Modelos Matemticos y Aplicaciones a Planificacin Minera

Nelson Morales nmorales@ing.uchile.cl AMTC Associate Researcher Delphos Mine Planning Laboratory
10/11/2011 1

Eran los aos 60

Lerchs y Grossman (1965) presentan el problema del pit final y un algoritmo para generar secuenciar pits. T. B. Johnson (1969) presenta un modelo matemtico cuya solucin son pits anidados capacitados que maximizan el VAN.
10/11/2011 2

Lerchs and Grossman

Problema del Pit Final:
Cul es la porcin de bloques que contienen el beneficio total mximo?

Desarrollan un algoritmo para resolverlo. Muestran que, ajustando los precios, se generan pits anidados. Claves:
Precedencias, un solo valor por bloque. No hay consideraciones de tonelaje o capacidad.

Por lo tanto:
El resultado depende fuertemente de la experiencia y del planificador y su familiaridad con la mina.
10/11/2011 3

Secuenciamiento va Pit Final

No considerar el costo de oportunidad hace que el pit izquierdo tenga siempre prioridad sobre el pit derecho. Fijar una ley de corte de antemano induce ciertas geometras: se fija una distribucin geogrfica de lastre y mineral. El plan es luego construido con informacin agregada: en el corto plazo, la distribucin geogrfica importa.
4

Revenue Factor

10/11/2011

Modelo T. B. Johnson
El modelo decide, sobre el horizonte total de planificacin, qu bloques sern minados y cules procesados. (De hecho decide el destino del bloque.) El procedimiento no es incremental: La decisin para el primer perodo se toma considerando las implicancias que tendr para todos los otros perodos.
10/11/2011

Los pits respetan las limitantes de capacidad de produccin (toneladas, tph), de transporte, y leyes. El problema del pit final es un caso especial, considerando un solo perodo, un solo destino (fijado de antemano) y sin lmites de procesamiento o transporte.

Dnde estn L&G / Johnson hoy?

L&G es el ncleo de (casi) todas las aplicaciones de planificacin para rajo de largo plazo. Como corazn de Whittle, es usado en infinidad de minas de rajo, de cobre, hierro, oro, etc, etc. Johnson
10/11/2011 6

Hoy

10/11/2011

10/11/2011

10/11/2011

Por qu?
Lerchs & Grossman: Desarrollan un algoritmo para resolver el problema del pit final. En 1970 no exista el poder de cmputo necesario para resolver el modelo de Johnson. Ya no estamos en 1970 Desafo:
Desarrollar modelos como el de Johnson, pero exitosos como L&G.
10/11/2011 10

Ej. Optimizacin
0 0 0 0 1 0 0 0 1 1 0 0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 0 0 1 0 0 0

1 1 1

1 1 1

1 1 1

1 1 1

1 1 1

=$

10/11/2011

11

Modelos de Optimizacin para Rajo Abierto

PIT FINAL Destino Prefijado Pits anidados por variacin de precio Pushbacks decididos por el usuario Destino Prefijado Pits anidados decididos por capacidad de transporte/planta Destino decidido por la optimizacin en funcin del valor relativo del bloque y costos asociados a cada posible destino, respetando restricciones de capacidad y planta

SECUENCIAMIENTO CAPACITADO SECUENCIAMIENTO CAPACITADO MULTIDESTINO BAJO RESTRICCIONES DE BLENDING Resuelto en software comercial Existen algoritmos para secuenciar centenas de miles de bloques

10/11/2011

Siendo usado por la industria 12 (ESCONDIDA)

BOS2 (Blending Optimizing Sequencing and Scheduling)

Herramienta de corto-mediano plazo que dado un sistema de procesamiento minero (mltiples minas, chancadores, transporte y por lo tanto costos y beneficios posibles para cada bloque), define qu bloques minar y de qu forma procesarlos con el fin de maximizar el valor del negocio respetando restricciones de talud, conexidad (explotacin operativa) y blending. Actualmente implementado en ESCONDIDA y siendo testeado en Spence y Cerro Colorado.
10/11/2011 13

BOS2
geometria stocks
S O

planta

blending

LASTRE

XIDO

MIXTO

SULFURO

Botad ero

10/11/2011

14

UDESS (Underground Development & Extraction Sequencing and Scheduling)

Herramienta de planificacin subterrnea que determina, de forma simultnea, la secuencia de extraccin de una mina subterrnea y la secuencia de construccin de los desarrollos (tneles, piques, etc.) necesarios para realizar esta secuencia. Probada a escala real, en forma experimental (desarrollo prototipo).
10/11/2011 15

16

UDESS
Modeling: Python 2.6 Optimization: Gurobi 3.0.3 & 4.5.1 Computing: Students Notebook.

10/11/2011

16

 Panel caving mine, 74 drawpoints to be scheduled on 55 monthly periods. From Mine2-4D (software): 2,256 construction activities + 74 production activities (one per drawpoint). Problem will run out of memory as this. To help the resolucion, we aggregated atomic activities so we have 1022+74 to schedule.
10/11/2011 17

Results (very preliminary)

Body 1

75 [m]

Completely artificial mine. 106 activities for 27 stopes (production units). 60 monthly periods. Resource constraints for equipment: LHDs, drilling (horizontal and radial). Runs in 3.5 hours.

10/11/2011

18

Miniejemplo

10/11/2011

19

Results
Body 1

Activities

Unit. Operation / Equipment Drilling (Jumbo)

Development

Hauling (Shovel)
Body 2

Fortification Stope Preparation

Drilling (Simba)

Production

Extraction (LHD)

LOW 1 LOW 2 LOW 3 MED 1 MED 2 MED 3 HIGH 1 HIGH 2 HIGH 3 LOW 1 LOW 2 LOW 3 MED 1 MED 2 MED 3 HIGH 1 HIGH 2 HIGH 3 LOW 1 LOW 2 LOW 3 MED 1 MED 2 MED 3 HIGH 1 HIGH 2 HIGH 3

40% 19 18 26 16 11 10 3 2 1 23 20 24 17 15 12 8 4 7 22 21 25 27 14 13 6 5 9

70% 18 17 16 26 10 9 3 2 1 21 19 24 15 14 11 8 4 6 22 20 23 27 13 12 25 5 7

Drifting Speed 100% 13 12 20 22 8 7 3 2 1 16 14 19 25 11 9 23 4 27 17 15 21 24 18 10 26 5 6

130% 9 8 7 6 5 4 3 2 1 18 17 16 15 14 13 12 11 10 27 26 25 24 23 22 21 20 19

160% 10 9 19 26 6 5 2 1 24 14 11 17 21 16 7 20 3 27 13 12 18 25 15 8 22 4 23

10/11/2011

Body 3

20

0,7 0,6 % extracted 0,5 0,4 0,3 0,2 0,1 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 Month 1. SUP. 3 1. INF. 2 2. MED. 1 3. MED. 3 1. SUP. 2 1. INF. 1 2. INF. 3 3. MED. 2 1. SUP. 1 2. SUP. 3 2. INF. 2 3. MED. 1 1. MED. 3 2. SUP. 2 2. INF. 1 3. INF. 3 1. MED. 2 2. SUP. 1 3. SUP. 3 3. INF. 2 1. MED. 1 2. MED. 3 3. SUP. 2 3. INF. 1 1. INF. 3 2. MED. 2 3. SUP. 1

10/11/2011

21

BOS2 v/s Incertidumbre Geolgica

Probability of achievement

Production Goal M

mltiples escenarios (ley/contaminantes) 10/11/2011

se calcula un plan con una cuota de produccin determinada

se puede determinar el grado de confiabilidad que tiene el plan en trminos de la produccin comprometida 22

Mapas de tendencia y confiabilidad versus produccin total

10/11/2011

23

Algunos desafos actuales y futuros

Sistema integrado de planificacin minera conectado a la operacin de la mina:
Recoleccin y anlisis en lnea de la informacin. Optimizacin continua de material a planta y ruteo de vehculos.

Herramientas de planificacin y valorizacin bajo incertidumbre:

Geomecnica (BOS2+) Mercado (precios) Operacional (fallas en equipos o rendimientos variables segn las condiciones operacionales)
10/11/2011 24