Modelación del Problema de

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

Ley $/acción

Tons

Tiempo
Modelo Conceptual

Ley

Tons

Tiempo
 Problemas Encontrados
• Los volúmenes en que se discretiza el yacimiento para planificar la
producción no contiene la granularidad requerida para convertirse
en una guía operacional
• El proceso de construcción del programa de producción es a
posteriori de definir la envolvente económica, secuencia y
probablemente leyes de corte
• Lo anterior posee optimizaciones parciales que no cumplen con un
óptimo global.
• El proceso de optimización secuencial toma decisiones que obligan
a simplificar el calculo de un programa de producción
• Los algoritmos se han simplificado para realizar el cálculo en
función de un valor predeterminado del bloque. No incorpora
restricciones en los contaminantes
• Lo anterior se traduce en tener malas reconciliaciones de los planes
de producción
 Evolución 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 planificación utilizando
técnicas de secuenciamiento de bloques
 Diagrama Conceptual de
Secuenciamiento de Bloques

Ley

Tons

Tiempo
Ejemplo de Aplicación a Rajo
Abierto
 Modelo de Optimización
max  bi ,t  xi ,t  xi ,t 1 
I ,T

• Modelo Generalizado de i ,t
Caccetta y Hill (2003).
s.a.
• “An Application of Branch ci
k
i ( xi ,t xi ,t 1 )  U tk t  1..T
and Cut to Open Pit Mine xi ,t 1  xi ,t t  1..T
Scheduling” ( xi ,t  xi ,t 1 )  X i ,t
xi,t  binario
bi ,t Valor presente de extraer el bloque i en el periodo t

cik Contenido de material o elemento k en el bloque i

U tk Producción máxima de material o elemento k en el periodo t

xi ,t Variable binaria que es 1 si el bloque i se ha extraído al periodo t

X i ,t Unión de las variables binarias asociadas a los bloques que preceden al bloque i
 Resolución
• Algoritmos de búsqueda de mejor solución
relajada y mejor primer IP
• Minimización de GAP para alcanzar
optimalidad
• Restricción de minimos eliminada del
modelo de Caccetta y Hill
• Agregación
• Trabajo conjunto con grupo de Adolfo
Ibañez
 Parámetros iniciales
• Se realiza una optimización con ángulos de talud
constante de 45 grados y parámetros económicos
adjuntos

• Se generan 50 pits de los cuales se valorizan de

acuerdo a diferentes ritmos de producción
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
 Parámetros del Programa de
Producción
• Programa de producción a
15 años

• Ritmo de producción 30
Mtpa mina y 29.2Mtpa
proceso

• Se escogen 5 fases con

método iterativo hasta
cumplir con un programa de
producción similar al
requerido
 Programa de Producción
Whittle Sección Norte
• Se escogen 5 fases
pits:

Sección Este
 Programa de Producción
Whittle
CM 0.9
45,000,000 0.80 CP 3.69
RFCu 10.42
40,000,000 0.70 RFAu 6.53
35,000,000 0.60 disc rate 0.1
30,000,000

Ley (%Cu, ppm Au)

0.50
Producción (tpa)

25,000,000 Periodo Waste MX %Cu Au(ppm) Dollar

0.40 1 1,877,796 5,046,489 0.120 0.269 - 9,663,738
20,000,000 2 1,853,199 22,340,070 0.189 0.470 8,482,681
0.30 3 559,467 18,409,842 0.298 0.672 52,993,814
15,000,000
0.20 4 2,481,138 31,663,764 0.400 0.712 131,676,549
10,000,000 5 1,673,811 13,075,695 0.515 0.690 67,587,892
5,000,000 0.10 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 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
Mx Esteril %CU Au ppm
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

VAN: 507.4 M$
Programa de Producción IP
Sección Norte

Sección Este
 Programa de Producción IP
35,000,000 0.90 CM 0.9
CP 3.69
0.80
30,000,000 RFCu 10.42
0.70
RFAu 6.53

Ley (%Cu, ppm Au)

25,000,000
Producción (tpa)

0.60 disc rate 0.1

20,000,000 0.50
Periodo Waste MX %Cu Au(ppm) Dollar
15,000,000 0.40
1 1,025,298 28,501,956 0.277 0.801 99,757,427
0.30 2 1,019,709 28,471,527 0.408 0.690 117,905,152
10,000,000
3 1,659,960 27,758,700 0.487 0.581 117,172,831
0.20
4 3,795,687 25,805,547 0.528 0.520 107,617,319
5,000,000
0.10 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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 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
Mx Esteril %CU Au ppm
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

VAN: 633.9 M$
 Problemas de la Aproximación
IP
• Asume el destino de cada bloque
conocido, bi,t
• Límite de producción inferior desconocido
no contenido en la formulación
• No considera el hecho de tener ley de
corte geometalurgicas
• No considera stocks en la formulación
• No considera restricciones geométricas de
operación del rajo
Ejemplo de Mina Kiruna
Ejemplo del Modelo de
Transición Rajo Subte
 Problema
• Cuando realizar la transición
rajo subterránea
• La metodología tradicional
considera la optimización
secuencial del rajo y luego la
subterránea como cambia esta
decisión al ser tomada
simultáneamente
• El yacimiento es dividido en
estratos horizontales y luego la
decisión es definir cuales son
extraídos con rajo y cuales con
un método subterráneo
 Criterios
• Cada estrato se extrae
solamente con un método
de explotación pero
puede ser extraído en
múltiples periodos
• Pueden quedar estratos
sin extraer entre las dos
operaciones y en debajo
del piso de la subterránea
 Formulación
• Restricciones
– Un estrato se extrae
solamente una vez del
sistema
– Secuencia de estratos rajo
– Secuencia de estratos
subte
– No existe minería
max   cˆs yˆ s ,t  c~s ~
y s ,t  t
s ,t
ĉs Valor de extraer estrato s por rajo
yˆ s ,t Se extrae estrato s por rajo en periodo t
c~s Valor de extraer estrato s por subte
~
y Se extrae estrato s por subte en periodo t
s ,t

simultanea t Factor de descuento

– Definición crown pillar
– Definición de footprint
– Posición relativa del
footprint y crown pillar
 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
Planificación Minera
 Incertidumbre….
• La pregunta es cuál de los modelos en
que se sustentan la planificación minera
está equivocado
• A lo mejor todos……
• Los modelos son solo una representación
de la realidad o del recurso natural
• Es importante incorporar variabilidad en
los modelos
 Incertidumbre……

Wh
a
ti
s
P
r
od
uc
t
i
on g
o
in
go
n?
P
a
r
ame
t
er
W
e
a
w
e
r
e
l
l
d
o
!
!
i
n
!
!
g R
e
a
l
B
e
ha
v
io
ur
?M
i
n
F
o
r
e
e
c
p
l
a
a
s
t
n
ni
ng

C
u
rr
en
t T
i
me
T
i
me
 Fuentes de Incertidumbre
• Yacimiento y geología, leyes

• Mercados, precios

• Tecnológica

• Entorno
Incertidumbre de leyes
 Variabilidad método
gráfico
Grade samples
Block Model

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 extraído
• Después de la reconciliación, la ley varía
en el intervalo 0-0.5 ppm.
• Se extrajo 25% de lastre a diferencia de
mineral
 Conceptos generales
• Simulaciones geoestadísticas condicionales
permiten generar múltiples modelos de leyes
equiproblables e independientes.
• Es una herramienta que permite incorporar la
variabilidad de las leyes para
• Categorización de recursos
• Análisis de riesgo
• Planes de producción
• Control de operaciones
• Reconciliación mina-planta
• Equivalente a la predicción de precios en el
largo plazo con análisis de escenarios.
 Ejemplos
• Simulaciones para generar leyes
estimadas
 Planificación estratégica
• Simulaciones para determinar la
incertidumbre en el beneficio generado
por un proyecto.
 Diseño de limites
• Simulaciones de leyes para optimización
de caserones
 Proyección anual de leyes
• Simulaciones para determinar la incertidumbre
en la ley media esperada por año.
• También se puede utilizar para chequear los resultados de
un ejercicio de estimación.
• Mina subterránea: se considera la ley media de cada
caserón a explotar según una secuencia definida.
Average Grades vs. Year

0,9000 Sim_01
Sim_02
Sim_03
Sim_04
0,8000 Sim_05
Sim_06
Sim_07
Sim_08
Sim_09
0,7000 Sim_10
Sim_11
Sim_12
Sim_13
Grade

0,6000 Sim_14
Sim_15
Sim_16
Sim_17
Sim_18
0,5000 Sim_19
Sim_20
Sim_21
Sim_22
0,4000 Sim_23
Sim_24
Sim_25
Avg_Sim
Kriging
0,3000
2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Year
 Reconciliación mina planta
• Simulaciones para determinar si discrepancias entre
mina y planta son relevantes
• Mediante bandas de error
Reconciliation Data - Confide nce Inte rvals

1,300

1,200

1,100

1,000

BM
0,900
DH

0,800

0,700

0,600

0,500
nov-00 ene- 01 f e b-01 ab r- 01 jun -01 jul-0 1 sep -01 nov-01 dic - 01

Mo n t h
XV Planificación con
Incertidumbre
 Planificación Minera
• Considerar varios modelos de bloques
equiprobables de las simulaciones
• Optimizar con algún método
• La intersección de ellos entrega una
confiabilidad de un 100% de los
recursos contenidos en la envolvente
 Programa de Producción con un
Modelo de Incertidumbre
• Optimizar la programación
– Utilizando algún modelo de programación
lineal de la producción.
– Basado en el resultado anterior.
– Se deben incorporar los parámetros
económicos
• Precios
• Costos
• Inversiones
 Algoritmo de Producción
• Optimización combinatorial
– Generar un solo programa de producción
tomando en cuenta los generados en el punto
anterior
– La idea principal es perturbar un programa de
producción sub-optimo hasta que algunas
características predefinidas se emparejen, en
un nivel aceptable, mediante alguna función
objetivo.
 Caso estudio
• Caso Base utilizando un modelo tradicional
– Se predicen una variabilidad de hasta 1,3 MTon por
año
– Mostrando repercusiones en la planta metalúrgica.
 Caso estudio
• Un análisis de riesgo del caso base, utilizando una serie
de modelos de bloques.
– Se predicen una variabilidad de hasta 0,4 MTon por año
– Esta desviación es bastante menor y puede ser controlada con
otras alternativas.
 Caso estudio
• Incertidumbre en VAN
– Modelo tradicional versus análisis 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

• Diseñar y planificar la realización

 Resumen
Cada realización escogida genera un
f
VAN el cual se utiliza para definir el
VAN en riesgo, bajo un cierto nivel de
aceptación

Mean
0 VAN

VAR
XVI Teoría de Confiabilidad
 Incertidumbre Tecnológica
• Existe una falta de información de cómo el
macizo rocoso se comporta al interior del
sistema minero
– Leyes
– Dilución
– Estabilidad
– Continuidad
– Costos
 Motivación
Actual Production
Forecast Production
1200000

1000000

• El Plan debe ser

Tons/month
800000

600000

cumplible y por lo 400000

200000

tanto confiable. 0

Jan,01

May,01
Jul,01

Mar,02
May,02
Jul,02
Sep,02

Jan,03
Mar,03
Nov,00

Mar,01

Sep,01
Nov,01
Jan,02

Nov,02

May,03
9000

8000
Over Draw
7000

6000

5000

Actual Tons
4000

3000

2000

1000
Under Draw
0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000

Forecasted Tons
 Confiabilidad y estrategias de
producción
• Así como reliability theory es utilizada de modo
de justificar diferentes estrategias de cómo las
hormigas se organizan de modo de recopilar
alimento
• Lo mismo puede ser utilizado para analizar las
decisiones operacionales tomadas en la
planificación de corto plazo
• También aquellas decisiones tomadas o
involucradas en la planificación de largo plazo y
el diseño de la mina
 Teorema de confianza
(Reliability)
• El teorema de confianza dice que se puede
analizar la probabilidad de falla de un sistema a
través del conocimiento de las distribuciones de
falla de los elementos que componen el sistema
• El mismo concepto puede ser aplicado a la
planificación 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 aplicación de la teoría de confianza es
aplicable en minería, dado que un sistema
minera esta conformado por subprocesos que
poseen probabilidad de falla estimables
• Desde que un equipo minero vacía en un pique
o camión hasta que llega al punto de carguío
devuelta, se producen una serie de acciones
• Cada una de estas acciones debe ser realizada
de modo de cumplir el ciclo productivo
 Analogía
• Si se conoce la distribución probabilistica de
falla de los componentes de un sistema minero
como:
– Piques
– Puntos de extracción
– Cruzados
• La probabilidad de falla del sistema puede ser
estimada en función de las componentes o
subsistemas y las relaciones entre si.
 Más acerca de confiabilidad
• El análisis de confiabilidad puede ser
utilizado para definir y priorizar diferentes
escenarios o estrategias productivas
• Escenarios por ejemplo
– Cuantas frentes tener en producción
– Cuantos niveles deben estar en operación en
cualquier momento del plan
– Cuantos abanicos deben ser perforados de
modo de asegurar la producción de mediano
plazo
 Formulación de confiabilidad
• Producto que el análisis de sistema se basa en cadenas
de subproductos enlazadas entre ellas es posible utilizar
la analogía con sistemas eléctricos
• 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 están
encadenados en una secuencia. Pro ejemplo
perforación, tronadura, carguío.
 Sistema en series

1 2 3

h( pi )  p1  p2  p3
 Sistemas paralelos

1 2 3

h( pi )  1  (1  p1 )  (1  p2 )  (1  p3 )
 Sistema paralelo serie
1 2 3

1 2 3

h( pi )  1  (1  p1  p2 p3 ) 2
 Sistemas series paralelo
1 2 3

1 2 3

  
h( pi )  1  (1  p1 ) 2  1  (1  p2 ) 2  1  (1  p3 ) 2 
Concepto de Redundancia
Activa
XC _ T arg et
k
dptYield
Número de puntos
necesarios para cumplir
la meta productiva

Adhiriendo mayor infraestructura de

producción al sistema minero,
puntos de extracción, piques,
caserones, la meta de producción
se hace más robusta o se aumenta
su confiabilidad
 Impacto de Redundancia Activa
en la Confiabilidad del Sistema
• La redundancia activa adhiere
infraestructura al sistema
minero. 1.0 Parallel-Series
Series

• De esta manera la redudancia 0.8

o flexibilidad operacional

System Reliability
mitiga el efecto de la 0.6

incertidumbre inherente a la 0.4

minerpia subterránea.
• Distribuciones binomiales 0.2

pueden ser utilizadas para

calcular la confiabilidad de un 0.0

sistema que contiene 0.0 0.2 0.4 0.6 0.8 1.0

redundancia activa. Component Reliability

Aumento de confiabilidad debido al aumento

de redundancia en el sistema
 Confiabilidad de un Sistema
k de n
n i
n
R(k , n)     (1   ) n i
i k  i 

• Donde

 Es la confiabilidad del elemento del subsistema,

pique, punto de extracción, etc.
 k de n para componentes no
idénticos

n
 
R XC (k , n)     pt  (1  pt )
i  k sS in  ts ts ' 

• Se utiliza un algoritmo iterativo no

publicado todavía.
Ejemplo de Confiabilidad
Aplicado a Diseño Minero
 Problema
• En una explotación mediante sub-level
stoping, se ha definido la ubicación de 5
caserones, la cual no está en
cuestionamiento.

• Sin embargo, para el sistema de manejo

de materiales se debate entre 3 posibles
diseños.
Caserones nivel superior
Pique de traspaso

Diseño 1
Los caserones del nivel
inferior se conectan
directamente con un único
cruzado de acarreo. Los
caserones del nivel
superior se conectan a
éste por medio de un
único pique de traspaso

Cruzado de transporte a superficie

Caserones nivel inferior

Caserones nivel superior

Cruzado de transporte a superficie

Diseño 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
éstos.

Cruzado de transporte a superficie

Caserones nivel inferior

Caserones nivel superior
Piques de traspaso

Diseño 3
Cada caserón del nivel
superior posee un pique
de traspaso al nivel
inferior, donde se sitúa el
cruzado de acarreo. Los
caserones del nivel
inferior se conectan
directamente a éste.

Cruzado de transporte a superficie

Caserones nivel inferior

 Parámetros

COMPONENTE COSTO (MUS$) CONFIABILIDAD

Caserón 1 0.5 0.75
Caserón 2 0.7 0.8
Caserón 3 0.8 0.7
Caserón 4 0.6 0.6
Caserón 5 0.65 0.72
piques 3 0.9
Cruzado de transporte principal 5 0.82
Solución

R = 0.81
Costo = 11.25 MUS$

R = 0.95
Costo = 13.25 MUS$

R = 0.82
Costo = 17.25 MUS$
 Aplicación de Rajo Abierto
• En una explotación a rajo abierto posee actualmente 3
frentes en operación. 2 en estéril y una en mineral.

• La mina debe mover una unidad de estéril por una de

mineral, condición que debe cumplirse bajo cualquier
circunstancia (E/M=1).

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

camiones.

• ¿Qué estrategia de asignación de equipos utilizaría?

(qué camiones a que pala y qué pala a que frente)
 Pala

Camión

Frente de estéril 1

Frente de estéril 2
Frente de mineral
 Parámetros
DATOS
EQUIPO CONFIABILIDAD
Pala 1 0.8
Pala 2 0.85
Pala 3 0.87
Camión 1 0.7
Camión 2 0.75
Camión 3 0.77
Camión 4 0.8
Camión 5 0.82
Camión 6 0.82
Camión 7 0.85
Camión 8 0.85
Camión 9 0.87
Camión 10 0.87
Camión 11 0.9
Camión 12 0.95
 Solución
• Microsoft Solver para maximizar confiabilidad
bajo ciertas restricciones.

• Restricción 1: cada camión se puede asignar a

una sola pala.

• Restricción 2: sólo una pala por frente.

• Restricción 3: total de camiones asignados a

mineral es igual al total de camiones asignados a
estéril.
 Solución
• La relación E/M = 1 se obtiene de la
conexión en serie de la frente de mineral
con la conexión en paralelo de ambas
frentes de estéril más la RESTRICCIÓN 3.

Estéril 1

Mineral

Estéril 2

Nº camiones Mineral = Nº camiones estéril

 Solución
• Camiones conectados en paralelo.

• Cada pala se conecta en serie con sus

camiones asignados.

• Ambas frentes de estéril se conectan en

paralelo.
 Implementación
Frente de estéril 1
Cam 7 Frente de mineral
Cam 1
Cam 8 Pala 2
Cam 2
Cam 9
Cam 3
Cam 10 Pala 1
Cam 4

Frente de estéril 2 Cam 5

Cam 11 Cam 6
Pala 3
Cam 12

Asignación de ejemplo, no corresponde a la asignación óptima

 Solución final
ASIGNACIÓN
EQUIPO MIN E1 E2
Pala 1 0 0 1
Pala 2 0 1 0
Pala 3 1 0 0
Camión 1 0 0 1
Camión 2 0 0 1
Camión 3 1 0 0
Camión 4 1 0 0
Camión 5 0 1 0
Camión 6 0 1 0
Camión 7 1 0 0
Camión 8 1 0 0
Camión 9 0 1 0
Camión 10 1 0 0
Camión 11 1 0 0
Camión 12 0 0 1
XVII Confiabilidad en los
Programas de Producción
Palabora South Africa
 Block/Panel Caving
New Projects Expansion Projects
• PEBBLE • HENDERSON
• AFTON • GOLPU • QUESTA
• BINGHAM CANYON (*) • DIDIPIO (*) • TENIENTE NML
• RESOLUTION (*) • OYU TOLGOI (*) • ANDINA SUR SUR (*)
• MT ISA 500 • JWANENG •CULLINAN
• ERNEST HENRY • ORAPA • FINSCH (*)
• MT KEITH • KOFFIEFONTEIN
• VENETIA (*)
• PERSEVERANCE
• CHUQUICAMATA • PALABORA (*)
DEEPS (*) • MIRADOR • GRASBERG/Freeport (*)
• ARGYLE (*)
• NORTHPARKES (*)
• CADIA EAST U/G (*)
• RIDGEWAY DEEPS (*)
RTZ invertirá 10 B$ en la construcción de minas de
block caving en los prox 10 años

PRESENTED BY JAREK JAKUBEC

May 27, 2007
 Different Variants

Slusher caving Block caving Panel caving

• Mine design robustness?

grade
• What production capacity?
tonnage

Time
 Draw point reconciliation

1,200,000 Actual Production

Run of Mine Production (tons/month)

10,000
Forecast Production

Actual Draw Point Production (tons)

9,000
1,000,000 Over Draw
8,000
800,000
7,000

600,000 6,000

5,000
400,000
4,000
200,000
3,000

0 2,000 Under Draw

1,000
Jul,01

Jul,02

Nov,02
Nov,00

Mar,01
May,01

Sep,01
Nov,01

Sep,02

Jan,03
Jan,01

Jan,02
Mar,02
May,02

Mar,03
May,03

0
0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000

Forecasted Tons

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
1,000,000

900,000

capacity of a mine

Run of Mine Production (t/month)

800,000

design 700,000

600,000

500,000

400,000

300,000

• These events may 200,000

jeopardize the 100,000

7,000 8,000 9,000 10,000 11,000 12,000 13,000

production promise 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 1.8E-03
1.6E-03
three different mines 1.4E-03

W(T), (events/t)
1.2E-03
1.0E-03
• Rate of occurrence of 8.0E-04
geotechnical events 6.0E-04

– Collapse 4.0E-04
2.0E-04
– Large convergence 0.0E+00
– Oversize - 50,000 100,000 150,000 200,000
– Hang ups M1 M2 M3 Cumulative tonnage drawn (t)
– Wet muck

• Similar bahaviour to a
repairable mechanical
component

Engineering Statistics Handbook,

http://www.itl.nist.gov/div898/handboo
 Mine Layout as a Reliability
Block Diagram
T, l,.. Mining System
• Divide the mine layout into
production components as
system approach

• Assess the individual

component reliability
(Kazakidis and Scoble, 2002)

• Individual component
reliability leads to the Reliability Block Diagrams
reliability of the system as a 1

whole (a)

1 2 3
(b)
2

R  r1r2 r3 R  1   1  r1 1  r2 1  r3  

(c) (d)

1 2 3
1 2 3

1 2 3
1 2 3

a)
b)
Series
Parallel

R  1  1  r1r2 r3 
2
   
R  1  1  r1  1  1  r2  1  1  r3 
2 2 2

c) Series Parallel Hoyland and Rausand, 1994
d) Parallel series
f

Reliability of a Mining
Component
f
U-Curve Dp p
i i R (t )
Component Reliability

Mean
t t ip t RiDp(tip )

Mean
t ip t

Expected number Production Characteristic Curve

of events
Std Dev

Mean

Production Conditional
Pbb. Distribution
 Stochastic Approach to
Production Planning
• The probability of
achieving the production
target is a function of: 1.0
15 months
0.9
20 months
0.8 30 months
– Tonnage planned

Actual Reliability
0.7

objective 0.6

0.5
– Production infrastructure 0.4

– Operational upsets 0.3

0.2

0.1

0.0
0.0 5.0k 10.0k 15.0k 20.0k 25.0k 30.0k 35.0k

Production target (tons/day)

The Process: DOZ-ESZ
Reliability Model
 DOZ-Underground Mine
• Mechanized Panel Caving
IOZ
• 340 dpts. active at any time DOZ

• Evaluate robustness of Drifts

current LOM production
schedules that sustain mine UCL
expansion to ESZ

• ESZ Expansion
– Incorporates 540 draw points
– A third haulage crosscut
– A second crusher
 The Process> Mine Wide
Reliability Block Diagram
1. Mine wide reliability block
diagram HC 2 (CX-W)
HC1 (CX-E)

2. Data Collection

3. Production Modeling
HC 3 (CX-S)
Cr 1
Cr 2
4. Discrete event simulation
models
LPs-West LPs-East
LP12..LP01J, LPN1 LP13 to LP24 and LPS4
5. Validation
LPs-South HC2
HC1
LP06S..LP01JS
6. Reliability Estimates HC3
Production drifts:
13…27
Production drifts:
1L,1K,1J..12
 The Process> Data Collection
Historical Tons
1. Mine wide reliability block
Draw Point Name Tcum,Mar07
P27-01W 204,708
P27-02W 214,126
diagram P27-03W
P26-01E
214,891
185,484
P26-02E 192,023
P26-03E 191,927
P26-04E 233,375

2. Data Collection P26-01W

P26-02W
P26-03W
51,172
192,733
224,312
P26-04W 202,350
P26-05W 195,722
P26-06W 156,330
3. Production Modeling Daily Tons
P25-01E
P25-02E
47,421
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

4. Discrete event simulation

P27-03W 225 290 246 613 342 316
P26-01E 276 290 246 312 425 306
P26-02E 92 97 133 322 363 95

models
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

5. Validation
P26-06W - - - 141 270 211
P25-01E 0 0 0 0 0 0

Daily Status
Draw Point Name
4/1/2007 4/2/2007 4/3/2007 4/4/2007 4/5/2007 4/6/2007 4/7/2007

6. Reliability Estimates P27-01W A

P27-02W A
P27-03W B
A
A
B
A
A
B
A
A
B
A
A
B
A
A
B
A
A
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
 The Process> Production
Modeling
1. Mine wide reliability block 5E-04
diagram 4E-04

Draw point Frequency of

4E-04
3E-04

Events (1/t)
3E-04
2E-04
2. Data Collection 2E-04 Apr07 to May08
1E-04
5E-05
0E+00
3. Production Modeling

40,000
20,000

60,000
80,000
100,000
120,000

160,000
180,000

220,000

260,000
280,000

320,000
340,000
140,000

200,000

240,000

300,000
-
Cumulative Tonnage Drawn (t)

4. Discrete event simulation

models 12,000
y = -517x + 8622

Mean Draw Point Productivity

10,000 R2 = 0.8
SD=1,082
5. Validation 8,000
(t/m)

6,000

6. Reliability Estimates 4,000

2,000

14
10

12

16
2

8
-

# of Expected Events
 The Process> West Haulage
Drift Simulation Models
1. Mine wide reliability block
diagram

2. Data Collection

3. Production Modeling

4. Discrete event simulation

models Haulage Drift Production Capacity as a Function of Ore Passes
1,800,000
1,600,000 y = 110,912x - 267,468
Production Rate (t/month)

2
R = 0.91
1,400,000
5. Validation 1,200,000
SD=128,563

1,000,000
800,000
6. Reliability Estimates 600,000
400,000
200,000
-
0 2 4 6 8 10 12 14 16 18
HC1 HC2 Arena Simulation # Ore Passes
 The Process> Model Validation
1. Mine wide reliability block
diagram Validation of reliability estimates from Nov 2000 to May 2008

100%
90%
2. Data Collection 80%

Frequency (%)
70%
60%
50%
3. Production Modeling 40%
30%
20%
10%
4. Discrete event simulation 0%

10%

20%

30%

40%

50%

60%

80%

100%
1%

70%

90%
models
Mine HCs OPs Panel Dpts

5. Validation

6. Reliability Estimates
 Output: Reliability Estimates
90,000 100%
• Simulate a given production

Production Rate (t/day)

80,000 90%
80%
schedule 70,000

Reliability (% )
60,000 70%

– Tonnage per period 50,000

60%
50%
– Include dpt. opening rate 40,000
40%
30,000 30%
– Include panel and ore pass 20,000 20%
opening 10,000 10%
- 0%

Nov,08
Nov,07
Jan,08
Jan,07

Jul,07

Jul,08
May,0
May,0

Sep,0

Mar,0

Sep,0
Mar,0

2013
2009
2011

2015
2017
2019
• Life of Mine Reliability
Estimates
100%
90%
80%
Mine Reliability
70%
60%
• Production Bottlenecks 50%
40%
30%
20%
10%
0%
- 20,000 40,000 60,000 80,000 100,000
Production Rate (t/d)
 Output: What if? Scenarios
Ore pass 3 months
construction delay
2,250 1.0

Production Strategies: 2,000

1,750 0.9

Planned tonnage (Kt/month)

2 instead of 1 ore pass 1,500
0.8

Reliability
1,250
1,000
0.7
1.0 60 750
0.9
50 500 0.6

Total # draw points in panel

0.8 2nd ore pass in production 250
0.7
40
0.6 - 0.5
Reliability

Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08
0.5 30
0.4 XC-E XC-W XC-S System reliability LP06 Closed
20
0.3
0.2
10
0.1
0.0 0 Ore pass lost
0 25 50 75 100 125 150 175 200
2,250 1.00
1 ore pass 2 ore passes Serie3 Panel planned tonnage (Kt)
2,000
0.90
Planned tonnage (Kt/month)

1,750
1,500 0.80

Reliability
1,250
0.70
1,000
750 0.60
500
0.50
250
- 0.40
Jan-08 Feb-08 Mar-08 Apr-08 May-08 Jun-08 Jul-08 Aug-08 Sep-08 Oct-08 Nov-08 Dec-08

XC-E XC-W XC-S System reliability LP06 Closed

 Future: Towards an Integrated
Model for…..
• Component reliability, Stress State at the Damage Zone
probability that a
component of the mining
system is stable within
the mine design
140
130
120
110
100
90 Overbreak Damage Mapping
1 (MPa)

80 1=1.73+27
70 N=65
60 R2=0.4
50
40
30
20
10
0
0 5 10 15 20 25 30 35 40 45 50 55

3 (MPa)
 Mining Systems through
Reliability Modeling
• Mining Systems: Holistic
approach to mine Geology Mine
planning Design

• It would be measured by
Equipment
HC3 Reliability Analysis

its ability to deliver

1,800,000 100%
1,600,000 90%
1,400,000 80%
1,200,000 70%
Requiremen
production commitments
60%

Production (t/m)
1,000,000

Reliability (%)
50%
800,000

t
40%

Production
600,000 30%
400,000 20%
200,000 10%

Scheduling
- 0%

2014

2024
Aug,0

Aug,0

Aug,1

2012

2016
2018
2020
2022
Feb,1
Feb,0
Apr,08

Dec,0

Dec,0

Apr,10

Dec,1
Apr,09
Oct,08

Oct,09

Oct,10
Jun,08

Jun,09

Jun,10
Nominal Tons Planned Tons

• 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.