Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELOSDEBLOQUESECONOMICO
MODELOSDEBLOQUESECONOMICO
EXPLOTACIÓN SUPERFICIAL
Sesión 9: Modelos de bloques económicos
Docente: Ing. Arturo Gutiérrez
Nasca, 2023
1
Introducción al problema de planificación minera a cielo abierto:
2
Métodos de optimización utilizados en el problema:
Determinar el
límite del pit Obtención del
final secuenciamiento a
partir del pit final
• Según la metodología más utilizada hasta la fecha, luego de que los recursos mineros pasan a ser reservas, ocurren
dos tipos de planificación primaria: (1) el diseño del pit final y (2) el plan de producción. Los componentes del análisis
preliminar del diseño del pit final consisten en lo siguiente:
• Esta información da origen a la creación de múltiples algoritmos para la determinación del pit final.
• Sin duda, el algoritmo más conocido y utilizado por las herramientas actuales es el algoritmo de grafos de Lerchs -
Grossman (1965), su función objetivo busca maximizar el beneficio total de un pit, basado en el beneficio neto de
cada bloque y su ubicación física en la mina, que no comprende el tonelaje de cada bloque.
• Otro algoritmo para definir el pit final es el llamado algoritmo de Koborov, que asigna un cono a cada bloque que
posea un beneficio positivo, asignando los bloques negativos dentro del cono generado, de esta manera el bloque
base “paga” por los bloques negativos, si después de este proceso el remanente del bloque es aún positivo, se
considera como parte del set de solución óptima. 4
Secuenciamiento de bloques a partir de los límites del pit final:
• Este enfoque sirvió como un puente entre el problema del pit final y el problema del secuenciamiento de bloques.
Muchas investigaciones han sido realizadas en torno a este tema, sin embargo haremos referencia a las más
mencionadas en la literatura.
• Prácticamente la totalidad de los algoritmos utilizados en la optimización de una explotación a cielo abierto trabajan
sobre un modelo de mineralización construido por un bloque tridimensional regular.
• Así pues, el punto de partida de estos métodos consiste en el diseño del bloque. Lo suficientemente grande como
para incluir en él, toda el área de interés alrededor del yacimiento.
• A continuación, este gran bloque se subdivide en otros pequeños bloques, a los que se le aplica un valor estimado
para cada uno de ellos.
Geoestadística Polígonos,
Inverso de la
utilizando el triángulos o
distancia
krigeaje similar
Tipos de algoritmos
• Los diferentes algoritmos existentes para llevar a cabo la optimización se pueden agrupar en dos categorías (según
Annels, 1991):
Heurísticos: Rigurosos:
9
Método del cono flotante:
• Consiste en el estudio económico de los bloques mineralizados y
estériles que caen dentro de un cono invertido, el cual se mueve
sistemáticamente a través de una matriz de bloque, con el vértice
del cono ocupando, sucesivamente, los centros de los bloques.
Donde:
B: Beneficio
Pr: Precio de venta del metal
RM: Recuperación metalúrgica.
G: Ley media
NB: Número de bloques con G como ley media
MM: Costo de extraer y transportar cada tonelada de mineralización.
P: Costo de procesar cada tonelada de mineralización.
ME: Costo de extraer y transportar cada tonelada de estéril.
NE: Numero de bloques estériles.
VB: Volumen del bloque.
DA: Densidad aparente.
Figura 9.2 10
Diagrama del método del cono flotante:
• Si el beneficio es positivo, todos los bloques incluidos dentro del
cono se marcan y se quitan de la matriz de bloques, son lo que se
crea una nueva superficie.
Ejemplo 9.1
• En la figura 9.4 se muestra una matriz de bloques cuya • La primera fila presenta un bloque con valor positivo;
optimización se va a llevar a cabo (hustruilid y kuchta, puesto que no existen bloques superiores, su
1995). extracción generaría resultados positivos, siendo el
valor del cono el del bloque (+1) (fig 9.5)
• El proceso se realiza de la siguiente forma:
12
Método del cono flotante:
Ejemplo 9.1
• El siguiente cono vendría definido por el bloque de la • A continuación, el siguiente bloque a analizar sería el
fila 2 y columna 4 (+4). El valor del cono seria: de la fila 3 y columna 3 (+7). El valor de este cono
-1-1-1+4=+1 seria:
-1-1-2-2+7=+1
• Con su valor positivo, el cono se extraería (fig 9.6)
• El nuevo valor es positivo, por lo tanto también se
extrae (fig 9.7)
13
Método del cono flotante:
Ejemplo 9.1
14
Método del cono flotante:
Primer problema del ejemplo 9.1
• Se presenta cuando bloques positivos se analizan individualmente. Un bloque único puede no justificar la extracción
del recubrimiento presente, mientras la combinación de estos bloques con otros se solapan pueden generar valores
positivos. Johnson (1973) ha denominado a esta situación como “el problema del soporte mutuo”.
En las figuras 9.10 a 9.13 se representa esta situación. • Dado que el resultado final del cono es negativo, no se
extraería (fig 9.11).
El cono definido por el bloque de la fila 3 y columna 3
(+10) tiene un valor de :
-1-1-1-1-1-2-2-2+10=-1
15
Método del cono flotante:
16
Método del cono flotante:
Segundo problema del ejemplo 9.1
• Se plantea cuando el método incluye bloques sin beneficio en el
diseño final. Dicha inclusión puede reducir el valor neto de la
explotación. En las figuras 9.14 a 9.16 se muestra el problema.
• Que sería el valor del diseño óptimo, pues una vez extraído éste,
el siguiente generaría resultados negativos (fila 3 y columna 3):
-1-1-2-2+5=-1
• En este caso, el valor del cono menor es mayor que el del cono
17
más grande.
Método del cono flotante:
Aspectos positivos
• Todos estos procesos se llevan a cabo de sucesivos
perfiles, en distancias a establecer, para conseguir el
efecto tridimensional que la explotación necesita.
Puesto que el método es una informatización
de las técnicas manuales, los usuarios pueden
utilizarla, entender lo que están haciendo y • Como es lógico, se pueden hacer variar diversos
sentirse satisfechos con los resultados. factores para controlar la economicidad (leyes mínimas
de explotación, ángulos del cono, etc.).
Desde el punto de vista de su • Por último, hay que hacer notar que este método de
planteamiento, el algoritmo es muy
simple, por lo que puede incorporarse a un
optimización económica se encuentra incluido en
programa de ordenador con gran facilidad diversos paquetes informáticos, como el PITPACK de
y rapidez. Geostat systms international Inc, reduciéndose así
notablemente el tiempo dedicado a su desarrollo.
19
Ejemplo del algoritmo del cono móvil optimizante:
• En el siguiente esquema se presenta un perfil de un modelo de bloques sometido al algoritmo del cono móvil
optimizante, donde cada bloque está definido por un valor económico, es decir lo que significa económicamente su
extracción.
• Es así que los bloques con valor negativo representan a los bloques de estéril con su costo de extracción asociado ( -10)
y los bloques de mineral son representados por el beneficio global que reporta su extracción (Beneficio Global =
Ingresos - Costos = 810 - 10 = 800).
20
Ejemplo del algoritmo del cono móvil optimizante:
21
Bondades del cono móvil optimizante:
Secuencia de extracción de conos
• Esta radica en la secuencia con que son analizados los bloques del modelo.
• En la figura se puede apreciar el beneficio que reporta la extracción de cada bloque. Los bloques con beneficio positivo
ya se les ha descontado lo que cuesta extraer dicho bloque o costo mina ( - 10).
• Si el primer cono se construye en el bloque (1) y suponiendo un ángulo de talud, entonces dicho bloque no puede ser
extraído (Beneficio = -10).
• Al no ser factible la extracción del bloque (1), el segundo cono se construye en el bloque (2), donde el beneficio neto del
cono es de +10, siendo en consecuencia ventajosa su extracción, quedando la figura de la siguiente forma:
22
Bondades del cono móvil optimizante:
Secuencia de extracción de conos
• Continuando con la secuencia, el tercer cono se construye en el bloque (3), resultando un beneficio de +30.
• De este análisis se concluye que los tres bloques con valor económico mayor que cero son extraídos con un beneficio
económico de +40, sin embargo un correcto análisis debiera obtener un pit con valor de +60, dejando en su lugar el
bloque (3) con su respectiva sobrecarga, como podemos ver en la figura siguiente:
• De lo anterior se desprende que la incorrecta secuencia con que se analizan los conos, produce pérdidas económicas
cuya magnitud, obviamente, depende de la complejidad de la mineralización, de la variabilidad de las leyes, etc.
23
Bondades del cono móvil optimizante:
Conos con sobrecarga relacionada
• Este es el principal aporte del método del cono móvil optimizante, consiste en analizar conos que tengan sobrecarga
compartida, por ejemplo:
• Los bloques (1) y (2) tienen un beneficio de +70 (incluido el costo mina). Al analizar conos individualmente, se aprecia
que no es conveniente la extracción de dichos bloques, pues cada caso el beneficio neto del cono es -10.
• No obstante si se analiza en su conjunto se ve que es ventajosa su extracción, pues esta trae consigo un beneficio de
+40.
24
Algoritmo de Lerch & Grossman:
25
Algoritmo de Lerch & Grossman 2D:
• Se trabaja sobre un modelo de bloques definidos, dimensionados y valorados
• La sección a manejar debe tener cada uno de sus bloques valorados económicamente (los costos
van en negativo) por su extracción
26
Algoritmo de Lerch & Grossman 2D:
• Paso 1: Realizar matriz con valor económico de cada uno de los bloques
Matriz valorizada
• Paso 2: Sumar de forma descendente los bloque de cada columna. Generando la matriz acumulada.
Matriz valorizada
acumulada
27
Algoritmo de Lerch & Grossman 2D:
• Paso 3: Agregar una fila (i=0) y columna (j=0) en la parte superior izquierda con valores 0 en cada bloque
28
Algoritmo de Lerch & Grossman 2D:
• Paso 4: Para cada columna (de izquierda a derecha), se suma a cada bloque (de forma descendente) el mayor valor
entre los 3 más próximos de la columna anterior.
Matriz obtenida
en paso 3
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0
1 0 -3
Matriz a armar
2 0 -12 en paso 4
3 0 -21
4 0 -32 29
Algoritmo de Lerch & Grossman 2D:
• Paso 4: Para cada columna (de izquierda a derecha), se suma a cada bloque (de forma descendente) el mayor valor
entre los 3 más próximos de la columna anterior.
Matriz obtenida
en paso 3
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0 0
1 0 -3 -2
4 0 -32 -38 30
Algoritmo de Lerch & Grossman 2D:
• Paso 4: Para cada columna (de izquierda a derecha), se suma a cada bloque (de forma descendente) el mayor valor
entre los 3 más próximos de la columna anterior.
Matriz obtenida
en paso 3
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0 0 0
1 0 -3 -2 1
Matriz obtenida
en paso 3
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0 0 0 1
1 0 -3 -2 1 1
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0 0 1 1 1 1 2 4 4
1 0 -3 -2 1 1 1 2 4 4 -9
2 0 -12 -7 2 2 1 5 -1 -3 -21
i/j 0 1 2 3 4 5 6 7 8 9
0 0 0 0 1 1 1 1 2 4 4
1 0 -3 -2 1 1 1 2 4 4 -9
2 0 -12 -7 2 2 1 5 -1 -3 -21
34
Algoritmo de Lerch & Grossman 2D:
• Paso 5: Seleccionar el mayor valor de la columna del extremo derecho y unir mediante una flecha hacia el
mayor valor ADYACENTE de la columna que se encuentra a la izquierda.
35
Algoritmo de Lerch & Grossman 2D:
• Paso 6: Seleccionar la envolvente, que se genera a raíz de la ruta con los valores más altos.
36
Algoritmo de Lerch & Grossman 2D:
• Paso 7: Sumar todos los valores que se encuentren desde la envolvente hacia arriba, obteniendo el beneficio
económico final.
37
¿Preguntas?
38
Referencias bibliográficas:
1. http://cybertesis.uni.edu.pe/uni/2010/gonzales_pt/pdf/gonzales_pt.pdf
2. http://webs.uvigo.es/bastante/PDF/DPECAAO.pdf
3. http://www.revistas.unal.edu.co/index.php/rbct/article/view/19713/20821
4. http://www.aimecuador.org/capacitacion_archivos_pdf/Dise%C3%B1o_%20de_%20explot_CA.pdf
39