Universidad Nacional San Luis Gonzaga

Facultad de Ingeniería de Minas y Metalúrgia

EXPLOTACIÓN SUPERFICIAL
Sesión 9: Modelos de bloques económicos
Docente: Ing. Arturo Gutiérrez

Nasca, 2023
1
Introducción al problema de planificación minera a cielo abierto:

• Dentro de la Planificación, podemos encontrar 3 clasificaciones: la planificación estratégica, la conceptual y la

operativa.

Planificación estratégica Planificación conceptual Planificación conceptual

• El objetivo de la • La planificación conceptual • La planificación conceptual

Planificación estratégica es
sincronizar el mercado con
los recursos disponibles y la
misión del dueño.
delinea los recursos
existentes para conducir a
la meta productiva definida
como parte de la
planificación estratégica.
involucra el desarrollo de:
• Envolvente Económica
• Diseño del Proceso
• Programa de Producción
• Recursos a Utilizar
• Costeo y Valorización
• Indicadores de desarrollo
sustentable.

2
Métodos de optimización utilizados en el problema:

• La bibliografía existente acerca de los

diferentes métodos de optimización para
solucionar el problema del pit final y el
programa de producción presenta al menos
dos enfoques distintos:

Determinar el
límite del pit Obtención del
final secuenciamiento a
partir del pit final

• El último es un enfoque global que se basa en

determinar el límite económico de los
bloques a partir de la secuencia de
extracción, sin tomar en cuenta el problema 3
del pit final.
Metodología Tradicional: definición 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:

2. Un modelo geométrico del depósito, por

1. Un modelo de bloques, donde cada
ejemplo: información basada en
bloque posee información respecto a
requerimientos geotécnicos como: ángulos
volumen y leyes del elemento con valor
de talud requeridos, ancho minero mínimo
económico.
y el tamaño mínimo de la base del cono.

• 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.

Gershon (1987) Dowd y Onur (1992)

• Desarrolla un secuenciamiento heurístico basado
en el peso posicional de los bloques, para
determinar cuando un bloque debe ser extraído.
• El peso posicional de un bloque determina el
atractivo de remover el bloque en un punto
específico en el tiempo, mientras más alto es el
peso más atractivo.
• El bloque accesible de la fila más alta se extrae,
comenzando el proceso donde se determina el
peso posicional de los bloques remanentes en el
último pit, esto se repite hasta que todos los
bloques en el pit final han sido removidos.
• También tienen una solución al problema de la
secuencia de extracción de bloques, este algoritmo
usa programación dinámica para encontrar la
secuencia.
• El algoritmo determina el bloque que debe ser
minado primero, determina el bloque siguiente
que debe ser extraído y determina todas las
alternativas de secuencias posibles dentro de una
misma combinación de bloques.
• Notar que este método sufre un crecimiento
exponencial del tiempo de proceso a medida que el
número de bloques aumenta, señalan además que
muchas de las secuencias de extracción de bloques
pueden ser eliminadas por ser no factibles,
reduciendo con esto el espacio de búsqueda.
5
Optimización Económica de explotaciones a cielo abierto:

• 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.

• Este valor es, casi siempre, el beneficio neto

que se obtendría con la extracción y
tratamiento del mineral presente en el
bloque.

• El último es un enfoque global que se basa en

determinar el límite económico de los
bloques a partir de la secuencia de
extracción, sin tomar en cuenta el problema
del pit final. 6
Desarrollo general del proceso:

Definición de las leyes de los bloques

• La estimación de las leyes a asignar a cada
bloque se puede llevar a cabo por cualquiera
de los métodos citados en los capítulos de
estimación de las reservas, es decir,
básicamente tres:

Geoestadística Polígonos,
Inverso de la
utilizando el triángulos o
distancia
krigeaje similar

• Una vez establecido el método que mejor se

adapte al yacimiento en cuestión, se tendrá
definido todo el conjunto de bloques con sus
leyes correspondientes.
7
Desarrollo general del proceso:

Definición del valor económico de los bloques

• Desde el punto de vista económico, cada bloque se puede caracterizar por los siguientes parámetros:

Costos indirectos que no se

Costos directos que pueden
pueden asignar a los bloques
atribuirse directamente a cada
Valor de la mineralización individuales (CI) y que, además,
bloque (CD):
presente en el bloque (I). son función del tiempo:
Sondeos, arranque, transporte,
Salarios, amortización del valor
tratamiento, etc.
de la maquinaria, etc.

• El valor económico del bloque vendrá dado por:

VEB = I – CD Criterios para optimizar:
• Maximizar el valor total de la explotación.
• Es necesario recordar que el valor económico del bloque no es • Maximizar el valor por tonelada de producto
lo mismo que el beneficio o pérdida, que vendrá definido por: vendible.
Beneficio (perdida) = ∑(VEB) – CI • Maximizar la vida de la mina.
• Maximizar el contenido en meta dentro de la
• El objetivo de la optimización del diseño de la explotación será explotación.
maximizar el valor ∑VEB. 8
Desarrollo general del proceso:

Tipos de algoritmos
• Los diferentes algoritmos existentes para llevar a cabo la optimización se pueden agrupar en dos categorías (según
Annels, 1991):

Heurísticos: Rigurosos:

La experiencia demuestra que funcionan

satisfactoriamente, aunque no poseen Aquellos cuya optimización tiene una
demostraciones matemáticas que completa demostración matemática.
permitan asegurar su validez.

El más característico es el método de

Es el caso del método del cono flotante.
Lerchs y Grossmann.

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.

• La viabilidad económica del cono se calcula utilizando la fórmula:

B = (Pr * RM * G * NB – (MM + P) * NB – (ME * NE)) *VB *DA

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.

• Por el contrario, si el beneficio es negativo, la matriz se queda como

está y el vértice del cono se traslada al segundo bloque cuyo valor
está por encima de la ley mínima de explotación, repitiéndose, a
continuación, el proceso.

• El desarrollo completo del método, en forma de diagrama de flujo, se

puede observar en la figura 9.3.

• En el ejemplo de la figura 9.2, si el primer cono genera resultados

positivos, el segundo cono apenas generaría bloques marcados, por
lo que su posible economicidad es más probable.

• Si el beneficio es negativo en el primer cono y positivo en el segundo,

el cono vuelve a trasladarse al primero, pues la extracción de bloques
del segundo puede ser viable, ahora, el primero.
11
Figura 9.3
Método del cono flotante:
Ejemplo 9.1
• En la figura 9.4 se muestra una matriz de bloques cuya
optimización se va a llevar a cabo (hustruilid y kuchta,
1995).
• El proceso se realiza de la siguiente forma:
• La primera fila presenta un bloque con valor positivo;
puesto que no existen bloques superiores, su
extracción generaría resultados positivos, siendo el
valor del cono el del bloque (+1) (fig 9.5)
12
Método del cono flotante:

Ejemplo 9.1

• El siguiente cono vendría definido por el bloque de la
fila 2 y columna 4 (+4). El valor del cono seria:
-1-1-1+4=+1
• Con su valor positivo, el cono se extraería (fig 9.6)
• A continuación, el siguiente bloque a analizar sería el
de la fila 3 y columna 3 (+7). El valor de este cono
seria:
-1-1-2-2+7=+1
• El nuevo valor es positivo, por lo tanto también se
extrae (fig 9.7)

13
Método del cono flotante:

Ejemplo 9.1

• Finalmente, el ultimo cono vendría definido por la fila 3

y columna 4 (+1), cuya extracción generaría el siguiente
valor:
-2+1=-1

• En este caso, el valor es negativo, por lo que no se

extrae (fig 9.8). El diseño final de la explotación seria el
que se muestra en la figura 9.9. El valor total de la corta
vendría dado por:
-1-1-1-1-1+1-2-2+4+7=+3

• En esta situación, el diseño final obtenido seria el

“optimo”.

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:

Primer problema del ejemplo 9.1

• De igual forma, el cono establecido según el bloque de la

fila 3 y columna 5 (+10) tendría un valor de:
-1-1-1-1-1-2-2-2+10=-1

• Con lo que tampoco se llevaría a cabo su explotación

(fig 9.12).

• Esta situación se puede presentar con una gran facilidad

en yacimientos reales, y la optimización simple por el
método del cono flotante no la considera.

• Por lo tanto, contemplar la técnica iterativa, comentada

anteriormente, resulta el único camino para resolver
situaciones de este tipo.

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.

• Dada la matriz de la figura 9.14, el cono correspondiente al

bloque de la fila 3 y columna 3 generaría un valor (fig 9.15):
-1-1-1-1-1+5-2-2+5=+1

• El hecho de que el valor de este cono sea positivo no implica que

deba ser extraído. Como se observa en la figura 9.16, el valor del
bloque correspondiente a la fila 2, columna 2, tendría un valor:
-1-1-1+5=+2

• 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
Puesto que el método es una informatización
de las técnicas manuales, los usuarios pueden
utilizarla, entender lo que están haciendo y
sentirse satisfechos con los resultados.
Desde el punto de vista de su
planteamiento, el algoritmo es muy
simple, por lo que puede incorporarse a un
programa de ordenador con gran facilidad
y rapidez.
Genera resultados lo suficientemente seguros
como para depositar en él la confianza
necesaria a la hora de optimizar una
explotación a cielo abierto.
• Todos estos procesos se llevan a cabo de sucesivos
perfiles, en distancias a establecer, para conseguir el
efecto tridimensional que la explotación necesita.
• Como es lógico, se pueden hacer variar diversos
factores para controlar la economicidad (leyes mínimas
de explotación, ángulos del cono, etc.).
• Por último, hay que hacer notar que este método de
optimización económica se encuentra incluido en
diversos paquetes informáticos, como el PITPACK de
Geostat systms international Inc, reduciéndose así
notablemente el tiempo dedicado a su desarrollo.
• La ventaja reside en su bajo costo, en comparación de
una explotación a cielo abierto con el citado programa,
pudiendo servir como ejemplo de este tipo de
aplicaciones informáticas, pues todas ellas, en mayor o
menor grado, operan de forma semejante. 18
Algoritmo del cono móvil optimizante:

• La teoría de los conos flotantes para

determinar los límites económicos del Rajo,
data de los años 60.

• La técnica consiste en una rutina que pregunta

por la conveniencia de extraer un bloque y su
respectiva sobrecarga.

• Para esto el algoritmo tradicional se posiciona

sobre cada bloque de valor económico positivo
del modelo de bloques y genera un cono
invertido, donde la superficie lateral del cono
representa el ángulo de talud.

• Si el beneficio neto del cono es mayor o igual

que un beneficio deseado dicho cono se
extrae, de lo contrario se deja en su lugar.

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:

• En el ejemplo anterior podemos

observar que el extraer el bloque
de valor positivo (+800) y sus 15
bloques de estéril asociado (-10
cada uno), genera un beneficio
final de +650, correspondiente al
beneficio de extraer dicho bloque
con su sobre carga asociada.

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:

Existen distintos métodos para

poder realizar una predicción del
beneficio de la extracción con un
buen nivel de confianza; a
continuación aplicaremos el
algoritmo de Lerch & Grossman en
el cual se genera el pit óptimo
estableciendo los límites de este
en el punto en el cual se maximizan
los ingresos, y definiendo la
secuencia de extracción del material
contenido dentro de los límites del
pit.

25
Algoritmo de Lerch & Grossman 2D:
• Se trabaja sobre un modelo de bloques definidos, dimensionados y valorados

• Trabaja con secciones transversales en 2D

• 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

2 0 -12 -7 Matriz a armar

en paso 4
3 0 -21 -24

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

2 0 -12 -7 2 Matriz a armar

en paso 4
3 0 -21 -24 3

4 0 -32 -38 -12 31

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

1 0 -3 -2 1 1

2 0 -12 -7 2 2 Matriz a armar

en paso 4
3 0 -21 -24 3 3

4 0 -32 -38 -12 4 32

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.

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

3 0 -21 -24 3 3 0 7 -9 -11 -31

4 0 -32 -38 -12 4 -5 0 -19 -24 -50

Matriz completa
paso 4
33
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.

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

3 0 -21 -24 3 3 0 7 -9 -11 -31

4 0 -32 -38 -12 4 -5 0 -19 -24 -50

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