Modelacin del Problema de

Planificacin Minera
Tutor: Enrique Rubio erubio@ing.uchile.cl
Auxiliares: Fernando Peirano fpeirano@gmail.com,
Marcelo Vargas vargas.v.marcelo@gmail.com

GeoMinera al Negocio
Tons
Tiempo
Ley $/accin
Modelo Conceptual
Tons
Tiempo
Ley
Problemas Encontrados
Los volmenes en que se discretiza el yacimiento para planificar la
produccin no contiene la granularidad requerida para convertirse
en una gua operacional
El proceso de construccin del programa de produccin es a
posteriori de definir la envolvente econmica, secuencia y
probablemente leyes de corte
Lo anterior posee optimizaciones parciales que no cumplen con un
ptimo global.
El proceso de optimizacin secuencial toma decisiones que obligan
a simplificar el calculo de un programa de produccin
Los algoritmos se han simplificado para realizar el clculo en
funcin de un valor predeterminado del bloque. No incorpora
restricciones en los contaminantes
Lo anterior se traduce en tener malas reconciliaciones de los planes
de produccin

Evolucin de Computadores y
Algoritmos de Busqueda
Los computadores han aumentado su
velocidad en 1000
Los algoritmos de busqueda de
optimalidad en CPLEX 1000
Entonces es tiempo de resolver el
problema de planificacin utilizando
tcnicas de secuenciamiento de bloques

Diagrama Conceptual de
Secuenciamiento de Bloques
Tons
Tiempo
Ley
Ejemplo de Aplicacin a Rajo
Abierto
Modelo de Optimizacin
Modelo Generalizado de
Caccetta y Hill (2003).
An Application of Branch
and Cut to Open Pit Mine
Scheduling
binario x
X x x
T t x x
T t U x x c
i,t
t i t i t i
t i t i
k
t t i
i
t i
k
i
=
>
= s
= s

, 1 , ,
, 1 ,
1 , ,
) (
.. 1
.. 1 ) (
| |
1 , ,
,
,
,
max

t i t i
T I
t i
t i
x x b
s.a.
t i
b
,
k
i
c
k
t
U
t i
x
,
Valor presente de extraer el bloque i en el periodo t
Contenido de material o elemento k en el bloque i
Produccin mxima de material o elemento k en el periodo t
Variable binaria que es 1 si el bloque i se ha extrado al periodo t
t i X , Unin de las variables binarias asociadas a los bloques que preceden al bloque i
Resolucin
Algoritmos de bsqueda de mejor solucin
relajada y mejor primer IP
Minimizacin de GAP para alcanzar
optimalidad
Restriccin de minimos eliminada del
modelo de Caccetta y Hill
Agregacin
Trabajo conjunto con grupo de Adolfo
Ibaez
Parmetros iniciales
Se realiza una optimizacin con ngulos de talud
constante de 45 grados y parmetros econmicos
adjuntos

Se generan 50 pits de los cuales se valorizan de
acuerdo a diferentes ritmos de produccin
Slope angles 45 degrees all directions
Rock types
OX (1), MX(3), PM(2), Waste(9)
Rock codes in brakets
Grade Elements CU, AU
Mining Cost 0.90 $/t
Mining Dilution 1
Mining Recovery 1
Any other adjustment mining cost 1
Processing cost 3.69 $/t
Met recovery Au 0.6
Met recovery Cu 0.88
All rocks are treated with the same met process
selling cost Au 0.18 $/gr
selling cost Cu 0.3 $/lb
Au price 11.07 $/gr
Cu price 0.837 $/lb
Parmetros del Programa de
Produccin
Programa de produccin a
15 aos

Ritmo de produccin 30
Mtpa mina y 29.2Mtpa
proceso

Se escogen 5 fases con
mtodo iterativo hasta
cumplir con un programa de
produccin similar al
requerido

Programa de Produccin
Whittle
Se escogen 5 fases
pits:


Seccin Norte
Seccin Este
Programa de Produccin
Whittle
-
5,000,000
10,000,000
15,000,000
20,000,000
25,000,000
30,000,000
35,000,000
40,000,000
45,000,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P
r
o
d
u
c
c
i

n

(
t
p
a
)
-
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
L
e
y

(
%
C
u
,

p
p
m

A
u
)
Mx Esteril %CU Au ppm
CM 0.9
CP 3.69
RFCu 10.42
RFAu 6.53
disc rate 0.1
VAN: 507.4 M$
Periodo Waste MX %Cu Au(ppm) Dollar
1 1,877,796 5,046,489 0.120 0.269 9,663,738 -
2 1,853,199 22,340,070 0.189 0.470 8,482,681
3 559,467 18,409,842 0.298 0.672 52,993,814
4 2,481,138 31,663,764 0.400 0.712 131,676,549
5 1,673,811 13,075,695 0.515 0.690 67,587,892
6 11,638,431 29,700,378 0.471 0.473 90,753,018
7 12,732,471 23,844,186 0.555 0.480 91,821,244
8 7,283,871 21,925,161 0.648 0.506 113,347,341
9 3,244,077 14,409,198 0.605 0.457 64,839,691
10 3,295,404 24,619,923 0.662 0.489 132,585,092
11 20,906,208 12,961,863 0.603 0.475 43,277,800
12 8,936,514 21,816,000 0.508 0.413 66,297,373
13 918,135 30,063,906 0.551 0.376 107,646,985
14 - 18,627,462 0.658 0.549 108,950,605
15 - 8,051,670 0.623 0.616 47,657,973
Programa de Produccin IP
Seccin Norte
Seccin Este
Programa de Produccin IP
-
5,000,000
10,000,000
15,000,000
20,000,000
25,000,000
30,000,000
35,000,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P
r
o
d
u
c
c
i

n

(
t
p
a
)
-
0.10
0.20
0.30
0.40
0.50
0.60
0.70
0.80
0.90
L
e
y

(
%
C
u
,

p
p
m

A
u
)
Mx Esteril %CU Au ppm
CM 0.9
CP 3.69
RFCu 10.42
RFAu 6.53
disc rate 0.1
VAN: 633.9 M$
Periodo Waste MX %Cu Au(ppm) Dollar
1 1,025,298 28,501,956 0.277 0.801 99,757,427
2 1,019,709 28,471,527 0.408 0.690 117,905,152
3 1,659,960 27,758,700 0.487 0.581 117,172,831
4 3,795,687 25,805,547 0.528 0.520 107,617,319
5 3,426,408 25,846,533 0.512 0.466 94,871,567
6 5,348,430 24,180,228 0.544 0.462 94,370,020
7 9,230,679 20,261,691 0.549 0.400 67,548,824
8 8,386,875 21,105,468 0.562 0.464 83,207,490
9 9,282,951 19,990,800 0.519 0.398 59,915,572
10 11,460,339 17,850,321 0.517 0.398 50,267,437
11 14,431,014 14,879,997 0.506 0.421 38,014,643
12 13,175,946 16,171,245 0.526 0.387 43,483,410
13 12,279,033 17,250,381 0.545 0.375 49,918,415
14 12,636,594 16,601,652 0.471 0.366 33,471,520
15 17,313,831 11,997,612 0.493 0.295 14,045,096
Problemas de la Aproximacin
IP
Asume el destino de cada bloque
conocido, b
i,t
Lmite de produccin inferior desconocido
no contenido en la formulacin
No considera el hecho de tener ley de
corte geometalurgicas
No considera stocks en la formulacin
No considera restricciones geomtricas de
operacin del rajo
Ejemplo de Mina Kiruna
Ejemplo del Modelo de
Transicin Rajo Subte
Problema
Cuando realizar la transicin
rajo subterrnea
La metodologa tradicional
considera la optimizacin
secuencial del rajo y luego la
subterrnea como cambia esta
decisin al ser tomada
simultneamente
El yacimiento es dividido en
estratos horizontales y luego la
decisin es definir cuales son
extrados con rajo y cuales con
un mtodo subterrneo

Criterios
Cada estrato se extrae
solamente con un mtodo
de explotacin pero
puede ser extrado en
mltiples periodos
Pueden quedar estratos
sin extraer entre las dos
operaciones y en debajo
del piso de la subterrnea
Formulacin
Restricciones
Un estrato se extrae
solamente una vez del
sistema
Secuencia de estratos rajo
Secuencia de estratos
subte
No existe minera
simultanea
Definicin crown pillar
Definicin de footprint
Posicin relativa del
footprint y crown pillar

| |
t
t s
t s s t s s
y c y c

+
,
, ,
~ ~
max
s
c
t s
y
,

s
c
~
t s
y
,
~
t

Valor de extraer estrato s por rajo

Se extrae estrato s por rajo en periodo t
Valor de extraer estrato s por subte
Se extrae estrato s por subte en periodo t
Factor de descuento
Dimensionamiento del
Problema
22 estratos
100 periodos de 6 meses
cada uno
1797 variable binarias
15500 restricciones
Resuelve en 90 segundos
con cplex10
Resultados Preliminares
HOD constraintSurface strata Grade on Crown pillar Underground Grade Underground NPV Horizon Run time
(# strata) mined surface strata strata mined underground footprint length (seconds)
10 1-50 0.4 NA None NA 51-80 1,335,611,724 150 7498
15 1-31 0.4 32-82 87-83 0.6 88 1,332,126,781 150 9720
20 1-25 0.4 26-48 60-49 0.6 71-88 1,324,602,020 150 68507
40 1-29 0.4 none 76-30 0.6 77-88 1,336,894,990 150 4881
Incertidumbre y la
Planificacin Minera
Incertidumbre.
La pregunta es cul de los modelos en
que se sustentan la planificacin minera
est equivocado
A lo mejor todos
Los modelos son solo una representacin
de la realidad o del recurso natural
Es importante incorporar variabilidad en
los modelos

Incertidumbre
Production
Parameter
Time
Current
Time
?
Mine planning
Forecast
Real
Behaviour
We are doing
well!!!!
What is
going on?
Fuentes de Incertidumbre
Yacimiento y geologa, leyes

Mercados, precios

Tecnolgica

Entorno
Incertidumbre de leyes
Variabilidad mtodo
grfico
Block Model
Grade samples
Historical tons
Fragmentation Abutment stresses
Draw Management
Variabilidad
Supongamos un bloque de la mina que
posee una ley de oro en el rango 0.15-0.3
ppm
Al aplicar una ley de corte de 0.12 ppm,
todo el mineral es extrado
Despus de la reconciliacin, la ley vara
en el intervalo 0-0.5 ppm.
Se extrajo 25% de lastre a diferencia de
mineral
Conceptos generales
Simulaciones geoestadsticas condicionales
permiten generar mltiples modelos de leyes
equiproblables e independientes.
Es una herramienta que permite incorporar la
variabilidad de las leyes para
Categorizacin de recursos
Anlisis de riesgo
Planes de produccin
Control de operaciones
Reconciliacin mina-planta
Equivalente a la prediccin de precios en el
largo plazo con anlisis de escenarios.

Ejemplos
Simulaciones para generar leyes
estimadas
Planificacin estratgica
Simulaciones para determinar la
incertidumbre en el beneficio generado
por un proyecto.





Diseo de limites
Simulaciones de leyes para optimizacin
de caserones
Proyeccin anual de leyes
Simulaciones para determinar la incertidumbre
en la ley media esperada por ao.
Tambin se puede utilizar para chequear los resultados de
un ejercicio de estimacin.
Mina subterrnea: se considera la ley media de cada
casern a explotar segn una secuencia definida.
Average Grades vs. Year
0,3000
0,4000
0,5000
0,6000
0,7000
0,8000
0,9000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Year
G
r
a
d
e
Sim_01
Sim_02
Sim_03
Sim_04
Sim_05
Sim_06
Sim_07
Sim_08
Sim_09
Sim_10
Sim_11
Sim_12
Sim_13
Sim_14
Sim_15
Sim_16
Sim_17
Sim_18
Sim_19
Sim_20
Sim_21
Sim_22
Sim_23
Sim_24
Sim_25
Avg_Sim
Kriging
Reconciliacin mina planta
Simulaciones para determinar si discrepancias entre
mina y planta son relevantes
Mediante bandas de error
XV Planificacin con
Incertidumbre
Planificacin Minera
Considerar varios modelos de bloques
equiprobables de las simulaciones
Optimizar con algn mtodo
La interseccin de ellos entrega una
confiabilidad de un 100% de los
recursos contenidos en la envolvente
Programa de Produccin con
un Modelo de Incertidumbre
Optimizar la programacin
Utilizando algn modelo de programacin
lineal de la produccin.
Basado en el resultado anterior.
Se deben incorporar los parmetros
econmicos
Precios
Costos
Inversiones
Algoritmo de Produccin
Optimizacin combinatorial
Generar un solo programa de produccin
tomando en cuenta los generados en el punto
anterior
La idea principal es perturbar un programa de
produccin sub-optimo hasta que algunas
caractersticas predefinidas se emparejen, en
un nivel aceptable, mediante alguna funcin
objetivo.
Caso estudio
Caso Base utilizando un modelo tradicional
Se predicen una variabilidad de hasta 1,3 MTon por
ao
Mostrando repercusiones en la planta metalrgica.
Caso estudio
Un anlisis de riesgo del caso base, utilizando una serie
de modelos de bloques.
Se predicen una variabilidad de hasta 0,4 MTon por ao
Esta desviacin es bastante menor y puede ser controlada con
otras alternativas.
Caso estudio
Incertidumbre en VAN
Modelo tradicional versus anlisis de riesgo
Resumen
Las realizaciones se pueden utilizar para
ranquear las diferentes realizaciones
Por ley media
Contenido de fino
Variabilidad
Escoger algunas de las realizaciones

Disear y planificar la realizacin
Resumen
Mean
f
VAN
0
VAR
Cada realizacin escogida genera un
VAN el cual se utiliza para definir el VAN
en riesgo, bajo un cierto nivel de
aceptacin
XVI Teora de Confiabilidad
Incertidumbre Tecnolgica
Existe una falta de informacin de cmo el
macizo rocoso se comporta al interior del
sistema minero
Leyes
Dilucin
Estabilidad
Continuidad
Costos
Motivacin
El Plan debe ser
cumplible y por lo
tanto confiable.

N
o
v
,
0
0
J
a
n
,
0
1
M
a
r
,
0
1
M
a
y
,
0
1
J
u
l
,
0
1
S
e
p
,
0
1
N
o
v
,
0
1
J
a
n
,
0
2
M
a
r
,
0
2
M
a
y
,
0
2
J
u
l
,
0
2
S
e
p
,
0
2
N
o
v
,
0
2
J
a
n
,
0
3
M
a
r
,
0
3
M
a
y
,
0
3
0
200000
400000
600000
800000
1000000
1200000
T
o
n
s
/
m
o
n
t
h
Actual Production
Forecast Production
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
Under Draw
A
c
t
u
a
l

T
o
n
s
Forecasted Tons
Over Draw
Confiabilidad y estrategias de
produccin
As como reliability theory es utilizada de modo
de justificar diferentes estrategias de cmo las
hormigas se organizan de modo de recopilar
alimento
Lo mismo puede ser utilizado para analizar las
decisiones operacionales tomadas en la
planificacin de corto plazo
Tambin aquellas decisiones tomadas o
involucradas en la planificacin de largo plazo y
el diseo de la mina
Teorema de confianza
(Reliability)
El teorema de confianza dice que se puede
analizar la probabilidad de falla de un sistema a
travs del conocimiento de las distribuciones de
falla de los elementos que componen el sistema
El mismo concepto puede ser aplicado a la
planificacin de minas, el que un plan se cumpla
(o no), depende de que una serie de
subprocesos y sus componentes se lleven a
cabo de una manera adecuada
Teorema de confianza
La aplicacin de la teora de confianza es
aplicable en minera, dado que un sistema
minera esta conformado por subprocesos que
poseen probabilidad de falla estimables
Desde que un equipo minero vaca en un pique
o camin hasta que llega al punto de carguo
devuelta, se producen una serie de acciones
Cada una de estas acciones debe ser realizada
de modo de cumplir el ciclo productivo
Analoga
Si se conoce la distribucin probabilistica de
falla de los componentes de un sistema minero
como:
Piques
Puntos de extraccin
Cruzados
La probabilidad de falla del sistema puede ser
estimada en funcin de las componentes o
subsistemas y las relaciones entre si.
Ms acerca de confiabilidad
El anlisis de confiabilidad puede ser
utilizado para definir y priorizar diferentes
escenarios o estrategias productivas
Escenarios por ejemplo
Cuantas frentes tener en produccin
Cuantos niveles deben estar en operacin en
cualquier momento del plan
Cuantos abanicos deben ser perforados de
modo de asegurar la produccin de mediano
plazo
Formulacin de confiabilidad
Producto que el anlisis de sistema se basa en cadenas
de subproductos enlazadas entre ellas es posible utilizar
la analoga con sistemas elctricos
Existen diferentes maneras de organizar los
subprocesos de modo de alcanzar un objetivo deseado
Cada uno de los procesos debe ser efectuado en su
totalidad de modo de pasar al siguiente en la secuencia
Supongamos que existen 3 procesos los cuales estn
encadenados en una secuencia. Pro ejemplo
perforacin, tronadura, carguo.
Sistema en series
1 2 3
3 2 1
) ( p p p p h
i
=
Sistemas paralelos
1 2 3
) 1 ( ) 1 ( ) 1 ( 1 ) (
3 2 1
p p p p h
i
=
Sistema paralelo serie
1 2 3
1 2 3
2
3 2 1
) 1 ( 1 ) ( p p p p h
i
=
Sistemas series paralelo
1 2 3
1 2 3
| | | | | |
2
3
2
2
2
1
) 1 ( 1 ) 1 ( 1 ) 1 ( 1 ) ( p p p p h
i
=
Concepto de Redundancia
Activa
dptYield
et T XC
k
arg _
=
Nmero de puntos
necesarios para cumplir
la meta productiva
Adhiriendo mayor infraestructura de
produccin al sistema minero,
puntos de extraccin, piques,
caserones, la meta de produccin
se hace ms robusta o se aumenta
su confiabilidad
Impacto de Redundancia Activa
en la Confiabilidad del Sistema
La redundancia activa adhiere
infraestructura al sistema
minero.
De esta manera la redudancia
o flexibilidad operacional
mitiga el efecto de la
incertidumbre inherente a la
minerpia subterrnea.
Distribuciones binomiales
pueden ser utilizadas para
calcular la confiabilidad de un
sistema que contiene
redundancia activa.
0.0 0.2 0.4 0.6 0.8 1.0
0.0
0.2
0.4
0.6
0.8
1.0
S
y
s
t
e
m

R
e
l
i
a
b
i
l
i
t
y
Component Reliability
Parallel-Series
Series
Aumento de confiabilidad debido al aumento
de redundancia en el sistema
Confiabilidad de un Sistema
k de n



Donde
i n i
n
k i
i
n
n k R

=

|
|
.
|

\
|
=

) 1 ( ) , (

Es la confiabilidad del elemento del subsistema,

pique, punto de extraccin, etc.
k de n para componentes no
idnticos




Se utiliza un algoritmo iterativo no
publicado todava.
[ [
=
e
e e
(

=
n
k i
S s
s t s t
t t XC
n
i
p p n k R ) 1 ( ) , (
'
Ejemplo de Confiabilidad
Aplicado a Diseo Minero
Problema
En una explotacin mediante sub-level
stoping, se ha definido la ubicacin de 5
caserones, la cual no est en
cuestionamiento.

Sin embargo, para el sistema de manejo
de materiales se debate entre 3 posibles
diseos.

Diseo 1
Los caserones del nivel
inferior se conectan
directamente con un nico
cruzado de acarreo. Los
caserones del nivel
superior se conectan a
ste por medio de un
nico pique de traspaso
Cruzado de transporte a superficie
Pique de traspaso
Caserones nivel inferior
Caserones nivel superior
Diseo 2
Existen dos cruzados de
acarreo para retirar el
material a superficie. Uno
para el nivel inferior y otro
para el nivel superior. Los
caserones respectivos se
conectan directamente a
stos.
Caserones nivel superior
Caserones nivel inferior
Cruzado de transporte a superficie
Cruzado de transporte a superficie
Diseo 3
Cada casern del nivel
superior posee un pique
de traspaso al nivel
inferior, donde se sita el
cruzado de acarreo. Los
caserones del nivel
inferior se conectan
directamente a ste.
Caserones nivel superior
Caserones nivel inferior
Cruzado de transporte a superficie
Piques de traspaso
Parmetros
COMPONENTE COSTO (MUS$) CONFIABILIDAD
Casern 1 0.5 0.75
Casern 2 0.7 0.8
Casern 3 0.8 0.7
Casern 4 0.6 0.6
Casern 5 0.65 0.72
piques 3 0.9
Cruzado de transporte principal 5 0.82
Solucin
R = 0.81
Costo = 11.25 MUS$
R = 0.95
Costo = 13.25 MUS$
R = 0.82
Costo = 17.25 MUS$
Aplicacin de Rajo Abierto
En una explotacin a rajo abierto posee actualmente 3
frentes en operacin. 2 en estril y una en mineral.

La mina debe mover una unidad de estril por una de
mineral, condicin que debe cumplirse bajo cualquier
circunstancia (E/M=1).

Para lo anterior, la mina cuenta con 3 palas y 12
camiones.

Qu estrategia de asignacin de equipos utilizara?
(qu camiones a que pala y qu pala a que frente)
Frente de estril 1
Frente de estril 2
Frente de mineral
Camin
Pala
Parmetros
EQUIPO CONFIABILIDAD
Pala 1 0.8
Pala 2 0.85
Pala 3 0.87
Camin 1 0.7
Camin 2 0.75
Camin 3 0.77
Camin 4 0.8
Camin 5 0.82
Camin 6 0.82
Camin 7 0.85
Camin 8 0.85
Camin 9 0.87
Camin 10 0.87
Camin 11 0.9
Camin 12 0.95
DATOS
Solucin
Microsoft Solver para maximizar confiabilidad
bajo ciertas restricciones.

Restriccin 1: cada camin se puede asignar a
una sola pala.

Restriccin 2: slo una pala por frente.

Restriccin 3: total de camiones asignados a
mineral es igual al total de camiones asignados
a estril.
Solucin
La relacin E/M = 1 se obtiene de la
conexin en serie de la frente de mineral
con la conexin en paralelo de ambas
frentes de estril ms la RESTRICCIN 3.
Mineral
Estril 1
Estril 2
N camiones Mineral = N camiones estril
Solucin
Camiones conectados en paralelo.

Cada pala se conecta en serie con sus
camiones asignados.

Ambas frentes de estril se conectan en
paralelo.
Implementacin
Cam 7
Cam 8
Cam 9
Cam 10
Pala 2
Cam 11
Cam 12
Pala 3
Cam 1
Cam 2
Cam 3
Cam 4
Cam 5
Cam 6
Pala 1
Frente de estril 1
Frente de estril 2
Frente de mineral
Asignacin de ejemplo, no corresponde a la asignacin ptima
Solucin final
EQUIPO MIN E1 E2
Pala 1 0 0 1
Pala 2 0 1 0
Pala 3 1 0 0
Camin 1 0 0 1
Camin 2 0 0 1
Camin 3 1 0 0
Camin 4 1 0 0
Camin 5 0 1 0
Camin 6 0 1 0
Camin 7 1 0 0
Camin 8 1 0 0
Camin 9 0 1 0
Camin 10 1 0 0
Camin 11 1 0 0
Camin 12
0 0 1
ASIGNACIN
XVII Confiabilidad en los
Programas de Produccin
Palabora South Africa

Block/Panel Caving
New Projects

PEBBLE
AFTON
BINGHAM CANYON (*)
RESOLUTION (*)
MT ISA 500
ERNEST HENRY
MT KEITH
PERSEVERANCE
DEEPS (*)
ARGYLE (*)
CADIA EAST U/G (*)
RIDGEWAY DEEPS (*)

Expansion Projects

HENDERSON
QUESTA
TENIENTE NML
ANDINA SUR SUR (*)
CULLINAN
FINSCH (*)
KOFFIEFONTEIN
PALABORA (*)
GRASBERG/Freeport (*)
NORTHPARKES (*)

PRESENTED BY JAREK JAKUBEC
May 27, 2007
GOLPU
DIDIPIO (*)
OYU TOLGOI (*)
JWANENG
ORAPA
VENETIA (*)
CHUQUICAMATA
MIRADOR
RTZ invertir 10 B$ en la construccin de minas de
block caving en los prox 10 aos
Different Variants
Mine design robustness?
What production capacity?
Block caving Panel caving
tonnage
Time
grade
Slusher caving
Draw point reconciliation
N
o
v
,
0
0
J
a
n
,
0
1
M
a
r
,
0
1
M
a
y
,
0
1
J
u
l
,
0
1
S
e
p
,
0
1
N
o
v
,
0
1
J
a
n
,
0
2
M
a
r
,
0
2
M
a
y
,
0
2
J
u
l
,
0
2
S
e
p
,
0
2
N
o
v
,
0
2
J
a
n
,
0
3
M
a
r
,
0
3
M
a
y
,
0
3
0
200,000
400,000
600,000
800,000
1,000,000
1,200,000
R
u
n

o
f

M
i
n
e

P
r
o
d
u
c
t
i
o
n

(
t
o
n
s
/
m
o
n
t
h
)
Actual Production
Forecast Production
0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
9,000
10,000
Under Draw
A
c
t
u
a
l

D
r
a
w

P
o
i
n
t

P
r
o
d
u
c
t
i
o
n

(
t
o
n
s
)
Forecasted Tons
Over Draw
There is large variance between plan and actual that induces
higher costs, lower recovery, higher dilution and mainly lost of
reserves inventory
Geotechnical Events
Oversize and Hang Ups
Large Deformations
at Draw point Brow
1.5 m
Colapses
Pillar Damage
Operational Upsets and
Production Capacity
Operational upsets
affect production
capacity of a mine
design


These events may
jeopardize the
production promise
7,000 8,000 9,000 10,000 11,000 12,000 13,000
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
900,000
1,000,000
R
u
n

o
f

M
i
n
e

P
r
o
d
u
c
t
i
o
n

(
t
/
m
o
n
t
h
)
Hang Ups and Oversize (Events/month)
Reliability Theory and
Production Scheduling
Question?
What is the reliability of a mining system to
deliver a given amount of ore subjected to:
Mining infrastructure stage of maturity
Infrastructure development strategy
Production strategy: distribution of ore within
the mining system
Mapping Up the Draw Point
Rate of Events
Three sets of draw points from
three different mines

Rate of occurrence of
geotechnical events
Collapse
Large convergence
Oversize
Hang ups
Wet muck


Similar bahaviour to a
repairable mechanical
component
0.0E+00
2.0E-04
4.0E-04
6.0E-04
8.0E-04
1.0E-03
1.2E-03
1.4E-03
1.6E-03
1.8E-03
- 50,000 100,000 150,000 200,000
Cumulative tonnage drawn (t)
W
(
T
)
,

(
e
v
e
n
t
s
/
t
)
M1 M2 M3
Engineering Statistics Handbook,
http://www.itl.nist.gov/div898/handbook
Mine Layout as a Reliability
Block Diagram
Divide the mine layout into
production components as
system approach

Assess the individual
component reliability

Individual component
reliability leads to the
reliability of the system as a
whole
(Kazakidis and Scoble, 2002)
T, l,..
Mining System
Hoyland and Rausand, 1994
Reliability Block Diagrams
3 2 1
r r r R =
( ) { }
2
3 2 1
1 1 r r r R =
1 2 3
1 2 3
1 2 3
1
2
3
1 2 3
1
2 3
(a)
(c)
(b)
(d)
( )( )( ) { }
3 2 1
1 1 1 1 r r r R =
( ) | | ( ) | | ( ) | |
2
3
2
2
2
1
1 1 1 1 1 1 r r r R =
3 2 1
r r r R =
( ) { }
2
3 2 1
1 1 r r r R =
1 2 3
1 2 3
1 2 3
1
2
3
1 2 3
1
2 3
(a)
(c)
(b)
(d)
( )( )( ) { }
3 2 1
1 1 1 1 r r r R =
( ) | | ( ) | | ( ) | |
2
3
2
2
2
1
1 1 1 1 1 1 r r r R =
a) Series
b) Parallel
c) Series Parallel
d) Parallel series
Reliability of a Mining
Component
Mean
Std Dev
Mean
Std Dev
Production Characteristic Curve
Mean p
i
t
f
t
) t ( R
p
i
Dp
i
Mean p
i
t
f
t
) t ( R
p
i
Dp
i
t
U-Curve
Expected number
of events
Mean p
i
t
f
t
) t ( R
p
i
Dp
i
Mean p
i
t
f
t
) t ( R
p
i
Dp
i
Component Reliability
Production Conditional
Pbb. Distribution
Stochastic Approach to
Production Planning
The probability of
achieving the production
target is a function of:

Tonnage planned
objective
Production infrastructure
Operational upsets
0.0 5.0k 10.0k 15.0k 20.0k 25.0k 30.0k 35.0k
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
15 months
20 months
30 months
A
c
t
u
a
l

R
e
l
i
a
b
i
l
i
t
y
Production target (tons/day)
The Process: DOZ-ESZ
Reliability Model
DOZ-Underground Mine
Mechanized Panel Caving

340 dpts. active at any time

Evaluate robustness of
current LOM production
schedules that sustain mine
expansion to ESZ

ESZ Expansion
Incorporates 540 draw points
A third haulage crosscut
A second crusher


IOZ
DOZ
Drifts
UCL
The Process> Mine Wide
Reliability Block Diagram
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation
models

5. Validation

6. Reliability Estimates
HC1 (CX-E)
HC 2 (CX-W)
HC 3 (CX-S)
Cr 1
Cr 2
HC1
HC2
HC3
Production drifts:
1L,1K,1J..12
Production drifts:
1327
LPs-West
LP12..LP01J, LPN1
LPs-South
LP06S..LP01JS
LPs-East
LP13 to LP24 and LPS4
The Process> Data Collection
Historical Tons
Draw Point Name Tcum,Mar07
P27-01W 204,708
P27-02W 214,126
P27-03W 214,891
P26-01E 185,484
P26-02E 192,023
P26-03E 191,927
P26-04E 233,375
P26-01W 51,172
P26-02W 192,733
P26-03W 224,312
P26-04W 202,350
P26-05W 195,722
P26-06W 156,330
P25-01E 47,421
P25-02E 203,416
Draw Point Name 4/1/2007 4/2/2007 4/3/2007 4/4/2007 4/5/2007 4/6/2007
P27-01W 61 97 103 60 156 221
P27-02W 123 161 174 201 311 242
P27-03W 225 290 246 613 342 316
P26-01E 276 290 246 312 425 306
P26-02E 92 97 133 322 363 95
P26-03E 113 65 103 121 311 63
P26-04E 154 32 113 151 415 348
P26-01W - - - - - -
P26-02W 123 161 154 312 363 95
P26-03W 123 161 154 141 135 95
P26-04W 154 97 133 131 93 95
P26-05W 317 290 246 302 363 379
P26-06W - - - 141 270 211
P25-01E 0 0 0 0 0 0
Daily Tons
Draw Point Name 4/1/2007 4/2/2007 4/3/2007 4/4/2007 4/5/2007 4/6/2007 4/7/2007
P27-01W A A A A A A A
P27-02W A A A A A A A
P27-03W B B B B B B B
P26-01E A A A A A A A
P26-02E A A A A A A A
P26-03E A A A A A A A
P26-04E A A A A A A A
P26-01W CP CP CP CP CP CP CP
P26-02W A A A A A A A
P26-03W A A A A A A A
P26-04W A A A A A A A
Daily Status
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation
models

5. Validation

6. Reliability Estimates
The Process> Production
Modeling
y = -517x + 8622
R
2
= 0.8
SD=1,082
-
2,000
4,000
6,000
8,000
10,000
12,000
-
2468
1
0
1
2
1
4
1
6
# of Expected Events
M
e
a
n

D
r
a
w

P
o
i
n
t

P
r
o
d
u
c
t
i
v
i
t
y

(
t
/
m
)
0E+00
5E-05
1E-04
2E-04
2E-04
3E-04
3E-04
4E-04
4E-04
5E-04
-
2
0
,
0
0
0
4
0
,
0
0
0
6
0
,
0
0
0
8
0
,
0
0
0
1
0
0
,
0
0
0
1
2
0
,
0
0
0
1
4
0
,
0
0
0
1
6
0
,
0
0
0
1
8
0
,
0
0
0
2
0
0
,
0
0
0
2
2
0
,
0
0
0
2
4
0
,
0
0
0
2
6
0
,
0
0
0
2
8
0
,
0
0
0
3
0
0
,
0
0
0
3
2
0
,
0
0
0
3
4
0
,
0
0
0
Cumulative Tonnage Drawn (t)
D
r
a
w

p
o
i
n
t

F
r
e
q
u
e
n
c
y

o
f

E
v
e
n
t
s

(
1
/
t
)
Apr07 to May08
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation
models

5. Validation

6. Reliability Estimates
The Process> West Haulage
Drift Simulation Models
Haulage Drift Production Capacity as a Function of Ore Passes
y = 110,912x - 267,468
R
2
= 0.91
SD=128,563
-
200,000
400,000
600,000
800,000
1,000,000
1,200,000
1,400,000
1,600,000
1,800,000
0 2 4 6 8 10 12 14 16 18
# Ore Passes
P
r
o
d
u
c
t
i
o
n

R
a
t
e

(
t
/
m
o
n
t
h
)
HC1 HC2 Arena Simulation
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation
models

5. Validation

6. Reliability Estimates
The Process> Model Validation
Validation of reliability estimates from Nov 2000 to May 2008
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
1
%
1
0
%
2
0
%
3
0
%
4
0
%
5
0
%
6
0
%
7
0
%
8
0
%
9
0
%
1
0
0
%
F
r
e
q
u
e
n
c
y

(
%
)
Mine HCs OPs Panel Dpts
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation
models

5. Validation

6. Reliability Estimates
Output: Reliability Estimates
Simulate a given production
schedule
Tonnage per period
Include dpt. opening rate
Include panel and ore pass
opening

Life of Mine Reliability
Estimates


Production Bottlenecks
-
10,000
20,000
30,000
40,000
50,000
60,000
70,000
80,000
90,000
J
a
n
,
0
7
M
a
r
,
0
M
a
y
,
0
J
u
l
,
0
7
S
e
p
,
0
N
o
v
,
0
7
J
a
n
,
0
8
M
a
r
,
0
M
a
y
,
0
J
u
l
,
0
8
S
e
p
,
0
N
o
v
,
0
8
2
0
0
9
2
0
1
1
2
0
1
3
2
0
1
5
2
0
1
7
2
0
1
9
P
r
o
d
u
c
t
i
o
n

R
a
t
e

(
t
/
d
a
y
)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
R
e
l
i
a
b
i
l
i
t
y

(
%
)
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
- 20,000 40,000 60,000 80,000 100,000
Production Rate (t/d)
M
i
n
e

R
e
l
i
a
b
i
l
i
t
y
Output: What if? Scenarios
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
0 25 50 75 100 125 150 175 200
Panel planned tonnage (Kt)
R
e
l
i
a
b
i
l
i
t
y
0
10
20
30
40
50
60
T
o
t
a
l

#

d
r
a
w

p
o
i
n
t
s

i
n

p
a
n
e
l
1 ore pass 2 ore passes Serie3
2nd ore pass in production
-
250
500
750
1,000
1,250
1,500
1,750
2,000
2,250
Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08
P
l
a
n
n
e
d

t
o
n
n
a
g
e

(
K
t
/
m
o
n
t
h
)
0.5
0.6
0.7
0.8
0.9
1.0
R
e
l
i
a
b
i
l
i
t
y
XC-E XC-W XC-S System reliability LP06 Closed
-
250
500
750
1,000
1,250
1,500
1,750
2,000
2,250
Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08
P
l
a
n
n
e
d

t
o
n
n
a
g
e

(
K
t
/
m
o
n
t
h
)
0.40
0.50
0.60
0.70
0.80
0.90
1.00
R
e
l
i
a
b
i
l
i
t
y
XC-E XC-W XC-S System reliability LP06 Closed
Production Strategies:
2 instead of 1 ore pass
Ore pass 3 months
construction delay
Ore pass lost
Future: Towards an Integrated
Model for..
Component reliability,
probability that a
component of the mining
system is stable within
the mine design
Overbreak Damage Mapping
Stress State at the Damage Zone
0 5 10 15 20 25 30 35 40 45 50 55
0
10
20
30
40
50
60
70
80
90
100
110
120
130
140
o
1

(
M
P
a
)
o
3
(MPa)
o
1
=1.7o
3
+27
N=65
R
2
=0.4

Mining Systems through
Reliability Modeling

Mine
Design
Equipment
Requiremen
t


Production
Scheduling

Geology
Mining Systems: Holistic
approach to mine
planning

It would be measured by
its ability to deliver
production commitments

Tires Performance is an
important component of
the mining system
Closing Remarks
The production capacity of a large massive underground mining
system depends on:
Mine design
Development sequence of dpts, ore passes, production and
haulage drifts
Intrinsic productivity of mining components to deliver ore
Rate of geotechnical events of different mining components

The number of active draw points may not be as critical as the
availability of ore passes, crushers and haulage drift in achieving the
production targets

Reliability modeling assists mining engineers to couple mine design,
production capacity and underground development schedule.