlled risky environment. At strategic level, the decision should be oriented to identify any event that
could affect in the future of mine operation, such as the price of commodity. The problem is that the behavior
of this variable is hard to predict in the medium-long term, arise many approach of predict the expected
value and handle the variability. Under this approach, the flexibility will be understood as the best way of
that production plan can adapt to the changes prices. One way of incorporate flexibility is change the mine
and mill capacity, making the operation small under low prices and big under high prices for take advantage
of the economic conditions. In this work the price of commodity is modelled using simulation approach,
changing the capacity of production plans through the time using an optimization model for each simulation.
The application of this methodology allows build alternatives mine plans, contingent to the change of price,
33
stablishing execution’s criteria in a time horizon, getting the maximum value of business and minimizing
the risk of losses due to economic uncertainty
Introducción
En el proceso de extracción de recursos no renovables como la minería a cielo abierto, es común
que los yacimientos otrora ricos se empiecen a agotar, manifestándose en una disminución de leyes
extraídas e implicando una disminución de la productividad, un aumento en el costo del proceso
de obtención del producto final y un aumento en la inversión para mantener la producción.
Por otra parte, la rentabilidad de una operación minera está determinada por una serie de variables,
donde el precio de venta del metal principal (commodity) es una de las que más incide: es una
variable exógena que tiene asociada una alta incertidumbre, por lo que predecir su valor en el
mediano y largo plazo es prácticamente imposible, incluso en términos promedios, debido a su alta
volatilidad conforme pasa el tiempo.
Una operación minera que enfrente al mismo tiempo un incremento de sus costos e inversión, junto
con la volatilidad del precio de venta del commodity está en una situación de riesgo que
compromete tanto la rentabilidad económica como la solvencia financiera. Una forma en que se
puede manejar el riesgo y la incertidumbre es a través de la incorporación de flexibilidad en el
proceso de planificación minera: esto quiere decir, encontrar las mejores formas en las cuales una
operación minera se pueda adaptar y hacer frente a los cambios en el precio del commodity.
Desventajas de la planificación minera tradicional en minas a cielo abierto
El proceso tradicional de planificación de la producción en minas a cielo abierto en el largo plazo
es un proceso determinístico y secuencial, que consiste en definir parámetros técnico-económicos,
con los cuales se determina: el pit final y pits anidados, que servirán para definir las fases, luego
elaborar un diseño operativo de la mina y establecer la extracción en el tiempo de fases-banco,
leyes de corte, entre otros. Por último, realizar una evaluación económica que determine la
rentabilidad de la operación minera.
Una de las críticas más recurrentes al proceso de planificación está en la etapa de definición de
parámetros técnico-económicos, debido a que se asumen fijos y conocidos de antemano muchos
parámetros los cuales son inciertos en la realidad, entre los que destaca el precio de venta del
commodity, el cual es crítico porque la rentabilidad es altamente sensible a pequeños cambios en
su valor.
La etapa de determinación de fases o pushbacks tiene el objetivo de determinar cuáles porciones

de reserva se extraerán de manera secuencial, estableciendo precedencias de extracción entre
grandes porciones del yacimiento. La práctica habitual es determinar, a través de un análisis
paramétrico de sensibilización de pits anidados, cuáles serán las fronteras de las fases (Lerchs &
Grossmann, 1965) .El problema con esta metodología es que la elección particular de las fases
depende fuertemente de los criterios y experiencia propia del planificador, y tampoco se considera
el tiempo en su determinación. En esta área han surgido algunos esfuerzos en unificar criterios y
generar herramientas que seleccionen de forma óptima las fases, por ejemplo: Elkington & Durham
(2011), Jélvez et al. (2016), Jélvez & Morales (2017).
34
Posterior a la elección de fases se debe elegir en qué momento del tiempo y a qué destino se enviará
cada bloque, usualmente con el fin de maximizar el VAN. Si bien hay muchos enfoques, éstos se
pueden clasificar en: (i) aquellos que toman la decisión por cada bloque, y (ii) aquellos que agrupan
o “agregan” bloques en conjuntos más grandes, sobre los cuales se toma la decisión. En esta etapa
es obligatorio que se defina una capacidad de mina y una alimentación a planta, la que generalmente
es fija a lo largo de la vida de la mina. En un marco de referencia determinista, con parámetros de
entrada fijos, es posible determinar una capacidad mina y planta que maximice el VAN, sin
embargo, es válido preguntarse si esta capacidad es “óptima” cuando varía el precio del commodity.
Flexibilidad: una manera de manejar la incertidumbre del precio del producto.

En este trabajo se entenderá la flexibilidad de un proyecto minero como una característica que
permite adaptarse a los cambios, en particular, en las condiciones de mercado. De este modo, un
proyecto flexible podrá adaptarse ante variaciones del precio del commodity. Los primeros trabajos
en considerar flexibilidad frente a la incertidumbre de precios en minería fueron en el área de
opciones reales (Brennan & Schwartz, 1985) y buscaban evaluar económicamente la inversión en
un yacimiento minero.
Posteriormente algunos investigadores como De Neufville et al. (2005) buscaron una manera de
simplificar el cálculo del valor económico de un proyecto con flexibilidad a través de un enfoque
más “ingenieril”, haciendo una transición desde técnicas analíticas del mundo financiero hacia
formas de cálculo más prácticas. Finalmente, se han desarrollado metodologías que buscan
determinar el diseño óptimo de la infraestructura minera combinando simulación de Montecarlo y
modelos de optimización que deciden qué opciones de diseño construir y ejercer, para una
realización determinada (Groeneveld et al. 2011, 2012).
Cabe mencionar que la flexibilidad está siempre presente en el proceso de toma de decisiones, solo
que depende de la experiencia del personal a cargo y es una respuesta natural ante el cambio en las
condiciones que dieron origen a un plan (Cardin et al., 2008). Sin embargo, dado que el negocio
minero es complejo, ejercer flexibilidad de forma improvisada no logra corregir una situación
riesgosa o, en caso contrario, aprovechar oportunidades que se susciten, es por esto último que se
deben planificar algunos tipos de flexibilidades, es decir, contar con decisiones contingentes
“what-if”.
La capacidad de un proyecto minero de adaptarse a los cambios en los precios del producto es un
comportamiento que es observado en la realidad. En efecto, cuando los precios de los productos
bajan, las compañías mineras recortan sus gastos e inclusive disminuyen su capacidad de
producción en algunos casos. Por el contrario, cuando el precio sube, las empresas tratan de
aprovechar la oportunidad y aumentan la producción, por lo que, según el tamaño de la compañía,
ésta trata de hacer frente a los precios flexibilizando tanto como sea posible la capacidad de sus
procesos.
En general, una compañía puede tomar la decisión de elegir una capacidad fija a través del tiempo
y posiblemente expandir esa capacidad con el objetivo de generar un plan minero robusto: este
enfoque desde el punto de vista de la optimización entrega buenos resultados y en ciertas
compañías con un activo minero importante y solvencia financiera funciona bien. Sin embargo,
existe un grupo no menor de compañías (pequeña y mediana minería) que tal vez no puedan o no
quieran asumir perdidas que superen cierto grado de endeudamiento y que, considerando que un
35
yacimiento es un recurso no renovable, es preferible postergar la extracción del recurso minero a
operar en perdida.
Concepto de opción
Para incorporar la flexibilidad en un proyecto minero, es necesario introducir el concepto de
opción. Un ejemplo: flexibilizar la capacidad mina y planta requiere que ésta pueda cambiar en el
tiempo para adaptarse a las condiciones de mercado, esto se puede lograr fácilmente en el caso de
la capacidad mina, disminuyendo o aumentando el número de equipos en la mina. La capacidad
planta se puede flexibilizar al añadir un chancador en caso de aumentar y en caso contrario no
saturar la capacidad del chancador, entre otras maneras.
Si consideramos que la capacidad de mina o planta es flexible, se puede afirmar que se tiene “la
opción” de aumentar o disminuir esta capacidad. El concepto de opción es muy amplio y puede dar
un significado preciso, en este trabajo se usará la palabra opción para describir la elección de una
capacidad mina o planta en un periodo determinado.
Se entiende que la capacidad tanto mina como planta está determinada en buena parte por la
infraestructura que la soporta, por ejemplo, en caso de capacidad mina, el número de camiones y
palas, y en caso de la capacidad planta, por el tamaño de la misma.
Operar con una infraestructura determinada tiene asociado una serie de costos, dentro de los cuales
los más destacables son la inversión en adquirir e instalar esa infraestructura (CAPEX) así como el
costo que conlleva operarla (OPEX).
Valor en Riesgo (VaR)

El VaR (Valor en Riesgo, o Value at Risk) es un indicador de riesgo que puede ser aplicado a
proyectos, mide la pérdida económica o potencial máxima que puede ocurrir en un determinado
horizonte de tiempo con un nivel de significancia determinado (Johnson, 2001). El indicador VaR
es compatible con un enfoque de opciones porque ambos sostienen que las variables riesgosas
evolucionan en el futuro según un proceso estocástico (Lamothe et al., 2008), pudiendo aplicar
modelos no paramétricos tales como simulación Montecarlo para calcular su valor en tiempos
futuros. La diferencia más notable entre los enfoques basados en Opciones y en VaR es que el
primero busca cuantificar el valor que agrega la flexibilidad a un proyecto, mientras que el segundo
trata de dar una medida de riesgo.
Para proyectos, una de las mejores formas de calcular el VaR es mediante simulación (Lamothe et
al.,2008). Para ello, se generan de forma aleatoria series de precios del commodity en el tiempo t,
denotados por Pt, de acuerdo a una función de distribución. En base a cada uno de estos valores se
calcula un VAN, construyendo en conjunto una distribución de VAN. Para cierto nivel de confianza
𝛼 ∈ (0,1] se aproxima el VaR.
Pronostico de precio del commodity
El precio del commodity puede ser representado mediante modelos estocásticos, dentro de estos
últimos los que tienen más aceptación para generar realizaciones de precios en el tiempo son el
Movimiento Geométrico Browniano (Dixit & Pindyck, 1994) y el Proceso de Reversión de la
Media (Sabour & Dimitrakopoulos, 2007). La simulación del precio del commodity se hará según
el siguiente modelo (Gravet, 2003):
36
(1)
donde 𝑃𝑡 es el precio del metal en el tiempo t, 𝑎 es la tasa libre de riesgo, b es el retorno por
conveniencia instantáneo, σ es la desviación estándar de los retornos, ∆t es time step determinado
y 𝜀 es la muestra de distribución normal estándar.
Planificación de contingencias
Dentro de un buen plan minero en el largo plazo, debe haber dos características (Hustrulid &
Kutcha, 2006):
• Examinar apropiadamente los méritos económicos de alternativas de producción de mineral
y escenarios de leyes de corte.
• Someter a prueba la estrategia propuesta de minado, selección de equipos y plan de
desarrollo mina a planificaciones de contingencia “what-if” antes de que se haga el
compromiso.
Como se ha mencionado anteriormente en este trabajo, se decidirá en qué periodo se ejecutará cada
opción y se optimizará un escenario por cada simulación del precio, por lo que con esto se puede
obtener como resultado una tabla que muestra la frecuencia de ejecución de una opción, como se
aprecia en la Tabla 1.
Tabla 1 Ejemplo Probabilidad de ejecución de una opción por cada escenario
periodo 1 2 3 4 5 6
Opción 1 20% 15% 10% 20% 20% 5%
Opción 2 30% 20% 20% 10% 30% 30%
Opción 3 15% 10% 20% 5% 20% 10%
Opción 4 10% 30% 5% 30% 10% 15%
Opción 5 20% 5% 30% 20% 15% 20%
Opción 6 5% 20% 15% 15% 5% 20%
Para elaborar los planes alternativos se usará el criterio de ranking, según el cual se pondrán en el
primer plan alternativo las opciones con más probabilidad de ejecución, en el segundo plan las
segundas opciones más probables, y así sucesivamente. Si existen opciones que tienen la misma
probabilidad de ocurrencia, se generará un plan alternativo adicional.
Metodología
En este trabajo se considerará solamente la flexibilidad en las capacidades mina y planta. La
metodología presentada en este trabajo se detalla de manera secuencial a continuación:
6. Realizar el plan minero optimizado de manera tradicional (caso base)
7. Simular el precio de commodity
8. Proponer diferentes capacidades alternativas de planta y mina
9. Optimizar las diferentes capacidades mina y planta como opciones al cambio en el precio
del commodity
37
10. Elaborar posibles planes alternativos
En primer lugar, se realiza un plan minero de la manera tradicional, debido a que es de suma
importancia tener un caso base con el cual comparar el resultado de la metodología propuesta y
analizar si es pertinente su aplicación. Luego se modela y simula el precio de venta del commodity,
se debe ser enfático en mencionar que en esta metodología no se propone un modelo en específico,
quedando en libertad el usuario de implementar el modelo que más le parezca pertinente. Lo
importante es que pueda usarse una técnica Montecarlo para generar múltiples realizaciones de
series de precios en el tiempo y luego poder calcular el VaR del plan tradicional o caso base.
Proponer diferentes capacidades es establecer opciones para flexibilizar el plan, se debe tener
presente que junto con definir capacidades de cada opción se debe también establecer el costo de
operación, así como si es necesario una inversión previa a ejercer dicha opción.
Una vez definidas las opciones que se pueden elegir se ingresan a un modelo de optimización, el
cual entrega dos outputs relevantes: (i) el VAN del plan, incorporando las opciones, y (ii) un reporte
que describe qué opciones y en qué periodos fueros ejercidas. Es muy importante mencionar que
deben hacerse múltiples ejecuciones del modelo, tantas como realizaciones de la simulación se
tengan, debido a que en cada realización el modelo se debe optimizar con una nueva serie de
precios.
Antes de elaborar los planes de contingencia o alternativos se debe calcular un nuevo VaR, en base
a los VAN obtenidos del modelo de optimización. Es intuitivo pensar que incluir opciones más allá
de sumar valor a un proyecto pueda disminuir el riesgo del mismo, por lo tanto, tendría sentido
elaborar planes alternativos si es que se aprecia que la metodología es efectiva para disminuir el
riesgo o aumentar el valor del proyecto. La elaboración de los planes alternativos se hará en un
horizonte de tiempo cinco años, debido a que podría no tener sentido pensar alternativas en un
largo plazo debido a la combinatoria resultante, restando valor práctico a la metodología.
Modelo de optimización
Notación
Sea B un modelo de bloques, por ejemplo, representando el pit final y b representa un bloque. T
representa el horizonte de planificación y t un periodo anual. Se tienen L opciones y l representa
una de esas opciones. El pit final es particionado en J fases y K bancos, donde cada fase es
representada por j y cada banco por k. El número de bloques dentro de una fase-banco viene dado
por Njk
Sea 𝑃𝑡 el precio del commodity en el tiempo t. CV es el costo de venta. CPl el costo de
procesamiento y CMl el costo de mina, ambos según la opción l. El costo de inversión al ejecutar
la opción l viene dada por INVl. La ley y tonelaje del bloque b vienen dados por Leyb y Tonb,
respectivamente. Finalmente, RM representa la recuperación metalúrgica, r la tasa de descuento y
f un factor de conversión de unidades apropiado.
38
Variables de decisión
Las variables del modelo vienen dadas por:
XEbt = % del bloque b extraído en el tiempo t.
XPbt = % del bloque b procesado en el tiempo t.
Yjkt = 1 si fase-banco jk es extraída completamente en el tiempo t. 0 en otro caso.
Zlt = 1 si la opción l es ejecutada en el tiempo t. 0 en otro caso.
TElt = tonelaje extraído por la opción l en el tiempo t.
TPlt = tonelaje procesado por la opción l en el tiempo t.
Función objetivo
La función objetivo consistirá en maximizar el VAN del proyecto, donde:
VAN = Ingresos – Costo de extracción - Costo de procesamiento - Inversión

1
Ingresos: ∑∑ ⋅ (𝑃𝑡 − 𝐶𝑉) ⋅ 𝑅𝑀 ⋅ 𝑓 ⋅ 𝐿𝑒𝑦𝑏 ⋅ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡
(1 + 𝑟)𝑡
𝑏 𝑡
1
Costo de extracción: ∑∑ ⋅ 𝐶𝑀𝑙 ⋅ 𝑇𝐸𝑙𝑡
(1 + 𝑟)𝑡
𝑡 𝑙
1
Costo de procesamiento: ∑∑ ⋅ 𝐶𝑃𝑙 ⋅ 𝑇𝑃𝑙𝑡
(1 + 𝑟)𝑡
𝑡 𝑙
1
Inversión: ∑∑ ⋅ 𝐼𝑁𝑉𝑙 ⋅ 𝑍𝑙𝑡
(1 + 𝑟)𝑡
𝑡 𝑙
Restricciones
Se establece que el porcentaje de un bloque No se puede procesar más de lo que se extrae:

extraído debe ser a lo más 100%:
∑ 𝑋𝐸𝑏𝑡 ≤ 1 ∀ 𝑏 (1) 𝑋𝑃𝑏𝑡 ≤ 𝑋𝐸𝑏𝑡 ∀ 𝑏, 𝑡 (2)

𝑏
Para que una fase-banco sea completamente Cada opción tiene asociada una variable de
minada, deben haber sido extraídos todos los decisión, la cual limita la cantidad de toneladas
bloques que se encuentran dentro de esta fase- extraídas desde la mina en cada periodo:
banco:
𝑁𝑗𝑘 ⋅ ∑ 𝑌𝑗𝑘𝑠 ≤ ∑ ∑ 𝑋𝐸𝑏𝑡 ∀ 𝑗, 𝑘, 𝑡 (3) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝐸𝑏𝑡 ≤ ∑ 𝑇𝐸𝑙𝑡 ∀𝑡 (4)

𝑠≤𝑡 𝑏∈𝑗∩𝑘 𝑠≤𝑡 𝑏 𝑙
39
Para que se pueda extraer un bloque de una Se establece la capacidad de mina de cada
fase-banco, se debe haber extraído opción y en cada periodo, que será activada si la
completamente la fase-banco anterior: opción respectiva es ejecutada:
𝑋𝐸𝑏𝑡 ≤ ∑ 𝑌𝑗,𝑘−1,𝑠 ∀ 𝑗, 𝑘, 𝑡, 𝑏 ∈ 𝑗 ∩ 𝑘 (5) 𝑇𝐸𝑙𝑡 ≤ 𝐶𝑀𝑙 ⋅ 𝑍𝑙𝑡 ∀ 𝑡, 𝑙 (6)

𝑠≤𝑡
Solamente se puede minar completamente una Cada opción tiene asociada una variable de
fase-banco una sola vez: decisión, la cual limita la cantidad de toneladas
procesadas en cada periodo:
∑ 𝑌𝑗𝑘𝑡 ≤ 1 ∀ 𝑗, 𝑘 (7) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡 ≤ ∑ 𝑇𝑃𝑙𝑡 ∀𝑡 (8)

𝑡 𝑏 𝑙
Solamente una opción pueda ser ejercida por Se establece la capacidad planta de cada opción
periodo: y en cada periodo:
∑ 𝑍𝑙𝑡 ≤ 1 ∀𝑡 (9) 𝑇𝑃𝑙𝑡 ≤ 𝐶𝑃𝑙 ⋅ 𝑍𝑙𝑡 ∀ 𝑡, 𝑙 (10)

𝑙
40
Caso de estudio
El caso de estudio propuesto en este trabajo sobre una operación minera ficticia que dispone de una
infraestructura ya definida y requiere saber si es conveniente flexibilizar su capacidad dentro de un
set de capacidades mina, esto puede ser traducido en elegir el tamaño de la flota de camiones dentro
del pit. Para ello, se consideró el modelo de bloques KD disponible en la librería MineLib
(Espinoza et al., 2012), el cual se compone de 14.153 bloques en total.
Inicialmente se determina un plan minero de manera tradicional: se determina el pit final y se
establecen fases de extracción que definen la secuencia de explotación con un precio base de 2,5
USD/lb con un horizonte de planificación de 6 años, a una tasa de descuento de 10% anual. De
manera preliminar, se define una capacidad mina de 2.100 kton/año y una capacidad planta de 700
kton/año.
Las simulaciones de precios futuros dentro del horizonte se realizaron según (Ec. 1), con
parámetros 𝑎 = 2%, 𝑏 = 2,5%, 𝜎 = 15% y 10 periodos. Se realizaron 50 simulaciones del precio
(Figura 1), donde para cada una de ellas se evalúa el plan minero tradicional. Producto de cada
simulación se obtuvo un Van y VaR en particular, resultando tener este plan en general una
distribución normal de 𝑁(6.49 ∗ 107, 2.28 ∗ 107) y un Var con un nivel de significancia 5% de
65000.
Figura 1: Simulación de precios del cobre
Cada opción tiene sus propios costos y en algunos casos inversiones necesarias para poder
implementar tal capacidad. En este trabajo se parametrizó los costos mina y planta según capacidad
(tpa), teniendo en consideración que a medida que crece la capacidad los costos por tonelada
disminuyen debido al efecto escala.
41
En este caso se considerarán solo 6 opciones como se resume en la siguiente tabla:
Tabla 2: Parámetros opciones caso de estudio 1
Opciones 1 2 3 4 5 6
Cap. Mina (kton) 2.100 1.900 1.700 1.500 2.300 2.500
Cap. Planta (kton) 700 700 700 700 700 700
Costo mina (USD/t) 1.5 1.51 1.52 1.53 1.49 1.48
Costo planta (USD/t) 10 10 10 10 10 10
Inversión (mUSD) 200 400
Se ha realizado optimizaciones considerando opciones para cada una de las simulaciones de precio,
resultado de ello es una distribución de 𝑁(6.89 ∗ 107, 2.19 ∗ 108) y un VaR de 69,423
Planes alternativos
Según lo entregado por el modelo de optimización por cada simulación de la frecuencia en la cual
se han ejecutado cada una de las opciones es:
Tabla 3: Frecuencia ejecución de opciones caso 1
Opción 1 2 3 4 5 6 7 8 9 10
/periodo
1 12% 0% 0% 0% 0% 2% 0% 10% 0% 15%
2 4% 0% 0% 0% 0% 0% 0% 30% 66% 0%
3 0% 0% 0% 0% 0% 4% 0% 0% 0% 40%
4 0% 0% 0% 0% 0% 0% 4% 0% 14% 24%
5 83% 4% 2% 0% 10% 8% 80% 60% 0% 21%
6 0% 95% 97% 100% 89% 85% 16% 0% 20% 0%
Aplicando un criterio de ranking según las opciones más frecuentes se podría arman posibles planes
o escenarios productivos de acuerdo de las variaciones del precio de commodity.
Tabla 4: elaboración de planes alternativos caso 1
plan/periodo 1 2 3 4 5
1(>80%) Opción 5 Opción 6 Opción 6 Opción 6 Opción 6
De la tabla anterior se puede apreciar que el plan alternativo más frecuente (sobre un 80% de
frecuencia) contempla ejercer la opción 5 en el primer periodo y en periodo siguiente la opción 6.
Según se observa la opción 6 es ejercida mayoritariamente mientras que otras opciones no son
ejercidas en los primeros 5 periodos (opción 3 y opción 4) por lo que es válido preguntarse por
incluir otro tipo de opciones para saber si cambiaria la configuración de los planes alternativos
como el valor del Var. Las nuevas opciones a decidir serian:
42
Tabla 5 Parámetros opciones caso de estudio 1
Opciones 1 2 3 4 5 6
Capacidad 2,100,000 2,900,000 2,700,000 1,500,000 2,300,000 2,500,000
mina
Capacidad 700,000 700,000 700,000 700,000 700,000 700,000
planta
Costo mina 1.5 1.46 1.47 1.53 1.49 1.48
Costo 10 10 10 10 10 10
planta
Inversión 600000 800000 200000 400000
El resultado de la evaluación en el plan es una distribución de 𝑁(7.23 ∗ 10 , 2.12 ∗ 107) y un VaR
7
de 72,250
Por otra parte, los planes alternativos de esta optimización resultaron en.
Tabla 6: frecuencia ejecución de opciones caso 2
Opción 1 2 3 4 5 6 7 8 9 10
/periodo
1 0% 0% 0% 0% 2% 0% 2% 4% 4% 6%
2 98% 100% 98% 98% 96% 94% 94% 90% 92% 90%
3 2% 0% 2% 2% 2% 2% 4% 2% 4% 0%
4 0% 0% 0% 0% 0% 0% 0% 4% 0% 2%
5 0% 0% 0% 0% 0% 0% 0% 0% 0% 0%
6 0% 0% 0% 0% 0% 0% 0% 0% 0% 2%
Aplicando un criterio de ranking según las opciones más frecuentes se podría arman posibles planes
o escenarios productivos de acuerdo de las variaciones del precio de commodity
Tabla 7: Elaboración de planes alternativos caso 2
plan/periodo 1 2 3 4 5
Según se aprecia de la tabla anterior que la opción 2 es mayoritariamente ejercida conformando un

plan alternativo por sobre el 90% de frecuencia frente a otros planes con otras opciones que apenas
superan el 2% como mínimo.
Análisis de resultados
Uno de los aspectos más importantes a resaltar en este trabajo es el efecto en el valor y riesgo de
un proyecto al incluir flexibilidad lo cual se puede apreciar en el gráfico siguiente donde se aprecia
una diferencia entre las distribuciones de utilidades de los distintos planes anteriormente
mencionados. Dentro de los aspectos más relevantes es que el beneficio medio subió cerca de 6%
y 11% para los planes que consideraban opciones en comparación con el plan tradicional sin
opción y la desviación estándar disminuyó a 3% y 7% para los planes con opción comparándola
43
con un plan sin opción. Calculando el Var para cada plan similarmente se obtiene que este sube a
6% y 11% para cada plan con opción en comparación con el plan tradicional sin opción lo que
implica una disminución del riesgo de potenciales perdidas que podría sufrir el proyecto.
Distribución utilidades plan

10
9
8
7
frecuencia
6
5
4 plan tradicional
3
2 plan opcion 1
1 plan opcion 2
0
10,000,000.00
20,000,000.00
30,000,000.00
40,000,000.00
50,000,000.00
60,000,000.00
70,000,000.00
80,000,000.00
90,000,000.00
100,000,000.00
110,000,000.00
120,000,000.00
130,000,000.00
140,000,000.00
Figura 2:Distribución de utilidades en planes
Conclusiones
Este trabajo ha abordado la aplicación de flexibilidad a la optimización en el agendamiento de una

extracción minera a cielo abierto por medio del concepto de opción. El foco de este trabajo estuvo
en dos ejes principales, el primero es investigar si introducir opciones tiene efecto en disminuir el
riesgo de un proyecto minero considerando incertidumbre de precios y en segundo lugar es lograr
generar planes mineros alternativos que sirvan de contingencias a la variación del precio de venta
del commodity. Para ello se ideo una metodología que incluía un modelo de optimización entero-
mixto para determinar el agendamiento de una explotación a cielo abierto y simulación Montecarlo
para modelar la incertidumbre del precio. Este trabajo ha logrado determinar que incluir
flexibilidad de capacidades mina logra agregar valor a un proyecto y disminuir el riesgo de este.
Por otra parte la generación de planes alternativos se consideró dentro de un plazo de 5 años de
acode con un tipo de planificación mediano plazo , dentro de este marco se ha descubierto que
dentro de los primeros periodos de tiempo siempre hay una opción que se ejerce mayoritariamente
en contraposición a otras aunque esto no se pude afirmar de manera general a todos los casos de
estudios por lo que podría ser más adecuado considerar un enfoque robusto para horizontes de
tiempo de mediano y corto plazo mientras que en largo plazo un enfoque flexible podría ser más
adecuado con los objetivos más estratégicos que se propone.
44
Bibliografía
Cardin, M. A., De Neufville, R. and Kazakidis, V. (2008). A process to improve expected value of mining operations,
Min. Technol., 117, (2), 65–70.
De Neufville, R., Scholtes, S. and Wang, T. 2005. Real options by spreadsheet: parking garage case example, J.
Infrastruct. Syst., 12, (2), 107–111.
Dimitrakopoulos R and Abdel Sabour SA (2007). Evaluating mine plans under uncertainty: Can the real options make
a difference? Resources Policy 32 (3): 116–125.
Dixit, A.K., Pindyck, R.S., 1994. Investment Under Uncertainty. Princeton University Press, New Jersey.
Brennan, M. J., & Schwartz, E. S. (1985). Evaluating natural resource investments. Journal of Business, 58(2), 135–
157.
Elkington, T., & Durham, R. (2011). Integrated open pit pushback selection and production capacity optimization.
Journal of Mining Science, 47(2), 177-190.
Groeneveld, B. and Topal, E. (2011) Flexible open-pit mine design under uncertainty. Journal of Mining Science, Vol.
47, No. 2, pp. 212-226.
Groeneveld, B., Topal, E. and Leenders, B. (2012) Robust, flexible and operational mine design strategies. IMM
Transactions, Mining Technology, Vol. 121, No. 1, pp. 20-28.
Gravet, M. (2003) Valoración de opciones reales mediante simulación: El método de los mínimos cuadrados. Tesis
para optar al grado de magíster en ciencias de la ingeniería. Pontificia Universidad Católica de Chile.
Hustrulid,W. Kutcha,M.(2006). Open pit planning and desing(Vol 1). Leiden, Nl. Taylor & Francis/Balkema
Jélvez, E. and Morales, N. (2017) A MIP based procedure to pushback selection. In proceedings 37th APCOM
Conference, Golden, Colorado, EEUU.
Jélvez, E., Morales, N. and Askari-Nasab, H. (2016) A new model for pushback selection. In proceedings 5 th
International Seminar on Mining Operations, Santiago, Chile.
Johnson, C. (2001) Value at Risk: Teoría y Aplicaciones. Estudios de Economía, Vol. 28, No. 2, pp. 217-247.
Lamothe,P.,Contreras,E. (2008)Metodologías basadas en Var para el análisis de riesgo en proyectos de embalses.
Revista ingeniería de Sistema, Vol22, pp.82-104
Lerchs, h., Grossmann, I.F. Optimum Design of open-pit mine, Transaction on CIM LXVII, 1965. pp. 47-54
45
2.2. CASO ESTUDIO N°2
El caso de estudio consiste en un modelo tamaño real de la biblioteca Minelib llamado KD, el
cual fue reducido en el número de bloques, constando de 11,484 bloques.
Determinación pit final y fases
El pit final fue determinado en base a los siguientes parámetros:
Tabla 2: Parámetros pit final
Parámetro Valor
Precio ($USD/lb) 2.5
Recuperación (%) 85
Costo de venta ($USD/lb) 0.12
Costo mina ($USD/Ton) 1.6
Costo procesamiento ($USD/Ton) 10
Factor de conversión (lb/ton) 2204.6
Producto de esto se obtuvo un pit final que contiene 11,484 bloques y un valor económico no
descontado de 2,214,819,779 $USD y las reservas contenidas pueden ser descritas en base a la
Figura 6 el que muestra la curva ton-ley.
Curva tonelaje-ley
100,000,000.00 2
90,000,000.00 1.8
80,000,000.00 1.6
Toneladas (Tons)
70,000,000.00 1.4
Ley media (%)

60,000,000.00 1.2
50,000,000.00 1
40,000,000.00 0.8
30,000,000.00 0.6
20,000,000.00 0.4
10,000,000.00 0.2
0.00 0
0.05 0.23 0.41 0.59 0.78 0.96 1.14 1.33 1.51 1.69
Ley de corte (%)
Figura 6: Curva tonelaje ley
Por medio de la sensibilización del precio usando revenue factor se obtuvieron los pits anidados
como se muestran en la Figura 7, la cual describe el tonelaje y valor contenido en cada pit.
46
Gráfico pit by pit
300,000,000 2,500,000,000
250,000,000
2,000,000,000
200,000,000
Toneladas(Ton)
Valor ($USD)
1,500,000,000
150,000,000
1,000,000,000
100,000,000
500,000,000
50,000,000
0 -
1 2 3 4 5 6 7 8 9 1011121314151617181920212223242526272829
Pit
mineral esteril Valor
Figura 7: Gráfico pit by pit caso de estudio
Del grafico anterior es posible notar aquellos pits anidados que producen saltos o crecimientos
considerables en las curvas de valor y tonelaje, lo que hace que el revenue factor correspondiente
a ese pit sea un posible candidato para ser la frontera de una fase o pushback, esto sumado a otros
criterios operativos como el ancho de cada fase hizo que se seleccionaran 3 fases o pushback como
se muestra en la Figura 8.
47
Figura 8: Selección de fases
Ya determinadas las fases y con ello la secuencia de extracción se debe elegir la capacidad inicial
que debe tener el proceso minero, en este caso mediante regla de Taylor (1977,1986,1991) se ha
llegado a la conclusión que la capacidad mina será de 10.6 millones de toneladas al año y la
capacidad planta será de 4,8 millones de toneladas al año (véase anexo 1).
El agendamiento realizado para periodos de duración de un año y con un horizonte de 25 años es

el mostrado en la Figura 9 y el valor del plan fue de 1,677,612,454 USD$
48
Plan de producción tradicional
16,000,000.00 1.00
14,000,000.00 0.90
0.80
12,000,000.00
0.70
Tonelaje (Ton)
Ley media (%)

10,000,000.00 0.60
8,000,000.00 0.50
6,000,000.00 0.40
0.30
4,000,000.00
0.20
2,000,000.00 0.10
- 0.00
1 3 5 7 9 11 13 15 17 19 21 23 25
Tiempo (años)
Figura 9: Plan de producción minero tradicional
La simulación del precio del commodity se hizo bajo el siguiente modelo dado por la ecuación 1
de la sección 1.52 considerando periodos de 5 años y los parámetros la tasa libre de riesgo 𝑎 = 2%,
el retorno por conveniencia instantáneo 𝑏 = 2,5% y desviación estándar de los retornos 𝜎 = 15%
Simulación precio commodity

5
4.5
4
Precio (USD$/lb)
3.5
3
2.5
2
1.5
1
0.5
0
0 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627282930
Años
Figura 10: Simulación precio commodity caso estudio
49
Por otro lado, la flexibilidad ha sido modelada para ser ejercida cada 5 años, esto quiere decir que
se generan opciones de capacidad mina y planta que pueden eventualmente cambiar la capacidad
del proceso para periodos de 5 años según es detallado en las tablas 3 y 4. Las razones de fijar la
capacidad para 5 años son las siguientes:
• Flexibilidad operacional: Es difícil en la práctica que una operación minera tenga la

habilidad y logística necesaria para poder flexibilizar la capacidad de sus procesos año a
año, especialmente cuando esta acción implica incurrir en inversiones en infraestructura
que tarda en materializarse como la construcción de una planta adicional.
• Capacidad computacional: A medida que el modelo de optimización tiene más periodos
en los cuales decidir capacidades, más recursos computacionales son necesarios lo que
aumenta la duración de este proceso. Por esta razón, el reducir el número momentos de
decisión en quinquenios aporta en hacer más tratable y practica la resolución del problema.
Esta agrupación de periodos de decisión en 5 años trae como consecuencia que el precio del
commodity a ser usado también debe cambiar de escala anual a quinquenal (Figura 11). En este
trabajo se tomará la decisión de ocupar como precio representativo de un periodo de 5 años al
precio del primer año del quinquenio.
Precio quinquenal
5
4.5
4
Precio (USD$/lb)
3.5
3
2.5
2
1.5
1
0.5
0
1 5 10 15 20 25 30
Años
Figura 11: Simulación precio quinquenal commodity
50
Opciones mina
Las opciones de capacidad mina disponibles se establecieron en base a intervalos, acotados entre
una capacidad mínima y máxima. La primera opción sin embargo no tiene capacidad mínima ni
máxima debido a que representa la opción de cerrar la mina por 5 años, esto explica que la segunda
opción tenga capacidad mínima 1, puesto que representa a la mina produciendo dentro de ese
intervalo de capacidad. El resto de las opciones representan intervalos de capacidad generalmente
de 10 millones, hasta llegar a la opción 8, la cual tiene como límite superior (capacidad máxima)
la capacidad determinada por la regla de Taylor (Taylor,1977,1986,1991) para un periodo de 5
años (10,6 millones de toneladas por 5 años), debido a que como expresa McCarthy (2002), esta
capacidad representaría un límite físico.
Tabla 3:Opciones mina
Opción Capacidad mínima Capacidad máxima

1 0 0
2 1 500,000
3 500,000 10,000,000
4 10,000,000 20,000,000
5 20,000,000 30,000,000
6 30,000,000 40,000,000
7 40,000,000 50,000,000
8 50,000,000 53,000,000
Opciones planta
Similarmente a como se estableció para la capacidad mina, para establecer las opciones que dan
lugar a la flexibilidad que es capaz de entregar el sistema minero en termino de capacidad de
procesamiento, se usaron intervalos de capacidad mínima (límite inferior) y capacidad máxima
(límite superior). La opción 1 representa la opción de cerrar el procesamiento de minerales por 5
años. El resto de las opciones representan diferentes niveles de capacidad de procesamiento, siendo
el límite superior de la opción 8, la capacidad propuesta por la regla de Taylor
(Taylor,1977,1986,1991) para un periodo de 5 años (4,8 millones de toneladas por 5 años).
51
Tabla 4:Opciones planta
Opción Capacidad mínima Capacidad máxima

1 0 0
2 1 500,000
3 500,000 5,000,000
4 5,000,000 10,000,000
5 10,000,000 15,000,000
6 15,000,000 20,000,000
7 20,000,000 24,000,000
Determinación de costos por opción

Costos mina
En conjunción con el establecimiento de las capacidades de cada opción, es licito definir los costos
asociados al ejercer las diferentes opciones disponibles. Cabe mencionar que se hará una distinción
en la forma de determinar los costos asociados a la capacidad de extracción mina y de
procesamiento planta.
Para los costos asociados al proceso de extracción mina, la forma en que se establecieron los costos
está basada en el trabajo de Muñoz (2012), quien establece que de acuerdo con las restricciones
operativas de extracción del banco como por ejemplo el espacio operativo y la profundidad, hay
asociado un costo, siendo este independiente de la capacidad total del proceso de extracción.
Una práctica común en la industria es usar el concepto de CAF (cost adjustement factor), este
consiste en tomar como referencia el costo de un banco en específico y extrapolarlo por la
multiplicación de un factor CAF, este factor usualmente es una función de la profundidad del banco
y es descrito a través de un polinomio.
Debido a que el caso de estudio no está basado en datos de una operación real, no es posible tener
un banco de referencia ni poder ajustar un polinomio como factor de ajuste (CAF), por ende, se
generaron costos ficticios de manera arbitraria para un grupo de 20 bancos, sin embargo, asemejan
el comportamiento polinómico observado en el factor de ajuste (CAF) y por ende el costo de los
bancos según su profundidad.
Concretamente para generar estos valores se fijó que el banco más alto tendría un costo de 2.9
[USD$/ton] y el banco más bajo (menor profundidad) es caracterizado con un valor de 3.3
[USD$/ton]. Esto bancos, el más alto y el más bajo, tienen los costos mina más altos. El banco con
menor profundidad generalmente tiene costos mina altos debido a que están por sobre la topografía
y tienen menos espacio operacional para realizar las labores de carguío, por lo que deben ingresar
equipos menos productivos en esta instancia. En cambio, el banco más profundo tiene costos minas
más alto debido a las distancias de transporte y el menor espacio operacional disponible del fondo
mina.
Se asigno a un banco intermedio (banco 11) el valor de costo mina de 2 [USD$/ton], el más bajo
del rajo, esto debido a que en bancos intermedios es posible lograr espacios operativos más amplios
52
y las distancias de transporte no llegan a ser significativas, incluyendo que en bancos intermedios
se pueden producir traslapes y conectividades inter-fase que hacen más productivos estos bancos.
Con estos tres puntos se generó un polinomio con el cual fue posible completar los costos de los
otros bancos como se muestra en la Figura 12, el polinomio generado fue:
𝑐𝑜𝑠𝑡𝑜 𝑚𝑖𝑛𝑎 = −0.0001 𝑧4 + 0.0042 𝑧3 − 0.046 𝑧2 + 0.0223 𝑧 + 3.2901

Con 𝑧 = 𝑖𝑛𝑑𝑖𝑐𝑒 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑓𝑢𝑛𝑑𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑏𝑎𝑛𝑐𝑜
Costo mina según profundidad

3.5
3
costo ($USD/ton)
2.5
1.5 y = -0.0001x4 + 0.0042x3 - 0.046x2 + 0.0223x + 3.2901

R² = 0.9834
1
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
banco
Figura 12: Costo mina según profundidad
Posteriormente, se redondearon los costos minas asociados a cada banco para introducirlos de
manera más practica al modelo de optimización.
53
Costos planta
Por su parte los costos minas asociados a cada una de las opciones de capacidad planta son
detallados en la tabla 5 y su determinación es detallada en el Anexo 2.
Tabla 5:Costo planta por opción
Opción Costo (USD$/ton)

1 0
2 22145.1
3 104.5
4 21.5
5 14.5
6 11.7
7 10.2
En base a los parámetros antes mencionado, se usó un modelo de optimización, detallado en el

Anexo 3, el cual toma la decisión de agendar los bloques del modelo de recursos tomando en
consideración que opción de capacidad mina y planta utilizar para este proceso. Este modelo se
usó para un total de 99 simulaciones de precio.
La implementación fue llevada a cabo en leguaje de programación Python, el problema modelado
a través de la biblioteca Pulp y resuelto mediante Gurobi 6.5.2., tomando en promedio 2900
segundos (48 min) en ser resuelto un modelo para cada trayectoria del precio simulada.
Producto del proceso anteriormente descrito se pudo obtener un conjunto de 99 valores de planes
flexibles, lo cuales siguen una distribución de probabilidad normal con media 2,421,520,000 USD$
y desviación estándar de 388,595,000 USD$.
Anteriormente se había mencionado la relevancia que tenía saber si la flexibilización de la
capacidad de los procesos mineros podría disminuir el riesgo, para lograr esto se ocupará el
indicador de riesgo VaR. Para poder analizar efectivamente si se logró disminuir el riesgo
relacionado a la incertidumbre del precio se comparará la distribución de valores de los planes
flexibles e inflexibles. El plan inflexible fue sometido a un proceso de evaluación bajo simulación
similar al sometido para planes inflexibles, resultando en una distribución normal con media
2,363,800,000 USD$ y una desviación estándar de 400,859,000 USD$. Como se resume en la
siguiente tabla (tabla 6) se aprecia que el Var para los planes flexibles es mayor en un 5% al Var
de los planes inflexibles. Esto significa que el riesgo asociado a las perdidas (percentil 5%) fue
reducido al obtener una distribución con planes más rentables, esto pese a que como se parece en
la table, la variabilidad de los planes flexibles es bastante superior a la de los planes inflexibles.
54
Tabla 6: Parámetros distribución de valor planes inflexibles y flexibles
Planes inflexibles Planes flexibles Variación relativa

Media 2,363,800,000 2,421,520,000 2%
Desviación
400,859,000 388,595,000 -3%
estándar
Var 1,704,445,619 1,782,338,105 5%
El último paso de la metodología es determinar planes mineros alternativos que son elaborados en
base a configuraciones mina/planta seleccionadas en base a un criterio de ranking. Las tablas 7 y 8
muestran la frecuencia relativa con que fueron ejecutadas las opciones de capacidad.
Capacidades mina
Tabla 7:Frecuencia de opciones mina
Opciones
1 2 3 4 5
/Quinquenio
1 4% 2% 9% 10% 33%
2 0% 0% 2% 0% 3%
3 0% 1% 1% 5% 1%
4 0% 2% 8% 7% 3%
5 1% 8% 8% 29% 13%
6 31% 24% 15% 5% 8%
7 22% 18% 19% 19% 22%
8 41% 44% 37% 24% 16%
Como se puede apreciar en la tabla anterior, se puede apreciar que las frecuencias relativas (en
adelante frecuencias) con que fueron ejecutadas las opciones mina se centraron en las opciones 6,7
y 8 en los tres primeros quinquenios, esto indica que para los primeros 15 años de la mina, aunque
la opción de capacidad mina más grande fue la más frecuente (41%), por sí sola no es más que la
suma de las frecuencias de las otras opciones, por tanto no es despreciable la frecuencia de las otras
opciones para que puedan ser descartadas sin mayor análisis. La situación cambia en el siguiente
quinquenio donde las opciones más ejecutadas son las opciones 5,7 y 8, esto puede explicarse por
la alta variabilidad en el precio del commodity así como a la extenuación de las reservas en algunas
simulaciones. En el último quinquenio cambia nuevamente la situación donde las opciones más
ejecutadas son las opciones 1,7,8 y 5, haciéndose notar que la opción más frecuente es la 1 lo que
significa que en ese quinquenio no se extrae, es decir la mina cierra sus operaciones.
55
Capacidades planta
Tabla 8:Frecuencia de opciones planta
Opciones/
1 2 3 4 5
Quinquenio
1 4% 2% 11% 24% 33%
2 0% 1% 2% 3% 2%
3 0% 1% 1% 6% 1%
4 1% 2% 1% 4% 1%
5 1% 2% 7% 2% 0%
6 18% 17% 11% 12% 11%
7 76% 75% 67% 48% 52%
Mientras que en el caso de las opciones planta la opción que predomina en todos los quinquenios
es la opción 7, se puede observar que la opción 7, de mayor capacidad, tiene más frecuencia que la
suma de las otras frecuencias juntas, esto le da un predominancia casi absoluta, solo opacada
levente por la opción 1, opción de no procesar, la cual aumenta su frecuencia a partir del cuarto
quinquenio, lo cual es explicable por la mayor variabilidad del precio del commodity en esos
quinquenios y porque para algunas simulación los planes han extenuado las reservas.
Comparando el comportamiento de las frecuencias de ejecución de las opciones mina y planta se
aprecia que las opciones minas tiene una frecuencia mucho más heterogénea comparado con las
opciones planta que su frecuencia se ha centrado en la opción de máxima capacidad (opción 7). La
explicación más coherente a esta diferencia radica en que los costos minas fueron modelados como
costos variables independientes de la capacidad asignada a cada opción, diferencia del proceso de
planta cuyas funciones están relacionadas directamente con los costos asumiendo económica de
escala y relaciones no lineales (O´hara, 1992). Si se entiende que el costo de procesar minerales
depende en buena parte de la especie mineralógica y las propiedades in situ del mineral, por
ejemplo, enarguita (Cu3AsS4) con dureza y ley alta tendrá un costo muy diferente de procesar
calcopirita (CuFeS2) con baja dureza y ley. Por ende, el modelo geo-metalúrgico podría abrir la
posibilidad de modelar costos variables en torno a este modelo asociado al modelo de recursos del
yacimiento en cuestión.
56
Ranking opción
De acuerdo con las frecuencias de las capacidades mina se estableció un ranking por periodo
considerando las opciones con más frecuencia. En primer lugar y en base a esto se establecen las
configuraciones de capacidad con su respectiva probabilidad promedio de ser ejecutada.
Tabla 9:Ranking opciones mina
Ranking/
1 2 3 4 5 probabilidad
Quinquenio
promedio
1 41% 44% 37% 29% 33%
37%
Opción 8 8 8 5 1
2 41% 44% 37% 29% 22%
35%
Opción 8 8 8 5 7
3 41% 44% 19% 29% 33%
34%
Opción 8 8 7 5 1
4 41% 24% 37% 29% 33%
33%
Opción 8 6 8 5 1
5 31% 44% 19% 29% 22%
29%
Opción 6 8 7 5 7
6 31% 24% 19% 29% 22%
25%
Opción 6 6 7 5 7
Para elaborar el ranking de frecuencia se fue buscando quinquenio a quinquenio las opciones que
tuvieran más frecuencia, debido a que la opción más predominante en un quinquenio no es
necesariamente la misma en el siguiente quinquenio. Como es de esperarse, para los cinco
quinquenios se forman combinaciones de opciones, cada una con su propia frecuencia o posibilidad
de ejecución, por tanto, el ranking lo que ordena (o jerarquiza) es la probabilidad promedio de las
frecuencias de cada una de las opciones seleccionadas por quinquenio. La tabla anterior (tabla 9),
muestra el ranking de combinaciones de opciones mina. La combinación que obtiene el primer
lugar tiene una probabilidad promedio de 37% y en ella predomina en los primeros las opciones de
máxima capacidad mina (opción 8), reduciendo la capacidad en el penúltimo quinquenio (opción
5) y dejando de extraer en el último quinquenio (opción 1). Por tanto, esta combinación propone
una vida útil de 20 años.
Por otra parte, el ranking para la capacidad planta (tabla 10), presenta combinaciones con
probabilidades promedios mayores que su símil de planta. Las combinaciones que componen este
ranking están formadas mayoritariamente por la opción 7 (opción de mayor capacidad). y los
primeros puestos de este ranking tienen combinaciones de opciones por quinquenio que poseen
probabilidades promedios muchas más altas, mayores a 60%, comparado con el ranking de
opciones mina.
57
Tabla 10:Ranking opciones planta
Ranking/
1 2 3 4 5 probabilidad
Quinquenio
promedio
1 76% 75% 67% 48% 52%
63%
Opción 7 7 7 7 7
2 76% 75% 67% 48% 33%
60%
Opción 7 7 7 7 1
3 76% 75% 67% 24% 52%
59%
Opción 7 7 7 1 7
4 18% 75% 67% 48% 52%
52%
Opción 6 7 7 7 7
5 76% 75% 11% 12% 33%
41%
Opción 7 7 6 6 1
6 18% 17% 11% 48% 52%
29%
Opción 6 6 6 7 7
Realizado el ranking para cada capacidad se debe crear la combinación de configuraciones de

ambos procesos (mina y planta). Esta combinación entrega las directrices (restricciones) para la
elaboración del plan de producción alternativo al caso base.
Como se detalla en el Anexo 4 se han encontrado las combinaciones de configuraciones mina-
planta por periodo que darán lugar a los planes alternativos.
La probabilidad promedio de que la configuración elegida tome lugar en el futuro está dada por el
proceso con menor probabilidad de ejecución, esto quiere decir que tal configuración (mina o
planta) establece un límite a la probabilidad de ejecución de la combinación en su conjunto. Las
10 combinaciones seleccionadas son descritas en la siguiente tabla:
Tabla 11:Configuraciones planes alternativos
N° Configuración Probabilidad Configuración Probabilidad Probabilidad

Mina mina Planta planta promedio
configuración
1 1 37% 2 60% 37%
2 1 37% 5 41% 37%
3 2 35% 1 63% 35%
4 2 35% 4 52% 35%
5 3 34% 2 60% 34%
6 3 34% 5 41% 34%
7 3 34% 6 29% 29%
8 4 33% 2 60% 33%
9 4 33% 5 41% 33%
10 4 33% 6 29% 29%
58
Definidas las combinaciones factibles, es hora de generar los planes de producción en base a estas
combinaciones de configuraciones de capacidad mina y planta. Las combinaciones dictan, como
se ha mencionado anteriormente, restricciones de capacidad por quinquenio tanto para mina como
para planta.
Debido a que para hacer una comparación entre planes alternativos se necesitan de parámetros
comunes, es que el precio ocupado para evaluar el valor de cada plan será una serie de precios del
commodity promedio de las simulaciones hechas en la etapa 2 de la metodología como se muestra
en la figura 13:
Precio promedio simulación

3.5
3
Precio (USD$/lb)
2.5
1.5
0.5
0
0 5 10 15 20 25 30
Años
Figura 13:Precio promedio commodity
59
Plan caso base
Para poder hacer comparaciones con los planes alternativos se ocupará el caso base, capacidad
mina y planta máxima, el cual es graficado de manera quinquenal en el grafico siguiente:
Plan base quinquenal

60,000,000 1.00
Ley medio quinquenal (%)

50,000,000 0.80
40,000,000
Toneladas
0.60
30,000,000
0.40
20,000,000
10,000,000 0.20
- 0.00
1 2 3 4 5
Quinquenio
planta Botadero ley
Figura 14: Plan de producción quinquenal - Caso base
El plan base está valorizado en 2,033,337,688 USD$. Como se aprecia en la figura 14, la
producción de mineral tiende a aumentar a medida que pasa el tiempo al igual que las leyes medias
hasta llegar al cuarto quinquenio, donde se alcanza un máximo de toneladas a planta y leyes medias,
así como un mínimo de material enviado a botadero.
60
Plan de producción alternativo N°1
El plan alternativo N°1 está compuesto por la siguiente configuración mina-planta

Tabla 12:Configuración plan alternativo N°1
Combinación Parámetros 1 2 3 4 5 Probabilidad

/quinquenio Promedio
Mina Opción 8 8 8 5 1 37%

1 Intervalo 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
capacidad
(Ktpa)
Probabilidad 41% 44% 37% 29% 33%
Planta Opción 7 7 7 7 1 60%

2 Intervalo 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
capacidad
(Ktpa)
Probabilidad 76% 75% 67% 48% 33%
El subsecuente plan de producción hecho en base a optimización ha arrojado que este plan está
valorado en 2,208,618,252 USD$ con un gap de 4.7%
El agendamiento mostrado a continuación en la Figura 15
Plan producción quinquenal N°1

60,000,000 0.9
Ley media quinquenal (%)
50,000,000 0.88
0.86
40,000,000
Toneladas
0.84
30,000,000
0.82
20,000,000
0.8
10,000,000 0.78
- 0.76
1 2 3 4
Quinquenio
Planta Botadero Ley
Figura 15: Plan de producción quinquenal - Plan alternativo N°1
61
El plan de producción alternativo N°1 tiene 4 quinquenios y una producción de mineral ascendente
en el tiempo al igual que las leyes hasta el quinquenio 3, luego de esto disminuyen las leyes y la
cantidad de material a botadero, pero alimentación a planta se mantiene constante.
Plan de producción alternativo N° 2

Parámetros Probabilidad
Combinación 1 2 3 4 5
Mina Opción 8 8 8 5 1
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Planta Opción 7 7 6 6 1
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
El subsecuente plan de producción hecho en base a optimización a arrojado que este plan está
valorado en 2,244,575,619 USD$ con un gap de 1.2%.
62

60,000,000 0.92

50,000,000 0.9
0.88
40,000,000
Toneladas
0.86
30,000,000
0.84
20,000,000
0.82
10,000,000 0.8
- 0.78
1.00 2.00 3.00 4.00
Quinquenio
Planta Botadero Ley
Figura 16: Plan de producción quinquenal - plan alternativo N°2
Este plan a diferencia de los predecesores no tiene su máxima producción en los quinquenios 3, si
no que, en los primeros quinquenios, aunque esta producción es con baja ley. El material enviado
a botadero encuentra sus máximos en los quinquenios 2 y 3.
63

Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
64

60,000,000.00 1

Tonaeladas 50,000,000.00 0.8
40,000,000.00
0.6
30,000,000.00
0.4
20,000,000.00
10,000,000.00 0.2
- 0
1 2 3 4 5
Axis Title
Planta Botadero Ley
El plan de producción cuenta con 5 quinquenios y encuentra su máxima producción en los primeros
3 quinquenios siendo también en estos periodos donde se encuentran las leyes más altas siendo la
excepción el quinquenio 4, donde hay una caída tanto en productividad como en leyes, retomándose
altos ritmos en el quinquenio 5.
65

Parámetros/ Probabilidad
quinquenio Promedio
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 15,000 20,000, 20,000 24,000 20,000 24,00 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%

60,000,000.00 1
50,000,000.00 0.8
40,000,000.00
Tonelaje
0.6
30,000,000.00
0.4
20,000,000.00
10,000,000.00 0.2
- 0
1 2 3 4 5
Quinquenio
Planta Botadero Ley
66
Este plan de producción cuenta con 5 quinquenios y se caracteriza por tener altas tasas de
extracción de material en los primeros periodos, aunque el material enviado a planta alcanza el
máximo en el segundo quinquenio y se mantiene la producción máxima hasta el cuarto quinquenio
cuando el material enviado a botadero se vuelvo casi nulo y la ley media alcanza su máximo.

Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
67

60,000,000 0.89

0.88
50,000,000 0.87
40,000,000 0.86
Toneladas
0.85
30,000,000 0.84
0.83
20,000,000 0.82
10,000,000 0.81
0.8
- 0.79
1 2 3 4
Quinquenio
Planta Botadero Ley
Este es un plan de producción de 4 quinquenios, donde la cantidad de material extraído de la mina

disminuye quinquenio a quinquenio todo lo contrario a la ley, que alcanza sus mayores valores en
los quinquenios 3 y 4.
68

Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
El agendamiento mostrado a continuación en la figura 20

60,000,000 0.92
Ley promedio quinquenal (%)
50,000,000 0.9
0.88
40,000,000
Tonelaje
0.86
30,000,000
0.84
20,000,000
0.82
10,000,000 0.8
- 0.78
1 2 3 4
Quinquenio
Planta Botadero Ley
69
Este es un plan de producción de 4 quinquenios caracterizado por altas tasas de extracción de
material en los primeros periodos así como de mineral pero de baja ley , en los quinquenios
posteriores la tasa de extracción disminuye y la ley aumenta, disminuyendo levemente la cantidad
de mineral a planta.

Probabilidad
Combinación Parámetros/quinquenio 1 2 3 4 5
Promedio
Intervalo capacidad
50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo capacidad
20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
70

60,000,000 0.94

0.92
50,000,000 0.9
40,000,000 0.88
Toneladas
0.86
30,000,000 0.84
0.82
20,000,000 0.8
10,000,000 0.78
0.76
- 0.74
1 2 3 4
Quinquenio
Planta Botadero Ley
Este es un plan de cuatro quinquenios, donde la extracción el mayor en los primeros quinquenios
y disminuye en los quinquenios posteriores, lo contrario a las toneladas de mineral a planta la cuales
se mantienen estables en los primeros tres quinquenios y encuentran su máximo en el cuarto
quinquenio, aunque el mineral que alimenta la planta en el cuarto quinquenio no es el de mayor ley
debido a que las leyes más altas se extrajeron en el quinquenio 2.
71

Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
Plan producción quinquenal N° 8

60,000,000 0.94
Ley media quinquenal(%)
0.92
50,000,000
0.9
40,000,000 0.88
Toneladas
0.86
30,000,000
0.84
20,000,000 0.82
0.8
10,000,000
0.78
- 0.76
1 2 3 4
Quinquenio
Planta Botadero Ley
72
Este es un plan de producción de 4 quinquenios, en donde las leyes medias aumentan conforme
pasa el tiempo, aunque la cantidad de mineral enviado a la planta disminuye en el cuarto
quinquenio. La cantidad de material extraído no es uniforme habiendo bajadas y subidas alternadas
conforme van pasando los quinquenios

Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
73
60,000,000 0.92

0.9
50,000,000 0.88
40,000,000 0.86
Toneladas
0.84
30,000,000 0.82
0.8
20,000,000 0.78
10,000,000 0.76
0.74
0 0.72
1 2 3 4
Quinquenio
Planta Botadero Ley
Este es un plan de cuatro quinquenios donde se aprecia que las leyes tienen un aumento sostenido
a medida que se va desarrollando la explotación, contrario a lo que sucede con la cantidad de
material destinado a planta, la cual disminuye levemente conforme pasan los quinquenios. El
tonelaje extraído de la mina tiene un comportamiento de subidas y bajadas alternadas.
74

Tabla 21: Configuración plan alternativo N°10
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 20,000 24,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%

60,000,000 0.92
50,000,000
0.9 Ley media quinquenal (%)
0.88
40,000,000
0.86
Toneldas
30,000,000 0.84
0.82
20,000,000
0.8
10,000,000
0.78
- 0.76
1 2 3 4
Quinquenio
Planta Botadero Ley
75
Este plan de cuatro quinquenios presenta toneladas de mineral enviado muy similares durante la
vida útil de la mina solo habiendo un aumento en el último periodo, mientras que las leyes tienen
un comportamiento creciente que alcanza una meseta en los últimos dos periodos, por otra parte,
al igual que en los últimos planes alternativos comentados, los tonelajes extraídos de la mina tiene
un comportamiento de subidas y bajadas alternadas lo que al parecer favorece que las leyes medias
aumentes a medida que pasan los quinquenios.
2.2.1. ANÁLISIS DE RESULTADOS
Cada plan alternativo tiene dos parámetros por los cuales pueden ser comparados con los otros,
estos son:
• Probabilidad promedio de ser ejecutado
• Valor económico del plan
En cuanto al primer indicador, debido a que se tienen dos procesos a flexibilizar por el concepto
de opción se tienen dos probabilidades diferentes, es por ello por lo que para caracterizar al plan
por un único indicador se dejara la probabilidad promedio de menor valor probabilidad a la
capacidad mina o planta, esto es porque si una de estas configuraciones no puede ejercerse, por
ejemplo, la configuración del proceso mina, las configuraciones con más probabilidad tampoco
podría ejercerse.
El valor económico del plan está asociado al valor actual neto obtenido de la optimización, esta fue
realizada por el modelo de programación matemática que agenda los bloques a ser extraído o
procesados según las restricciones de capacidad por periodo establecida por la configuración mina
planta. La tabla siguiente resume estos dos indicadores para cada plan.
Tabla 22:Probabilidad promedio y valor económico en cada plan alternativo
Plan alternativo Probabilidad Promedio Valor económico

USD$
1 37% 2,208,618,252
2 37% 2,244,575,619
3 35% 2,282,097,586
4 35% 2,288,444,827
5 34% 2,228,883,662
6 34% 2,192,487,964
7 29% 2,130,956,588
8 33% 2,168,832,651
9 33% 2,150,403,736
10 29% 2,047,138,973
Caso base 2,033,337,688
76
De la tabla anterior se puede observar que en términos de probabilidad promedio los planes con
más oportunidades de concretarse son los planes 1 y 2 puesto que tienen un 37% de probabilidad
promedio de ejecutarse.
Por otro lado, desde el punto de vista del valor económico del plan, el plan más rentable es el plan
alternativo 4 el cual mejora el valor económico en un 13% con respecto al caso base. Al parecer
los factores que han hecho que este plan sea más rentable en comparación a los otros planes
alternativos y caso base son:
• Contar con 5 quinquenios en lugar de cuatro, esto a dado la oportunidad de “aplazar” parte
de las reservas para los últimos quinquenios donde el precio del commodity tiene un valor
más alto
• Mantener las leyes medias con poca variabilidad a través del tiempo, esto ayuda a
compensar el envío de mineral en el primer periodo de bajo precio, pero con menor
descuento en el flujo de caja en comparación a los periodos posteriores con precios más
alto.
Dado que los tomadores de decisiones deben elegir cual configuración de capacidades implementar
en la operación minera tomando en consideración estos dos indicadores que son producto de una
metodología que integra la incertidumbre del precio del commodity como pilar fundamental de la
elección de parámetros operativos de sistema minero. Dicho esto un enfoque basado en la
confiabilidad y robustez debería solo centrarse en la probabilidad promedio como parámetro de
decisión pues la configuración con más probabilidades es la elegida dentro del proceso de
optimización es decir la que tiene más posibilidades de llegar a ser por tanto el plan alternativo
elegido debiera ser plan alternativo N°1 o el caso alternativo N°2, sin embargo muchas veces para
concretar negocios de esta índole en términos de cantidad de capital requerido los proyectos están
compitiendo dentro de portafolios de inversión por la posibilidad de ser elegidos como un fin de
inversión es que existen incentivos fundados para buscar hacer el proyecto los más rentable posible
es que un mejor criterio de elección estaría en el valor económico del plan alternativo N°4 . Un
enfoque hibrido, es decir uno que considere tanto la confiabilidad como la rentabilidad del proyecto
debería considerar ambos índices, en base a ello se ha llegado a la conclusión que el plan alternativo
N°4 es la mejor elección debido a que junto con entregar el mejor valor su probabilidad promedio
es la segunda más alta comparativamente hablando y este valor es superior al 35%.
77
60,000,000.00 1

50,000,000.00 0.8
40,000,000.00
Tonelaje
0.6
30,000,000.00
0.4
20,000,000.00
10,000,000.00 0.2
- 0
1 2 3 4 5
Quinquenio
Planta Botadero Ley
Figura 25: Plan de producción quinquenal elegido
De esta elección se desprende que los dueños y las personas a cargo pueden tomar una serie de
decisiones estratégicas con el fin de implementar este plan minero, una forma estratégica en que se
puede implementar este plan es la siguiente
1. La capacidad de alimentación a planta debe ser flexibilizada ya que en para el primer
quinquenio se requiere una alimentación cercana a los 17 millones de toneladas de mineral,
aproximadamente 3,4 millones de toneladas por año. Esta capacidad podría ser aumentada
en quinquenios posteriores a 24 millones, 4,8 millones de toneladas por año ofreciendo la
posibilidad de un Rump Up desde los periodos iniciales hasta alcanzar una capacidad de
régimen máximo.
2. La configuración mina empieza con una capacidad de extracción mina de 53 millones, esto
es 10,6 millones de toneladas por año de requerimiento de capacidad para los tres primeros
quinquenios, luego esta capacidad el reducida drásticamente a un poco menos de la mitad
siendo aproximadamente solo la capacidad necesaria para alimentar a la planta con mineral.
Esta configuración podría ofrecer ventajas estratégicas en cuanto al cambio de equipos
mina y su depreciación.
78
3. CONCLUSIONES Y TRABAJOS FUTUROS
3.1. CONCLUSIONES GENERALES
En este trabajo se implanto una metodología de planificación minera a cielo abierto con el objetivo
de manejar la incertidumbre asociada al precio del commodity usando un enfoque de flexibilidad
en la capacidad de los procesos de mina y planta.
Este trabajo a través de una búsqueda en la literatura ha permitido tomar conciencia de los esfuerzos
que se han hecho en el pasado en la determinación de la capacidad de los procesos mineros, así
como entender la incertidumbre en la que desempeña esta actividad productiva y como la
planificación minera ha tratado de dar respuestas a estas problemáticas a través de diversas técnicas
y métodos.
Es en este contexto que el presente trabajo propone una metodología de planificación minera
basado en el concepto de flexibilidad, bajo el cual se busca que los planes de producción minera
puedan reaccionar a los cambios en el precio del commodity modificando las capacidades mina y
planta.
La metodología ha buscado desarrollar planes de producción con capacidades variables por periodo
de tiempo que sea una alternativa al plan minero tradicional de característica inflexibles. Este
trabajo ha considerado dos casos de estudios, el primero está basado en un yacimiento 2D y el
segundo está basado en el mismo yacimiento, pero a escala tridimensional.
El primer caso de estudio tiene fines conceptuales y es usado para probar un primer modelo de
optimización basado en el concepto de opciones que consideran una combinación de capacidades
mina-planta a través de 50 simulaciones del precio del commodity.
Los resultados muestran que la metodología logra disminuir el riesgo por medio de la mejora del
indicador VaR en un 6% y 11% para los planes alternativos comparados con el caso base. También
en este caso de estudio se seleccionaron las configuraciones de capacidad mina-planta a través del
criterio de ranking observándose que existe cierta estructura o predominancia de capacidades
durante un periodo de tiempo de alrededor de 5 a 6 años lo que hace sentido con la variabilidad
temporal o ciclicidad que se asocia a la actividad minera y que en parte origina que hallan planes
de mediano plazo.
El segundo caso de estudio es una aplicación a un yacimiento de proporciones reales en cual se
hicieron innovaciones en varios aspectos con respecto al primer caso de estudio como:
• mejorar el modelo de optimización que genera el agendamiento de la producción
• modelar los costos mina variables según la profundidad del bloque extraído
• opciones de capacidad mina independiente de planta
Cada opción en este caso de estudio representa la capacidad de un proceso mina o planta en
periodos de tiempo de 5 años. Las razones para lo anteriormente mencionado fueron que: elegir la
79
capacidad de un proceso en un horizonte de 5 años representa mejor la realidad de las operaciones
mineras y a su vez mejora la tratabilidad computacional del modelo de optimización.
Se ocuparon un total de 99 simulaciones del precio de venta de commodity para generar sus
respectivos planes de producción flexibles y planes de producción inflexibles los cuales se
compararon, demostrándose que en términos evaluativos los planes flexibles superaron en 5% en
valor del VaR, por ende, se comprueba a escala tridimensional que la flexibilidad en los planes
logra disminuir el riesgo.
Previo a generar los planes alternativos se analizó la frecuencia con que cada opción fue ejecutada
por quinquenio a lo largo de cada simulación. En base a lo anterior se crearon configuraciones de
opciones mina y planta por quinquenio, seleccionando a través de un ranking aquellas
configuraciones con más frecuencia promedio o probabilidad media, apreciándose notables
diferencias entre las configuraciones minas, la cuales no alcanzaban más del 40% en promedio
mientras que las configuraciones planta superaron el 60%, esto es explicado porque para el proceso
mina, sus costos fueron modelados independiente de la capacidad, a diferencia del proceso planta
cuyos costos si relacionaban la capacidad de procesamiento. Lo anteriormente mencionado tuvo
un efecto significativo debido a que las configuraciones mina al tener una probabilidad promedio
menor a los procesos planta, la configuración mina-planta debía tener forzosamente la probabilidad
promedio del proceso mina.
El paso siguiente fue generar los planes alternativos encontrándose 10 en total bajo criterios de
factibilidad en la combinatoria de capacidades por quinquenio. A través de los índices Probabilidad
promedio y valor económico se determinó que el plan alternativo N°4 como elección para el
proyecto minero ya que aumentaba el VAN del proyecto en 13% y su probabilidad de ejecución en
promedio era superior al 35%.
Un interesante aporte que hace la metodología al generar plan alternativos es estudiar el efecto y
relaciones que hay entre material extraído, mineral enviado a la planta y ley media, si bien solo
hubo una configuración que tuvo el valor mayor económico, los otros planes alternativos entregan
indicios de cuál es el comportamiento de todo el plan al modificar las capacidades en cierto periodo,
esto nos puede entregar más información de los efectos de flexibilizar la capacidad según una
perspectiva de largo plazo de la operación minera.
Finalmente se ha visto como la metodología ha podido entregar resultado de mejora en el valor del
proyecto minero pero hay algo adicional que debiera ser mencionado, esto es la importancia en
estudiar la habilidad que debe tener el sistema minero para poder lograr los más altos retornos
posible pese a estar condicionado por variables endógenas o exógenas difíciles de predecir y por
ende imposibilitan un toma de decisiones clara, esto se debe a que a diferencia de otras industrias,
la minería trabaja en base a recursos no renovables por lo que una mala decisión en la extracción
de mineral hoy es una perdida irrecuperable en el futuro, aunque la magnitud de esta perdida es
relativa a las proporciones del yacimiento en cuestión, estas es una de las razones por las cuales en
la pequeña y mediana minería los cambios se hacen más evidentes que en las operaciones más
grandes. Es por ello por lo que la planificación minera debe estudiar desde una perspectiva de largo
plazo los cambios y reacciones posibles que pueden ser realizas, pues es ahí donde está la
posibilidad de mejorar el valor de las operaciones mineras sin importar el escenario económico que
se presente.
80
3.2. TRABAJOS FUTUROS
Uno de los aspectos más relevantes del presente trabajo fue establecer dentro del proceso de
planificación minera la flexibilidad en las capacidades mina y planta como respuesta a las
variaciones del precio del commodity. Este trabajo demostró que la flexibilidad en las capacidades
logra mejorar el valor económico de la operación traducido en el valor actual neto. Sin embargo,
existen limitaciones para poder ejercer esa flexibilidad durante la vida útil dado que el precio de
venta del commodity es posible predecirlo con cierto éxito con unos pocos años de antelación. La
industria ha sido consciente de esta situación y es por ello que en general las compañías minera
separan el proceso de planificación según su horizonte de planificación, es así que hay una
planificación de largo plazo que fija las metas productivas con el fin de maximizar el valor global
del negocio y una planificación mediano plazo que intenta acerca estas metas a la realidad de un
momento especifico teniendo en consideración tanto las condiciones externas como las internas a
la operación, es por ello que en este horizonte de planificación se toman decisiones de compra y
cambios de equipos, por ejemplo.
Es por ello que una solución a esta situación es que una planificación de tipo largo plazo o
estratégica no entregue a la planificación de mediano plazo o de tipo táctico metas rígidas o
compromisos productivos que hagan el rendimiento de la operación subóptimo o imposible de
lograr, sino más bien un intervalo de capacidades en base la cuales planificación de mediano plazo
con información más acabada de ese momento pueda elegir, por el ejemplo en la imagen se
muestran el rango de toneladas de material extraído producto de la simulación del precio del
commodity El desafío podría ser cual es el rango más apropiado para que el mediano plazo realice
una elección
Figura 26: Gráfico de producción mina quinquenal por rangos
Otra interrogante desprendida del mismo problema que se plantea en el párrafo anterior es
determinar cuáles son las condiciones bajo la cuales es conveniente ejercer una capacidad frente a
81
las otras. Un enfoque interesante lo ofrece las técnicas de opciones reales, que mediante el concepto
de “política óptima” de operación son capaces de determinar un precio critico que cambio el estado
operativo de la mina como se aprecia en la figura. Para este tipo de análisis es tomado en
consideración el nivel de las reservas que quedan en la mina tras la operación, por ejemplo, para
que la mina sea abandonada con un nivel de reservas de 120 millones de libras el precio de venta
del commodity debe ser de 0.3 USD$/lb, por tanto, un desafío interesante sería replicar este mismo
análisis, pero con técnicas de optimización como la programación matemática si es que fuera
posibles.
Figura 27:Operación óptima por nivel de reservas (Gravet 2003)
Otros futuros trabajos podrían realizarse en base a este trabajo son mejorar el conocimiento en
cómo se comportan los costos mina y planta cuando las condiciones operativas como por ejemplo
la capacidad cambian, esto podría realizarse mediante técnicas de simulación de eventos discretos
entre otras. Otra área de crecimiento o mejora podría estar enfocado en el modelamiento de los
parámetros que tienen asociada incertidumbre como por ejemplo el efecto que produce cambiar el
modelo de precios o sus parámetros asociados, o incorporar otro tipo de incertidumbres a la
metodología como por ejemplo incertidumbre geológica. Un tercer aspecto que podría ser
desarrollado a futuro está la mejora del modelo de optimización asociado a la metodología de
manera tal que pueda ser capaz de procesar eficientemente modelo de bloques más grandes. Otro
aspecto relevante estudiar son las condiciones bajo las cuales se puede ejercer la flexibilidad como
por ejemplo determinar entre que rango de precios es recomendable tal capacidad o parámetro
operativo. Por último, este mismo concepto podría ser aplicado a minería subterránea donde el
modelamiento tanto de la flexibilidad como de los planes de producción debería ser diferente.
82
4. BIBLIOGRAFÍA
Brennan, M.J. y Schwartz, E.S. (1985) Evaluating natural resources investments. Journal of
Business, Vol. 58, N° 2, 135-157.
Camm, T. W. (1991). Simplified cost models for prefeasibility mineral evaluations. US

Department of the Interior, Bureau of Mines.
Cardin, M. A., De Neufville, R. and Kazakidis, V. (2008). A process to improve expected value of
mining operations, Min. Technol., 117, (2), 65–70.
De Neufville, R., Scholtes, S. and Wang, T. (2005). Real options by spreadsheet: parking garage
case example, J. Infrastruct. Syst., 12, (2), 107–111.
Cavender, B. (2000). “Rethinking the use of new technology to improve operational performance.”
Min. Eng., 52-12, 61-67.
Dixit A.K: and R.S. Pindyck (1994), Investment Under Uncertainty, Princeton University Press
New Jersey.
De Neufville, R. (2003).“Real options: Dealing with uncertainty in systems planning and design.”
Integrated Assessment, 41, 26–34.
De Neufville, R., Scholtes, S. and Wang, T. ( 2005). Real options by spreadsheet: parking garage
case example, J. Infrastruct. Syst., 12, (2), 107–111.
Dimitrakopoulos R and Abdel Sabour SA (2007). Evaluating mine plans under uncertainty: Can
the real options make a difference? Resources Policy 32 (3): 116–125.
Dunbar, W. S., Dessureault, S., and Scoble, M. (1998). “Analysis of flexible mining systems.” Int.
J. Mineral Resources Engineering,
Elkington, T., & Durham, R. (2011). Integrated open pit pushback selection and production
capacity optimization. Journal of Mining Science, 47(2), 177-190.
Evans, L. C. (2005). An introduction to mathematical optimal control theory. University of

California, Department of Mathematics, 126. https://doi.org/10.1186/1471-2334-10-32
Farmer, I. W. (2016). Stochastic Mining Supply Chain Optimization : A Study of Integrated
Capacity Decisions and Pushback Design Under Uncertainty, 1
Glasserman, P., (2004), Monte Carlo Methods in Financial Engineering, Springer-Verlag Inc, New
York,
Goodfellow, R. (2014). Unified Modelling and Simultaneous Optimization of Open Pit Mining
Complexes with Supply Uncertainty, 234.
83
Goodwin, G. C., Seron, M. M., Middleton, R. H., Zhang, M., Hennessy, B. F., Stone, P. M., &
Menabde, M. (2006). Receding horizon control applied to optimal mine planning.
Automatica, 42(8), 1337–1342. https://doi.org/10.1016/j.automatica.2006.01.016
Gravet, A.(2003) evaluación de opciones reales mediante simulación: el método de los mínimos
cuadrados”. Tesis para optar al grado de magíster en ciencias de la ingeniería. Pontificia
Universidad Católica de Chile
Groeneveld, B. and Topal, E. (2011) Flexible open-pit mine design under uncertainty. Journal of
Mining Science, Vol. 47, No. 2, pp. 212-226.
Groeneveld, B., Topal, E. and Leenders, B. (2012) Robust, flexible and operational mine design
strategies. IMM Transactions, Mining Technology, Vol. 121, No. 1, pp. 20-28.
Horsley T P. (2002) Dollar Driven Mine Planning: The Corporate Perspective to Operational Mine
Planning. Amc reference material.
Hustrulid,W., Kutcha,M. (2006). Open pit planning and desing(Vol 1). Leiden, Nl. Taylor &
Francis/Balkema
Jélvez, E., Morales, N. and Askari-Nasab, H. (2016) A new model for pushback selection. In
proceedings 5th International Seminar on Mining Operations, Santiago, Chile.
Jélvez, E. (2017) Metodología multietapa para la planificación de la producción de largo plazo en

minas a rajo abierto bajo incertidumbre geológica, tesis para optar al grado de doctor en ingeniería
en minas. Universidad de Chile
Jélvez, E. and Morales, N. (2017) A MIP based procedure to pushback selection. In proceedings
37th APCOM Conference, Golden, Colorado, EEUU.
Jorion, Philippe (2006). Value at Risk: The New Benchmark for Managing Financial Risk (3rd
edición). McGraw-Hill
Jorion P. (2004) Value at Risk: el nuevo paradigma para el control de riesgos con derivados.
Editorial Limusa. Mexico 2004.
Kizilkale, A. C., & Dimitrakopoulos, R. (2014). Optimizing mining rates under financial
uncertainty in global mining complexes. International Journal of Production Economics, 158, 359–
365. https://doi.org/10.1016/j.ijpe.2014.08.009
Lamothe,P.,Contreras,E. (2008)Metodologías basadas en Var para el análisis de riesgo en

proyectos de embalses. Revista ingeniería de Sistema, Vol22, pp.82-104
Lerchs, h., Grossmann, I.F. (1965). Optimum Design of open-pit mine, Transaction on CIM
LXVII, . pp. 47-54
84
Long, K. R. (2009). A test and re-estimation of Taylor’s empirical capacity–reserve
relationship. Natural resources research, 18(1), 57-63
Markowitz, Harry. (1952). “Portfolio Selection”, Journal of Finance, 7: pp. 77 -91.
Mayer Z. Kassakidis, V(2007). Decision Making in Flexible Mine Production System Design
Using Real Options. Journal of construction engineering and management
McCarthy, P. L. (2002). Setting Plant Capacity. Metallurgical Plant Design and Operating
Strategies,1–6. https://doi.org/10.1179/037195510X12816242170979
Meneses D. Jélvez E. Morales N. (2018). Metodología De Planificación Minera A Cielo Abierto

Considerando Planes Alternativos, Umining 2018 II congreso Iberoamericano de minería
subterránea y a cielo abierto pp23-24. Santiago, Chile
PANA M. T. (1965). The Simulation Approach to Open-Pit Design, Fifth Annual Symposium on
Computer Applications in the Mineral Industry, Tucson, Arizona.
Poblete, C. J., González, M. A., Romero, J. A., Fuentes, D. L., & Abdrashitova, O. (2016). 08. Use
of Robust Design Methodology for the Production Scale Defi nition in Open Pit Mining,
(November), 15–16. Retrieved from https://mail-
attachment.googleusercontent.com/attachment/u/0/?ui=2&ik=c957414f85&attid=0.5&permmsgi
d=msgf:1611960709458341473&th=165ed5b98726ae61&view=att&disp=inline&realattid=f_jm
7vi98w5&sadnir=1&saddbat=ANGjdJ8O3xfQQKhH-
X0xELKVqgLQ1smCwLlOkrN9aiOA7A0i
Rojas, C. R., Goodwin, G. C., Seron, M. M., & Zhang, M. (2007). Open-cut mine planning via
closed-loop receding-horizon optimal control. Identification and Control: The Gap between Theory
and Practice, 43–62. https://doi.org/10.1007/978-1-84628-899-9_2
Samis, M., and Davis, G. (2004). “An overview of using real options to value and manage mining
projects: Workshop notes.” Proc., 2004 MEMS Pre-Conference Workshop, AGM, Toronto
Sabour, S. A., & Poulins, R. (2010). Mine expansion decisions under uncertainty. International
Journal of Mining, Reclamation and Environment, 24(4), 340–349.
https://doi.org/10.1080/17480931003664991
Schirn, J., Efstathiou, J., Calinescu, A., Sivadasan, S., and Fjeldsoe-Nielsen, L. (1999). “A model
for assessing the costs and benefits of manufacturing flexibility.” Proc., 15th National Conf. on
Manufacturing Research (NCMR 2001): Advances in Manufacturing Technology XIII, Univ. of
Bath, U.K., 301–305
Roberts, C., Wild, C., and Maly, K. (1996). “Process for managing project uncertainty with
contingency planning.” Implementing systems for supporting management decisions, P.
Humphreys, L. Bannon, A. McCosh, P. Migliarese, and J. C. Pomerol, eds., Chapman Hall, New
York
85
Schwartz, E.S. (1997) The stochastic behaviour of commodity prices: Implications
for valuation and hedging. The Journal of Finance, Vol. 52, N° 3, 923-973.
Taylor, H. K. (1977). Mine valuation and feasibility studies. Mineral industry costs. Northwest Min
Assoc, WA, Spokane, 1-17
Zúñiga, R., Kremer, F., Ramírez, J. I., & Solar, A. (2011). Mining plan optimisation considering
operational constraints, 1–11
86
ANEXO 1: DETERMINACIÓN CAPACIDADES MINA Y PLANTA SEGÚN REGLA DE
TAYLOR
Para determinar las capacidades mina y planta de manera preliminar se usará la regla de Taylor
(Taylor,1977,1986,1991), para lo cual se necesita saber en primer lugar las toneladas de reservas
contenidas en el pit final.
Para el caso de estudio de este trabajo las toneladas de reservas son:
𝑅𝑒𝑠𝑒𝑟𝑣𝑎𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠 = 211,630,980 [𝑡𝑜𝑛]
También es necesario definir cuantas toneladas de mineral se encuentran contenidas dentro de las
reservas, es por ello que se utilizará la ley de corte critica como diferenciador entre mineral y estéril.
La ley de corte críticos se calculará en base a los parámetros de la tabla 2 de la sección 2.2 en base
a la formula especificada en la sección 2.2:
1.6 [$𝑈𝑆𝐷⁄𝑇𝑜𝑛] + 10 [$𝑈𝑆𝐷⁄𝑇𝑜𝑛]

𝐿𝑒𝑦 𝑑𝑒 𝑐𝑜𝑟𝑡𝑒 𝑐𝑟𝑖𝑡𝑖𝑐𝑜 = = 0.26 %
(2.5 − 0.12) [$𝑈𝑆𝐷⁄𝑙𝑏] ∗ 85% ∗ 2204.6[ 𝑙𝑏⁄𝑇𝑜𝑛]
En base a ello, las toneladas de mineral contenidas dentro del pit final son:
𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑚𝑖𝑛𝑒𝑟𝑎𝑙 = 96,225,840 [𝑇𝑜𝑛]
La regla de Taylor establece lo siguiente:
𝑉𝑖𝑑𝑎 ú𝑡𝑖𝑙 [𝐴ñ𝑜𝑠] = 0.2 ∗ (𝑟𝑒𝑠𝑒𝑟𝑣𝑎𝑠 𝑚𝑖𝑛𝑒𝑟𝑎𝑙 [𝑇𝑜𝑛])0.25
Por ende, la vida útil de la operación minera sería:
𝑉𝑖𝑑𝑎 ú𝑡𝑖𝑙 = 19.8 [𝐴ñ𝑜𝑠]
La capacidad mina sería:
𝑅𝑒𝑠𝑒𝑟𝑣𝑎𝑠 𝑇𝑜𝑡𝑎𝑙𝑒𝑠
𝐶𝑎𝑝𝑎𝑐𝑖𝑑𝑎𝑑 𝑀𝑖𝑛𝑎 [𝑇𝑜𝑛𝑠⁄ ] = = 10,683,814 [𝑡. 𝑝. 𝑎]
𝑎ñ𝑜 𝑉𝑖𝑑𝑎 Ú𝑡𝑖𝑙
𝑇𝑜𝑛𝑒𝑙𝑎𝑑𝑎𝑠 𝑚𝑖𝑛𝑒𝑟𝑎𝑙
Capacidad Planta [𝑇𝑜𝑛𝑠⁄ ]= = 4,857,790 [𝑡. 𝑝. 𝑎]
𝑎ñ𝑜 𝑉𝑖𝑑𝑒 Ú𝑡𝑖𝑙
87
Para poder hacer operativas estas capacidades se deben redondear como se resume en la siguiente
tabla
Tabla 23: Parámetros determinación vida útil, capacidad mina y planta mediante regla de Taylor
Parámetro Teórico Practico

Vida útil 19.8 [años] 20 [años]
Capacidad Mina 10,683,814 [tpa] 10,600,000 [tpa]
Capacidad Planta 4,857,790 [tpa] 4,800,000 [tpa]
ANEXO 2: DETERMINACIÓN COSTOS PLANTA POR OPCIÓN
El siguiente procedimiento de estimación del costo de procesamiento o planta para cada opción fue
basado en el trabajo “Cost and cost estimation “por Alan O´hara y Stanley Suboleski.
El primer paso será determinar la capacidad diaria de alimentación a planta por cada opción. Para
el caso de estudio N°2 excluyendo la opción 1 por ser de capacidad nula, las toneladas diarias
(TPD) por cada opción serían:
Tabla 24: Capacidad de alimentación planta diaria por opción
TPD TPD
Opción
Máximo Mínimo
2 1 278
3 278 2,778
4 2,778 5,556
5 5,556 8,334
6 8,334 11,112
7 11,112 13,334
Para realizar este procedimiento de cálculo es preciso mencionar que se asumirá la planta para un
proceso de concentración, donde los aspectos a considerar serán los costos diarios de :
• Chancado
• Chancado secundario
• Molienda
• Flotación
• Relaves
• Analisis químico
• Supervisión, mantenimiento y costos generales
• Energía
• Costo administración
88
Chancado
El costo diario para el chancado es:
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑐ℎ𝑎𝑛𝑐𝑎𝑑𝑜 = $7,9 ∗ 𝑇𝑃𝐷0.6 [$𝑈𝑆𝐷/𝑑í𝑎]
Chancado secundario
El chancado secundario, que considera el costo de transporte por correas, almacenamiento de
material grueso, y circuito de separación granulometría.
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑐ℎ𝑎𝑛𝑐𝑎𝑑𝑜 𝑠𝑒𝑐𝑢𝑛𝑑𝑎𝑟𝑖𝑜 = $12,6 ∗ 𝑇𝑃𝐷0.6 [$𝑈𝑆𝐷/𝑑í𝑎]
Molienda
Este costo incluye el almacenamiento de mineral fino, molinos de bolas y/o molinos SAG
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑚𝑜𝑙𝑖𝑒𝑛𝑑𝑎 = $4,9 ∗ 𝑇𝑃𝐷0.8 [$𝑈𝑆𝐷/𝑑í𝑎]
Costo de procesamiento
Este costo es el que se incurre por concentración por medio de flotación de minerales de metal
base simple
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 = $54 ∗ 𝑇𝑃𝐷0.6 [$𝑈𝑆𝐷/𝑑í𝑎]
Costos asociados al procesamiento

Costos asociados al procesamiento de mineral como los son la disposición y almacenamiento de
relaves, análisis químicos, supervisión y mantenimiento son:
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑟𝑒𝑙𝑎𝑣𝑒𝑠 = $0.92 ∗ 𝑇𝑃𝐷0.8 [$𝑈𝑆𝐷/𝑑í𝑎]
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑎𝑛𝑎𝑙𝑖𝑠𝑖𝑠 𝑞𝑢í𝑚𝑖𝑐𝑜 = $1.27 ∗ 𝑇𝑃𝐷0.8 [$𝑈𝑆𝐷/𝑑í𝑎]

𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑠𝑢𝑝𝑒𝑟𝑣𝑖𝑐𝑖ó𝑛 = $40.8 ∗ 𝑇𝑃𝐷0.6 [$𝑈𝑆𝐷/𝑑í𝑎]
Costo de energía eléctrica

El costo de consumo de energía eléctrica de una planta de procesamiento es
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑒𝑛𝑒𝑟𝑔í𝑎 𝑒𝑙𝑒𝑐𝑡𝑟𝑖𝑐𝑎 = $145 ∗ 𝑇𝑃𝐷0.56 [$𝑈𝑆𝐷/𝑑í𝑎]
Costos servicios
El costo asociado a lasa remuneración de personal de servicios generales y mantención de la
planta cuantificado como Nns ,, el cual en este trabajo toma una valor de 220 personas.
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠 = $157 ∗ 𝑁𝑛𝑠 [$𝑈𝑆𝐷/𝑑í𝑎]
89
Costos administración
El costo asignado a las remuneraciones del personal administrativo y técnico de la planta de
procesamiento cuantificado como Nat , le cual en este trabajo toma una valor de 42 personas:
𝐶𝑜𝑠𝑡𝑜 𝑑𝑖𝑎𝑟𝑖𝑜 𝑎𝑑𝑚𝑖𝑛𝑖𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 = $222.6 ∗ 𝑁𝑎𝑡 [$𝑈𝑆𝐷/𝑑í𝑎]
A continuación, se detallan los cálculos realizados para determinación de casa ítem mencionado
anteriormente.
90
Tabla 25:Calculo costos planta parte 1
91
Tabla 26:Cálculo de costos planta parte 2
92
Tabla 27:Cálculo de costos planta parte 3
93
ANEXO 3: MODELO DE OPTIMIZACIÓN DE AGENDAMIENTO
A3.1) Modelo de optimización de agendamiento tradicional

Notación
Sea B un modelo de bloques, por ejemplo, representando el pit final y b representa un bloque. T
representa el horizonte de planificación y t un periodo. El pit final es particionado en J fases y K
bancos, donde cada fase es representada por j y cada banco por k. El número de bloques dentro de
una fase-banco viene dado por Njk y CMb es el costo mina por bloque.
Sea 𝑃𝑡 el precio del commodity en el tiempo t. CV es el costo de venta. La ley y tonelaje del bloque
b vienen dados por Leyb y Tonb, respectivamente. Finalmente, RM representa la recuperación
metalúrgica, r la tasa de descuento y f un factor de conversión de unidades apropiado. CP es el
costo de procesamiento por cada bloque b. Las capacidades máximas de mina y procesamiento son
𝑀+ y 𝑃+, respectivamente.
El valor descontado de un bloque procesado en el periodo 𝑡 viene dado por:
𝑣𝑎𝑙𝑝𝑏𝑡= (1 + 𝑟)−𝑡 ⋅ [(𝑃𝑡 − 𝐶𝑉) ⋅ 𝐿𝑒𝑦𝑏 ⋅ 𝑅𝑀 ⋅ 𝑇𝑜𝑛𝑏 − 𝐶𝑃 ⋅ 𝑇𝑜𝑛𝑏 ] (x)
Por otro lado, el costo descontado de minar un bloque 𝑏 en el periodo 𝑡 es:

𝑣𝑎𝑙𝑚
𝑏𝑡
= (1 + 𝑟)−𝑡 ⋅ [−𝐶𝑀𝑏 ⋅ 𝑇𝑜𝑛𝑏 ] (x)
Yjkt = 1 si la fase-banco jk es extraída completamente en el tiempo t. 0 en otro caso.
Función objetivo
La función objetivo consistirá en maximizar el valor descontado acumulado VDA del proyecto,
donde:
VDA = Ingresos – Costo de extracción - Costo de procesamiento
∑ ∑ 𝑣𝑎𝑙𝑏𝑡
𝑝 ⋅ 𝑋𝑃 + 𝑣𝑎𝑙𝑚 ⋅ 𝑋𝐸
𝑏𝑡 𝑏𝑡 𝑏𝑡
𝑏 𝑡
94
Restricciones

∑ 𝑋𝐸𝑏𝑡 ≤ 1 ∀𝑏 (1) 𝑋𝑃𝑏𝑡 ≤ 𝑋𝐸𝑏𝑡 ∀ 𝑏, 𝑡 (2)

𝑏
Para que una fase-banco sea completamente Solamente se puede minar completamente
minada, deben haber sido extraídos todos los una fase-banco una sola vez:
bloques que se encuentran dentro de esta fase-
banco:
𝑁𝑗𝑘 ⋅ ∑ 𝑌𝑗𝑘𝑠 ≤ ∑ ∑ 𝑋𝐸𝑏𝑡 ∀ 𝑗, 𝑘, 𝑡 (3) ∑ 𝑌𝑗𝑘𝑡≤ 1 ∀ 𝑗, 𝑘 (4)

𝑠≤𝑡 𝑏∈𝑗∩𝑘 𝑠≤𝑡 𝑡
Para que se pueda extraer un bloque de una Se establece la capacidad de mina máxima por
fase-banco, se debe haber extraído periodo:
completamente la fase-banco anterior:
𝑋𝐸𝑏𝑡 ≤ ∑ 𝑌𝑗,𝑘−1,𝑠 ∀ 𝑗, 𝑘, 𝑡, 𝑏 ∈ 𝑗 ∩ 𝑘 (5) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝐸𝑏𝑡 ≤ 𝑀+ ∀ 𝑡 (6)

𝑠≤𝑡 𝑏
Se establece la cantidad máxima de toneladas

procesadas en cada periodo:
∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡 ≤ 𝑃+ ∀ 𝑡 (7)

𝑏
95
A3.2) Modelo de optimización de agendamiento flexible
Notación
Para esta parte se mantiene la misma notación que para el modelo tradicional de la sección (A3.1).
Además, se tiene 𝐿 = 𝐿𝑚 × 𝐿𝑝 el conjunto de opciones conjuntas para cambiar los máximos
recursos operacionales, desde la opción mina 𝐿𝑚 y la opción de procesamiento 𝐿𝑝. Una opción en
particular 𝑙 representa una configuración conjunta de cota máxima de recurso de minado y
procesamiento denotado por 𝑙 = (𝑙𝑚, 𝑙𝑝) ∈ 𝐿.
Se tienen además diferentes costos unitarios por tonelada: (i) Costo mina 𝐶𝑀𝑏, el que depende solo
de la ubicación del bloque 𝑏, al igual que el caso anterior; (ii) Costo de proceso 𝐶𝑃𝑙, que depende
de la opción 𝑙, debido a economías de escala. Finalmente, se tiene el costo de inversión 𝐶𝐼𝑙 de
ejecutar la opción 𝑙.

Yjkt = 1 si fase-banco jk es extraída completamente en el tiempo t. 0 en otro caso.
XFBjkt = % del tonelaje de una fase j banco k en ser extraída en el tiempo t
Alt = 1 si la opción mina l es ejecutada en el tiempo t. 0 en otro caso.
Blt = 1 si la opción planta l es ejecutada en el tiempo t. 0 en otro caso.
TElt = tonelaje extraído por la opción l en el tiempo t.
TPlt = tonelaje procesado por la opción l en el tiempo t.
Función objetivo
La función objetivo consistirá en maximizar el VAN del proyecto, donde:
VAN = Ingresos – Costo de extracción - Costo de procesamiento - Inversión

1
Ingresos: ∑∑ ⋅ (𝑃𝑡 − 𝐶𝑉) ⋅ 𝑅𝑀 ⋅ 𝑓 ⋅ 𝐿𝑒𝑦𝑏 ⋅ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡
(1 + 𝑟)𝑡
𝑏 𝑡
1
Costo de extracción: ∑∑ ⋅ 𝐶𝑀𝑗𝑘 ⋅ 𝑋𝐹𝐵𝑗𝑘𝑡
(1 + 𝑟)𝑡
𝑡 𝑙
1
Costo de procesamiento: ∑∑ ⋅ 𝐶𝑃𝑙 ⋅ 𝑇𝑃𝑙𝑡
(1 + 𝑟)𝑡
𝑡 𝑙
Restricciones
96
∑ 𝑋𝐸𝑏𝑡 ≤ 1 ∀ 𝑏 (1) 𝑋𝑃𝑏𝑡 ≤ 𝑋𝐸𝑏𝑡 ∀ 𝑏, 𝑡 (2)

𝑏
Para que una fase-banco sea completamente Se define la variable que establece cuanto
minada, deben haber sido extraídos todos los tonelaje va a ser extraído de una fase banco en
bloques que se encuentran dentro de esta fase- un periodo de tiempo:
banco:
𝑁𝑗𝑘 ⋅ ∑ 𝑌𝑗𝑘𝑠 ≤ ∑ ∑ 𝑋𝐸𝑏𝑡 ∀ 𝑗, 𝑘, 𝑡 (3) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝐸𝑏𝑡 = 𝑋𝐹𝐵𝑗𝑘𝑡 ∀ 𝑗, 𝑘, 𝑡 (4)

𝑠≤𝑡 𝑏∈𝑗∩𝑘 𝑠≤𝑡 𝑏
Para que se pueda extraer un bloque de una Cada opción tiene asociada una variable de
fase-banco, se debe haber extraído decisión, la cual iguala la cantidad de toneladas
completamente la fase-banco anterior: extraídas desde la mina en cada periodo:
𝑋𝐸𝑏𝑡 ≤ ∑ 𝑌𝑗,𝑘−1,𝑠 ∀ 𝑗, 𝑘, 𝑡, 𝑏 ∈ 𝑗 ∩ 𝑘 (5) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝐸𝑏𝑡 = ∑ 𝑇𝐸𝑙𝑡 ∀𝑡 (6)

𝑠≤𝑡 𝑏 𝑙
Solamente se puede minar completamente una Se establece la capacidad máxima de mina de

fase-banco una sola vez: cada opción y en cada periodo, que será
activada si la opción respectiva es ejecutada:
∑ 𝑌𝑗𝑘𝑡 ≤ 1 ∀ 𝑗, 𝑘 (7) 𝑇𝐸𝑙𝑡 ≤ 𝑚𝑎𝑥𝐶𝑀𝑙 ⋅ 𝐴𝑙𝑡 ∀ 𝑡, 𝑙 (8)

𝑡
Se establece la capacidad mínima de mina de

Solamente una opción mina pueda ser ejercida
cada opción y en cada periodo, que será
por periodo:
activada si la opción respectiva es ejecutada:
∑ 𝐴𝑙𝑡 ≤ 1 ∀𝑡 (9) 𝑚𝑖𝑛𝐶𝑀𝑙 < 𝐴𝑙𝑡 𝑇𝐸𝑙𝑡 ∀ 𝑡, 𝑙 (10)

𝑙
Cada opción tiene asociada una variable de

Solamente una opción planta pueda ser
decisión, la cual iguala la cantidad de
ejercida por periodo:
toneladas procesadas en cada periodo:
∑ 𝐵𝑙𝑡 ≤ 1 ∀𝑡 (11) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡 = ∑ 𝑇𝑃𝑙𝑡 ∀𝑡 (12)

𝑙 𝑏 𝑙
97
Se establece la capacidad planta máxima de Se establece la capacidad planta mínima de
cada opción y en cada periodo: cada opción y en cada periodo:
𝑇𝑃𝑙𝑡 ≤ 𝑚𝑎𝑥𝐶𝑃𝑙 ⋅ 𝐵𝑙𝑡 ∀ 𝑡, 𝑙 (13) 𝑚𝑖𝑛𝐶𝑃𝑙 ⋅ 𝐵𝑙𝑡 < 𝑇𝑃𝑙𝑡 ∀ 𝑡, 𝑙 (14)
98
ANEXO 4: COMBINACIÓN DE CONFIGURACIONES MINA-PLANTA
Las combinaciones posibles de acuerdo con los rankings de capacidades minan y planta para el
caso de estudio N°2
Ranking Mina
Tabla 28: Ranking opciones mina
Ranking/ probabilidad
1 2 3 4 5
Quinquenio promedio
1 41% 44% 37% 29% 33%
37%
Opción 8 8 8 5 1
2 41% 44% 37% 29% 22%
35%
Opción 8 8 8 5 7
3 41% 44% 37% 24% 33%
36%
Opción 8 8 8 8 1
4 41% 24% 37% 29% 33%
33%
Opción 8 6 8 5 1
5 31% 44% 19% 29% 22%
29%
Opción 6 8 7 5 7
6 31% 24% 19% 29% 22%
25%
Opción 6 6 7 5 7
Ranking Planta
Tabla 29:Ranking opciones planta
Ranking/ probabilidad
1 2 3 4 5
Quinquenio promedio
1 76% 75% 67% 48% 52%
63%
Opción 7 7 7 7 7
2 76% 75% 67% 48% 33%
60%
Opción 7 7 7 7 1
3 76% 75% 67% 48% 33%
60%
Opción 7 7 7 7 1
4 76% 75% 67% 24% 52%
59%
Opción 7 7 7 1 7
5 18% 75% 67% 48% 52%
52%
Opción 6 7 7 7 7
6 76% 75% 11% 12% 33%
41%
Opción 7 7 6 6 1
7 18% 17% 11% 48% 52%
29%
Opción 6 6 6 7 7
99
Las combinaciones posibles dadas por los rankings son listadas por la siguiente tabla:
Tabla 30:Posibles combinaciones de configuraciones mina-planta parte 1
ranking mina ranking planta ranking mina ranking planta ranking mina ranking planta
1 1 2 1 3 1
1 2 2 2 3 2
1 3 2 3 3 3
1 4 2 4 3 4
1 5 2 5 3 5
1 6 2 6 3 6
1 7 2 7 3 7
Tabla 31:Posibles combinaciones de configuraciones mina-planta parte 2
ranking ranking ranking ranking ranking ranking ranking ranking

mina planta mina planta mina planta mina planta
4 1 5 1 6 1 7 1
4 2 5 2 6 2 7 2
4 3 5 3 6 3 7 3
4 4 5 4 6 4 7 4
4 5 5 5 6 5 7 5
4 6 5 6 6 6 7 6
4 7 5 7 6 7 7 7
De manera más específica se irá analizando una a una las combinaciones de configuraciones mina
planta en busca de descartar combinaciones impracticables o que tengan poco sentido práctico
llevarlas a cabo, dentro de este tipo de compatibilidades están las que tienen las siguientes
características:
• La capacidad planta es mayor a la capacidad mina para un periodo determinado
• La capacidad planta es nula y la capacidad mina mayor a cero para el último periodo
• La capacidad planta es nula y la capacidad mina mayor a cero en el penúltimo periodo
ocurriendo que el último periodo la capacidad planta es nula
• La capacidad planta nula y capacidad mina no nula en un periodo distinto al último
100
Combinación #1
Tabla 32: Combinación de configuraciones #1
combinación 1 2 3 4 5
Intervalo capacidad
50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo capacidad
20,000 24,000 20,000 24,000 20,000 24,000 20,000, 24,000, 20,000 24,000,
(Ktpa) 63%
1
probabilidad 76% 75% 67% 48% 52%
Nota: Infactible, la capacidad planta es mayor a la capacidad para un periodo determinado
Combinación #2
Tabla 33: Combinación de configuraciones #2
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
101
Combinación #3
Tabla 34:Combinación de configuraciones #3
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
probabilidad 76% 75% 67% 24% 33%
Combinación #4
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo
capacidad 15,000 20,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
probabilidad 18% 75% 67% 48% 52%
102
Combinación #5
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
Combinación #6
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 0 0
(Ktpa) 37%
1
Probabilidad 41% 44% 37% 29% 33%
Intervalo
capacidad 15,000 20,000 15,000 20,000 15,000 20,000 20,0000 24,000 20,000 24,000
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
103
Combinación #7
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
Combinación #8
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
Nota: Infactible, la capacidad planta es nula y la capacidad mina mayor a cero para el último
periodo
104
Combinación #9
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000, 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
Probabilidad 76% 75% 67% 24% 33%
Nota: Infactible, la capacidad planta nula y capacidad mina no nula en un periodo distinto al
último
Combinación #10
Parámetros/ Probabilidad
quinquenio Promedio
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 15,000 20,000, 20,000 24,000 20,000 24,00 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%
105
Combinación #11
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000, 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
periodo
Combinación #12
Intervalo
capacidad 50,000 53,000 50,000 53,000 50,000 53,000 20,000 30,000 40,000 50,000
(Ktpa) 35%
2
Probabilidad 41% 44% 37% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
periodo
106
Combinación #13
Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
Combinación #14
Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa)
3
Probabilidad 41% 44% 19% 29% 33%

34%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
107
Combinación #15
Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa)
3
Probabilidad 41% 44% 19% 29% 33%

34%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
Probabilidad 76% 75% 67% 24% 33%
Combinación #16
Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo
capacidad 15,000 20,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%
108
Combinación #17
Intervalo
capacidad 50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
Combinación #18
Probabilidad
Combinación Parámetros/quinquenio 1 2 3 4 5
Promedio
Intervalo capacidad
50,000 53,000 50,000 53,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 34%
3
Probabilidad 41% 44% 19% 29% 33%
Intervalo capacidad
20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
109
Combinación #19
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
Combinación #20
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
110
Combinación #21
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
Probabilidad 76% 75% 67% 24% 33%
Combinación #22
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 15,000 20,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%
111
Combinación #23
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa)
4
Probabilidad 41% 24% 37% 29% 33%

33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
Combinación #24
Intervalo
capacidad 50,000 53,000 30,000 40,000 40,000 50,000 20,000 30,000 0 0
(Ktpa) 33%
4
Probabilidad 41% 24% 37% 29% 33%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
112
Combinación #25
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa)
5
Probabilidad 31% 44% 19% 29% 22%

29%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
Combinación #26
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 29%
5
Probabilidad 31% 44% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
periodo
113
Combinación #27
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 29%
5
Probabilidad 31% 44% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
Probabilidad 76% 75% 67% 24% 33%
último
Combinación #28
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 29%
5
Probabilidad 31% 44% 19% 29% 22%
Intervalo
capacidad 15,000 20,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%
114
Combinación #29
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 29%
5
Probabilidad 31% 44% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
periodo
Combinación #30
Intervalo
capacidad 30,000 40,000 50,000 53,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 29%
5
Probabilidad 31% 44% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
periodo
115
Combinación #31
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 63%
1
Probabilidad 76% 75% 67% 48% 52%
Combinación #32
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000 0 0
(Ktpa) 60%
2
Probabilidad 76% 75% 67% 48% 33%
periodo
116
Combinación #33
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 20,000 24,000 0 0 20,000 24,000
(Ktpa) 59%
3
Probabilidad 76% 75% 67% 24% 33%
último
Combinación #34
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 15,000 20,000 20,000 24,000 20,000 24,000 20,000 24,000 20,000 24,000
(Ktpa) 52%
4
Probabilidad 18% 75% 67% 48% 52%
117
Combinación #35
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 41%
5
Probabilidad 76% 75% 11% 12% 33%
periodo
Combinación #36
Intervalo
capacidad 30,000 40,000 30,000 40,000 40,000 50,000 20,000 30,000 40,000 50,000
(Ktpa) 25%
6
Probabilidad 31% 24% 19% 29% 22%
Intervalo
capacidad 20,000 24,000 20,000 24,000 15,000 20,000 15,000 20,000 0 0
(Ktpa) 29%
6
Probabilidad 18% 17% 11% 48% 52%
periodo
118
Por ultimo las combinaciones de configuraciones mina-planta a utilizar serán:
Tabla 68: Combinación de configuraciones factibles
N° Configuración Mina-Planta
1 1 2
2 1 5
3 2 1
4 2 4
5 3 2
6 3 5
7 3 6
8 4 2
9 4 5
10 4 6
11 5 1
12 5 4
13 6 1
14 6 4
119

Metodología de Planificación de La Producción de Minas A Cielo Abierto Considerando PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Metodología de Planificación de La Producción de Minas A Cielo Abierto Considerando PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS

METODOLOGÍA DE PLANIFICACIÓN DE LA PRODUCCIÓN DE MINAS

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN MINERÍA

DAVID ESTEBAN MENESES RENDIC

METODOLOGÍA DE PLANIFICACIÓN DE LA PRODUCCIÓN DE MINAS A CIELO ABIERTO

Surface mining, instead of underground mining, is distinguished by being operationally flexible

El presente trabajo aborda el problema de planificación de la producción en operaciones mineras a

1.1.1. PLANIFICACIÓN MINERA

Planificación estratégica: se refiere a la elección de los métodos de explotación, capacidad

Plan anual: Este plan se centra en el presupuesto anual, soportando el agendamiento de

• Corto plazo: El horizonte de tiempo de esta planificación es diario, semanal, mensual y

Figura 1:Fuentes de incertidumbre en proyectos mineros (Mayer y Kasakidis 2007)

La incertidumbre y el riesgo son conceptos relacionados, mientras que la primera es el

1.1.3. ANÁLISIS DE RIESGO EN MINERÍA

Figura 2: Probabilidad acumulada producto de simulación monte carlo (Cerda 2009)

1.1.4. VALUE AT RISK (VAR)

Donde s es el precio del metal, α es la tendencia esperada, σ es la desviación estándar, dz es un

Alternativamente un modelo de reversión de la media puede ser aplicado a modelos de variabilidad

1.3.1. OBJETIVO GENERAL

1.3.2. OBJETIVOS ESPECÍFICOS

• Diseñar una metodología de planificación minera que considere el riesgo relacionado al

Los alcances de este trabajo serán:

La metodología propuesta por este trabajo se compone de las siguientes etapas:

1.5.1. PLAN MINERO TRADICIONAL

Determinación secuencia de agendamiento evaluación

Figura 3: Proceso tradicional de planificación

Determinación Pit final

Mineral Esteril Valor

Figura 4: Gráfico pit by pit

Figura 5: Simulación precio de commodity mediante técnica Montecarlo

• Realiza un plan de producción agendando la extracción de los bloques del modelo de

• Mostrar diferentes configuraciones de capacidad mina/planta y seleccionar alguna de estas

Como se mencionó desde el paso anterior de la metodología, se eligieron las capacidades

Las primeras publicaciones concernientes a planificación minera y en específico en temas como la

Opciones reales se le denomina a un conjunto de técnicas de evaluación económica provenientes

1.6.3. APLICACIÓN DE OPCIONES REALES A DISEÑOS DE INGENIERÍA

La mayoría de la literatura está enfocada en el análisis de evaluaciones de alternativas económicas

1.6.4. CONTROL ÓPTIMO

Kizilkale (Kizilkale & Dimitrakopoulos, 2014) en su trabajo aborda el problema llamado

1.6.5. PLANIFICACIÓN MINERA BAJO INCERTIDUMBRE USANDO

2.1. ARTICULO: METODOLOGÍA DE PLANIFICACIÓN MINERA A CIELO ABIERTO

Metodología de planificación minera a cielo abierto

La etapa de determinación de fases o pushbacks tiene el objetivo de determinar cuáles porciones

Flexibilidad: una manera de manejar la incertidumbre del precio del producto.

Valor en Riesgo (VaR)

VAN = Ingresos – Costo de extracción - Costo de procesamiento - Inversión

Se establece que el porcentaje de un bloque No se puede procesar más de lo que se extrae:

∑ 𝑋𝐸𝑏𝑡 ≤ 1 ∀ 𝑏 (1) 𝑋𝑃𝑏𝑡 ≤ 𝑋𝐸𝑏𝑡 ∀ 𝑏, 𝑡 (2)

𝑁𝑗𝑘 ⋅ ∑ 𝑌𝑗𝑘𝑠 ≤ ∑ ∑ 𝑋𝐸𝑏𝑡 ∀ 𝑗, 𝑘, 𝑡 (3) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝐸𝑏𝑡 ≤ ∑ 𝑇𝐸𝑙𝑡 ∀𝑡 (4)

𝑋𝐸𝑏𝑡 ≤ ∑ 𝑌𝑗,𝑘−1,𝑠 ∀ 𝑗, 𝑘, 𝑡, 𝑏 ∈ 𝑗 ∩ 𝑘 (5) 𝑇𝐸𝑙𝑡 ≤ 𝐶𝑀𝑙 ⋅ 𝑍𝑙𝑡 ∀ 𝑡, 𝑙 (6)

∑ 𝑌𝑗𝑘𝑡 ≤ 1 ∀ 𝑗, 𝑘 (7) ∑ 𝑇𝑜𝑛𝑏 ⋅ 𝑋𝑃𝑏𝑡 ≤ ∑ 𝑇𝑃𝑙𝑡 ∀𝑡 (8)

∑ 𝑍𝑙𝑡 ≤ 1 ∀𝑡 (9) 𝑇𝑃𝑙𝑡 ≤ 𝐶𝑃𝑙 ⋅ 𝑍𝑙𝑡 ∀ 𝑡, 𝑙 (10)

Figura 1: Simulación de precios del cobre

Según se aprecia de la tabla anterior que la opción 2 es mayoritariamente ejercida conformando un

Distribución utilidades plan

Este trabajo ha abordado la aplicación de flexibilidad a la optimización en el agendamiento de una

Ley media (%)

Figura 6: Curva tonelaje ley

mineral esteril Valor

Figura 7: Gráfico pit by pit caso de estudio

El agendamiento realizado para periodos de duración de un año y con un horizonte de 25 años es

Ley media (%)