Vidal Félix Navarro Torres et al.

Minería
Mineração

técnicas de planificación minera

clásicos y estocásticos, estado del
http://dx.doi.org/10.1590/0370-44672016710165

Vidal Félix Navarro Torres

pesquisador arte y las tendencias
Instituto Tecnológico Vale Ouro Preto - Minas

Gerais - Brasil lavra.itv@itv.org , Resumen

vidal.torres@itv.org

La determinación de la mejor hoyo final posible para una mina a cielo abierto es un tema fundamental que ha sufrido un

Beck Nader proceso altamente evolutiva, revisado en este estudio, ya que la elección correcta lleva impacto económico sustancial para la

Profesor industria. La elección correcta puede ser muy beneficioso para el análisis de proyectos, mientras que una elección incorrecta tiene el

Universidade Federal de Minas Gerais - UFMG Escola de potencial para enmascarar enormes pérdidas futuras financiera y económica que podrían hacer un proyecto inviable. El advenimiento

Engenharia de las computadoras en la década de 1960 permitió un análisis sofisticado para la selección de la mejor determinación hoyo final, en

Departamento de Ingeniería de Minas Belo virtud de la modificación de factores específicos como económico, social, ambiental y político, pero sólo en situaciones deterministas,

Horizonte - Minas Gerais - Brasil es decir, cuando el problema y las variables para el Las determinaciones finales de pozo se consideraron de forma determinista y

beckn@demin.ufmg.br , beckn@usp.br casi siempre sobre la base de los valores medios. Las técnicas tales como el algoritmo Lerchs- Grossman y programación entera

mixta se encuentran entre muchas herramientas estándar ahora utilizados por la industria minera. la incertidumbre geológica y los
Carlos Enrique Ortiz Arroyo riesgos asociados, así como la necesidad de considerar el momento adecuado para extraer un bloque durante una operación de la
Profesor mina tienen un impacto significativo en el valor actual neto de los hoyos finales resultantes. aspectos estocásticos incrustar un
Universidade Federal de Minas Gerais - UFMG Escola de componente probabilístico que varía en el tiempo y ahora están bajo intensa investigación por parte de los investigadores, que están
Engenharia creando algoritmos que se pueden experimentar con y probados en situaciones reales de minas. Se puede esperar que una vez que

Departamento de Ingeniería de Minas Belo estos algoritmos demuestran su eficacia y resultados superiores, van a dominar fácilmente la industria. la incertidumbre geológica y

Horizonte - Minas Gerais - Brasil los riesgos asociados, así como la necesidad de considerar el momento adecuado para extraer un bloque durante una operación de

carroyo@demin.ufmg.br la mina tienen un impacto significativo en el valor actual neto de los hoyos finales resultantes. aspectos estocásticos incrustar un

componente probabilístico que varía en el tiempo y ahora están bajo intensa investigación por parte de los investigadores, que están

Felipe Ribeiro Souza creando algoritmos que se pueden experimentar con y probados en situaciones reales de minas. Se puede esperar que una vez que

Profesor estos algoritmos demuestran su eficacia y resultados superiores, van a dominar fácilmente la industria. la incertidumbre geológica y

Universidade Federal do Mato Grosso - UFMT Instituto de los riesgos asociados, así como la necesidad de considerar el momento adecuado para extraer un bloque durante una operación de la mina tienen un

Engenharia

Várzea Grande - Mato Grosso - Brasil palabras clave: planificación de la mina determinista; planificación de la mina estocástico; horario de bloque directo;

felipersminas@yahoo.com.br incertidumbre.

Hudson Rodrigues Burgarelli

Mestrando
Universidade Federal de Minas Gerais - UFMG Escola de

Engenharia

Departamento de Ingeniería de Minas Belo

Horizonte - Minas Gerais - Brasil

hburgarelli@gmail.com

Leonardo Soares Chaves

Mestrando
Universidade Federal de Minas Gerais - UFMG Escola de

Engenharia

Departamento de Ingeniería de Minas Belo

Horizonte - Minas Gerais - Brasil

leosoaresc@hotmail.com

Luiz Alberto Carvalho

Mestrando
Universidade Federal de Minas Gerais - UFMG Escola de

Engenharia

Departamento de Ingeniería de Minas Belo

Horizonte - Minas Gerais - Brasil
luizalbertopersonal@gmail.com

REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018 289
técnicas de planificación minera clásicos y estocásticos, estado del arte y las tendencias
1. Introducción
El desarrollo de metodologías que permiten un
modelado preciso yacimiento minero y planificación de la
producción es actualmente un tema de investigación
recurrente en importantes centros de investigación en
todo el mundo. Lerchs y Grossmann (1965) propusieron
un algoritmo basado en la teoría de gráfico, que ha sido el
algoritmo de planificación de la mina más ampliamente
utilizado.
metodologías de planificación clásica se desarrollaron
a partir de los resultados obtenidos y comprenden los
siguientes pasos: a cielo final y de determinación de
retroceso, programación de la producción, de corte de
determinación del grado,
el desarrollo computacional permite el uso
de enfoques tales como la programación lineal,
número entero programa-
2. Los conceptos convencionales y estocásticos
De acuerdo con Dimitrakopoulos, Farrelly y
Godoy (2002), la entrada para la planificación de la mina
convencional es por lo general un único modelo
estimado, por lo general krigged-yacimiento. Hay
algunos problemas para el uso de kriging ordinario para
estimar un modelo de bloques, como el suavizado. Es un
efecto peligroso, en el que los valores bajos se
sobrestiman y valores altos subestimarse. Por lo tanto,
las estimaciones kriging ordinario no reproducen el
histograma muestra, ya que las colas de la distribución
se pierden en
290 REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
y las proporciones de mezcla para la mezcla. El límite
hoyo final se determina con la suposición de que todos los
bloques deben ser extraídos en el mismo plazo, haciendo
caso omiso de las limitaciones operativas y variación del
valor del dinero con el tiempo. En 2008, Osanloo
et al. hizo una revisión de los algoritmos deterministas y
basados ​en la incertidumbre que presentan las ventajas
y desventajas de estos algoritmos, lo que indica la
necesidad de continuar este estudio.
Dimitrakopoulos (2011) mostró en su obra los
desarrollos de optimización estocástica para la
planificación estratégica de la mina,
ming, la programación entera mixta, y la
heurística. El presente estudio intenta
proporcionar un bibliográfica
el proceso de estimación. Si la varianza de la muestra
no se reproduce, el semivariograma muestra no será
reproducido también. (Yamamoto, 2008). El plan
resultante obtenido a partir del modelo krigged será
irreal. Dimitrakopoulos (2011) dice que el principal
inconveniente de las técnicas de estimación, ya sean
geoestadísticos o no, es que son incapaces de
reproducir la variabilidad in-situ de los grados de
depósito, como se infiere de los datos disponibles.
Haciendo caso omiso de tal fuente consiguiente de
riesgo
Taís Renata Câmara
Pesquisadora Instituto Tecnológico Vale
Ouro Preto - Minas Gerais - Brasil
tais.camara@itv.org
Eunírio Zanetti
Pesquisador Instituto Tecnológico Vale
Ouro Preto - Minas Gerais - Brasil
eunirio.zanetti@itv.org
Roberto Galería
Profesor Titular-Universidade Federal de Minas Gerais -
UFMG Escola de Engenharia Departamento de Ingeniería
de Minas Belo Horizonte - Minas Gerais - Brasil
rgalery@demin.ufmg.br
donde se muestran algunos estudios de casos para demostrar
los beneficios de la utilización de este enfoque: límites de pozo
óptimas estocásticos pueden ser sobre 15% más grande en
términos de tonelaje total cuando se compara con los límites de
pozo óptimas convencionales; mayor NPV; y la desviación
potencial más bajo de los objetivos de producción.
Lamghari y Dimitrakopoulos (2015) citan una
lista de autores que demostraron los beneficios de la
cuenta la incertidumbre de metal en el proceso de
optimización, a pesar de la mayor complejidad. La figura
1 muestra algunos de los beneficios de la utilización de
enfoque estocástico.
Figura 1
Beneficios del uso de enfoque estocástico.
revisión de optimización de tajo se acerca, teniendo en
cuenta las metodologías convencionales y estocásticos.
y la incertidumbre, puede conducir a expectativas poco
realistas de producción.
Es útil comparar el concepto de planificación
minera convencional basada en modelos deterministas
y los modelos de planificación minera estocásticos
basados ​en conceptos probabilísticos. Yamamoto
(2008) dijo que la simulación condicional se ha utilizado
como una alternativa a kriging ordinario, ya que
proporciona múltiples imágenes equiprobables del
fenómeno en estudio, reproduciendo en un sentido
ergódico tanto la muestra

histograma y el semivariograma muestra. Las múltiples
realizaciones proporcionan también una evaluación de la
incertidumbre global. Significa simulación condicional
garantiza la precisión global. De esta manera, los
modelos obtenidos mediante simulación tienden a ser
más realista que un mapa de estimación afectados por
suavizado.
Matemáticamente búsqueda de fosas óptimas
para el valor ideal de la función objetivo limitado; En
términos matemáticos, óptima se refiere a minimizar
los costos y maximizar los ingresos, lo que maximiza el
beneficio (Whittle, 2011). El parámetro más utilizado
para la evaluación económica de los proyectos de
minería es el valor presente neto (VPN), debido a su
enfoque realista de los valores involucrados.
Figura 2
NPV acumulativa obtenida
utilizando el enfoque determinista y estocástico.
2.1 El algoritmo Lerchs-Grossmann
El algoritmo propuesto por Lerchs y
Grossmann (1965) intenta definir el envolvimiento más
económica de acuerdo con las restricciones del
problema. Sin embargo, no satisface plenamente las
necesidades de la industria, probablemente debido a
los siguientes factores:
• complejidad método en términos de
comprensión y programación
• el tiempo necesario para hacer que el im-
2.2 convencional programación de la producción minera
De acuerdo con Boland, Dumitrescu y Froyland
(2008), la mina a cielo abierto problema de
programación de la producción estudiada en los
últimos años se basa generalmente en una sola
estimación geológica de material a excavar y se
procesaron durante varios decenios. Este problema
consiste en encontrar la secuencia en la que los
bloques
2.3 horario de bloque directa (DBS)
DBS es una evolución de la metodología clásica
en la que se obtiene el proceso de programación de
bloque por bloque, usando valores de descuento para
la función beneficiosa, por lo tanto, considerando el
tiempo
Numerosos enfoques para la optimización de la
planificación minera son tratados por diferentes algoritmos de
software, que consideran tantos parámetros como sea
posible obtener simulaciones que son más realistas. Un
modelo de optimización debe involucrar a los costos,
especialmente la minería y los costos de procesamiento, y
los ingresos generados. Ambos enfoques utilizan los mismos
datos de entrada básicos: un conjunto de valores de bloques
que representa el valor económico neto de cada bloque.
Estos valores de bloque se determinan usando la ley de
corte, los costes, los precios, la recuperación, la dilución, la
densidad, parámetros de funcionamiento (ángulo de la
pendiente, capacidades de producción, entre otros).
Meagher, Sabour y Dimitrakopoulos (2010) señalaron las
principales suposiciones hechas en la planificación minera
convencional:
edad, debido a cuestiones de ordenar. Este problema
aumenta si hay una necesidad de realizar un análisis de
sensibilidad que genera múltiples diseños, debido a cambios
en las variables tales como los costos, precios, y los grados
mínimos de corte. Sin embargo, la llegada en los últimos años
de computadoras de bajo costo de gran alcance ha
minimizado este problema
• dificultades para incorporar variaciones de ángulo de
pendiente
debe ser eliminado de la fosa durante la vida de la
mina, de modo que se maximiza el VPN de la
operación. La solución de este problema proporciona
una base para el desarrollo futuro estratégico de una
mina nueva o existente.
modelos geológicos y económicos se basan
en meta- matemática y técnica
periodo el bloque es en realidad planeaba ser
extraído, en un intento de minimizar las
diferencias entre el estimado y el valor real
asociado a la fosa. DBS propone un nuevo
enfoque a la óptima
REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
Vidal Félix Navarro Torres et al.
La primera hipótesis indica que existe un conocimiento
perfecto sobre el contenido de metal de los bloques de la
minería; la segunda implica que las variables de mercado
tales como precios de los metales y tipos de cambio son
fijos, es decir, no cambian durante toda la vida de la mina
(LOM) y se conocen con certeza. La diferencia en la
planificación de la mina estocástico es el uso de
escenarios equiprobables, estimó utilizando incertidumbres
que pueden ser geológica, mercado o, no es un valor fijo
operativa.
El ejemplo mostrado en la Figura 2 demuestra la
ganancia cuando se utiliza el enfoque estocástico
tiempo para optimizar la planificación minera, utilizando
los mismos parámetros. El modelo simulado da una
mejora de
7,5% en promedio de NPV, comparando con los valores
deterministas (en verde).
• el criterio de optimización se basa en el
beneficio total en lugar de en el VAN
El método bidimensional original propuesto se
extendió posteriormente a la tercera dimensión. En
muchos casos, las soluciones adoptadas para dar
cuenta de las limitaciones naturales del método
aumentan la brecha entre los resultados obtenidos y
la solución óptima.
ods y deben abordar las limitaciones económicas y operativas.
Soluciones para el problema de boxes y programación de la
producción final también deben tener en cuenta la
incertidumbre elevada debido a la naturaleza estocástica de
las variables que intervienen. Programación de la producción
se propone de acuerdo con los objetivos previamente
establecidos por los pits anidados.
problema pozo, a partir de la programación y
expansiones obtención y el hoyo final como un resultado
natural de la metodología como en realidad ocurre.
DBS es un análisis secuencial met-
291
técnicas de planificación minera clásicos y estocásticos, estado del arte y las tendencias
dología que implica el valor asociado de bloques,
teniendo en cuenta todos los escenarios simulados. El
proceso de búsqueda trata cada periodo como una etapa
con los requisitos operativos individuales y las
restricciones que hay que respetar. La metodología
también puede determinar las posibles combinaciones
para
2.3.1 modelado Scheduling utilizando la programación entera mixta
La formulación del problema se basa en los
ingresos operacionales y los costos. Modelos
considerando programación entera mixta
proporcionar una formulación
Donde p es el número total de periodos de producción; n
es el número de bloques; segundo eso es la variable de
decisión para cuando a la mía bloque i (si extraído en el
período t, b eso
es uno; de otro modo bit es cero); E {(VPN)
es el VAN esperado (promedio) a generarse si el
JT}
bloque i se extrae en el período t.
T es el número de bloques considerados para
el almacenamiento; mc jt es el costo de minería de
bloque j incurrido en el período t y descuento a tiempo
cero; y W jt es una variable que representa la fracción
de bloque j enviado a la reserva en el período t.
SV t es la ganancia a ser generado por el
procesamiento de una tonelada de material de la reserva
en el período t y descuento a tiempo cero; M es el número
de modelos del yacimiento simulados; yk S t es la cantidad
de material (mineral) en toneladas procesado a partir de
2.3.2 Formulación del DBS
La metodología DBS consiste en agrupar
bloques en columnas verticales dispuestas dentro
de una matriz. Un aspecto fundamental de esta
metodología es la minimización de la diferencia
BE-
Donde S es el número de modelos del yacimiento
simulados considerados; s: índice de simulación, s =
1, ..., S. T es el número de períodos durante los que
se está previsto la veta y también define el número
de superficies consideradas; t: índice de tiempo, t =
1, ..., T. M es el número de células en cada
superficie, donde M = x × Y representa el número de
bloques de minería en dimensiones X e Y; c: índice
de células correspondiente a cada (x, y) ubicación
del bloque / célula, c = 1, ..., M. Z es el número de
niveles en el modelo de yacimiento;
292 REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
haciendo que el bloque económicamente factible,
cumpliendo con las limitaciones de los grados y
contaminantes, y haciendo así que el concepto de leyes
de corte obsoletos.
Las siguientes formulaciones propuestas deben
ser ejecutadas sucesivamente para incluir los diferentes
escenarios simulados.
para programación de la producción optimizada y para el
control de la producción y los grados de destino.
Ramazan y Dimitrakopoulos
la reserva con respecto al yacimiento modelo s en el
período t.
Las variables c son los costos unitarios de
desviación (representados por las variables d) a partir de
los objetivos de producción para los grados y toneladas
de mineral. Los subíndices U y L corresponden a las
desviaciones y los costes de producción en exceso (límite
superior) y la escasez de la producción (enlace inferior),
respectivamente, mientras que s es el número de modelo
yacimiento simulada, y g y o son los objetivos de
producción de grado y de mineral.
La función se divide en cuatro partes
principales. El primero se acumula el VAN resultante
para todos los bloques de mineral extraído y
procesados. El segundo refleja el costo de
oportunidad involucrado cuando el mineral se
almacenó en lugar de
interpolar las superficies propuestos y el hoyo real
debido a la aproximación de las caras superiores
de los bloques a la superficie hoyo real. Este
enfoque podría permitir una reproducción más
realista de
z: índice de nivel, z = 1, ..., Z. V zc, t, s es el valor
acumulativo descontado económica de bloque (c, z) y
todos los bloques por encima de ella en el escenario s y
el período t. X ZC, t es la variable binaria que es uno (1) si el
bloque (c, z) es el último bloque que se extrae en el
período t sobre c, y cero (0) en caso contrario.
De acuerdo con Marinho (2013), la función
objetivo propuesto en la ecuación 2 maximiza el
valor presente neto de la minería y bloques de
procesamiento seleccionada para todos los
periodos de producción de minas consideradas. El
objetivo
Cuando se encuentre la mejor solución para un período,
la superficie a cielo es respetado en el siguiente período
de tiempo ( t + 1), y esto continúa hasta el agotamiento
de los bloques económicamente viables. El hoyo final
se obtiene entonces como un resultado natural de la
simulación.
(2013) propusieron un modelo estocástico
basándose en la siguiente función objetivo
(Ecuación 1):
(1)
procesado y vendido, con el resultado de que las
cuentas de la función sólo para los costos de
extracción de estos bloques en el período
correspondiente. El tercero representa el ingreso
descontado obtenido con la reanudación y el
procesamiento del material almacenado dentro del
mismo período. La cuarta parte trata de gestionar
los riesgos geológicos (Ramazan y
Dimitrakopoulos, 2013).
Los autores mencionados también definen las
restricciones a la función objetivo debido a las
capacidades de extracción y procesamiento, a los
requisitos de mezcla, y al máximo deseado volumen
de las existencias, junto con otras restricciones
lógicas. restricciones ángulo de la pendiente también
garantizan una relación de precedencia entre los
bloques.
la superficie pozo cuando se compara con la técnica
de sub-bloqueo.
Marinho (2013) propuso una nueva función
objetivo a ser maximizada, que se muestra en la
ecuación. (2):
(2)
función acumula el ingreso descontado de acuerdo
con el período de la minería para cada bloque, que
relaciona el valor obtenido a la diferencia en las
superficies propuestos consecutivos.
Marinho (2013) también ha propuesto algunas
limitaciones, tales como la superficie, los ángulos de
pendiente, y los objetivos de producción. Las restricciones
del sistema se pueden clasificar en aquellos que son
dependientes e independientes de la simulación.
restricciones operativas, como se ha mencionado, son
independientes del escenario considerado.

2.3.3 gestión ángulo de la pendiente
El horario de la minería para el modelo de
bloque tridimensional debe seguir un orden lógico
y operativa de bloque
figura 3
La inexactitud de ángulos de
pendiente obtenida por el método de
precedencia (adaptado de Whittle, 1998, citada
en la Beretta y Marinho, 2014).
Las líneas rojas indican el número de bloques de
precedencia para la minería el siguiente bloque dentro
de esa columna. El análisis de la tabla, es fácil ver que
cuanto mayor sea la cantidad de bloques de
precedencia es, cuanto más cerca a la pendiente
deseada
Figura 4
ángulos de pendiente constante
obtenido a través de bloques de precedencia
(adaptado de Beretta y Marinho, 2014).
Una alternativa para la adecuación de los ángulos
de pendiente es el control de superficie. Esta metodología
se basa en la triangulación logrado entre los puntos mi c, t ( elevación
de
Figura 5
Ejemplo de ángulo de pendiente
de la superficie limitada a 45 °
(Adaptado de Beretta y Marinho, 2014).
2.3.4 optimización multi-periodo
optimización multi-periodo presenta una
metodología para la refinación de una solución
inicial teniendo en cuenta la relación de
precedencia entre los bloques adyacentes dentro
del modelo. Resumiendo, la búsqueda continúa
el análisis de dos períodos consecutivos de los
bloques en la región de transición
precedencia: un bloque se puede quitar solamente si una
lista de bloques de precedencia se extraía anteriormente. La
figura 3 ilustra la variación
ángulo será la línea verde. Por lo tanto, la precisión del
método aumenta con el número de bloques de
precedencia, y el modelo no puede asegurar un ángulo
de la pendiente general constante.
Para asegurarse de que no hay ángulos pronunciados
la celda c en el período t). Por lo tanto, la superficie
tridimensional obtenida siempre garantiza el
mantenimiento del ángulo de pendiente con 100%
de precisión, sin
entre estos periodos, con el objetivo de extraer
los bloques más valiosos en primer lugar. Los
posibles cambios entre los bloques deben
cumplir con las restricciones geotécnicas y otras
de la función objetivo (Lamghari,
Dimitrakopoulos y Ferland, 2014).
La presente en- metodología
REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
Vidal Félix Navarro Torres et al.
de las desviaciones en los ángulos de pendiente entre los
modelos simulados, basado en un enfoque de centroides
bloque, y la realidad.
ocurrir, una metodología conservadora puede ser adoptado
para forzar el ángulo de la pendiente a
38,7 °. El enfoque conservador podría reflejar una
disminución en la recuperación de mineral, que
también disminuye el valor total asociado con el
proyecto (Figura 4).
necesidad de ajustes, incluso en depósitos con múltiples
ángulos de inclinación, como se muestra en la Figura 5
(Beretta y Marinho, 2014).
tienta para garantizar, de forma secuencial, la
solución óptima entre los períodos de hasta el
límite de pit final. El proceso se acerca al problema
en ambas escalas global y local al mismo tiempo,
con los períodos yo y i + 1 que se analiza a nivel
mundial para aumentar el valor del proyecto
(Marinho, 2013).
293
técnicas de planificación minera clásicos y estocásticos, estado del arte y las tendencias
2.4 estocástico DBS
El DBS estocástico representa la incertidumbre
geológica y la variabilidad de los parámetros,
dirigiéndose realista el problema una vez que cuantifica
la probabilidad de ocurrencia de la viabilidad operativa
para cada bloque. Las principales limitaciones del
método son pobres resolución cuando se considera el
procesamiento de minerales y los requisitos para la
minería, es decir, la mezcla de fases, las reservas, los
depósitos de elementos múltiples, y múltiples destinos.
la programación de la operación minera se basa
tradicionalmente en un único modelo determinista del
yacimiento. Tradicionalmente, los métodos utilizados en el
diseño de estos sistemas no pueden incorporar
adecuadamente la incertidumbre asociada con un valor
estimado. Kriging ordinario, por ejemplo, se traduce en
mejores estimaciones locales, pero con una variación
suave mundial (Matheron, 1963). El problema de derivar
planificación de la mina de un solo modelo es que el
modelo elegido
2.5 El recocido simulado
El recocido simulado (SA) (Kirkpatrick et al, 1983) un conjunto de modelos de simulación estocástica
implica la aplicación de técnicas probabilísticas para
mover la función objetivo más cerca de una solución
global óptima. El método se caracteriza como un
metaheurístico debido a la amplia espacio de
búsqueda que utiliza para llegar a la solución.
El uso de SA en la programación de la mina a
largo plazo, desarrollado por Godoy (2003), incorpora
las incertidumbres en la consideración de un modelo
único entre los pits
La proposición es minimizar la brecha entre
la producción obtenida, por tanto mineral ( θ) y los
residuos ( ω), razón-
2,6 programación entera estocástico (SIP)
SIP se basa en un modelo matemático y considera
varios escenarios igualmente probables, obteniendo el mejor
resultado posible para un conjunto predefinido de objetivos
dentro del espacio delimitado por un conjunto de
restricciones. Birge y Louveaux (2011) discuten varios
enfoques SIP, pero los avances científicos relacionados en la
literatura no siempre son aplicables a las minas
294 REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
será incapaz de reproducir la variabilidad
intrínseca de la realidad del depósito (Silva,
2008).
incertidumbre geológica representa riesgos
para la inversión relacionada con la distribución
espacial, a la variabilidad y la calidad de la mena, y
para la estabilidad de la pendiente operativa y final.
Estas características se deducen de una base de
datos limitado que podría no ser representativo para
el depósito. En la simulación estocástica, los valores
locales dentro del modelo se generan al azar de
acuerdo con la distribución de probabilidad inferirse
de los datos muestreados. Este enfoque estadístico
permite la determinación de escenarios igualmente
probables. Cada escenario puede ser analizada por
separado, y la distribución de probabilidad permite la
estimación de sus límites (Spleit, 2014), minimizando
así el riesgo geológico.
algoritmos geoestadísticos se utilizan para
sujetas a tasas de producción constantes. El objetivo
principal es determinar una programación óptima, con el
fin de reducir al mínimo las desviaciones entre las tasas
de producción y objetivos a través de la gestión de la
incertidumbre de los bloques de minería en un período de
tiempo. Los pasos de este método son las siguientes:
• determinación pits basado en el modelo
estimado Kriging
ing por el número total de modelos simulados S. El
método se refiere a la incertidumbre en el grado de
distribución espacial
planificar la resolución de problemas.
El VAN de un bloque se calcula para todos los
modelos simulados para encontrar el valor medio más tarde.
Los valores son descontados por puntos utilizando el factor de
riesgo geológico desarrollado por Dimitrakopoulos y Ramazan
(2008). La tasa de descuento debido al riesgo geológico
(GRD) permite la gestión de riesgos entre los peri
obtener la variabilidad del modelo, un proceso que se
refiere a la simulación como estocástico. De acuerdo con
Deutsch y Journel (1998), la simulación estocástica es el
proceso de construcción alternativa, los modelos
igualmente probables, de alta resolución de la
distribución espacial de una variable. una simulación de
este tipo puede ser considerado como una extensión
espacial del concepto de la simulación de Monte Carlo y
tiene el objetivo de estimar la variabilidad geológica y los
valores posibles para cada bloque. Este método es
adversa a la teoría clásica, que utiliza algoritmos de
interpolación, suavizando las variaciones espaciales de
los atributos estimados.
La combinación de la simulación estocástica
con la metodología DBS minimiza la incertidumbre,
ya que se programan escenarios diversificadas, y por
lo tanto maximiza la probabilidad adherencia de
planificación de la mina a largo plazo para la
producción diaria de la mina.
• programa de producción hasta el límite de
pit final, predefinido para cada modelo simulado
• utilización de SA en conformidad con los
objetivos y las restricciones de producción, como el
número de secuencias de minería, parámetros
relacionados con el algoritmo de recocido, y los
objetivos de producción
La función objetivo propuesto se define
como (Ecuación 3):
(3)
Tion dentro del depósito y minimiza la posibilidad
de desviación.
ods. Si se especifica un valor alto de GRD, las zonas de
menor riesgo se extraen en primer lugar, y la extracción de
las áreas de mayor riesgo se pospone. Si se especifica un
GRD muy baja o nula, el riesgo se distribuye a una velocidad
más equilibrada entre los periodos de tiempo, dependiendo
de la distribución de la incertidumbre dentro del depósito
(Dimitrakopoulos y Ramazan, 2008).

2.6.1 Valor mínimo de SIP
Dimitrakopoulos y Ramazan (2008)
evidenciaron en su trabajo la posibilidad de aplicar
una metodología basada en SIP para la solución del
problema de las minas de planificación a largo plazo.
Menabde (2008) observó que el trabajo desarrollado
actualmente abordado con éxito las cuestiones
relacionadas con la incertidumbre geológica y
optimización de programación,
2.6.2 Valor mínimo de la función beneficiosa
El método hace que la convergencia del
sistema más fácil, ya que, sin embargo, aun
cuando el sistema no obtiene una solución
dentro de los parámetros requeridos, es posible
aliviar los requisitos con el fin de encontrar la
mejor solución posible. Un objetivo fun-
2.6.3 restricción y de producción objetivos de flotas
La función objetivo tiene un término responsable de
la reducción de los costos operativos de la flota a través de
la minimización de la distancia media de transporte. Este
término es parte de un conjunto de restricciones que debe
ser satisfecha de forma simultánea. la restricción
3 Conclusiones
El presente estudio se refirió a algunas técnicas de
planificación minera clásicos y estocásticos. Los trabajos
relacionados con la metodología clásica no da cuenta de la
incertidumbre geológica y es, por tanto, determinista, que
tiende a dar lugar a algoritmos de pits con imposibles de
obtener valores económicos resultantes de la falta de las
tasas de descuento con el tiempo. Osanloo et al. (2008)
presentó, en un artículo de revisión, los algoritmos
deterministas y basados ​en la incertidumbre para la
planificación de la producción a largo plazo conocido en ese
momento, lo que demuestra que después de su trabajo,
existe un gran desarrollo en las metodologías estocásticos,
principalmente debido al desarrollo computacional y la
nueva estudios.
técnicas estocásticas se presentan en la literatura
como enfoques aleatorios de escenarios geológicos. La
metodología de optimización estocástica permite la gestión
de los riesgos asociados y por lo tanto se parece a la
realidad, lo que garantiza una mayor fiabilidad de los
resultados obtenidos. El soporte matemático y
computacional para el trabajo requiere enteros y
programación entera mixta y herramientas heurísticas para
hacer que la solución factible.
Lamghari y Dimitrakopoulos (2015) citaron
en sus autores trabajo como Dimitrakopoulos,
Farrelly y Godoy (2002), Godoy y Dimitrakopoulos
(2004), Menabde, Froyland, Stone y Yeates
(2007),
teniendo en cuenta predecesor y sucesor bloques.
Benndorf y Dimitrakopoulos (2013) progresaron
significativamente en relación con las restricciones
operativas necesarias para resolver el problema, la
obtención de las variables operacionales más al
considerar las restricciones operativas.
Las formulaciones adicionales intentan
minimizar los costos considerando camión
ción basada en SIP considera descuentos como las
sanciones aplicadas debido a las desviaciones del
objetivo (Benndorf y Dimitrakopoulos, 2013).
La función objetivo incluye cuatro términos
distintos: (a) representa el NPV de los bloques
minadas; (b) las cuentas
ciones causan los resultados para converger a una tendencia de
reducción de tamaño de la flota (Spleit,
2014). La formulación tiene como objetivo lograr la
renovación de la flota gradualmente, con el fin de
garantizar que ningún equipo es sub-utilizados durante
la operación.
Boland, Dumitrescu, y Froyland (2008), Osanloo et al. ( 2008),la mejor aproximación posible potencial, sobre todo debido
Albor y Dimitrakopoulos (2010), Ramazan y
Dimitrakopoulos (2013), Marcotte y Caron (2013), y
Koushavand, Askari-Nasab y Deutsch (2014). Estos
autores demostraron que el enfoque estocástico podría
proporcionar importantes mejoras en VAN, reducir el
riesgo en el cumplimiento de las previsiones de
producción y encontrar límites a cielo grandes, lo que
contribuye a la utilización sostenible de los recursos
minerales.
La metodología DBS prevé que los bloques en
función del tiempo, mejorando así el análisis económico de
los proyectos y, cuando se combina con los modelos
simulados geológicos, crea un nuevo contexto para el
sector de la minería ya que aborda, de manera
técnicamente factible, la cuantificación de incertidumbres
involucradas en la actividad mineral. Los diversos
escenarios generados por el DBS no eliminan la necesidad
de utilizar metodologías de muestreo y modelado
geológico consistentes con las técnicas geológicas, ya que
los errores primarios pueden generar escenarios
geológicos inconsistentes y planificación de la producción
por lo tanto poco realista. Por otra parte, para todas las
metodologías descritas, es fácil comprender la gran
necesidad de cambios frecuentes en la base de datos
geológicos de acuerdo con el progreso actividad minera.
De esta manera, la planificación de la mina podría
ajustarse para
REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
Vidal Félix Navarro Torres et al.
operación, basándose en la distancia entre la parte
delantera minería y la planta de procesamiento. La
optimización decide dinámicamente entre dos destinos
para cada bloque: Planta de tratamiento o eliminación
de residuos. Las restricciones lisas posibles
variaciones sobre el dimensionamiento anual flota con
el fin de evitar sub-uso de la flota en el siguiente
periodo de tiempo (Spleit, 2014).
por los costos relacionados con la operación de
vehículos, que deben reducirse al mínimo; (C) representa
sanciones relacionadas con la producción de focalización;
y (d) representa la pérdida debido a la extracción de los
bloques no adyacentes, penalizando secuencias de
minería no funcionales.
Para cada período de tiempo, los
objetivos de calificación mínima media, el grado
máximo de contaminante, y los requisitos
metalúrgicos deben ser respetados en el
sistema debido a las restricciones.
a la aplicación de algoritmos estructurados dentro de los
sistemas de planificación de minas integrados, que podrían
permitir, en un futuro próximo, la aplicación rutinaria de
estas metodologías en la industria minera. La revisión
actual presenta algunas de las principales técnicas de todo
el mundo, que sigue siendo mucho han cambiantes que
hacer en desarrollo; no intenta comparar los algoritmos
desarrollados durante la historia, pero tiene como objetivo
comparar las diferencias y mejoras de la planificación bajo
incertidumbre frente a la planificación de uso de conceptos
fijos.
Aunque el enfoque estocástico demuestra ser
ventajosa en muchos aspectos, las empresas mineras
tradicionales todavía no utilizan algoritmos estocásticos para
hacer sus declaraciones de la bolsa. Esto ocurre porque las
empresas mineras necesitan tener sus datos auditados y
auditores usar software basados ​en el mercado para esta
verificación. basados ​en el mercado de software es un
software comercial que ha cerrado su algoritmo, es decir,
que no permite la interferencia de usuario en los cálculos,
por lo que los resultados pueden ser reproducidos
fácilmente. Desde este punto de vista, el uso de la
metodología clásica puede ser considerado como positivo,
pero cuando se evaluó en el sesgo técnico, la planificación
estocástica es más eficiente en la asertividad de los
resultados prácticos.
295
técnicas de planificación minera clásicos y estocásticos, estado del arte y las tendencias

Expresiones de gratitud

Un agradecimiento especial para el apoyo de la (UFMG), en asociación con el Instituto

Universidad Federal de Minas Gerais Tecnológico Vale (ITV).

referencias

ALBOR, F., DIMITRAKOPOULOS, enfoque R. algorítmico a Pushback diseño

basada en la programación estocástica: método, aplicación y comparaciones. Tecnología Minera, v. 119,
p. 88-101, 2010.
Benndorf, JA, DIMITRAKOPOULOS, R. estocástico producción a largo plazo
la programación de los depósitos de mineral de hierro: la integración de incertidumbre geológica multi-elemento de unión. Diario

de la Ciencia de Minería, v. 49, p. 68-81, 2013.

BERETTA, F., MARINHO, A. Impactos de aproximaciones ángulo de pendiente sobre el Pit
mejoramiento. En: Congreso Brasileño de minería de superficie, 8. Belo Horizonte: UFMG,
2014.
BIRGE, JR, LOUVEAUX, F. Introducción a la programación estocástica. (2.ed.).
Saltador, Nueva York, 2011. 440 p. (Springer Series en Investigación de Operaciones e Ingeniería
Financiera).
Boland, N., DUMITRESCU, I., Froyland, G. Un pro-estocástica multietapa
enfoque programa- a cielo abierto La programación de la producción de minas con la geología incierto. La
optimización en línea, 2008. URL http://www.optimization-online.org/ DB_File / 2008/10 / 2123.pdf.

DEUTSCH, CV, JOURNEL, AG GSLIB: biblioteca de software de estadísticas geográficas y

guía de usuario. York: (2.ed.). New Oxford University Press, 1998, 369 p. DIMITRAKOPOULOS,
R., FARRELLY, CT, Godoy, MC Avanzando
desde la optimización tradicional: la incertidumbre de grado y los efectos de riesgo en el diseño a cielo abierto. Tecnología
Minera, v. 111, No. 1, p. 82-89, 2002.
DIMITRAKOPOULOS, R., RAMAZAN, S. estocástico programación entera para
la optimización de los programas de producción a largo plazo de las minas a cielo abierto: métodos, aplicaciones y valor
de las soluciones estocásticos. Tecnología Minera, . V 117, Número 4,
pag. 155-160, 2008.
DIMITRAKOPOULOS, planificación minera R. Estratégica en condiciones de incertidumbre. Diario de
Ciencia minería, v. 47, n 2, p. 138-150, 2011.
GODOY, MC La gestión eficaz del riesgo geológico en largo plazo
programación de la producción de las minas a cielo abierto. Brisbane, Queensland, Australia: Universidad
de Queensland, 2003. 256 p. (Tesis doctoral). GODOY, MC, DIMITRAKOPOULOS, R. La gestión del riesgo y la
minería de residuos
en la programación de la producción a largo plazo de las minas a cielo abierto. Transacciones SME,

v. 316, p. 43-50, 2004.

Kirkpatrick, S., Gelatt, CD, Vecchi, la optimización del MP por simulada
recocido, Ciencia, v. 220, No. 4598, p. 671-680, 1983.
KOUSHAVAND, B., ASKARI-nasab, H., DEUTSCH, CV Una programación lineal
modelo para la planificación de la mina a largo plazo en presencia de incertidumbre grado y un arsenal. Revista
Internacional de Ciencia y Tecnología Minera, v.24, Número 4,
pag. 451-459, 2014.
LAMGHARI, A., DIMITRAKOPOULOS, R., FERLAND, J. A neigh- variable de
algoritmo de descenso borhood para la producción de la mina a cielo abierto problema de programación con la
incertidumbre de metal. Revista de la Sociedad de Investigación Operativa, v. 65, No. 9, p. 1305-1314, 2014.

algoritmos LAMGHARI, A., DIMITRAKOPOULOS, basados ​R. Red de flujo de

programación de la producción en las minas a cielo abierto con múltiples procesadores en cuenta la incertidumbre de metal.
European Journal of Operational Research, v. 250, p. 273-290, 2015.
Lerchs diseño, H., GROSSMANN, LF óptimo de minas a cielo abierto. canadiense
Minería y Metalúrgica Boletín, Montreal, Canadá, v. LXVIII, p.17-24, 1965. MARCOTTE, D., Caron,
J. último cielo abierto optimización estocástica. Ordenadores
Y Ciencias de la Tierra, v. 51, p. 238-246, 2013.
Marinho, A. Estocástico superficie limitada vida útil de la mina de programación de la producción.
Montreal, Quebec, Canadá: McGill University, 2013. 119p. (MSc. Tesis). MATHERON, G. Principios de la
geoestadística. La geología económica, v. 58, p. 1246-1266,
1963.

296 REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018
 Vidal Félix Navarro Torres et al.

MEAGHER, C., Sabour, SA, DIMITRAKOPOULOS, R. Pushback de-

signo de minas a cielo abierto bajo las incertidumbres del mercado geologicaland. Los avances en yacimiento
Modelado y Estratégica Planificación Minera I, AusIMM, v. 17, p. 297-304,
2010. (Serie Spectrum).
Menabde, M., Froyland, G., piedra, P., Yeates, horario Minería G. opti-
mización de yacimientos condicionalmente simulados. El AUSIMM, v. 14, p. 379-383,
2007. (Serie Spectrum).
OSALOON, M., GHOLAMNEJAD, J., Karimi, B. largo plazo a cielo abierto pro- mina
ducción de planificación: una revisión de los modelos y algoritmos. Revista Internacional de Minería, la
regeneración y ambiental. n.1 v.22, p.3-35, 2008.
RAMAZAN, S., DIMITRAKOPOULOS, R. programación de la producción con tidumbre
suministro de Tain: una nueva solución al problema de la minería a cielo abierto. Optimización e Ingeniería, v.
13, p. 1-20, 2012.
SILVA, N. Metodología de Planejamento Estratégico de Lavra incorporando riscos e
incertezas para a obtenção de Resultados operacionais. Sao Paulo, Brasil: Universidad de Sao Paulo, 2008.
(Tesis de maestría). SPLEIT, M. Estocástico programación de la producción a largo plazo. Montreal, Quebec,
Cana-
da: McGill University, 2014. (Tesis de maestría).
WHITTLE, D. planificación y diseño a cielo abierto. En: Querida, Pedro. Ingeniería Minera
Handbook, ( 3 ed.). Sociedad de Minería, Metalurgia y Exploración (EE.UU.), 2011.
pag. 877-901,
WHITTLE, J. Cuatro - X manual de usuario. Whittle Programación Pty Ltd, 1998. Yamamoto, JK
estimación o simulación? Esa es la pregunta. Ordenadores &
Ciencias de la Tierra, v. 12, p. 573-591, 2008.

Recibido: 24 Noviembre 2016 - Aceptado: 9 Enero 2018.

REM, Int. Ing. J., Ouro Preto, 71 (2), 289-297, abr. jun. | 2018 297