UDUL : Penetapan nilai pada resiko lebih besar mengenai longterm

perencanaan produksi dalam open pit tambang di sisi ketidakpastian

harga

ABSTRAK

perencanaan adalah suatu prosedur yang bertujuan untuk menjamin keuntungan tambang
operasi dalam mengubah kondisi. dan tidak pasti. Rencana tambang, jangka panjang yang
biasanya diklasifikasikan sebagai intermediate-term, dan rencana jangka pendek, dan banyak
faktor berpengaruh pada ketepatan dari rencana tersebut dan menyebabkan penyimpangan dalam
mencapai tujuan. Harga komoditas merupakan jantung perencanaan milikku ,
tetapi memiliki perubahan dan tidak pasti alam . Oleh karena itu, penentuan
rencana tambang mineral yang tidak pasti di sisi merupakan tantangan. Harga. Rencana
tambang yang kuat mengurangi resiko awal. penutupan tambang.
Prosedur yang disajikan untuk menentukan nilai beresiko ( var ) dalam
berbagai perencanaan. Var dianggap sama dengan risiko dan buruk
atas potensi yang dimilikinya agar dapat memilih yang paling
menguntungkan dan paling tidak berisiko /-0.+*&-1./rencana. Untuk model
tidak diuji pada sebuah kecil deposit. bijih besi

PENDAHULUAN

Proyek proyek pertambangan yang biasanya dievaluasi dengan tujuan

memaksimalkan nilai ekonomi , yang diukur oleh nilai kini bersih ( ) npv .
Tujuan perencanaan milikku adalah untuk mengembangkan rencana
yang menurutnya ekstraksi panduan operasi pertambangan hingga
tertinggi npv ( dagdelen , 2007, yarmuch dan ortiz , 2011 ) . Rencana ini
mempertimbangkan kendala teknis seperti pencampuran persyaratan,
blok sequencing, dan lereng Pit (Caccetta dan bukit 2003). Dengan
demikian, rencana tambang mempengaruhi ekonomi dan periode
Payback operasi pertambangan.
Perencanaan tambang adalah prosedur yang didasarkan pada profitabilitas operasi pertambangan
dijamin dalam kondisi berubah dan tidak pasti (McCarter, 1992). Namun, perencanaan tambang
konvensional mengabaikan volatilitas dan ketidakpastian harga komoditas di masa depan dan tidak
memungkinkan fleksibilitas manajerial. Ini adalah praktik umum untuk mengasumsikan harga komoditas
yang deterministik dan konstan melalui kehidupan tambang. Masalah dengan pendekatan ini adalah
bahwa harga komoditas adalah jantung dari prosedur perencanaan tambang dan mengatur profitabilitas
dan kelayakan operasi; sehingga mengabaikan volatilitas harga akan menghasilkan rencana tambang
yang sub-optimal.

Perhatikan bahwa NPV dari proyek pertambangan sangat sensitif terhadap perkiraan harga komoditas
masa depan, sehingga setiap keputusan dalam konteks penambangan harus memperhitungkan
ketidakpastian harga. Pertanyaannya di sini adalah apakah sebuah rencana tambang yang optimal untuk
perkiraan harga komoditas masa depan juga akan cukup optimal ketika ketidakpastian harga
diperhitungkan. Untuk menjawab pertanyaan, makalah ini menyajikan pendekatan untuk memilih
desain tambang di bawah ketidakpastian harga mineral.

Data penting yang diperlukan untuk perencanaan tambang terdiri atas informasi geologi, geomeekanik,
hidrologi, ekonomi, lingkungan, dan infrastruktur, serta pengetahuan tentang rekayasa pertambangan.
Faktor ini berkontribusi pada tingkat yang lebih besar atau lebih rendah untuk prosedur perencanaan
tambang dan rencana tambang. Karakteristik kegiatan pertambangan di masa mendatang, dan juga
mewarisi ketidakpastian dalam data (seperti harga komoditas, nilai bijih, biaya penambangan, dan
pemulihan), menyoroti pentingnya perencanaan tambang di bawah kondisi ketidakpastian. Seperti yang
ditunjukkan pada gambar 1, harga mineral memiliki sifat berubah dan volatil. Dalam angka ini,
perubahan harga untuk bijih besi dan tembaga yang diberikan dari tahun 2000.

Open Pit perencanaan produksi tambang adalah multi-periode didahulukan-kendala Knapsack masalah,
dan biasanya cocok ke dalam campuran integer program linear (MILP) kerangka (Osanloo et al., 2008;
Newman et al., 2010). Masalah ini didefinisikan pada representasi spasial dari area penambangan yang
disebut model blok (Hustrulid et al., 2013). Mengingat pola pengeboran eksplorasi, kondisi geologi, dan
ukuran peralatan pertambangan yang akan digunakan, ukuran blok dalam model blok akan ditentukan
(gambar 2). Setelah menentukan blok dimensi, karakteristik geologi setiap blok ditugaskan
menggunakan teknik estimasi yang tersedia (Journel dan Kyriakidis, 2004). Dengan mempertimbangkan
parameter ekonomi seperti harga jual komoditas, biaya operasi, dan pemulihan secara keseluruhan,
seseorang dapat menghitung nilai ekonomi dari setiap blok. Tujuan dari perencana tambang adalah
untuk menentukan apakah seperangkat blok yang diberikan harus ditambang atau tidak; Jika demikian,
di mana waktu itu harus ditambang, dan setelah ditambang, bagaimana harus diproses untuk
memaksimalkan NPV operasi (Dagdelen, 2007). Setelah blok dialokasikan untuk pertambangan, tujuan
yang berbeda atau metode pengolahan dapat ditentukan untuk blok itu. Proses penentuan waktu dan
ekstraksi urutan blok melalui kehidupan tambang disebut sebagai perencanaan produksi tambang
(Johnson, 1968). Prosedur ini diwakili dalam gambar 2.

Masalah perencanaan produksi di tambang terbuka telah dipelajari oleh banyak peneliti (Dowd dan
Onur, 1992; Tolwinski dan Underwood, 1996; Denby dan Schofield, 1996; Kumral, 2003; Ramazan dan
Dimitrakopoulos, 2004; Menabde et al., 2007; Boland et al., 2008; Dimitrakopoulos dan Ramazan, 2008;
Elkington dan Durham, 2009; Sattarvand, 2009; Bley et al., 2010; Kumral, 2010; Groeneveld dan Topal,
2011; Murakami et al., 2011; Gholamnejad dan Moosavi, 2012; Lamghari dan Dimitrakopoulos, 2012;
Moosavi et al., 2014). Studi ini bertujuan untuk memaksimalkan NPV operasi sementara memuaskan
semua kendala operasional.

Ada dua pendekatan pengoptimalan untuk memecahkan masalah perencanaan produksi di tambang
terbuka, bernama deterministik dan pendekatan berbasis ketidakpastian (Osanloo et al., 2008). Dalam
model deterministik, semua masukan diasumsikan memiliki nilai riil tetap diketahui (misalnya Tan dan
Ramani, 1992; Akaike dan Dagdelen, 1999; Zhang, 2006; Elkington dan Durham, 2009; Cullenbine et al.,
2011). Namun, asumsi ini tidak selalu realistis dan beberapa data seperti nilai bijih, permintaan produk
masa depan, harga produk masa depan, dan biaya produksi dapat bervariasi di seluruh kehidupan
tambang. Para peneliti (Albach, 1976; Rovenscroft, 1992; Smith, 2001; Godoy dan Dimitrakopoulos,
2004; Zhang et al., 2007, Abdel Sabour et al., 2008; Abdel Sabour dan Dimitrakopoulos, 2011; untuk
beberapa nama) telah mengembangkan berbagai model berdasarkan milp, meta-heuristik, heuristik dan
simulasi, kendala kesempatan pemrograman linier, dan pemrograman Stochastic untuk menentukan
rencana tambang dalam kondisi yang tidak pasti. Dalam makalah ini harga ketidakpastian dan
pengaruhnya terhadap perencanaan tambang dipelajari.

Untuk melakukannya, model pemrograman linear integer sederhana diformulasikan untuk menentukan
perencanaan produksi dan urutan pertambangan blok.

Metode deskripsi

Harga mineral atau komoditas berdampak pada nilai cut-off pertambangan, cadangan yang dapat
ditambang, ukuran tambang, dan kehidupan saya. Setiap perubahan jangka panjang dalam harga
komoditas akan mempengaruhi kelas cut-off dan jumlah cadangan yang dapat ditambang. Misalnya,
dalam kasus jatuhnya harga, batas Pit utama menyusut, mengurangi kenaikan kelas, blok bijih kelas
rendah akan diklasifikasikan sebagai limbah, dan cadangan berkurang menurun. Semua faktor ini akan
mengubah jangka panjang dan rencana jangka pendek dari tambang. Perubahan jangka pendek dalam
harga komoditas akan mempengaruhi rencana shortterm (Tulp, 1999). Dalam kondisi ini, rencana jangka
pendek harus diubah dengan hati karena keuntungan jangka pendek dapat menyebabkan masalah lain
dalam rencana jangka panjang (Hall, 2009a).

Makalah ini mempelajari dampak ketidakpastian harga pada perencanaan tambang dan bertujuan untuk
meminimalkan risiko dari perubahan harga di seluruh kehidupan tambang. Gambar 3 menunjukkan
prosedur algoritma yang diusulkan. Berdasarkan data harga historis, skenario yang dihasilkan. Kemudian
pada langkah ketiga prosedur, rencana tambang dioptimalkan berdasarkan setiap skenario harga.
Rencana dianalisis untuk memeriksa perilaku mereka sehubungan dengan perkiraan harga yang
berbeda. Pada langkah kelima prosedur, risiko downside dan potensi terbalik dari masing-masing
rencana tambang ditentukan. Kedua kriteria ini akan menunjukkan Jadwal penambangan yang optimal
di antara berbagai rencana tambang.

Pendekatan ini mengarah pada pemilihan jadwal penambangan yang menangkap potensi terbalik dan
meminimalkan risiko downside dari operasi penambangan yang terkait dengan ketidakpastian harga.
Untuk itu, data harga yang tersedia, volatilitas, dan nilai simulasi diintegrasikan ke dalam proses. Aspek
praktis dari pendekatan diilustrasikan dalam contoh sederhana.
 Bootstrapping

Diagram 1

Menurut gambar 3, pada langkah pertama perubahan sejarah dalam harga mineral dikumpulkan dalam
rangka untuk mensimulasikan prediksi harga masa depan mungkin. Ada berbagai metode untuk
menghasilkan jalur harga yang berbeda, termasuk bootstrap dan geometris gerak brownian (GBM). Pada
langkah kedua prosedur, metode bootstrap diterapkan untuk menentukan beberapa skenario untuk
model tren harga di masa depan dan perubahan. Umumnya, bootstrap adalah metode sampling.
Dengan asumsi data yang diberikan-set harga mineral historis, tahunan atau bulanan kembali (yaitu
tingkat perubahan harga bulanan/tahunan dalam setiap periode) dihitung. Kembalinya harga mineral
sama dengan logaritma alami dari pembagian dua harga berturut-turut (persamaan [1]).

where μ is the return, and St, St-1 represent the mineral price in periods t and t-1, respectively. Pers 1

Dalam rangka memprediksi harga mineral masa depan atau untuk menghasilkan urutan baru dari jalur
harga menggunakan bootstrapping, pengembalian individu harus dihitung untuk setiap periode. Perlu
dicatat bahwa untuk menghasilkan jalur harga untuk 10 tahun ke depan, kembali untuk 10 tahun
sebelumnya harus dihitung. Ketika hasil historis dihitung, maka dengan memilih kembali sewenang-
wenang dari data historis dan menempatkan mereka bersama-sama, banyak jalur harga dapat
dihasilkan.

Diagram 2

Keuntungan utama dari metode ini adalah bahwa hal itu tidak memerlukan asumsi tentang distribusi
kembali, dan distribusi empiris dari kembali diwariskan dalam prosedur sampling. Dengan menggunakan
data historis pada gambar 1 dan menerapkan metode bootstrap, beberapa skenario dibuat untuk harga
bijih besi (gambar 4). Dalam pendekatan tradisional, harga mineral diasumsikan konstan melalui
kehidupan tambang. Dalam rangka untuk memiliki patokan untuk membandingkan hasil dengan
pendekatan tradisional, skenario lain dengan asumsi harga tetap sepanjang kehidupan tambang
dihasilkan.

methematical model Sekuensing blok

Menurut prosedur, pada langkah ketiga, pengurutan blok optimum harus ditentukan untuk setiap
skenario harga. Untuk itu, perencanaan produksi dan pengurutan blok di tambang terbuka
diformulasikan dalam model pemrograman linear integer (persamaan [2]). Model ini mampu
menentukan waktu ekstraksi setiap blok. Ini juga menentukan tujuan atau metode pengolahan setiap
blok sedemikian rupa sehingga memaksimalkan Total NPV. Notasi yang digunakan dalam model dalam
equation [2] adalah sebagai berikut:
B set semua blok dalam model blok

PB set blok yang menutupi atau mendahului blok b

t, t ' indeks waktu

T kehidupan tambang atau jumlah periode yang akan direncanakan

M jumlah kemungkinan tujuan atau pemrosesan alternatif

CBMT nilai ekonomi diskon blok b ditambang pada waktu t dan dikirim ke tujuan m

xbmt variabel keputusan, yang sama dengan kesatuan jika blok b ditambang pada waktu t dan dikirim ke
tujuan m; Jika tidak sama dengan nol

MCt, MCt tingkat penambangan minimum dan maksimum pada waktu

XB jumlah atau tonase batu di blok b

GB nilai komoditas di blok b (biasanya dinyatakan sebagai persentase dari total blok tonase)

Gt, m min, gt, mmax nilai minimum dan maksimum yang dapat diterima di tujuan m pada waktu t,
masing-masing

PCmt, Pcmtminimum dan maksimum kapasitas pemrosesan di tujuan m pada waktu t, masing-masing
Fungsi objektif:

Persamaan

Dalam persamaan [2A], fungsi objektif model didefinisikan sebagai maksimalisasi dari total nilai ekonomi
diskon atau NPV dari operasi pertambangan. Constraint [2B] memastikan bahwa jika blok b akan
ditambang maka hanya bisa ditambang sekali dan dikirim ke tujuan m pada waktu t. kendala [2C] dan
[2D] memastikan bahwa jumlah total batu yang ditambang dan diproses pada waktu t tidak melebihi
batas bawah dan atas yang ditentukan pada kapasitas penambangan dan pemrosesan masing-masing.
Kendala [2E] dan [2F] memastikan bahwa kelas rata materi yang dikirim ke setiap tujuan berada dalam
batas bawah dan atas yang ditentukan. Constraint [2g] dikenal sebagai bidang Slope atau melanjutkan
kendala. Kendala ini memastikan bahwa pembatasan kemiringan dinding dipatuhi dan blok b dapat
ditambang hanya jika semua tumpang tindih atau menutupi blok dihapus sebelumnya. Model di
equation [2] diprogram dalam Visual Studio Version. 2012 dan diselesaikan menggunakan CPLEX 12,5
Solver.

Istilah CBMT dalam fungsi objektif adalah fungsi penambangan waktu dan harga mineral pada masa itu.
Skenario pada gambar 4 digunakan untuk menghitung nilai blok dalam periode yang berbeda. Dalam
angka ini, 16 jalur harga yang dihasilkan. Dengan menggunakan jalur harga ini dan menerapkan model
dalam persamaan [2], seseorang dapat mengoptimalkan rencana produksi untuk setiap jalur harga. Pada
akhir langkah ini, pilihan yang berbeda untuk rencana tambang yang dihasilkan untuk deposit bijih.
Sequencings blok dalam rencana ini berbeda satu sama lain karena berbeda dan variabel harga mineral
dalam setiap periode. Langkah berikutnya bertujuan untuk memilih Sekuensing blok optimal untuk
deposit dengan menerapkan pendekatan berbasis simulasi.

Optimalisasi rencana tambang untuk masing-masing jalur harga dihasilkan berdasarkan parameter yang
diberikan dalam tabel I.

Parameter ini sama untuk setiap rencana tambang, dan satu-satunya perbedaan adalah tren harga bijih
besi. Tren harga di setiap rencana tambang diambil dari jalur harga yang dihasilkan dalam gambar 4.

Table

Batas Pit utama dalam semua kasus adalah sama, dan hanya pengurutan blok berbeda karena skenario
harga tertanam. Seperti disebutkan, perencanaan produksi dan pengurutan blok untuk masing-masing
jalur harga simulasi dioptimalkan dengan menggunakan model dalam persamaan [2]. Periode
perencanaan adalah 10 tahun untuk semua kasus. Perbedaan dalam pengurutan blok dan jadwal
menghasilkan variasi yang signifikan dalam pengembalian arus kas yang diharapkan. Dalam contoh yang
disajikan di sini, 16 jalur harga digunakan untuk mengilustrasikan aspek yang berbeda dari pendekatan
yang disarankan. Eksperimen menunjukkan bahwa sembilan rencana tambang yang berbeda dapat
dihasilkan dalam studi kasus ini. Pertanyaannya adalah: Manakah dari rencana tambang ini yang
merupakan jadwal penambangan yang optimal? Untuk menjawab pertanyaan ini, pendekatan berbasis
simulasi dilakukan.

Geometric Brownian motion

Dalam rangka untuk memilih jadwal pertambangan yang optimal, rencana tambang yang dihasilkan di
bagian sebelumnya dianalisis untuk memeriksa perilaku mereka sehubungan dengan perkiraan harga
yang berbeda. Untuk tujuan ini, gerak Brownian geometris diterapkan untuk mendefinisikan beberapa
skenario yang didasarkan pada mana perilaku masing-masing rencana tambang harus ditentukan.
Geometrik Brownian Motion (GBM) adalah salah satu metode yang paling umum untuk pemodelan
harga dan pembuatan skenario (Erlwein et al., 2012; Hall 2009b). Dalam metode ini, saham atau harga
mineral dimodelkan sebagai proses Wiener dan merupakan fungsi pengembalian dan volatilitas harga
mineral (persamaan [3]).

Persamaan……………….
di mana S0 dan St adalah harga mineral saat ini dan harga mineral dalam periode t, dan μ adalah
kembalinya harga mineral dan dihitung dengan menggunakan equation [1]. Istilah dan dz adalah tingkat
pertumbuhan yang diharapkan dan kenaikan dalam proses standar Weiner, masing-masing. Juga, adalah
volatilitas dari harga mineral, dan proses Wiener WT terdiskret menggunakan equation [4].

Persamaan 4

Volatilitas harga dihitung dari data historis menggunakan equation [5].

Persamaan 5

di mana n adalah jumlah data historis, dan t adalah panjang waktu yang volatilitas dihitung. Ketika
volatilitas harga mineral dihitung, maka dapat diperkirakan untuk periode yang akan datang
menggunakan generalisasi autoregressive bersyarat metode sifat heteroskedasticity (GARCH). Dalam
metode ini, volatilitas harga mineral adalah fungsi dari kondisi sebelumnya, dan dihitung menggunakan
persamaan [6].

Persamaan 6

Dalam persamaan ini, VL adalah volatilitas jangka panjang dari harga mineral. Parameternya,
didefinisikan sedemikian rupa sehingga mereka memaksimalkan model dalam persamaan [7].

Persamaan 7

Kemudian, model GARCH dapat diterapkan untuk memperkirakan volatilitas masa depan dari harga
mineral (persamaan [8]).

Persamaan 8

Dengan menggunakan model dalam persamaan [8], volatilitas harga bijih besi di tahun yang akan datang
diperkirakan. Menggabungkan hasil dari model GARCH dan metode GBM, adalah mungkin untuk
mensimulasikan lebih banyak skenario untuk harga di masa depan. Hasil simulasi 50 ditunjukkan pada
gambar 5.

Analisis risiko berbasis simulasi ini dapat digunakan untuk memilih desain tambang terbaik dari desain
yang tersedia. Desain terbaik adalah salah satu yang meminimalkan potensi kerugian sementara
memaksimalkan kemungkinan kinerja keuangan yang lebih baik (Dimitrakopoulos et al., 2007; Azimi et
al., 2013). Untuk kasus bijih besi yang dipertimbangkan dalam studi ini, indikator proyek utama adalah
NPV. Untuk desain tambang tertentu, distribusi NPV dihitung menggunakan jalur harga 200 yang
dihasilkan oleh metode GBM. Distribusi probabilitas kumulatif NPV untuk dua rencana tambang
(rencana 1 dan paket 2) diwakili dalam gambar 6.
Pada langkah kelima prosedur, risiko downside dan potensi terbalik dari masing-masing rencana
tambang harus ditentukan (gambar 7). Kedua kriteria ini akan menunjukkan Jadwal penambangan yang
optimal. Jadwal penambangan yang dipilih memaksimalkan potensi Upside dan meminimalkan risiko
downside dari operasi penambangan yang terkait dengan ketidakpastian harga.

Gambar 5

Gambaar 6

Gambar 7

Menilai ketidakpastian harga dan risiko yang terkait dengan hal itu menunjukkan bahwa ada
kemungkinan bahwa rencana tambang tertentu dapat melakukan lebih baik dalam skenario lain juga.
Gambar 7 menjelaskan konsep maksimum terbalik dan minimum sisi bawah berdasarkan risiko yang
terkait dengan harga (Dimitrakopoulos et al., 2007; Azimi et al., 2013). Gambar menunjukkan distribusi
NPV untuk rencana tambang yang dapat dihasilkan dari jalur harga simulasi. Dengan titik acuan yang
ditetapkan seperti NPV minimum yang dapat diterima, distribusi yang meminimalkan risiko dan
memaksimalkan Reward atau potensi terbalik mengarah pada pemilihan rencana tambang yang sesuai.
Potensi terbalik (UPit) dan risiko sisi bawah (DRit) selama periode t dirumuskan dalam persamaan [9]
dan [10].

Pers 9

Pers 10

di mana istilah CT adalah NPV diterima rencana tambang selama periode t tahun, dan V + ijtand V-ijt
mewakili total net present nilai dari rencana tambang yang dihasilkan untuk jth jalur harga simulasi
selama periode t, di mana V + ijt CT dan V-JT CT masing-masing. Menggunakan persamaan [9] dan [10],
seseorang dapat menghitung potensi terbalik dan kriteria risiko sisi bawah.

Kriteria berguna lainnya adalah nilai beresiko, VaR. Ini adalah alat manajemen risiko yang banyak
digunakan, dan merupakan ukuran kerugian yang diharapkan terburuk dalam kondisi pasar normal yang
dihitung untuk jangka waktu tertentu pada tingkat kepercayaan yang diberikan. VaR menjawab
pertanyaan seperti: dengan probabilitas x%, berapa banyak yang bisa saya kehilangan atas cakrawala
pra-set? (Benninga, 2008). Ini berarti bahwa VaR (1%) adalah 1% titik sekelompok fungsi distribusi
probabilitas nilai tambang. VaR memberikan jawaban dua pertanyaan: (1) apa distribusi nilai tambang di
akhir hidupnya; dan (2) dengan probabilitas 1%, apa kerugian maksimum pada akhir hidup saya?
Kelemahan utama VaR adalah bahwa hal itu tidak mempertimbangkan ekor distribusi, sehingga hasilnya
mungkin menyesatkan. Oleh karena itu, harus dilengkapi dengan alat lain.

Gambar 8
Sekarang pembuat keputusan harus memilih di antara pilihan yang tersedia berkenaan dengan tiga
kriteria. Tiga kriteria risiko sisi bawah, potensi terbalik, dan nilai berisiko digunakan untuk menentukan
peringkat rencana tambang. Hasilnya diberikan dalam tabel II. Menurut hasil, rencana 2 memiliki potensi
Upside maksimum, rencana 6 memiliki risiko sisi minimum turun, dan rencana 1 dan rencana 8 memiliki
VaR terendah. VaR dalam kasus rencana 1 dan rencana 8 adalah sekitar 10,8% dari biaya modal awal.
Juga, rencana 2 memiliki tertinggi NPV diharapkan. Pada langkah ini, pemilihan rencana tambang yang
optimal diubah menjadi masalah pembuatan keputusan multi-kriteria. Prosedur seleksi tergantung pada
pengambil keputusan dan perilaku mengambil risiko. Perilaku pengambilan risiko dari pembuat
keputusan disebut ' fungsi utilitas ' dan berada di luar cakupan kertas saat ini.

Tabelll

Dalam contoh ini ada dua kriteria negatif (yaitu VaR dan bawah risiko sisi) dan satu kriteria positif (yaitu
potensi terbalik). Dengan asumsi bahwa bobot pentingnya kriteria positif dan negatif ini identik, bobot
ini dapat dihitung. Dalam contoh ini bobot VaR, potensi terbalik, dan risiko downside adalah 25%, 50%,
dan 25%, masing-masing. Akhirnya, rencana 6 tampaknya menjadi rencana tambang yang ideal. Rencana
memiliki risiko downside minimum. Selain itu, pangkat rencana 6 adalah di antara lima teratas
mengingat kriteria lainnya. Oleh karena itu, rencana 6 disarankan sebagai jadwal pertambangan yang
optimal dalam studi kasus ini.

Discussion and solution

Ketidakpastian keuangan memiliki dampak yang signifikan terhadap nilai proyek pertambangan. Dalam
makalah ini sebuah kerangka kerja baru diusulkan untuk mengoptimalkan jadwal tambang berdasarkan
ketidakpastian harga. Prosedur ini merupakan implementasi iteratif dari optimasi pengurutan blok di
bawah perkiraan harga bervariasi dan kondisi pasar. Pendekatan ini didasarkan pada kriteria yang
mencakup potensi terbalik maksimum, risiko kerugian minimum, dan nilai risiko. Pendekatan ini
menyediakan seperangkat pilihan penjadwalan penambangan untuk perencana tambang. Memilih solusi
optimal adalah masalah pembuatan keputusan multi-kriteria.

Kelemahan utama dari pendekatan ini adalah bahwa sulit untuk menerapkan, terutama dalam kasus
deposito bijih yang lebih besar di mana jumlah blok sangat besar. Hal ini menunjukkan penerapan blok
metode agregasi yang mengurangi ukuran masalah, seperti algoritma pohon fundamental. Keterbatasan
lain dari prosedur ini adalah kesulitan dalam penentuan skenario harga. Skenario harga yang dihasilkan
harus menjadi contoh perwakilan dari hasil harga di masa mendatang. Selain itu, jumlah jalur harga
harus rendah untuk mengurangi kompleksitas model penjadwalan tambang.

Mengingat skenario harga bootstrapped, sembilan pilihan untuk rencana pertambangan yang dihasilkan.
Kemudian, menggunakan kombinasi GARCH dan GBM metode beberapa (200 skenario) skenario harga
yang dihasilkan untuk menganalisis perilaku setiap rencana tambang individu melalui kehidupan
tambang. Hasil analisis ini mewakili fungsi distribusi probabilitas NPV untuk setiap rencana tambang.
Jadwal tambang ini memiliki beberapa karakteristik penting. Pertama, jadwal tambang yang optimal
berdasarkan jalur harga simulasi yang diberikan belum tentu optimal untuk skenario harga lainnya.
Kedua, selain fakta bahwa skenario harga sama-sama mungkin, rencana tambang yang sesuai tidak
mungkin sama.

Menurut hasil optimasi, 16 skenario harga dipertimbangkan tetapi hanya sembilan rencana tambang
yang berbeda yang dihasilkan. Analisis yang cermat dari rencana tambang menunjukkan bahwa rencana
1 dan rencana 8 kurang lebih sama, dengan selisih lebih dari 5%. Dalam dua rencana ini, sekuensing blok
telah berubah pada tahun ke-8. Hal ini berlaku juga untuk kasus rencana 4 dan rencana 5, di mana
perbedaannya juga kurang dari 5%. Hal ini dikonfirmasi oleh hasil dalam tabel II, di mana dapat dilihat
bahwa peringkat rencana ini hampir sama.

Metode ini bertujuan untuk menentukan urutan penambangan yang optimal dengan risiko minimal.
Dalam hal itu, tiga atribut dihitung untuk setiap skenario penambangan, yaitu ' potensi terbalik ', ' risiko
sisi bawah ', dan ' VaR '. Pertama, rencana dievaluasi berdasarkan VaR. Peta kontur dinormalkan VaR,
potensi terbalik, dan risiko downside menunjukkan hubungan antara ketiga kriteria (gambar 8). Data
dinormalkan sehubungan dengan nilai maksimum. Pada gambar 8, sumbu x adalah risiko downside dan
sumbu y adalah potensi terbalik; garis kontur mewakili VaR. Menurut hasil, rencana 6 disarankan
sebagai urutan pertambangan optimal dalam kasus ini. Menganalisis skenario harga di mana rencana 6
dioptimalkan, dapat dilihat bahwa, dalam skenario penjadwalan ini, harga mineral memiliki tren jatuh
dibandingkan dengan skenario lainnya. Di bawah tren harga jatuh, blok bijih bermutu tinggi akan
ditambang lebih awal untuk mendapatkan NPV maksimum yang mungkin. Konklusif, rencana tambang
yang ditentukan berdasarkan skenario harga jatuh selalu memiliki nilai terendah pada risiko
dibandingkan dengan rencana lainnya.