Documentos de Académico
Documentos de Profesional
Documentos de Cultura
com
Historial del artículo: La programación de la planificación minera de la explotación de un recurso mineral tiene como objetivo maximizar las ganancias del proyecto minero. Frecuentemente, se han utilizado tecnologías de planificación que, si bien permiten maximizar los
Palabras clave: fundamentales y sus incertidumbres, con el objetivo de maximizar las ganancias esperadas y minimizar los riesgos asociados al proceso de planificación minera. Finalmente, para mejorar los alcances y resultados de esta propuesta presentada en este
Planificación de la mina Programación trabajo, se recomienda incluir otras variables propias de los proyectos mineros actuales, tales como variables ambientales, ecológicas y sociales, que ayuden a mejorar la propuesta metodológica desarrollada en este trabajo. papel. sobre el cual se
Optimización estocástica Herramientas desarrollará un modelo para la planificación óptima de una explotación a cielo abierto de un yacimiento polimetálico identificando las variables fundamentales y sus incertidumbres, con el objetivo de maximizar las ganancias esperadas y minimizar los
metaheurísticas
riesgos asociados al proceso de planificación minera. Finalmente, para mejorar los alcances y resultados de esta propuesta presentada en este trabajo, se recomienda incluir otras variables propias de los proyectos mineros actuales, tales como variables
Simulación de ley de
ambientales, ecológicas y sociales, que ayuden a mejorar la propuesta metodológica desarrollada en este trabajo. papel. sobre el cual se desarrollará un modelo para la planificación óptima de una explotación a cielo abierto de un yacimiento
corte (CoG)
polimetálico identificando las variables fundamentales y sus incertidumbres, con el objetivo de maximizar las ganancias esperadas y minimizar los riesgos asociados al proceso de planificación minera. Finalmente, para mejorar los alcances y resultados
Depósito polimetálico
de esta propuesta presentada en este trabajo, se recomienda incluir otras variables propias de los proyectos mineros actuales, tales como variables ambientales, ecológicas y sociales, que ayuden a mejorar la propuesta metodológica desarrollada en
este trabajo. papel. con el objetivo de maximizar las ganancias esperadas y minimizar los riesgos asociados al proceso de planificación minera. Finalmente, para mejorar los alcances y resultados de esta propuesta presentada en este trabajo, se
recomienda incluir otras variables propias de los proyectos mineros actuales, tales como variables ambientales, ecológicas y sociales, que ayuden a mejorar la propuesta metodológica desarrollada en este trabajo. papel. con el objetivo de maximizar las
ganancias esperadas y minimizar los riesgos asociados al proceso de planificación minera. Finalmente, para mejorar los alcances y resultados de esta propuesta presentada en este trabajo, se recomienda incluir otras variables propias de los proyectos
mineros actuales, tales como variables ambientales, ecológicas y sociales, que ayuden a mejorar la propuesta metodológica desarrollada en este trabajo. papel.
https://doi.org/10.1016/j.cor.2019.104823 0305-0548/©
2019 Elsevier Ltd. Todos los derechos reservados.
2 GF Sepúlveda, PJ Álvarez y JB Bedoya / Informática e Investigación Operativa 115 (2020) 104823
En un modelo estocástico de planeación minera también tratamos de Figura 1.Descripción del proceso extractivo propuesto.
maximizar una función objetivo (generalmente el VAN) sujeta a algunas
restricciones (que pueden ser capacidad de extracción, mina, pilas de
almacenamiento, planta, entre otras), incluyendo las respectivas funciones basado en datos históricos. La metodología a seguir es la
de distribución de la probabilidad de las variables que se consideran optimización estocástica implícita (Monte Carlo + simulación
inciertas. Este modelo se basa, entre otros, en las siguientes entradas: un Metaheurística).
modelo de recursos (modelo de bloques); y un diseño de opciones de ii Se considera un modelo de la cadena completa: Mina - Almacén-
operaciones mineras y optimizadas a la luz de los objetivos definidos para pila de edad - Procesamiento - Refinación - Mercados - Vertederos - Relaves.
cada empresa minera. Adicionalmente, se consideran varios procesos que pueden ser algunos
secuenciales y otros opcionales.
2. Modelo de optimización estocástica para minería a cielo abierto de un iii Se considera una dinámica del CoG en el tiempo. Si los precios o costos
yacimiento polimetálico cambiar también el CoG: esto se justifica modelando el precio como una
variable aleatoria a partir de una serie temporal.
El modelo estocástico para una operación minera a cielo abierto para un iv Se considera que se envía un CoG adicional a un almacén de reserva.
yacimiento polimetálico se basa en la incertidumbre geológica y la age stack (almacenamiento provisional del material) que también varía
incertidumbre del mercado, definiendo la propuesta a través de una en el tiempo en función del precio en el momento del envío.
validación posterior en un caso de aplicación de un proyecto minero real. v Posibles aumentos o disminuciones en la mina, el proceso y la refinación
También aborda la solución del problema, utilizando modelos de las capacidades se consideran con un costo adicional en la función
optimización estocástica (implícita o “blanda”), que permiten considerar la objetivo (por esta consideración no se incluyen los costos de
incertidumbre asociada a las variables de interés, con el objetivo de oportunidad, que se deben a tener subcapacidades
maximizar los beneficios esperados y minimizar los riesgos asociados a la predeterminadas).
planificación de actividad minera. vi Se considerará que la vida útil, es decir, la
El modelo de optimización se compone básicamente de tres módulos. El LoMes una variable de decisión que optimiza el período en el que
primero, el modelo de secuenciación de minería; el segundo, el modelo para sería rentable explotar la mina.
la estimación del CoG; y el tercero, el modelo de flujo de efectivo que incluye vii Se considera yacimientos polimetálicos.
incertidumbre y riesgo.
ellos representa un vector de valores I. Para cada individuo I. El proceso El valor presente neto de la explotación durante toda la vida útil se
es el siguiente: representa como se muestra enecuación (1):
∑P(t)
Se simulan muchos escenarios posiblesωque son conjuntos de bienes VAN= (1)
izaciones del grado de cada bloque y de las demás variables aleatorias t∈T (1 +d)t
(como el precio en cada t) a partir de las funciones de distribución
Dónde,
correspondientes
P(t) = Ingresos por venta - Costos de minado - Costos de manejo de
b Para cada escenario posibleω, se calcula su VAN. el sin-
stockpile - Costos de proceso - Costos de refinación - Costos de aumento o
La serie ética de los m valores NPV así obtenidos permite el análisis
disminución de capacidades y otros (como costos de reparación o costos
estadístico de las consecuencias de las decisiones de implementación I.
ambientales).
Enecuación (2), hay una ampliación de los beneficios:
c El promedio (o cualquier otra estadística como la desviación, max- [
mínimo, mínimo, cuantil, etc.) de la serie sintética del VAN de las m ∑
MINERAL
presente iteración, se generan nuevos individuos a partir de los ya − Qc(t)C(1)−qc(t) y(pag−1)C(p)− m(i)Qm(i, t )
evaluados por operadores genéticos: selección, cruzamiento, mutación, que p>1 i=1
buscan propagar en las próximas poblaciones, las características de los
− CEST (t)−CPALM(t)−f (t)−CINCRE(t )−CDECRE(t)
mejores individuos encontrados. hasta aquí. ]
− Otros (2)
2.2.3. Nomenclatura
EnTablas 1–6, se define la nomenclatura utilizada en el modelo ecuaciones (3),(4),(5)y(6), respectivamente, describen los costos totales de aumento o
propuesto y se establecen los conjuntos, las entradas, las variables desmantelamiento de la capacidad de la mina, los procesos, la refinación, los costos de
aleatorias, las variables de decisión, las variables de decisión esterilización y el costo del acopio.
dependientes y las salidas del modelo propuesto.
Otras variables también son de decisión pero dependen de las ∑4
anteriores o de los parámetros y se presentan enTabla 5. Tabla 6
CINCRE(t )=(CINCM) +
M(t)+ (CINCC(p))+P(p, t)
describe los resultados más importantes, aunque se pudieron evaluar
pags=1
todos los valores parciales del flujo de caja durante la vida de la mina y ∑
MINERAL
otros indicadores económicos como el tiempo de recuperación del + CDECR(o)+R(k, t ),∀t (3)
capital invertido, entre otros. o=1
∑PAGS
2.2.4. funciones objetivas CDECRE(t)=(CDECM) −
M(t)+ (C DECC(p)) −
P(p, t)
Para el modelo propuesto, se puede emplear una de las siguientes pags=1
funciones objetivo: ∑
MINERAL
+ CDECR (k) −
R(o, t ),∀t (4)
a Objetivo 1: Maximizar el valor esperado del presente neto o=1
valor de la operación durante toda la vida útil. ( )
b Objetivo 2: Minimizar el riesgo, valorado como la desviación de la ∑ norte
2.2.5. Restricciones
AMinería:D(t) es la variable de decisión que define los bloques
tabla 1
Definición de conjuntos del modelo propuesto. que se explotan en el periodo t (x (i, t)∈E(D(t),t)) siendo E(D(t),t) los
bloques del cono superior al bloque D(t) y que aún no han sido
explotados en t. A partir de esta variable de decisión se definen
Conjuntos
Tabla 2
Definición de valores que servirán de entrada al modelo propuesto.
cs $/tonelada.
Fuente: Autores.
Tabla 5
Tabla 3 Definición de variables de decisión dependientes del modelo propuesto.
Definición de variables aleatorias de entrada al modelo propuesto.
Símbolo Explicación Unidades
Tabla 4 rw(t) Monto enviado desde la última etapa del proceso Montones.
esp(t) almacenado en acopio que se envía a proceso en Montones. durante el período t. mineral procesado.
t. qr (t) Cantidad de material refinado durante el período t. toneladas (libras
ϒdiente(Antiguo Testamento) Dinámica óptima de ley de corte en el tiempo. Al 0≤ ϒdiente(Antiguo Testamento)≤1 u onzas troy)
ser polimetálico no será un número sino una de refinado
regla de decisión tipo AND u OR. Material / t.
ϒs(Antiguo Testamento) Corte Grado de dinámica de corte óptima a Monte) Capacidad de mina en t. Toneladas/año.
tiempo con material de menor calidad para 0≤ ϒs(Antiguo Testamento)≤ ϒdiente(Antiguo Testamento) C(p, t) Capacidad de procesamiento del proceso p en t. Toneladas/año
(p, t) procesamiento C en el proceso p en t. Se puede VAN Valor actual neto total durante toda la vida útil de la mina. EL DÓLAR AMERICANO$.
evaluar en periodos mayores a t por ejemplo Este resultado no es un valor exacto sino que es una
cada 5 años. variable aleatoria que permite caracterizarlo
R(+/-)(t) Aumento o disminución de la capacidad de Toneladas/año. estadísticamente: identificar el valor esperado, desviación
refino R en t. Se puede evaluar en periodos estándar, probabilidad de pérdidas, probabilidad de
mayores a t por ejemplo cada 5 años. alcanzar metas específicas, VPN (valor en riesgo para un
percentil específico), entre otros .
Fuente: Autores.
Fuente: Autores.
GF Sepúlveda, PJ Álvarez y JB Bedoya / Informática e Investigación Operativa 115 (2020) 104823 5
gramos(k, o)=s ∑
i=1
∀k, t
IP(t−1)+ i=1sentar )v(i)
norte
BCondiciones de las variables de decisión:
(10) Ypags(
3
o, t)0; Ys(o, t)≥0
AProceso:La cantidad de material que entra en el primer proceso.
T∈ Z+ , 1≤T≤TT
es la suma de lo explotado en t y cumple la combinación de CoGs,
más el que proviene de la batería de reserva. Este valor no puede D(t)∈ Z+,1≤D(t)≤norte
exceder la capacidad C (1, t). Enecuación (11)se describe esta
restricción. METRO+(t)≥0,∀t
∑norte
METRO+(t)≥0,∀t
qc(t)= pr(i, t)v(i)+esp(t)≤C(1,t ),∀t (11)
i=1
METRO−(t)≥0,∀t
Para los demás procesos se aplican porcentajes de pérdidas (o
recuperaciones) de los procesos anteriores. C+(pags,t)≥0,∀t,pags
( )
−1
pags∏ ∑
norte
C−(pags,t)≥0,∀t,pags
y(l) pr(i, t)v(i)+esp(t)≤C(p, t),∀pag, t (12)
yo=1 i=1 R+(t)≥0,∀t
AFlotación:La cantidad de material que entra en flotación colectiva R−(t)≥0,∀t
ción es la suma del mineral que se recupera en el último proceso. Se
actualiza la cantidad dispuesta en el estéril del periodo t, que es La principal ventaja de la metodología propuesta en este trabajo es
igual a la cantidad que tenía en el periodo anterior, más la cantidad poder tener en cuenta una mirada diferente a la planificación minera clásica
enviada directamente desde mina por no cumplir con los CoGs más o determinista. Es decir, se podrían integrar tres modelos en esta propuesta
la enviada desde jales. Esa cantidad no puede exceder un límite (el modelo de estimación de la ley de corte, el modelo de secuenciación de la
máximo de capacidad estéril. Enecuaciones (13),(14)y(15),
minería y el modelo de flujo de caja que incluye la incertidumbre y la
respectivamente, se describe la cantidad de material que ingresa a
evaluación del riesgo). Adicionalmente, se hace una propuesta para reducir
flotación colectiva, la cantidad de material que va a relaves y la
actualización de la cantidad de estéril dispuesto en cada período. el problema tradicional de la planificación minera, permitiendo incluir
algunas complejidades como: se incluye toda la cadena empresarial minera
( ) considerando diferentes condiciones en el tiempo; tiempo de mina no
∏4 ∑norte
∑
MINERAL
∑
MINERAL
Tabla 7 E(Yt)=m
Datos del proyecto.
(
21
)( )
Caso de estudio Variart)=σ + b21+ 2a1b1 /1 -a1 2
inversión total US$ 4200 millones Y para el caso de estudio de los precios del Oro:
Capacidad de procesamiento 110k TPD
Mediam: 486.39
capacidad de la mina 567k TPD
vida mía(LoM) Cobre 15 años Parámetro de volatilidadσ: 78.305
refinado (Cu) 252 MM libras Coeficiente autorregresivo de media móvil a1: 0,94956
Molibdeno refinado (Mo) Oro 49 MM libras Coeficiente autorregresivo de la media móvil b1: 0.5653 Valor
refinado (Au) 40 k onzas
Y0 en tiempo 0: 1266.4
Fuente: Autores. Término de error inicialε0: 19.636
GF Sepúlveda, PJ Álvarez y JB Bedoya / Informática e Investigación Operativa 115 (2020) 104823 7
Tabla 8
Valores de entrada utilizados en el modelo propuesto.
47 de agosto
Fuente: Autores.
Variables aleatorias (también son datos):.
Tabla 9 Tabla 10
Definición de variables aleatorias que se utilizaron para ingresar al modelo. Optimización de @RISK (RISKOptimizer) para el caso de estudio.
S (o, t) Precio del mineral (pronóstico basado en el ($/libra, $/libra Mejor valor encontrado (US$) 1.877E + 010
ajuste de un modelo de serie temporal a datos o $/onza). Tiempo para encontrar un mejor valor (h:min:s) 10:08:52
históricos).
Fuente: Autores.
Fuente: Autores.
Tabla 11 Tabla 12
Valores del VAN, máximo, mínimo y desviación para el modelo estocástico. Modelos determinísticos y estocásticos para la definición del bloque más profundo que se explota
en el tiempo t y para la vida de la mina (LoM).
modelo estocástico
Modelo
Significar $1,877E + 010
Máximo $3,190E + 010 Año determinista estocástico
Mínimo $6,426E + 009
1 10 6
Desviación $5,126E + 009
2 14 37
Fuente: Autores. 3 dieciséis 7
4 15 8
5 29 45
6 38 14
7 54 dieciséis
8 8 15
9 36 31
10 37 29
11 13 35
12 6 63
13 45 44
14 28 30
15 7 36
Fuente: Autores.
Lo anterior posiblemente se evidencie por las condiciones de entrada del 3.3.3. Grado de corte de procesamiento ϒp
modelo y aspectos económicos que permiten explotar este yacimiento DeTabla 13yFigura 5, se puede observar que la ley de corte de
polimetálico solo hasta la Fase II. Es probable que ante un cambio o mejora procesamientoϒp tanto para el oro como para el molibdeno no presenta
en las condiciones de entrada (menor tasa de descuento, mejores precios de grandes variaciones a lo largo de la explotación del yacimiento polimetálico,
comercialización, menores costos de operación, entre otros), se pueda es posible suavizar el efecto (a través de restricciones que implican cambios
realizar la optimización de esta explotación hasta la Fase V y así aprovechar máximos entre dos periodos definidos por la empresa) para el caso del
el contenido máximo de mineral. . Cabe señalar que en los últimos tres años molibdeno durante el año 11, ya que, los resultados muestran que durante
algunos de los precios de comercialización de los minerales de estudio han ese año y para el bloque a explotar, no se encuentra dicho material, que
tenido caídas considerables. Puede- pueda ser explotado. Del mismo modo, en el caso de
GF Sepúlveda, PJ Álvarez y JB Bedoya / Informática e Investigación Operativa 115 (2020) 104823 9
Tabla 13 4. Conclusiones
Grado de Corte de Procesamiento (ϒp) para la optimización del caso de estudio.
técnicas de optimización, no excluyen todo este tipo de elementos Goodfellow, RC, Dimitrakopoulos, R., 2016. Optimización global de la minería a cielo abierto
matemáticos. complejos con la incertidumbre. aplicación Suave. computar 40, 292–304.
Karimi, H., Duffie, N., Dashkovskiy, S., 2009. Control de capacidad local para la producción
Partiendo de las realidades actuales que vive la industria minera redes de sistemas de trabajo autónomos con retardos variables en el tiempo. En: Actas de la
mundial (precios bajos, yacimientos con leyes más bajas, restricciones Conferencia Europea de Control de 2009, págs. 2378–2383.
ambientales y sociales, entre otros), es necesario definir modelos King, B., 2011. Práctica minera óptima en la planificación estratégica. J. min. ciencia 47 (2)
247–243.
alternativos de costos que permitan establecer las diferentes relaciones Koushavand, B., 2014. Departamento de Ingeniería Civil y Ambiental PhD The-
e implicaciones de los ciclos de precios de la industria. commodities al hermana, Edmonton, Alberta. Universidad de Alberta.
momento de encontrar el flujo de caja de estos proyectos mineros. Se Lamghari, A., Dimitrakopoulos, R., 2016. Red: algoritmos basados en flujo para
Programación de la producción en minas a cielo abierto con multiprocesadores teniendo en cuenta la
recomienda, adicionalmente, analizar el efecto que pueden tener en la
incertidumbre del metal. EUR. J.Oper. Res. 250, 273–290.
estimación del VAN las correlaciones que existen entre los precios de Marcotte, D., Caron, J., 2013. Optimización estocástica definitiva a cielo abierto. computar
los minerales de interés en este caso de estudio como el oro, el cobre y Geosci. 51, 238–246.
Martinez, L., McKibben, J., 2010. Understanding real options in mine project valuation
el molibdeno.
ción: una perspectiva simple. Cuarto Int. Conf. mín. innovador 23–25.
Para lograr un modelo de optimización estocástica que conduzca a Montiel, L., Dimitrakopoulos, R., Kawahata, K., 2014. Optimización global del tajo abierto
una acertada toma de decisiones, es necesario tener en cuenta y operaciones mineras subterráneas bajo incertidumbre geológica Perth, Australia.
objetivos ambientales que permitan evaluar los diferentes impactos y
Newman, A., Rubio, E., Caro, R., Wientraup, A., Eurek, K., 2010. A review of opera-
externalidades, tanto positivas como negativas, a tener en cuenta en la ciones de investigación en la planificación minera. Interfaces 40 (3), 222–245 n.
modelización financiera del proyecto minero a cielo abierto para un PALISADE, 2015. The Decision Tools Suite: Análisis de Riesgos y Decisiones (Versión
yacimiento polimetálico. 7). Corporación PALISADE, Nueva York.
Sakthivel, R., Kaviarasan, B., Selvaraj, P., Karim, H., 2019. Modo deslizante basado en EID
diseño de políticas de inversión para sistemas financieros de salto estocástico difuso. Anal no
Referencias lineal. 31, 100–108.
Samavati, M., Essam, D., Nehring, M., Sarker, R., 2018. Una nueva metodología para la
Asad, M., Dimitrakopoulos, R., 2013. «A heuristic approach to stochastic cutoff grade Problema de programación de la producción en una mina a cielo abierto. Omega 81, 169–182.
optimización para complejos mineros a cielo abierto,» Les Cahiers du GERAD, Quebec. Asad, Shishvan, MS, Sattarvand, J., 2015. Planificación de producción a largo plazo de tajo abierto
MWA, Qureshi, M., Jang, H., 2016. Una revisión de los modelos de política de leyes de corte minas por optimización de colonias de hormigas. EUR. J.Oper. Res. 240, 825–836.
para operaciones mineras a cielo abierto. recurso Política 49, 142–152. Wei, Y., Park, J., Karimi, H., Tian, Y., Jung, H., 2018. Estabilidad y estabilización mejoradas.
Birge, J., Louveaux, F., 1997. Introducción a la programación estocástica, 1.ª ed. Resultados de sincronización para la sincronización estocástica de redes neuronales de salto semi-
Springer-Verlag, Nueva York. markoviano de tiempo continuo con retraso variable en el tiempo. Trans. IEEE. Red neuronal
Darling, P., 2011. Manual de Ingeniería Minera SME. Sociedad de Minería, Metalurgia Aprender. sist. 29, 2488–2501.
& Exploration ed, EE. UU.: SME. Whittle, G., «http://www.whittleconsulting.com.au/,» 12 05 2012. [En línea]. Aprovechar-
Del Castillo, MF, Dimitrakopoulos, R., 2019. Optimización dinámica de la estrategia poder:http://www.whittleconsulting.com.au/documents/events/
plan de complejos mineros bajo incertidumbre de oferta. recurso Política 60, 83–93. EO%20Brochure%20English.pdf. [Último acceso: 18 03 2014].
Dimitrakopoulos, R., 2010. «Planificación minera estocástica - Métodos, ejemplos y valor Wu, Z., Cui, M., Shi, P., Karimi, H., 2013. Estabilidad de sistemas no lineales estocásticos
en un mundo incierto, » Perth. con conmutación dependiente del estado. Trans. IEEE. Aparato mecánico. Contr. 58 (8), 1904–1918.
Franco, G., Branch, J., Jaramillo, P., 2012. Planeamiento de minas a cielo abierto me-
diante optimización estocástica. Bol. Cienc. Tierra 1 (31), 107–113.