Programa de Producción

La Secuencia de Extracción
• Define donde comienza
la mina y como
progresa en el tiempo.

• Generalmente se
diseña pensando en la
distribución de ley, no
la geomecánica ni la
geotécnica.
Definición de Secuencia
$3,000

$2,500 4
5
6

3 7
Pit Value $2,000
2 8
$1,500

$1,000 1

$500

$0
0 2,000 4,000 6,000 8,000 10,000 12,000

Pit Tonnes

2 1
3
 Plan Minero
• Define el ¿qué?, ¿cuándo? y ¿cómo? se
extraerán los recursos en cada uno de los
períodos del negocio minero, Programa de
Producción
• Se cuantifican los recursos humanos y
materiales a utilizar
• Representa el plan de negocios de la
compañía
 Discretización de la Envolvente
Económica
• Gruesa
– Caserones, Cruzado de producción en Hundimiento
por Paneles, Fases de rajo
• Fina
– Anillos de perforación, Puntos de extracción,
Intersección fase banco (o banco)
• A mayor discretización mayor será el tiempo en
resolver la secuencia operativa a utilizar
• Debe ser elegida en función de la selectividad
del método de explotación
 Plan Minero
• Programa de preparación

• Programa de producción

• Flujo de Recursos
– Equipos.
– Servicios.
– Personal.
 Programa de Producción
• Objetivo:
– Max. VAN.
– Max. vida mina.
– Max. fino.
– Min Costo
– Min Desviación
– ….
 Programa de Producción Rajo
• Maximizar el VAN enviando a planta las leyes altas primero, política
de leyes de corte
• Proveer un balance en el tiempo de los productos, cobre, fierro, etc.
• Proveer un balance en el movimiento de estéril y mineral en el
tiempo y que sea acorde a las flotas de equipo
• Definir las fases de modo de utilizar al máximo la infraestructura
minera definida
• Definir el ancho de explotación lo suficientemente amplio para
cumplir con la meta de producción y los equipos que la sostienen
• Identificar las aperturas de banco en el plan de producción de modo
de cuantificar confiablemente la meta de producción
• Manejo de pilas y rajos múltiples de modo de maximizar la
utilización de la envolvente económica.
 Programas de Producción Utilizando
Programación Matemática
• Función objetivo
– Parámetros económicos
– Parámetros no deseados
– Variables reales, como tonelaje
– Variables enteras, acciones, cuando abrir el caserón,
cuando cerrarlo
• Restricciones
– Método de explotación, secuencia
– Producción por unidades mineras
– Contaminantes
– otros
Restricciones de extracción
– Vel. Desarrollo.
– Variables productivas del método de
explotación.
– Secuencia.
– Tonelaje procesamiento.
– Contaminantes.
– Costos.
–…
 Diagrama conceptual de la
programación de la producción
Recursos Método de
Recursos Secuencia
Económicos Expl.
3,500 1.80
3,000 1.60
%Cu 1.40
2,500

Tonelaje (mt)
1.20

BC

Ley Media
T1, l1
2,000 1.00

2
1,500 0.80
Au (ppm)

UBM 1
0.60
1,000
0.40
500 0.20
- 0.00

1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

1.1
1.2
1.3
1.4
Lc

3,500 1.80
3,000 1.60
%Cu 1.40
2,500
Tonelaje (mt)

1.20

Ley Media
2,000

Rajo
1.00

UBM 2 1,500
1,000
500
-
Au (ppm)
0.80
0.60
0.40
0.20
0.00
T2, l2 1
1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

1.1
1.2
1.3
1.4
Lc

3,500 1.80
3,000 1.60
%Cu 1.40
2,500
Tonelaje (mt)

1.20

UBM n
Ley Media

2,000 1.00
1,500
1,000
500
-
Au (ppm)
0.80
0.60
0.40
0.20
0.00
Tn, ln CyR n
1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9

1.1
1.2
1.3
1.4

Lc
 Diagrama conceptual de la
programación de la producción
A1 A2 AT

UBM 1
Porcentajes de extracción de
Cada UBM en diferentes
períodos de tiempo
UBM 2

UBM n
 Programa de Producción de un
Inventario de Recursos
vlc  Valorización del inventario de recursos
u lc , t  Proporción del inventario de recursos
que es extraído en periodo t
q Factor de actualización anual

N t 
Función Objetivo MAX  q vlc u (lc , t )
u ( l c ,t )
 t 1 
Restricciones
0  u(lc , t )  1 Proporción
N

 u (l , t )  1 Conservación de masa
t 1
c

 vT lc ulc , t   Tt t  1..N Tonelaje meta

lc

 v l ul , t   Lm(t ) t  1..N

lc
lm
c c Restricción de Leyes
 Ejemplo de Programación de
Inventario de Recursos
Matriz de Decisiones
Valoración del Inventario Lc v (M$) A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
0.1 (127.0) 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
Lc T (Mt) Ti Cu_i v (M$) 0.2 (739.3) 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.1 3320 23 0.135 (127.0) 0.3 (2,152.6) 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1
0.4 1.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.2 3297 265 0.290 (739.3) 0.5 696.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.3 3032 1216 0.346 (2,152.6) 0.6 957.3 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.4 1816 645 0.445 1.5 0.7 926.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.5 1171 382 0.546 696.4 0.8 790.8 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.9 667.4 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.6 789 262 0.647 957.3 1 544.5 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.7 527 171 0.746 926.0 1.1 447.9 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
0.8 356 109 0.846 790.8 1.2 374.6 0.0 0.0 0.0 0.0 0.0 0.0 0.2 0.1 0.0 0.7
0.9 247 74 0.945 667.4 1.3 307.2 0.0 0.0 0.0 0.0 0.0 0.0 0.3 0.3 0.4 0.0
1.4 924.2 0.2 0.2 0.2 0.2 0.2 0.2 0.0 0.0 0.0 0.0
1 173 50 1.047 544.5
1.1 122 35 1.146 447.9
1.2 87 26 1.247 374.6
1.3 61 19 1.349 307.2
1.4 42 42 1.664 924.2
Restricciones Productivas y Resultado
C 12
CM 3.5 v (M$) A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
CP 4.5 T 100.0 100.0 150.0 150.0 170.0 170.0 170.0 170.0 170.0 170.0
Rev Factor 18 lm 1.22 1.20 1.11 1.09 1.07 1.05 1.08 1.07 1.06 1.08
a 0.1 C 100 100 150 150 170 170 170 170 170 170
vi 1401 1367 1799 1735 1923 1854 1952 1926 1875 1950

VAN $10,628
 Programa de Producción de
Múltiples UBMs
vi Valorización de UBM i
ui, t  Proporción de la UBM i que es extraído en periodo t

bi, t  Variable o parámetros binarios que permiten

asignar o definir secuencia
q
Factor de actualización anual
N 
Función Objetivo MAX  q t vi u i, t bi, t 
u ( i ,t ),b i ,t 
 t 1 

Restricciones 0  u (i, t )  1 0  b(i, t )  1 Proporción

N

 ui, t bi, t   1 i  1..M

t 1
Conservación de masa
bi 1, t 1z  bi, t  i  1..M, t  1..N Secuencia Minera
 v ui, t   T t  1..N
i
T
i t Tonelaje meta

 v lmi ui, t   Lm(t ) t  1..N Restricción de Leyes

i
Ejemplo Secuencia 5 Rajos
 Programar 5 Rajos
• 62 Mt/a de cobre fino
• 42 Mt/a de cobre de sulfuros
• 20 Mt/a de cobre en óxidos
• Chancado 14.2 Mt/a
• Mov mina max 36 Mt/a
 Componentes
UBM Pushback Mov Total Ore Total Waste Total Fino Total
M1 1 26,402,763 10,978,474 15,424,288 68,867
M1 2 15,514,912 7,752,800 7,762,112 53,138
M2 1 17,324,876 10,895,447 6,429,429 50,288
M2 2 28,542,238 16,208,035 12,334,202 54,937
M3 1 18,581,157 4,180,503 14,400,653 28,990
M4 1 24,420,593 18,290,551 6,130,041 88,091
M4 2 25,709,988 8,856,439 16,853,549 43,940
M4 3 83,735,907 14,168,759 69,567,146 78,690
M4 5 32,582,447 5,315,842 27,266,604 50,887
M4 6 12,533,236 5,336,910 7,196,326 47,542
M4 7 21,750,275 7,465,511 14,284,764 49,478
M4 8 33,395,272 5,905,978 27,489,293 42,288
M4 9 64,285,838 12,942,225 51,343,612 95,420
M4 10 17,195,931 11,880,632 5,315,298 44,001
M4 11 34,940,115 9,220,957 25,719,156 48,581
M5 1 34,051,660 11,284,073 22,767,586 50,643

Cubicación de diferentes unidades básicas mineras, de acuerdo

a algún nivel de discretización ad-hoc para aplicar el método de
explotación
Restricciones de Secuencia
UBM Pushback Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12
M1 1 1 1 1 1 1 1 1 1 1 1 1 1
M1 2 1 1 1 1 1 1 1 1 1 1 1 1
M2 1 1 1 1 1 1 1 1 1 1 1 1 1
M2 2 0 1 1 1 1 1 1 1 1 1 1 1
M3 1 0 0 1 1 1 1 1 1 1 1 1 1
M4 1 0 0 0 1 1 1 1 1 1 1 1 1
M4 2 0 0 0 1 1 1 1 1 1 1 1 1
M4 3 0 0 0 0 1 1 1 1 1 1 1 1
M4 5 0 0 0 0 1 1 1 1 1 1 1 1
M4 6 0 0 0 0 0 1 1 1 1 1 1 1
M4 7 0 0 0 0 0 1 1 1 1 1 1 1
M4 8 0 0 0 0 0 0 0 1 1 1 1 1
M4 9 0 0 0 0 0 0 0 1 1 1 1 1
M4 10 0 0 0 0 0 0 0 0 1 1 1 1
M4 11 0 0 0 0 0 0 0 0 1 1 1 1
M5 1 0 0 0 0 0 0 0 0 1 1 1 1
 Matriz de Decisiones

Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12 sum pond

M1 0.33 0.50 0.17 - - - - - - - - - 1.00
M1 0.41 - 0.59 - - - - - - - - - 1.00
M2 0.05 - - - 0.26 0.35 0.33 - 0.01 - - - 1.00
M2 - 0.50 0.35 - 0.00 - - 0.04 - - 0.11 - 1.00
M3 - - - - - - - - - 0.60 - 0.32 0.92
M4 - - - 0.45 - - - 0.27 0.27 - 0.01 - 1.00
M4 - - - 0.52 0.48 - - - - - - - 1.00
M4 0.14 - - - 0.04 0.20 0.29 0.13 0.20 - - - 1.00
M4 - - - - 0.47 0.05 - - 0.31 0.17 - - 1.00
M4 - - - - - - 0.47 - - 0.07 0.23 0.23 1.00
M4 - - - - - 0.53 0.01 - - - - - 0.54
M4 - - - - - - - - - - - - -
M4 0.19 - - - - - - 0.26 - 0.21 0.16 0.18 1.00
M4 - - - - - - - - 0.13 0.28 - 0.07 0.48
M4 - - - - - - - - - - - - -
M5 - - - - - - - - - - 0.57 0.43 1.00
 Matriz de Restricciones
Productivas
Y1 Y2 Y3 Y4 Y5 Y6
Prod Fino 47,000 62,000 62,000 62,000 62,000 62,000
Meta Fino 47,000 62,000 62,000 62,000 62,000 62,000
Prod Fino Ox 5,000 31,255 20,374 32,000 20,000 20,000
Meta Fino Ox 62,000 62,000 62,000 32,000 20,000 20,000
Prod Fino Sulf 42,000 30,745 41,626 30,000 42,000 42,000
Meta Fino Sulf 42,000 42,000 42,000 42,000 42,000 42,000
Ore Sulf Prod 6,200,000 4,620,303 6,095,057 5,230,387 5,396,053 6,200,000 5,
Ore Sulf Meta + 6,200,000 6,200,000 6,200,000 6,200,000 6,200,000 6,200,000 6,
Ore Sulf Meta -
Ore Ox Prod 1,138,662 9,000,000 5,939,281 7,505,113 4,915,715 4,660,954 4,
Ore Ox Meta + 9,000,000 9,000,000 9,000,000 9,000,000 9,000,000 9,000,000 9,
Ore Ox Meta -
Mine Prod 15,929,663 27,521,545 23,490,648 24,167,333 36,000,000 36,000,000 36,
Mine Prod + 36,000,000 36,000,000 36,000,000 36,000,000 36,000,000 36,000,000 36,
Mine Prod -
 Programa de Producción
40
Millions

35

30

25
Movimiento Mina (tons)

20

15

10

-
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12

M1 M2 M3 M4 M5
 Programa de Producción de
Sulfuros
7.0
Millions

6.0

5.0

4.0
Prod. Sulf. (tons)

3.0

2.0

1.0

-
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12

M1 M2 M3 M4 M5
 Programa de Producción
40
Millions

35

30

25
Movimiento Mina (tons)

20

15

10

-
Y1 Y2 Y3 Y4 Y5 Y6 Y7 Y8 Y9 Y10 Y11 Y12

M1 M2 M3 M4 M5 Year
Programa de Producción

Reservas mineras
 Categorización de Reservas
• De acuerdo a su nivel de confiabilidad en la
extracción de la reserva
– Ley.
– Factores económico financieros.
– Sistema minero.
– Proceso metalúrgico.
– Sistema sustentable.
• Se dividen en
– Probadas.
– Probables.
 Inventario de Recursos Y
Reservas
1200 Mt
0.5 Cu 3.00
5.27 Mt Cu
1,400
2.50
1,200
Millions

Ley Media (%Cu)

1,000 2.00
600 Mt
800 0.55 Cu
2.88 Mt Cu 1.50
600
Tonelaje (t)

1.00
420 Mt
400 0.77 Cu
2.75 Mt Cu
0.50
200
- 0.00
0.28

0.54

0.80

1.07

1.33

1.60

1.86

2.12

2.39
0.28 COG Ley De Corte (%Cu)

Recursos <> Reservas

VIII Política de Leyes de Corte
 Concepto
• Consiste en definir un perfil de leyes de
corte en el tiempo que permiten conducir
el programa de producción al objetivo
deseado.
• El max VAN, Min Costo, etc.

• En este contexto la ley de corte no es

constante y es función del tiempo
 Metodología
• Simular un programa de producción
completo
• Estimar el costo de oportunidad periodo a
periodo, en función de los flujos de caja
futuros del programa de producción
• Cargar el vector de costos de oportunidad
en la estructura de costo
• Simular el programa de producción con la
nueva estructura de costo
 Método iterativo para la
optimización del VAN
• Abrir nuevos recursos.
Closed dpts Active • Calcular reservas utilizando leyes de corte.
t, $, gi
• Cerrar reservas que no pagan ley de corte.
T, $ New
• Simular la extracción del período.
• Calcular el valor remanente del depósito.
• Pasar al próximo período del plan.
• Al final calcular vector de costos de
Remaining Value oportunidad.
Vi • Adherir costos de oportunidad a la
estructura de costos.
• Repetir el programa de producción.
 Iteración 1
Step Current tons $Value Cu Used-new Revenue Profit Wt Oct

1 183,050 15.9 1.996 3 2,919,365 2,919,365 10,730,724 5.86

2 183,050 16.0 1.997 0 2,921,512 2,921,512 8,882,285 4.85
3 183,050 7.6 1.300 0 1,391,415 1,391,415 8,379,099 4.58
4 183,050 2.5 0.877 1 462,398 462,398 8,754,610 4.78
5 183,050 5.8 1.153 1 1,067,322 1,067,322 8,562,749 4.68
6 183,050 7.9 1.327 1 1,451,375 1,451,375 7,967,649 4.35
7 183,050 7.5 1.288 0 1,364,235 1,364,235 7,400,179 4.04
8 183,050 4.4 1.030 0 799,055 799,055 7,341,142 4.01
9 183,050 3.0 0.913 0 540,757 540,757 7,534,498 4.12
10 183,050 5.1 1.092 2 934,640 934,640 7,353,308 4.02
11 183,050 7.8 1.318 0 1,430,197 1,430,197 6,658,442 3.64
12 270,000 14.48159 1.873 2 3,910,029 3,910,029 3,414,257 1.87
13 270,000 11.1 1.6 0 2,991,085 2,991,085 764,598 0.42
14 230,494 2.844505 0.904 0 655,643 655,643 185,415 0.10
15 81,625 2.49869 0.875 0 203,957 203,957 0 0.00

a 0.1
DV 0
Cap 183,050
NPV 12,409,171
Net DV costs $6.00
 Iteración 2
Step Current tons $Value Cu Used-new Revenue Profit Wt Oct

1 183,050 15.9 1.996 3 2,919,365 2,919,365 11,816,720 6.46

2 183,050 16.0 1.997 0 2,921,512 2,921,512 10,076,881 5.50
3 183,050 12.8 1.734 2 2,343,786 2,343,786 8,740,783 4.78
4 183,050 7.9 1.327 1 1,451,375 1,451,375 8,163,486 4.46
5 183,050 7.5 1.292 0 1,374,377 1,374,377 7,605,457 4.15
6 183,050 7.5 1.293 1 1,375,122 1,375,122 6,990,881 3.82
7 183,050 10.2 1.520 1 1,874,756 1,874,756 5,815,213 3.18
8 183,050 13.9 1.825 1 2,543,706 2,543,706 3,853,028 2.10
9 183,050 15.9 1.993 1 2,913,460 2,913,460 1,324,871 0.72
10 74,355 19.6 2.300 0 1,457,358 1,457,358 0 0.00
1,721,805 1.692 0 0 0 0 0.00

a 0.1
DV 0
Cap 183,050
NPV 13,396,441
Net DV costs $6.88
 Iteración 4
Step Current tons $Value Cu Used-new Revenue Profit Wt Oct

1 183,050 15.9 1.996 3 2,919,365 2,919,365 12,119,382 6.62

2 183,050 16.0 1.997 0 2,921,512 2,921,512 10,409,809 5.69
3 183,050 12.8 1.734 2 2,343,786 2,343,786 9,107,003 4.98
4 183,050 7.9 1.327 1 1,451,375 1,451,375 8,566,328 4.68
5 183,050 7.5 1.292 0 1,374,377 1,374,377 8,048,584 4.40
6 183,050 7.5 1.293 1 1,375,122 1,375,122 7,478,320 4.09
7 183,050 10.2 1.520 1 1,874,756 1,874,756 6,351,396 3.47
8 183,050 13.9 1.825 1 2,543,706 2,543,706 4,442,830 2.43
9 183,050 10.3 1.528 0 1,892,513 1,892,513 2,994,600 1.64
10 170,790 11.1 1.594 1 1,901,043 1,901,043 1,393,016 0.76
11 115,680 11.2 1.600 0 1,294,969 1,294,969 237,349 0.13
12 74,612 2.799999 0.900 0 208,914 208,914 52,170 0.03
13 20,495 2.8 0.9 0 57,387 57,387 0 0.00
2,029,028 1.577 0 0 0 0 0.00
0 0 0 0 0.00

a 0.1
DV 0
Cap 183,050
NPV 13,671,588
Net DV costs $6.84
Extracción de recursos basados en
políticas de leyes de corte

12
11.9M$
10

8
HOD-Slices

13.7M$
6
14.7M$
4

0
E1N1 E2N1 E3N1 E4N1 E5N1 E6N1 E7N1 E8N1 E9N1 E10N1

Scheduling_OC Reserves_OC BHOD Draw Point Sequence

Costo de oportunidad para distintas
iteraciones
7.0

6.0
Opportunity Cost ($/t)

5.0

4.0

3.0
Optimum Shut Off
2.0
Value Policy
1.0

0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
OC_1 OC_2 OC_3 OC_4 Period #
 Programas de producción
resultantes
2.50
Múltiples iteraciones y su influencia en el programa de producción

2.00
Grade-Scheduled %Cu

1.50

1.00

0.50

0.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Grades Cu_1 Grades Cu_2 Grades Cu_3 Grades Cu_4 Period #

Incorporación del componente
dV/dT
Evalúa recursos
remanentes
utilizando precios
del periodo t+1

Vt Wt dV dV/dT Oct

12,721,023 12,474,513 1,272,102 -246,510 8.30

9,979,814 10,051,010 997,981 71,196 5.06
8,103,285 8,181,601 810,328 78,316 4.00
7,024,005 7,565,354 702,401 541,348 0.88
6,310,133 6,905,616 631,013 595,483 0.19
5,808,757 6,863,295 580,876 1,054,538 -2.59
6,048,845 7,208,837 604,885 1,159,991 -3.03
6,661,790 8,070,175 666,179 1,408,385 -4.05
7,723,333 9,272,557 772,333 1,549,223 -4.24
7,877,226 8,920,520 787,723 1,043,294 -1.40
7,389,207 8,536,830 738,921 1,147,623 -2.23
4,460,392 4,807,741 446,039 347,349 0.54
1,335,172 1,335,172 133,517 0 0.73
364,283 364,283 36,428 0 0.20
0 0 0 0 0.00
 Efecto de variación de precios en
una política de leyes de corte
4.0
16
Revenue Factor 3.5
Revenue Factor $/%Cu

14
3.0
12
2.5
10

Grade-%Cu
8 OC(without -dV/dt)_Grade 2.0

6 1.5

4 1.0
2 OC(with -dV/dT)-Grade 0.5
0 0.0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Period #
Programación lineal
 Programación lineal
• Es un método para resolver problemas de
optimización.

• Las relaciones entre las cantidades a ser

maximizadas o minimizadas y las
variables del problema deben ser lineales.
 Problema tipo de PL
Maximizar (o minimizar) la función lineal

n
Z  c1 x1  c2 x2    cn xn   c j x j
j 1

Sujeto a las restricciones

A x
j 1
ij j  ( o ) bi 1  i  m

xj  0 1 j  n
 Definiciones básicas
• Z es la FUNCIÓN OBJETIVO, es su valor el que se
desea maximizar o minimizar.

• Xj son las VARIABLES DE DECISIÓN, cuyo valor debe

buscarse en virtud de obtener el valor deseado (mínimo
o máximo) de la función objetivo.

• El producto CjXj se conoce como NIVEL DE ACTIVIDAD

de la variable Xj.

• Aij, bi y Cj son los PARÁMETROS del modelo.

 Algunos detalles
• La función objetivo y las restricciones deben ser
funciones lineales de las variables de decisión,
en otro caso deben utilizarse técnicas de
programación no lineal para resolver el
problema.

• Se asume que las variables de decisión son

números reales, sin embargo existen casos en
que éstas deben ser sólo enteros o bien
binarios.
 Supuestos de la programación
lineal
• Proporcionalidad

• Aditividad

• Divisibilidad

• Certeza
 Proporcionalidad
• La contribución de cada variable de
decisión al valor de la función objetivo es
proporcional a Cj y queda representado
por su nivel de actividad CjXj.

• Lo anterior deja afuera a cualquier

exponente distinto de 1 para las variables
de decisión.
 Aditividad
• Cada función en un modelo de PL es la
suma de las contribuciones individuales
de las variables de decisión.

• Lo anterior deja fuera términos cruzados

entre las variables de decisión en las
funciones.
 Divisibilidad
• Las variables de decisión en un modelo de PL pueden
tener cualquier valor, incluyendo valores no enteros, de
modo de satisfacer las restricciones.

• Lo anterior genera que los niveles de actividad puedan

tener valores fraccionarios.

• Si lo anterior no es posible (por el modelo del problema)

debe utilizarse programación entera, similar a LP pero
los niveles de actividad están restringidos a ser valores
enteros.
 Certeza
• El valor asignado a cada parámetros se
asume como una constante conocida.

• Esta suposición se cumple rara vez en la

práctica por lo que los efectos en la
incertidumbre de los parámetros del
problema debe estudiarse con un análisis
de sensibilidad.
Problema genérico de PL

Maximize Z  2 A  3B
subject to : A6
A B7
2B  9
 A  3B  9
A,B  0
 Solución gráfica
8

7
A+B=7
6
-A+3B=9
5 2B=9

B 4 2A
+3 optimo A=6
B=
12
3

2 2A 2A
+3 region factible +3
B= B=
2A 6 18
+3
B= 1
0
0
0 1 2 3 4 5 6 7 8
A
Valores en los puntos extremos
Punto A B Z

1 0 0 0

2 0 3 9

3 3 4 18

4 6 1 15

5 6 0 12
 Microsoft Excel, Solver
• Microsoft Excel™ posee una herramienta para
resolver los siguientes tipos de problema
(Solver):

– linear, integer, mixed-integer programming

– non-linear programming

• Limitado a 200 variables de decisión.

• Número ilimitado de restricciones.

Ejemplo sencillo

Maximize Z  2 A  3B
subject to : A6
A B7
2B  9
 A  3B  9
A,B  0
Implementación del problema
=SUMAPRODUCTO(B3:C3;B4:C4)

=SUMAPRODUCTO(B9:C9;$B$4:$C$4)
=SUMAPRODUCTO(B10:C10;$B$4:$C$4)
=SUMAPRODUCTO(B11:C11;$B$4:$C$4)
=SUMAPRODUCTO(B12:C12;$B$4:$C$4)
Implementación del problema
 Problema aplicado
Zone 1 2 3 4 5
Copper grade 3.20% 4.00% 3.20% 3.30% 4.20%
Capacity (t/day) 500 500 400 400 400
NSR ($/t) 385 420 450 440 380

5
max Z   NSRiTi
i 1

Sujeto a las restricciones de ley y producción por

zona.
Formulación matemática
5
max Z   NSRiTi
i 1

 T  2000
i 1
i

T1  500 T2  500 Tk  400, k  3,4,5

 g
i
i  3.6Ti  0 blended grade
 Implementación del problema
=B4-$C$10 =C4-$C$10 =D4-$C$10 =E4-$C$10 =F4-$C$10

=SUMAPRODUCTO(B5:F5;B6:F6) =SUMAPRODUCTO(B19:F19;$B$6:$F$6)

=SUMAPRODUCTO(B13:F13;$B$6:$F$6)
Implementación del problema
Modelos de red
 Tipos de problemas de red
• Problema de transporte
• Problema de trasbordo
• Problema de flujo de red a costo mínimo
• Problema de asignación
• Problema de la ruta más corta
• Problema de flujo máximo
El problema básico de transporte
m nodos de
suministro n nodos de
c11 demanda
s1 1
c12 1 d1 cij – costo unitario entre
los nodos i y j
s2 2
2 d2

s3 3

n dn
cmn
sm m
 Formulación del problema de
transporte
m n
Minimizar Z   cij xij
i 1 j 1
n
sujeto a x
j 1
ij  si 1  i  m (restriccio nes de suministro )

x
i 1
ij  d j 1  j  n (restriccio nes de demanda)
Problema de transporte equilibrado
El problema es un problema de transporte equilibrado si
m n
S   si   d j  D
i 1 j 1

El problema es factible si S ≥ D
 Ejemplo de problema de transporte
Plantas
de acero
Minas de
hierro $700 P1 20
100 MA
P2 60

40 MB
P3 20

70 MC
$1200 P4 80
Suministro total = 210
Demanda total = 180
 Costos unitarios
Planta 1 Planta 2 Planta 3 Planta 4
Mina A $700 $800 $700 $1200
Mina B $800 $700 $900 $1300
Mina C $1000 $600 $700 $1200
 Implementación del problema

=SUMAPRODUCTO(E5:E16;B5:B16)

=SUMAR.SI($D$5:$D$16;G5;$B$5:$B$16)-SUMAR.SI($C$5:$C$16;G5;$B$5:$B$16)

=SUMAR.SI($D$5:$D$16;G11;$B$5:$B$16)-SUMAR.SI($C$5:$C$16;G11;$B$5:$B$16)
Implementación del problema
 La solución
P1 20
20
100 MA
P2 60
20
60
40 MB
P3 20
10 60
70 MC
10
P4 80
Problema de trasbordo
Nodos de Nodos de
suminstro Nodos de demanda
transbordo
 Formulación del problema de
trasbordo
Minimizar Z  c x
iN j j
ij ij

sujeto a x  x
iN j
ij
iN j
ji  rj

Donde
Nj es la colección de nodos unidos al nodo j
rj es el requisito neto al nodo j

El problema es factible si jrj ≥ 0

Ejemplo de problema de trasbordo

100 MA P1 20

Barco
P2 60
40 MB
Tren
P3 20
70 MC
P4 80
 Costos unitarios

Ship Train Planta 1 Planta 2 Planta 3 Planta 4

Mina A $500 $600 - - - -
Mina B $400 $400 - - - -
Mina C $700 $600 - - - -
Barco - - $700 $800 $700 $900
Tren - - $800 $700 $900 $1000
 Implementación del problema

=SUMAPRODUCTO(B5:B18;E5:E18)
=SUMAR.SI($D$5:$D$18;G5;$B$5:$B$18)-SUMAR.SI($C$5:$C$18;G5;$B$5:$B$18)
=SUMAR.SI($D$5:$D$18;G13;$B$5:$B$18)-SUMAR.SI($C$5:$C$18;G13;$B$5:$B$18)
Implementación del problema
 La solución

100 MA P1 20
100 20
Barco
20 P2 60
60
40 MB
20 20
Tren
40 80 P3 20
70 MC
P4 80
Problema de flujo de red a costo
mínimo
c12(L12, U12) 2

j n
1
cij(Lij, Uij)

3 i
xij  flow from node i to node j in arc (i,j )
cij  unit cost of transport from node i to node j along arc (i,j )
ri  net supply (outflow - inflow) at node i
Lij  lower bound on flow through arc (i,j )
U ij  upper bound on flow through arc (i,j )
Formulación del problema de flujo de
red a costo minimo
Minimizar Z  c x
iN j j
ij ij

sujeto a x  x
iN j
ij
iN j
ji  ri

Lij  xij  U ij

Nj es la collección de nodos conectados al nodo j

rj es el requisito neto al nodo j
rj > 0 suministro rj < 0 demanda
 Problemas de flujo de red a costo
mínimo en minería
• Sistemas de distribución (concentradora a
fundición, por ejemplo).

• Planificación de la producción mina a planta.

• Sistemas de ventilación.

• Determinación del pit final.

Ejemplo de problema de flujo de
red a costo mínimo
Clientes

Minas Planta 8(0,150) C1 200

5(0,1000)
290 M1 P1
6(0,1000)
2(0,200) C2 280
10(0,150)
7(0,1000)
360 M2 P2
8(0,1000)
2(0,200)
Ofertas, capacidades y C3 170
demandas en toneladas
 Implementación del problema

=SUMAPRODUCTO(B5:B12;E5:E12)
=SUMAR.SI($D$5:$D$12;I5;$B$5:$B$12)-SUMAR.SI($C$5:$C$12;I5;$B$5:$B$12)

=SUMAR.SI($D$5:$D$12;I11;$B$5:$B$12)-SUMAR.SI($C$5:$C$12;I11;$B$5:$B$12)
Implementación del problema
 La Solución
C1 200
90
290 M1 90 P1

200 110 C2 280

280
360 M2 360 P2
170
C3 170
 Problemas de asignación
• Son un caso especial del problema de
transporte, donde se asignan personas o cosas
a tareas específicas.
• Requiere la definición de una variable binaria Xij
definida como sigue:

1 si la persona i es asignada a la tarea j

xij 
0 en caso contrario
 Formulación del problema de
asignación
m n
Minimizar Z   c x ij ij
i 1 j 1
Sujeto a
x ij 1 1 <= i <= m capacidad

x ij 1 1 >= j >= m capacidad

xij binaria

Donde existen m personas a asignar a n tareas y Cij es la medida del

costo de asignar a la persona i a la tarea j.

El problema es balanceado si m=n. en este caso las restricciones

pueden ser igualdades o desigualdades, la solución es la misma.
 Problema de asignación de
empleos
Tarea 1 Tarea 2 Tarea 3 Tarea 4
Empleado 1 22 18 30 18
Empleado 2 18 - 27 22
Empleado 3 26 20 28 28
Empleado 4 16 22 - 14
Empleado 5 21 - 25 28

Cada número indica el tiempo del empleado específico en

realizar la tarea respectiva.
“-” indice que el empleado no puede hacer el empleo
Implementación del problema
=SUMA(C11:F11)

=SUMA(C12:F12)

=SUMA(C13:F13)

=SUMA(C14:F14)

=SUMA(C15:F15)

=SUMAPRODUCTO(C5:F9;C11:F15)
Implementación del problema
 La solución
Matriz de asignación:

Job 1 Job 2 Job 3 Job 4

Employee 1 0 1 0 0
Employee 2 1 0 0 0
Employee 3 0 0 0 0
Employee 4 0 0 0 1
Employee 5 0 0 1 0
 Problema de la ruta más corta
• Cada arco de la red tiene una “longitud” asociada.

• Esta longitud puede ser una distancia física o bien el costo

asociado de ir desde un nodo hasta otro por un arco determinado.

• La idea es encontrar la ruta más corta que permita comunicar el

nodo 1 con el nodo n.

• Es esencialmente es un problema de transbordo donde una unidad

es “empujada” a través de la red desde el nodo 1 al nodo n. la
variable de decisión Xij es 1 si el el arco (i,j) pertenece a la ruta más
corta y 0 en caso contrario.
 Formulación del problema de la
ruta más corta
Minimizar Z   c x ij ij
iN j j

Sujeto a
1 En el nodo 1

x  x
iN j
ij
iN j
ji  0 2 <= j <= n-1

1 En el nodo n

xij , binaria
Nj es el conjunto de nodos conectados al nodo j
Xij = 1 si el arco (i,j) pertenece a la ruta más corta y 0 en caso contrario.
 Ejemplo de problema de la ruta
más corta (reemplazo de equipos)
Costo total por años en operación
Adquisición
1 2 3
1998 4,000 5,400 9,800
1999 4,300 6,200 8,700
2000 4,800 7,100 -
2001 4,900 - -
9,800

5,400 7,100

4,000 4,300 4,800 4,900

1998 1999 2000 2001 2002

6,200
8,700
Implementación del problema

=SUMAPRODUCTO(B5:B13;E5:E13)

=SUMAR.SI(To;G5;Select_Arc)-SUMAR.SI(From;G5;Select_Arc)

=SUMAR.SI(To;G9;Select_Arc)-SUMAR.SI(From;G9;Select_Arc)
Implementación del problema
 La solución

5,400 7,100

1998 1999 2000 2001 2002

Costo total: $12500

 Flujo máximo
En algunas situaciones se requiere transportar la máxima cantidad de material a
través de una red desde un nodo fuente hasta un nodo sumidero sujeto a
restricciones de capacidad.

Una buena aplicación es el diseño del sistema de ventilación de una mina

subterránea.

Sumidero
Fuente

x0

Para resolver este tipo de problemas debe crearse un arco artificial Xo que
conecte el nodo fuente con el nodo sumidero.
 Formulación del problema de flujo
máximo
Maximize x0
subject to x
iN j
ij  x
iN j
ji 0

Lij  xij  U ij

Nj es el conjunto de nodos conectados al nodo j

Xo debe incluirse en el balance de flujos para resolver el problema
Lij y Uij son las capacidades mínima y máxima, respectivamente, del arco
respectivo (que conecta a los nodos i y j)
 Ejemplo de problema de flujo
máximo
Campo petrolero Estación de bomba
3
6 P1 P3 6 Refinería
2
WF Ref
2
4 P2 P4 4
5
 Implementación del problema

=SUMAR.SI($D$5:$D$13;G5;$B$5:$B$13)-SUMAR.SI($C$5:$C$13;G5;$B$5:$B$13)

=SUMAR.SI($D$5:$D$13;G10;$B$5:$B$13)-SUMAR.SI($C$5:$C$13;G10;$B$5:$B$13)
Implementación del problema
 La solución
Campo petrolero Estación de bomba
3
5 P1 P3 5 Refinería
2
WF Ref
2
4 P2 P4 4
5

9
Flujo máximo