UNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS DE OURO PRETO DEPARTAMENTO DE ENGENHARIA DE MINAS PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA

MINERAL

Metodologias para o Planejamento de Cavas Finais de Minas a Céu Aberto Otimizadas

Frederico Augusto Rosa do Carmo
Dissertação de Mestrado do Programa de Pósgraduação em Engenharia Mineral da Universidade Federal de Ouro Preto Área de Concentração: Planejamento de Lavra Orientador: Prof. Dr.

Adilson Curi

Ouro Preto - MG Maio de 2001

CARMO, FREDERICO AUGUSTO ROSA DO Metodologias para o Planejamento de Cavas Finais de Minas a Céu Aberto Otimizadas – Ouro Preto, MG, 2001 Orientador : Adilson Curi Dissertação de Mestrado do Programa de Pósgraduação em Engenharia Mineral da Universidade Federal de Ouro Preto 1. Lavra de Mina a Céu Aberto. 2. Planejamento de Lavra. 3. Otimização de Cavas de Minas. 4. Método Lerchs e Grossmann. 5. Otimopit I. PPGEM/UFOP. II. Título. III. Curi, Adilson

“Nada há de mais difícil trato, de êxito mais incerto, nem de execução mais perigosa, do que a introdução de novas leis; aquele que a empreende terá por inimigos todos os beneficiários das antigas leis e por tímidos defensores todos quanto se beneficiarão das novas” “O Príncipe – Maquiavel”

minhas filhas Letícia e Natália. O AMOR. que me deram a coisa mais importante da vida.Aos meus pais José Francisco e Marlene. . a minha esposa Angélica.

Dr. Luiz Ricardo Pinto pelas aulas de Delphi. Dr. por me dado força para concluir esta dissertação. José Geraldo e a secretária do PPGEM. ao Prof. Ao Prof. Cyrineo e Cenira. José Thomas Gama da Silva. Simulação e a ajuda e todos professores da área de Lavra do Programa de Pós Graduação em Engenharia Mineral da UFOP em especial aos professores Dr. aos irmãos “Canalhas” da república Vira-Saia por tudo em que me ajudaram. Aos novos amigos que conheci no programa de Pós-Graduação. Valdir Costa e Silva e Dr. Walmir. Aos meus irmãos Francislene. Adilson Curi pela orientação deste trabalho. Ao amigo Wilson GG (Tiriça) pelas dicas de programação e pela amizade de longa data. . Dr.AGRADECIMENTOS À Deus. Luciana. Wilson Trigueiro de Souza. Ana Flávia e Fillipe. Renato Capucho. Aos meus sogros. Juarez. A Capes pelo suporte financeiro. Julio.

Muitas das razões para a lenta aceitabilidade do algoritmo de Lerchs e Grossmann se deve as praticabilidades do uso e implementação: dificuldade na programação. enfatizando o algoritmo Lerchs e Grossmann. Este programa foi chamado de Otimopit podendo ser utilizado no ensino de graduação de engenharia de minas e em pequenas minerações. i . longo tempo de execução através de computadores e dificuldade de entender o método. dificuldade de incorporação de restrições como taludes variáveis e estradas. Por estas razões que o desenvolvimento de novos algoritmos continua crescendo.RESUMO O propósito do projeto de uma cava final ótima é determinar os contornos de uma mina a céu aberto.Um programa baseado em vários algoritmos de otimização foi construído na linguagem de programação Delphi e utiliza o ambiente Windows da Microsoft para ser executado. Esta dissertação apresenta alguns algoritmos de resolução de problemas de otimização de aberturas de cavas finais de minas a céu aberto. que é aplicado a um modelo de blocos tridimensional em um corpo de minério. ele resolve o problema equivalente ao corte mínimo e o problema de fluxo de máximo. Tal projeto é essencialmente feito em um computador fundamentando-se na implementação de um algoritmo. O primeiro algoritmo computadorizado foi publicado em 1965 por Lerchs e Grossmann. baseando-se em um modelo econômico e com exigências de viabilidade técnicas e econômicas para se obter o máximo possível de renda líquida.

This is done essentially in a computer based in the use of an algorithm that is applied to a three dimensional model of blocks in an ore body. was generated from one of the most active operational research’s in mining. Many of the reasons for the small acceptability of the algorithm of Lerchs and Grossmann in the begining due to the practice use and implemention: difficulty in programming. difficulty of incorporation of such restrictions like variable slopes and roads. This Otimopit program could be used in the teaching mining engineer and small mines. published in 1965 by Lerchs and Grossmann. The first computerized algorithm. for at least 25 years. It is accepted as the test in front of all the other algorithms. because it solves the equivalent problem at the minimum cut and maximum flow. A software basead on several optmum algorithms was built in the programming language delphi and it uses the environment windows of microsoft to be executed. to present some algorithms of resolution of problems optimum of final open pit mines.ABSTRACT The project of final optimum open pit mine is to determine the contours of an open pit mine. it is still not used broadly in the industry. for these reasons that the development of new algorithms continues grow. emphasizing the Lerchs and Grossmann algorithm. ii . long time of execution for computation and difficulty of understanding the method. the only demonstrable rigorous method to arrive at a great form of optimum pit. based on an economic model and creating viability demands to obtain the maximum possible of net value. Although this algorithm was. as well as the construction of an optimum program based on this algorithm. This dissertation has an objective. It is. mainly.

.....1....... 31 3........ 28 3........REPRESENTAÇÃO DO CORPO DE MINÉRIO E ESTIMATIVA DE RESERVAS LAVRAVÉIS......2................1.....Generalidades...............1......................MÉTODOS CLÁSSICOS DE RETIRADA DE MINÉRIO.......................... 16 2.....Objetivos deste Trabalho......................... 01 1.......................................................................... 29 3................. 13 2... 01 1............................................... 09 2........... 03 1................1...................................SUMÁRIO RESUMO...................... 09 2.................Otimização de uma Cava de Mina.......................Relação estéril / minério de limite econômico...Generalidades.............. 02 1.....................Modelo de Blocos........2.........................................5...........................Relação estéril / minério periódica................................................Restrições para a modelagem de blocos para a abertura de cava.............................2...........................................................................................2 – Métodos Estatísticos................................................................ 07 1...3 – Valor Econômico do bloco..............................Relação estéril / minério total.......................... 32 iii ............................ 31 3..........................1 ........................ vi 1 – INTRODUÇÃO......................... 18 3 ............................................................1................... 13 2.................................................................1 – Generalidades....................3................................................................................ ii LISTA DE FIGURAS......1 – Métodos Convencionais..............................2 .............. 28 3.............................................................................4 ............1.............................................. 08 2 ....... i ABSTRACT...............3 -Relação estéril / minério adicional............................................. 12 2........................5 – Esboço desta Dissertação........................... 13 2.....................................4..........................4.................................2...............................2 – Noções de Geoestatística.......................1 -Método manual de projeto de cava.............................3 – Métodos Geoestatísticos.................... 28 3.....

.1 – Generalidades...........................MÉTODOS DE OTIMIZAÇÃO UTILIZANDO A PROPOSTA DE LERCHS E GROSSMANN.............................Generalidades.............................................................................4 – Correção do Algoritmo de Korobov......2 ..............4 ......1 – Generalidades....... 73 4................2...............................4 – Aplicação LG no método dos cones flutuantes.Análise de redes.................1 – Algoritmo Johnson e Sharp...................2........................................ 39 3................Algoritmo de Contorno das Seções Transversais..2.......5.2 ........................... 66 4..2. 59 4.....2.................Definições.................................................................Algoritmo Lerchs e Grossmann.............1........3 – Método dos cones flutuantes (positivos móveis)............. 61 4.5........................... 41 3...........................2....Algoritmo de Korobov ....................... 47 4 .....3......4 – Algoritmo Lerchs e Grossmann em 2 ½ D..1.................5............................................6 ..........2 – Teorema do fluxo máximo e corte mínimo.. 50 4....Base para o método dos cones flutuantes.....................2................. 53 4.......................................... 68 4.......Características do método manual......................... 68 4...Método de otimização manual aplicando LG. 76 4.1................. 65 4......5 ..............Ângulos de taludes variáveis em 2D.. 41 3............................................5.3 .............. 38 3.............. 50 4....................... 34 3..................Método dos Cones Flutuantes...............................Limites Internos.................. 40 3...................6 ........................................3 – Passos do Algoritmo..................................................5 –Algoritmo 3-D de Koenigsberg.................... 59 4..................................................2.... 34 3......................................1 ...................2... 34 3..2.....................2 ..........................5.......... 54 4........................ 51 4..................6 – Algoritmo do Fluxo em Cadeia............5 – Algoritmos modificados....... 75 4.....2 ............... 78 iv .............................................................5...Falhas do método dos cones positivos móveis............5 – Limitações da cava gerada.2...................... 50 4.................................... 37 3................4 .................. 53 4..........................1.............2..........3 – Angulos de taludes variáveis .....3 – Algoritmo de Contorno de Seções Transversais modificado............... 74 4......

................................................. 102 7....................... 92 6..........2.............................................................................................................1.....2...... 82 5 .................. 85 5............... 89 5..................... 109 v .................................................1 – Apresentando o programa Borland-Delphi... 102 7....1 – Generalidades............................. 89 5.............5.......NOVAS TENDÊNCIAS DE OTIMIZAÇÃO......... 105 7...............2....................1 – Parametrização de reservas........................................................ 86 5................................2 – Otimização em quarta dimensão...................................................... 94 7 – CONCLUSÕES.....1 – Sobre Otimização.........................2 – Sobre o programa Otimopit........................... 92 6................................... 90 6 ......................7 – Algoritmo de Wilke e Wrigth...1 – Generalidades..O PROGRAMA DE OTIMIZAÇÃO OTIMOPIT............................................O Programa Otimopit................................. 85 5................. 106 8 – BIBLIOGRAFIA ................................................................................... 85 5.................2 – Variáveis Utilizadas na Otimização em Quarta Dimensão...............................................................................................................3 –Sugestões para Trabalhos Futuros............................1......2 – Parametrização de uma cava...............................4...

........ 44 3.................................3 – Procura Final dos ramos de uma árvore normalizada.......................... 64 4..........LISTA DE FIGURAS CAPITULO 2 2.........8 ..................................... 40 3..........Cava sendo otimizada..............................................6 .2 – Definição das extremidades fortes e fracas............................. 65 vi .......................................... 55 4..10 – Modelo de blocos sendo otimizado ...................... 56 4........Visão Ampliada dos modelos de blocos....................................... 46 3.... 59 4....................................................................................................Procura do maior P1k...........................4 ............ 35 3...................................................... 32 3...................... 29 3.................................................................... 63 4..........Escolha do máximo valor Pij................................................................................................................... 52 4........................ 63 4........................... 11 CAPITULO 3 3................................13 – Correção do Algoritmo de Korobov ............................. 11 2.................7 ...............Modelo de blocos com a delimitação do corpo de minério...................................... 38 3...................9 – Exemplo de modelos de blocos.................... 10 2.......... 57 4.....1.............................11 – Cone gerado.............. 64 4..........Relação Estéril / Minério...................1.......................Modelo de blocos tridimensionais..................... 33 3..........................Limites da cava usando o BESR...............6 ...............Definição da cava final...................... 64 4...................... 38 3................................................................... 45 3....................................................Formação do cone invertido para o talude 1:1 e 1:2...............................................................................................................3 ..................4 – Definição do melhor caminho.................................................Limites da cava em níveis sucessivamente mais profundos............Máximo fechamento do grafo...........................................Processo de lavra de um bloco e formação do cone invertido.7 – Modelo de blocos com os valores para a otimização.......................................................................................................................................2 ........................................................ 42 3..............Técnica do cone móvel......Modelo de Blocos em seções gerado pelo programa Vulcan.............5 ....................................................................................12 – Passos do algoritmo de Korobov....................................................................................... 36 3.........................3...5.................................8 ............1 – Corte mínimo para máximo fechamento em grafos.........10 .2.11 – Modelo de blocos otimizados...9 .....................................................................Típico cone flutuante....................... 49 CAPÍTULO 4 4................

..........................23 – Valores Econômicos dos Blocos..............................................................................2 – Cavas obtidas pela parametrização........Fluxograma de um Otimizador .................22................................16 – Solução ótima usando Johnson e Sharp...................9 ..........................................................5 – Cava em Duas Dimensões.......................Colunas Vizinhas do bloco i....................................... 83 4........................................... 101 CAPÍTULO 7 7........................................... 100 6.........Configuração Representando o Fluxo em Cadeia..................................................................... 81 4.......................... 95 6..............4 – Cálculo do Valor Econômico do Bloco...........................................................................24 – Valores Econômicos dos Cones....................................................... 96 6.......................................Fluxo em Cadeia depois da Interação...................................................... 80 4...................................................................Iniciação do Fluxo em Cadeia.........................................................................................................................................2 – Entrada de Dados do Programa ............................ 98 6............................. 99 6.......25 – Cava Final.................................................................... 83 4..... 70 4....20......... 65 4........................ 100 6............. 98 6............................................................................................... 107 vii ....................................................................................................................................................................Relatório Final do Programa Otimopit ....... 97 6......................................................... 86 5.............................................................. 80 4................................................... 89 CAPÍTULO 6 6................................................................................... 88 5. 81 4....................................................13 – Valores econômicos dos mijk.... 72 4..............................17 ....................................................21..........6 – Cava em Planta.......................7 – Cava Final em 3D................................................................................................................1 – Tela de Abertura do Programa... 71 4...15 – Cava ótima longitudinal ................................3 – Sucessivos Fluxos de Caixa..........................................................8 –Blocos Retirados em 3D.......... 83 CAPÍTULO 5 5...........12 – Cava final gerada..... 77 4.18 – Exemplo do Modelo de Blocos em 2 D....................................................................................................................................19..............................1 .........4............1 – Curva simplificada de Q e T.................3 – Blocos de Notas com Dados do Modelo de Blocos................ 79 4...............Fluxo em Cadeia com o Máximo Fluxo..............................................14 – Nível ótimo para a seção k =3.................. 71 4...........

m)Escala de produção. q)Características do minério. d)Topografia. ou seja. O contorno final da cava da mina é determinado antes do começo da operação da mina. l)Relação estéril/minério. k)Teor de corte. c)Tonelagem e extensão das reservas do minério. o terreno está continuamente sendo escavado até atingir o limite inferior da cava final. . Hall (1975) elaborou uma lista (aprimorada por Taylor (1977) e Lee (1984) e apud Hustrulid & Kuchita (1995)) completa de elementos que devem ser checados na fase de planejamento da cava. i)Tipologia do minério. O problema dos limites finais da cava é de suma importância para a prática da mineração a céu aberto. r)Condições hidrológicas do terreno. p)Estradas. A fase de planejamento da cava de uma mina geralmente apresenta os seguintes elementos: a)Ensaios. j)Limites finais da cava. como tem sido evidente pela atenção que ele tem recebido no mundo todo. f)Fatores econômicos referentes aos custos de operação. s)Limites da propriedade e t)Considerações mercadológicas. g)Capital a ser investido. n)Taludes da cava. na fase de projeto. um aspecto fundamental no desenvolvimento de qualquer projeto de mineração a céu aberto é a determinação das reservas minerais explotáveis. b)Geologia. e)Equipamentos de mineração. h)Lucro.1 – Generalidades Durante a explotação a céu aberto.CAPÍTULO 1 INTRODUÇÃO 1. obtidas através dos então chamados limites finais da cava. o)Altura dos bancos. Assim.

o projeto de uma mina e o planejamento de lavra requerem um modelo em três dimensões do corpo de minério. tais como plantas de beneficiamento e escritórios da mina.Capítulo 1 . A posição geométrica de um bloco é fixada com referência a um sistema de coordenada conveniente. normalmente estas informações são obtidas através de furos de sondas e são estimativas de teores que constituem um modelo de pequenos blocos. Segundo Rudeno (1981) na perspectiva de reservas recuperáveis a posição exata onde os teores estão localizados é irrelevante. geomecânicas. Há uma diferença principal entre o objetivo de modelar o corpo de minério em blocos e estimar as reservas recuperáveis. Reservas recuperáveis se referem ao minério que pode ser extraído.Introdução Os limites finais da cava definem o tamanho e a forma de uma mina a céu aberto no final de sua vida útil. econômicas e também em função dos aspectos relacionados 2 . e o segundo requer a mínima classificação de teor no bloco. A estimação de um tamanho pequeno demais para o bloco cria uma excessiva suavização e imprecisão do modelo. O primeiro requer precisão local nas estimativas de teores do bloco. Normalmente marcam a fronteira limite além da qual a explotação de um dado depósito não será mais econômica. Eles definem a extensão das reservas lavráveis e a quantidade de material estéril a ser retirado e depositado. buscando a maximização do lucro. não devem ser locados. Os limites da cava na superfície delimitam uma fronteira dentro da qual as estruturas de superfície da mina. A pergunta da quantidade de minério que pode ser recuperada é respondida sem definir a posição exata onde estão os teores altos e baixos dentro de um grande bloco. e o uso de blocos grandes é recomendado para minimizar os problemas associados com a estimação vinda de blocos pequenos. A cada bloco é atribuído um valor em função de suas características geológicas. 1.2 – Modelo de Blocos A otimização de uma cava de mineração. Reservas geológicas se referem ao depósito inteiro sem qualquer constrangimento econômico ou técnico.

pode inviabilizar a reserva remanescente pelo comprometimento de suas características médias. desprezando-se os aspectos econômicos a ele relacionados. em algumas situações. As técnicas de 3 . geológicos e topográficos. levar até mesmo a um prejuízo financeiro para a mineradora. Quanto às alternativas de aproveitamento do bem mineral Costa (1979) ( apud Pinto (1999)) considera que um projeto de mineração deve objetivar uma solução intermediária entre as duas soluções extremas que naturalmente existem e que são tecnicamente viáveis: • Aproveitamento de todo o depósito mineral. • Aproveitamento exclusivo das partes mais ricas do depósito. determina-se o volume do corpo de minério que é dividido em uma grade de pequenos blocos chamada de modelo de blocos. devidamente conhecido pelas coordenadas espaciais e características geológicas que possibilitam a atribuição de um valor econômico. podendo. ficando cada bloco com um fator ponderador (peso) associado a ele. O modelo de blocos faz a descrição da jazida em função do seu valor econômico (benefício menos custo). que é à base dos métodos computacionais que levam a cava ótima. Esta alternativa traz resultados econômicos positivos. Assim. mas caracteriza uma lavra predatória. Obviamente. 1. metalúrgicos e econômicos combinados fornecem um valor para cada bloco.Capítulo 1 . que além de não maximizar os lucros. Com base em dados econômicos. A simulação e a programação dinâmica são as técnicas mais utilizadas.Introdução ao processamento mineral. esta alternativa. quase nunca maximiza os lucros.3 – Otimização da Cava de uma Mina Diferentes métodos têm sido usados para o projeto de limites finais de cava. dados minerais. faz-se a modelagem tridimensional de blocos.

Dowd e Onur (1993). Todos os nós removidos juntos formam a cava final. utilizando como base. O algoritmo de Robinson e Prenn (1996) constrói um cone para cada bloco de minério. A idéia é de que um bloco de minério pode gerar lucro que paga o custo de se remover os demais blocos de estéril. Huttagosol e Cameron e etc. O algoritmo de Koborov tenta melhorar o método dos cones móveis conferindo cones com um bloco de minério como seu bloco básico.Capítulo 1 . Este algoritmo não pode entregar uma solução ótima. Isto é feito diminuindo o peso do bloco de minério e aumentando o peso do bloco de estéril pela mesma quantia. Dentre estes os algoritmos Johnson e Sharp. Entre estes. apesar de ser "antigo". Os outros algoritmos são meramente variantes do algoritmo de Lerchs e Grossmann ou são algoritmos heurísticos que não garantem uma solução ótima. Assim o algoritmo distribui o custo de um bloco de minério para os demais blocos de estéril.Introdução simulação incluem a técnica dos cones móveis. Vários algoritmos foram desenvolvidos durante os últimos anos para solucionar o problema dos limites finais da cava de mineração. pois resolve problemas de máximo fluxo em fechamento de grafos e ao mesmo tempo o problema de corte mínimo. O primeiro algoritmo para resolver problemas de abertura de cavas de minas foi apresentado em 1965 por Lerchs e Grossmann e. ao término do algoritmo todos os cones são incluídos na cava final. só os algoritmos Lerchs e Grossmann e o “network simplex” resolvem o problema da otimização. é o algoritmo mais comum e mais aplicado na indústria de mineração. Todos os cones que têm um bloco na base com um peso positivo. então os nós são removidos do grafo. Koenigsberg (1982). Koborov. Robinson e Prenn (1996). Os Métodos de programação dinâmica incluem algoritmos bidimensionais e tridimensionais. esses de peso negativo. 4 . Se o peso total (acumulado) de todos os nós no cone é positivo. Zhao e Kim (1979).

O método deles é mais simples e mais fácil de se entender comparado ao algoritmo de Lerchs e Grossmann. em 1992. Se um bloco possui o ajuste com uma força mais alta está em baixo de um bloco de ajuste com uma força mais baixa. A diferença principal entre os dois algoritmos esta no modo em que os blocos são reagrupados depois da descoberta de um bloco lucrativo em baixo de um bloco improdutivo. Nenhuma comparação computational direta entre os dois algoritmos foi mostrada. Vallet propôs uma variante interessante do algoritmo de Lerchs e Grossmann. então os dois ajustes são fundidos e depois são reagrupados. Outros pesquisadores fizeram uso de algoritmos de fluxo de máximo para resolver problemas de mineração a céu aberto. Outros algoritmos heurísticos são os métodos de programação dinâmicos de Johnson e Sharp e o de Koenigsberg (1982).Capítulo 1 . A classificação de relação não afeta o estado de subconjuntos como forte ou fraco. 5 . A experiência computacional mostra que este algoritmo é mais rápido que a implementação do algoritmo de Lerchs e Grossmann (Hochbaum e Chen (1998)). Vallet classifica o ajuste baseado na média de massa e a relação B/V onde B é a massa total e V o volume do ajuste. que usa o algoritmo de fluxo de máximo de Dinic para calcular o ótimo contorno de cava. A complexidade do algoritmo de Zhao e Kim nunca foi analisada. Só afeta a ordem de processo a fusão que forma arco. Uma variante do algoritmo de Lerchs e Grossmann foi desenvolvida por Zhao e Kim. Desenvolveram o pacote de software PITOPTIM. Em lugar de dividir os nós em forte e fraco (que são subconjuntos de nós de peso total positivo e negativo respectivamente). Ele se refere esta relação como uma força. os blocos do modelo são divididos em subconjuntos. Como no algoritmo Lerchs e Grossamnn.Introdução Dowd e Onur (1993) desenvolveram uma versão modificada do algoritmo de Koborov que encontra diretamente uma cava ótima. e não há nenhuma indicação que o método deste algoritmo de reagrupamento de blocos é mais eficientes que o algoritmo de Lerchs e Grossmann. Giannini et al.

Em 1996. é possível aplicar quaisquer dos algoritmos de fluxo máximo eficientes conhecidos. Na literatura mineira. algoritmos otimizadores se tornaram triviais. há relativamente poucos estudos de aperfeiçoar algoritmos s do algoritmo de Lerchs e Grossmann. Hochbaum compara o desempenho do algoritmo de Lerchs e Grossmann com o algoritmo “push-relabel”. A experiência computacional mostra que o método é mais lento que o algoritmo de Lerchs e Grossmann. Whittle Programming Pty. com uma versão 4-D para apoiar a análise de sensibilidade.Introdução Huttagosol e Cameron formularam que o problema de cava a céu aberto é um problema de transporte. Huttagosol e Cameron propuseram usando o método “network simplex” para resolver o problema. porque eles são executados mais rapidamente e são conceitualmente mais simples que os algoritmos de otimização (fornecem uma solução ótima). Isto é efetivamente a redução pôr bipartição. Outros pacotes comerciais existentes são o MULTIPIT que usa o algoritmo de Bongarcon (1982) e o algoritmo de Guibal e PITOPTIM que usa um algoritmo de fluxo de máximo. 6 . A parametrização de reservas combinada com o algoritmo de Lerchs e Grossman é a nova tendência nos anos 90. Até antes dos anos 80.Capítulo 1 . Com a prova de Picard que problemas de fechamento máximo são redutíveis ao problema de corte mínimo. O objetivo do problema de transporte é fixar o envio de quantidades ajustadas dos provedores (fontes) para os ajustes dos consumidores (destinos) de forma que todas as demandas são conhecidas. os algoritmos heurísticos eram extensamente usados na indústria mineira. Ltd. enquanto ao mesmo tempo não são excedidos os materiais e o custo de envio total é minimizado.'s é um pacote de otimização de abertura de cava a céu aberto comercial. que utiliza o algoritmo Lerchs e Grossman 3-D e se tornou o pacote mais popular na indústria mineira. Com o avanço da tecnologia dos computadores.

Este programa foi denominado Otimopit.Introdução 1. podendo ser utilizado o programa Vulcan da empresa Maptek. O quarto objetivo foi construir um programa que poderá ser utilizado na área didática. ele faz a comparação de alguns métodos de otimização em vários tipos de jazidas minerais mostrando as diferenças nos resultados finais da cava. sendo necessário assim apenas um micro-computador pessoal. sendo executado no ambiente Windows da Microsoft. Um terceiro objetivo e divulgar os métodos de otimização. o aproveitamento das jazidas se tornaria mais lucrativo. 7 . nas disciplinas referentes à lavra e planejamento de minas a céu aberto. sendo enfatizado o algoritmo Lerchs e Grossmann neste trabalho devido a sua importância e suas qualidades na resolução do fluxo máximo e corte mínimo. ele foi construído na linguagem Borland-Delphi. para que. renunciemos a condição de meros operadores de programas de computadores e possamos realmente iniciar trabalhos na busca da melhor cava possível para a mineração.4 – Objetivos deste Trabalho Esta dissertação tem como objetivo apresentar os algoritmos de resolução de problemas de otimização de aberturas de cavas finais de minas a céu aberto discutindo suas qualidades e falhas. o programa Otimopit é basicamente uma ferramenta de calculo.Capítulo 1 . Outro objetivo foi construção de um programa de otimização. este programa pode contribuir com o preenchimento desta lacuna na maioria destas minerações do Brasil. pois a grande maioria das minerações de pequeno e médio porte não utilizam e desconhecem os métodos de otimização. da empresa Inprise. pois com uma análise técnica adequada. mais possuí um sistema de visualização. como ferramenta de análise e visualização dos dados gerados pelo Otimopit.

como a parametrização de reservas lavráveis. Capítulo 2 apresenta como se deve representar um corpo de minério e como e feita a estimativa da reserva lavravél através de métodos geoestatistícos. sendo que o mesmo realiza otimização aplicando várias metodologias. que foi desenvolvido em ambiente Delphi.Introdução 1. Capítulo 3 apresenta os métodos clássicos de retirada de minério que compreende desde métodos de taxa de retirada ao método dos cones flutuantes. Capítulo 4 apresenta a otimização utilizando o algoritmo de Lerchs e Grossmann em duas dimensões e suas variações para três dimensões. Capítulo 6 apresenta o programa otimopit.5– Esboço desta Dissertação Esta dissertação é dividida em 7 capítulos como segue: Capítulo 1 apresenta o tema e os objetivos deste trabalho. Capítulo 7 apresenta as conclusões e propostas de trabalhos futuros. 8 .Capítulo 1 . Capítulo 5 apresenta as novas tendências de otimização.

os modelos de blocos capacitam planos de mineração a eficiência seletiva para a extração de minério na parte física e também na econômica. Os blocos menores podem ser de diferentes tamanhos e formas. A figura 2. . o que não é nada mais que o contorno final derivado da movimentação do terreno para a explotação da jazida mineral.Generalidades Em todo planejamento mineiro o modelo de blocos é a base para os projetos de cava nos métodos computadorizados. já a figura 2. Em geral.2. O primeiro passo para criar um modelo de blocos é ajustar um bloco tridimensional grande o suficiente para cobrir a área de interesse. Ele representa o corpo de minério antes da representação em seções e armazena as informações para serem utilizadas no decorrer da operação de lavra. mostra um modelo de blocos construído através do uso de computador.CAPÍTULO 2 REPRESENTAÇÃO DO CORPO DE MINÉRIO E ESTIMATIVA DE RESERVAS LAVRAVÉIS 2. O bloco grande é então subdividido em blocos tridimensionais menores.1.1 mostra um modelo de blocos construído por método manual como era feito antes do uso de computadores.

1979 Diferentes métodos têm sido usados para o projeto de limites de cava.1.Modelo de blocos tridimensionais FONTE – CRAWFORD & DAVEY. Por exemplo. A maior concentração na Programação Dinâmica nos anos 80 é devida principalmente a esse tipo de programação requerer demandas modestas de aparelhos computacionais. A preferência de uma determinada empresa é baseada na familiaridade e na disponibilidade dos pacotes de projeto de cava necessários.Capítulo 2. 10 .Representação do Corpo de Minério e Estimativa de Reservas FIGURA 2. não é preciso mais que um computador pessoal para se planejar uma cava final.

FÍGURA 2. A altura de cada bloco é normalmente a altura do banco e a forma horizontal será normalmente um retângulo ou um quadrado.Modelo de Blocos em seções gerado pelo programa Vulcan Existem vários tipos de modelo de blocos. A principal característica de um modelo de blocos 3-D fixado é que cada bloco tem as mesmas medidas.3 . o modelo de blocos regular 3-D fixado é o tipo mais utilizado na prática.Visão Ampliada dos modelos de blocos da Jazida Monte Raso 11 .2 .3.Capítulo 2. como é mostrado na figura 2.Representação do Corpo de Minério e Estimativa de Reservas FÍGURA 2.

12 . Os métodos de avaliação de reservas mais empregados podem ser classificados em três grupos (Guerra. Há um problema de como fazer a estimativa fidedignas de reservas minerais. isto é devido a complexidade no processo de formação do deposito geológico e conseqüentemente a complexidade da distribuição de teores na maioria dos depósitos. Como conseqüência disso as empresas de mineração exigem de seus profissionais maior rigor na tomada de decisões. ♦ Métodos Geoestatísticos. na maioria dos depósitos minerais a distribuição de teores é muito complexa e são descritas em pequena escala. Segundo Guerra (1988) a geoestatística fornece uma série de ferramentas de modo a se obter o melhor aproveitamento da informação disponível. na maioria dos casos. de modo a minimizar os riscos associados aos grandes investimentos de empreendimento mineiro. Infelizmente. Além disto. por isso.2– Noções de Geoestátistica O modelo de blocos promove as decisões de investimento.1988): ♦ Métodos Convencionais. Assim há muitas fontes de incerteza sobre os valores das variáveis geológicas que não são amostrados. planejamento mineiro e operação da mina no setor de mineração. as informações não são suficientes para o conhecimento da gênese do minério para permitir a determinação de uma aproximação da distribuição de teores neste deposito.Capítulo 2. é comum o uso de modelos probabilísticos que incorporam e administram estas incertezas justificando-as em uma distribuição de variáveis em uma ordem e um modelo espacial.Representação do Corpo de Minério e Estimativa de Reservas 2. de tal forma a colocar em evidência tais riscos. Na atualidade os recursos minerais são cada vez mais escassos e mais difíceis de serem atingidos. ♦ Métodos Estatísticos. devido à escassez de amostras.

os quais. existem uma família chamada de métodos de krigagem. mas toda a função de distribuição de probabilidade do teor em um certo ponto ou bloco. ensaios de valores e interpretação geológica de controle de mineralizações.1 – Métodos Convencionais Os métodos convencionais ou geométricos são métodos manuais de estimação de reservas e são usualmente feitos nas plantas de mapas ou em mapas que representam as seções transversais paralelas. Triângulos. Os dados plotados no mapa incluem a localização de furos de sondas. Os métodos convencionais mais utilizados são: Área de Influência.2. permitem calcular o desvio cometido na avaliação. Seções Transversais. 2. através da teoria das probabilidades.2. que comumente são determinados empiricamente com base em apreciações pessoais. e são enfatizados na maioria deles o conceito de área ou volume de influência.3 – Métodos Geoestatísticos Os métodos geoestatísticos surgiram então para fundir o aspecto espacial (topológico) e o aspecto aleatório (probabilístico). Inverso da Distância.2. que estimam o valor médio de um ponto ou bloco e um outro grupo de métodos que estimam não somente a média.Capítulo 2. ou ainda simplesmente de acordo com a disposição do espaçamento das amostras obtidas. 2. 13 . Os métodos geométricos levam em consideração o aspecto espacial das amostras. Em termos gerais. Estes se baseiam na teoria das variáveis regionalizadas a partir das quais é possível estudar a estrutura espacial que sem dúvida nenhuma deve ter influído no valor definitivo associado a cada ponto.2 – Métodos Estatísticos Os métodos estatísticos surgiram para levar em conta a variabilidade ou dispersão da mineralização. Polígonos.Representação do Corpo de Minério e Estimativa de Reservas 2.

Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas

Segundo Costa (1997) a geoestatística evoluiu da krigagem ordinária para vários novos métodos que foram introduzidos a partir dos anos 70’s, como: Krigagem Universal ( Huijbregts and Matheron, 1970), CoKkrigagem (David, 1977), Krigagen Lognormal (Journel e Huijbregts, 1978), projetadas para calcular o valor médio dentro do bloco. Krigagem Disjuntiva (Matheron, 1976; Switzer e Parker, 1976), Krigagem Indicativa (Journel, 1983), Krigagem Multigaussiana (Verly, 1984), Krigagem Probabilística (Sullivan, 1984) e Krigagem Bigaussiana (Marcotte e David, 1985), projetada para estimar a probabilidade de uma função de distribuição local dentro de um bloco. Os procedimentos geoestatísticos baseados em krigagem foram primeiramente utilizados nas indústrias de mineração, mas muitos trabalhos recentemente tanto no desenvolvimento teórico como na pratica esta se utilizando a krigagem na industria de petróleo, silvicultura, ciências ambientais e vários campos de engenharia. Recentes contribuições para o assunto de estimação com o uso da geoestatística revisam o problema de estimação que usam estruturas diferentes, como krigagem Bayesiana (Pilz, 1994), Ajustes Convexos (Malinverno e Rossi, 1994) e Geoestatistica Fuzzy (Kacewicz, 1994). Recentes pesquisas em campo também investigam modos melhores para medir, modelar e prever variáveis geológicas como teores, densidade ou espessura do minério (ver Armstrong, 1994; Rossi e Parker, 1994). Segundo Costa (1997), durante os últimos 20 anos a maioria das pesquisas de geoestatística foi redirecionada a simulação estocástica e vários métodos foram propostos. As contribuições mais importantes são: - Método “Turning bands” para um conjunto de dados contínuos (Journel, 1974); - Geoestatística Fractal, também para ajustes de dados contínuos (Hewett, 1986); - Método Simulação Gaussiana, para simular litofácies (Matheron et al., 1987); - Métodos de Markov Bayes (Ripley, 1987); - Método sucessor da krigagem por Indicatriz, aplicado a outras variáveis categóricas ou contínuas (Alabert, 1987);

14

Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas

- Método sucessor da Simulação Gaussiana principalmente usado para variáveis contínuas (Isaaks, 1990 e Journel, 1994); - Algoritmos de Simulação de Iterativa (Lantuejoul, 1996). Outros desenvolvimentos em simulação geoestatística ajudaram a melhorar o desempenho de computação e introduziram métodos para integrar dados obtidos por medidas geofísicas com informações obtidas através de análises de amostras. Estes métodos apresentam inovações notáveis no campo de simulação geoestatística. Simulação geoestatística e estimação por krigagem têm objetivos diferentes e divergem em um aspecto principal, isto é o modo no qual cada método envia o erro de estimação. Métodos de Krigagem tentam minimizar o erro de estimação produzindo a melhor estimação local e discrepância de estimação do mínimo. Sendo uma técnica de regressão linear, a krigagem produz resultados lisos que não reproduzem a verdadeira discrepância desconhecida da variável modelada. A idéia básica de simulação estocástica é enviar a incerteza envolvida na estimativa, antes de tentar qualquer predição sobre os valores destas estimativas. Métodos de simulação se preocupam menos com o erro minimizado localmente, mas tenta produzir uma realista estimativa das características principais da população de amostras, como o histograma global e dados de continuidade espacial. Medindo as diferenças entre várias realizações, que reproduz em média as características globais, provendo uma medida da incerteza da estimação. Ou seja, os métodos geoestatísticos levam em conta esse aspecto duplo: correlações espaciais entre as amostras, bem como a aleatoriedade representada pelas variações imprevistas de um ponto a outro no depósito. Deste modo a geoestatística se propõe estudar dois objetivos principais: a) Tentar ser capaz de extrair de uma desordem aparente dos dados disponíveis uma imagem da variabilidade dos mesmos e uma medida da correlação existente entre os valores tomados em 2 pontos do espaço. Este é o objetivo da análise estrutural e que

15

Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas

se consegue através do variograma. O variograma é uma ferramenta fundamental usada pela geoestatística, sendo ele um gráfico de variáveis médias entre as amostragens versus a distancia entre amostragens. Segundo Guerra (1988) o variograma pode ser de vários esquemas, como: - Esquema Matheron (Esférico); - Esquema de Gauss (Parabólico); - Esquema Potencial; - Esquema Transitivo; - Esquema Periódico. b) Deve ser também capaz de medir a precisão de toda predição ou estimativa feita através de dados fragmentados, ou seja, há necessidade de uma teoria de estimativa de reservas. Isto é feito através da krigagem. 2.3 - Valor econômico de um bloco Com o critério de otimização para maximizar o valor total da cava, o problema do projeto da cava torna-se encontrar aquele grupo de blocos que fornecerá o máximo valor possível, sujeito, é claro, à estabilidade da mina e a restrições à lavra. O valor econômico de um bloco é então de suma importância. Cada bloco num modelo de blocos pode ser caracterizado por: 1. Renda (R): valor da parte recuperável e vendável do bloco. 2. Custos Diretos (CD): custos que podem ser atribuídos diretamente ao bloco, como por exemplo, custos de perfuração, detonação, carregamento e transporte, etc. 3. Custos Indiretos (CI): custos gerais que não podem ser imputados diretamente aos blocos individuais. Tais custos são dependentes do tempo entre estes incluem-se aqueles relativos, por exemplo, a salários, depreciação dos equipamentos, etc.

16

Representação do Corpo de Minério e Estimativa de Reservas A partir disso. 17 . igual a zero ou maior que zero. Rebaixamento do lençol freático da cava. já que a renda do estéril. Perfuração e Desmonte de rochas. na maioria dos casos. Os custos de mineração incluem: Amostragem e ensaios de geologia. controle de teores. custo de reabilitação da área por tonelada e custo de venda do produto por unidade de produto produzido. (3) (1) Deve-se notar que o valor econômico do bloco não é o mesmo que lucro ou prejuízo. Operários. Limpeza do terreno e remoção do solo fértil. Os custos geralmente envolvidos no bloco são custo de minerar por tonelada. manutenção. Serviços da mina. dependo da quantidade e qualidade de minério contida em tais blocos. Carregamento e Transporte.Capítulo 2. O critério de otimização para o problema de projeto dos limites da cava pode então ser definido como: Maximizar Z = Σ (VEB)j Sujeito à estabilidade de taludes e restrições à lavra. como serviços geológicos. supervisão da mina. é zero. Blocos de minério ou blocos que contêm ambos minério e estéril (blocos misturados) terão VEB menor que zero. custo de processamento por tonelada. o valor econômico de um bloco (VEB) pode ser definido como: VEB = R – CD Lucro ou prejuízo pode ser definido como: Lucro (ou prejuízo) = Σ (VEB) – CI (2) Blocos de estéril normalmente terão VEB negativos.

dentre eles se destacam os fatores mercadológicos. Os custos de venda do produto incluem: Transporte do minério. econômicos e ambientais. geológico-geotécnicos. Como nas demais atividades industriais. os empreendimentos mineiros são função de cada situação especifica. moagem e separação do minério.4 – Fatores que Influenciam a cava final de uma mineração Para a definição de uma cava final otimizada não basta à aplicação de modelos matemáticos otimizantes. Medidas de drenagem ácidas e tratamento das águas da mina.Capítulo 2. É de primordial importância a qualidade das informações de entrada. A escala de prioridade dependerá de cada situação particular em função do maior ou menor efeito sobre o desempenho do negócio. que representam os fatores que afetam o resultado a ser obtido. Re-vegetação. 18 . Reagentes da planta de tratamento. segundo Pratti (1995) existe um conjunto de fatores críticos básicos comuns à maioria das minerações. porém.Representação do Corpo de Minério e Estimativa de Reservas Os custos de processamento incluem: Britagem. Comercio. podendo ser alterada com o tempo. 2. Manutenção e pessoal. Seguros. na medida que a sua dinâmica exigir a priorização de fatores que anteriormente eram secundários. Os custos de reabilitação incluem: Reabilitação do deposito de rejeitos. Controle de teores. tecnológicos.

relação estéril/minério reduzida. Por ser um fator de pouco controle agrega um certo grau de incerteza quanto a determinação de seus parâmetros. espera-se que sofram variações significativas ao longo da vida da mina. preços de venda. Essas características devem ser intimamente relacionadas com os condicionantes do processo de beneficiamento visando obter produtos que atendam ás necessidades e expectativas do mercado consumidor. com a máxima recuperação dos minerais de minério. impostos e conformidade do produto quanto às especificações e expectativas dos clientes. preços e especificações são afetados pela dinâmica macroeconômica nacional e internacional. sendo um dos motivos mais convincentes para que se façam planejamentos flexíveis. localização privilegiada. Sem ele não há negócio. b) Fatores Geológicos A montagem do modelo geológico é uma das etapas mais importantes e básicas do estudo de definição da cava final. custos competitivos. muitos dos quais baseados em cenários e projeções. tecnologia de beneficiamento dominada. Portanto. 19 .Representação do Corpo de Minério e Estimativa de Reservas a) Fatores Mercadológicos O mercado consumidor é sem dúvida um dos fatores mais importantes em qualquer empreendimento. é dele que advém as necessidades dos clientes e portanto as oportunidades de produção e venda. pouco valem se não houverem condições de mercado favoráveis seja quanto a volumes.Capítulo 2. e que se entenda o planejamento como uma ferramenta que facilite a adaptação do empreendimento às condições externas que lhe são impostas. num caso extremo podemos até dizer que não há mina. Tanto volume. Mesmo que tenha todas a demais condições favoráveis: teores elevados. é a partir dele que serão conhecidos os aspectos da mineralização de relevante importância para o bom desenvolvimento do negócio. sobre as quais não há garantia que se transformarão em realidade.

para determinados maciços rochosos. e perda de reservas e rentabilidade. é desenvolvido através de estimativas realizadas por meio de amostragens Neste ponto a utilização de métodos geoestatisticos são de extrema valia. definir qual a inclinação média a ser adotada para a escavação dos taludes finais. pelo planejamento de lavra e pelo desenvolvimento do processo de beneficiamento. já que o inverso não é possível. seja do ponto de vista de diferente comportamento perante um determinado processo de beneficiamento. e também a avaliação dos erros envolvidos. estabelece-se um modelo que seria melhor denominado de geotecnológico. 20 . Nele deverão ser evidenciadas as relações entre as tipologias de minério e o processo de beneficiamento de forma a adaptá-lo a cada tipologia. conduzindo a estimações otimizadas. Cuidados especiais com a integração citada no parágrafo anterior evitará a ocorrência de conflitos futuros entre as operações de lavra e beneficiamento. e entre os diversos tipos de minério e o processo de beneficiamento. c) Fatores Geotécnicos O modelamento geomecânico é. pela impossibilidade de se dissociar estes dois aspectos.Representação do Corpo de Minério e Estimativa de Reservas Depois de conhecidas as relações entre a mineralização e seu controle estrutural ou litológico. tão importante quanto o modelamento geológico. pelas equipes responsáveis pela elaboração do modelo geológico. E deve através da previsão do comportamento geomecânico do maciço rochoso.Capítulo 2. quando comparadas com as premissas adotadas na fase de viabilidade e de planejamento. O conhecimento detalhado da variabilidade espacial de cada tipo de minério seja do ponto de vista de concentração de elementos de interesse econômico contido. Este trabalho deve ser conduzido conjunta e simultaneamente.

a caracterização geotécnica e o reconhecimento dos diversos tipos de maciços de acordo com o respectivo grau de alteração. e ao mesmo tempo minimizar os volumes de remoção de estéril. de forma a estabelecer um fator de segurança para uma dada geometria de talude. 21 . ocorre redução significativa do volume de rocha estéril a ser removida e portanto reduz-se os custos de extração de minério. Existe neste caso.Representação do Corpo de Minério e Estimativa de Reservas Esta inclinação deve minimizar os riscos de escorregamentos da escavação. que além de colocar em perigo vidas humanas e equipamentos. chegando em alguns casos a significar alguns milhões de dólares para poucos graus de variação. Dessa forma reúnem-se informações que permitem a estruturação de um modelo. Como todo modelo matemático a representatividade do resultado final depende essencialmente da qualidade dos dados de entrada.Capítulo 2. fraturamento e condições de percolação da água subterrânea. modificam o ritmo de produção por determinado período de tempo. Ambos baseados na teoria do equilíbrio limite. Para a quantificação ou dimensionamento dos ângulos de taludes estão disponíveis no mercado inúmeros modelos matemáticos alguns determinísticos outros probabilísticos. promovidos pela escavação nas diversas partes da mina. A determinação do ângulo máximo e suficientemente seguro a ser praticado num talude final é objeto de estudos específicos que abrangem o entendimento do arcabouço estrutural do maciço. capaz de representar o comportamento mecânico do maciço perante os esforços solicitantes. A sensibilidade dos custos de extração com relação ao ângulo de talude final. portanto. A medida que se eleva o ângulo de talude final. Por outro lado com a elevação do ângulo de talude final o fator de segurança da escavação fica reduzido. que relaciona esforços resistentes à mobilização do maciço com esforços mobilizantes. o compromisso entre custos e segurança. elevando-se a competitividade do negócio. pode ser muito elevada.

d) Fatores Tecnológicos O aspecto tecnológico é bastante amplo e afeta de diversas formas a competitividade do empreendimento mineiro. O primeiro diz respeito ao processo de beneficiamento que deve ser desenvolvido no sentido de maximizar a recuperação do bem mineral de interesse econômico e de forma a obter um concentrado que atenda às especificações do mercado consumidor Sabe-se que nem todos os bens minerais se enquadram nesta situação. sendo um fator critico de sucesso inquestionável. principalmente. dando origem a setorização dos taludes da mina. mas a grande maioria sem dúvida depende de algum tipo de beneficiamento. pela minimização de conflitos operacionais nas interfaces mina.Capítulo 2. da mesma forma como em outros tipos de empreendimentos. Essa importância se justifica não apenas pelo valor econômico das perdas de reservas que se supunha vendáveis. mesmo uma simples redução granulométrica.Representação do Corpo de Minério e Estimativa de Reservas Normalmente numa mesma mina ocorrem porções de maciços com diferentes competências. O segundo aspecto diz respeito à evolução tecnológica de equipamentos seja na lavra ou no beneficiamento Neste ponto a história mostra que essa evolução traz frutos para indústria mineral. Pelo menos dois aspectos principais merecem destaque. quando o desenvolvimento é realizado em parceria com os fabricantes e adaptando-se os equipamentos às necessidades especificas. as porções de maciço com comportamento mecânico semelhantes são agrupadas. usina de beneficiamento e clientes que acarretam desgastes cujos prejuízos não podem ser calculados. mas também. A prática tem demonstrado que o grau de conhecimento da relação entre os diversos tipos de minério que podem ocorrer numa mesma mina e o processo de beneficiamento mais adequado para obter-se um concentrado especificado. Quando uma empresa de mineração perde competitividade a ação dos gestores 22 .

Capítulo 2. bem como permitir retomadas futuras destas paredes. que são dimensionadas de acordo com os equipamentos a serem utilizados. e) Fatores Operacionais As restrições operacionais estão relacionadas com o espaço operacional exigido para que as operações de lavra sejam conduzidas com a segurança e produtividade com que foram projetadas. e na redução da remoção de estéril elevando a relação estéril/minério da reserva remanescente. f) Fatores Econômicos Normalmente relacionado com os condicionantes de mercado. Uma cava final de mineração também deve prever espaço para as rampas de acesso aos diversos níveis de produção. Tais decisões devem ser tomadas prevendo-se a forma de reverter à situação num momento futuro e conduzidas dentro de um plano global que permita avaliar o acúmulo de necessidades futuras.Representação do Corpo de Minério e Estimativa de Reservas normalmente se faz no sentido de reduzir seus custos e os instrumentos mais imediatos são lavrar minério com teores mais elevados implicando em redução do teor médio da reserva remanescente. também afeta o volume das reservas de minério. em caso de alterações nos limites finais da cava. o preço do produto mineral vendável afeta de forma muito significativa a rentabilidade do empreendimento. e desenvolvidas de forma a minimizar o momento de transporte entre as frentes de lavra e a britagem ou as pilhas de estéreis. condicionadas pelo binômio: grau de seletividade necessário para o controle dos teores e porte dos equipamentos utilizados. que não produziam 23 . além de aumentar as receitas geradas a partir da mesma tonelagem produzida. A definição de uma cava final deve considerar a necessidade de manter-se bermas de largura mínima para permitir acesso de equipamentos para manutenção de drenagens e recomposição de pequenos escorregamentos. ditas finais. A elevação do preço. fazendo com que reservas com teores inferiores ou relação estéril / minério mais elevada.

Como nas demais atividades econômicas a carga tributária afeta diretamente a competitividade das empresas de mineração de um modo geral e particularmente aquelas que competem no mercado internacional. g) Fatores Ambientais É um aspecto relevante atualmente devido à grande divulgação e conscientização pública sobre a importância da preservação ambiental e da qualidade de vida. tem grande influência na tomada de decisão podendo inclusive inviabilizar parte das reservas geológicas que seriam viáveis caso estes critérios fossem menos imediatístas. Sendo recomendável a realização de análises de sensibilidade. cujas evoluções futuras são de difícil previsão e normalmente estimadas a partir de informações históricas associadas a cenários macro-econômicos futuros. que foram impostas às atividades industriais e especificamente para a indústria mineral. Da mesma forma como os fatores mercadológicos. passem a produzi-los. que por sua vez e vinculada ao mercado. normalmente.Representação do Corpo de Minério e Estimativa de Reservas resultados econômicos. tendo como conseqüência o avanço das exigências de ordem legal. o que facilita sua estimação Entretanto guardam relação estreita com escala de produção. Os custos operacionais são fatores tão relevantes quanto o preço do produto final. afetados pelas taxas de juros do mercado financeiro e por prazos de retorno do capital investido definidos conforme as expectativas com relação aos riscos políticos e econômicos futuros. de acordo com os cenários esperados A escolha de critérios financeiros para a avaliação de uma cava final. porém. sendo mais um elemento que inviabiliza as reservas geológicas pela redução do valor líquido presente. variam numa faixa mais estreita de valores e dependem mais das condições internas da empresa do que externas.Capítulo 2. 24 . os fatores econômicos dependem de uma série de condições macroeconômicas.

a atividade mineral com os cuidados com o meio ambiente. sujeitas a desmatamentos e posterior recuperação. e em muitos desses casos até com a devida razão.Representação do Corpo de Minério e Estimativa de Reservas A indústria mineral tem sido responsabilizada por danos ao meio-ambiente em diversas partes da Terra.Por outro lado não há dúvida que os custos ambientais. 25 . a demora de alguns empreendedores em mudar de posição e assimilar a necessidade de compatibilizar. as adequações ambientais implicam em investimentos e custos operacionais adicionais. esse perímetro afetado pelo limite final. Dependendo do comportamento espacial do corpo mineralizado e da variação temporal dos parâmetros que a definiram.Restrições para a modelagem de blocos para a abertura de cava Depois dos teores dos blocos serem calculados pode se gerar seções horizontais e verticais contendo os valores dos blocos. imagem que é reforçada pelos meios de comunicação. principalmente aqueles que dizem respeito à mitigação de impactos sobre a comunidade vizinha. Em termos estritamente econômicos. Também tem contribuído para esta imagem. portanto.5 .Capítulo 2. que devem obrigatoriamente ser inclusos nos estudos de viabilidade econômica e de definição da cava de longo prazo sob pena de não vir a representar a realidade futura. Os blocos plotados são controlados por restrições. cada vez mais passarão a compor as planilhas de custos e Conseqüentemente serão repassados para os preços dos produtos. 2. Um aspecto diretamente relacionado com o limite de lavra de longo prazo diz respeito aos limites das áreas a serem atingidas pela escavação. De modo geral a mineração é vista pelo público. como atividade de garimpo. pode sofrer expansões ou contrações. que devem ser explicitadas na elaboração dos estudos de impacto ambiental.

A cava definida por esta técnica pode ser entendida como uma fronteira para uma cava econômica ótima. Definindo-se a cava ótima para a explotação de uma determinada jazida. b) Limitações geométricas: Restringem a cava aqueles blocos que são tecnicamente possíveis de se lavrar no modelo de bloco de acordo com o ângulo de inclinação da cava. A cava é definida pela união de todos os cones com o vértice no bloco de valor positivo.Capítulo 2. Estes cones são determinados tal que eles são compatíveis com ângulo da cava corrente. c) Limitações econômicas: É o primeiro dos quatro em que são incorporados blocos econômicos. 26 . são blocos que não existem. Além disso. Há quatro opções diferentes de restrições ou limitações: a) Limitações topográficas: Um grande número de blocos são designados com valor negativo.Representação do Corpo de Minério e Estimativa de Reservas O número total de seções que pode se gerar limita-se ao número total de bloco na direção da seção. Os blocos que ficam fora desse limite não são considerados em qualquer análise de limite econômico de cava. ou seja. indicando que esses blocos estão sobre a superfície topográfica. c) Limitações devidas aos cones flutuantes: O “cone flutuante” é a simulação no sentido que a determinação do projeto da cava é afetada pela retirada de vários cones dentro da cava de mineração. ou seja. o cone de vértice positivo não pode estender para fora do limite geométrico.

avaliando o seu potencial econômico a partir do perfil recuperável da jazida. com vista à maximização do valor total da mina.Capítulo 2.Representação do Corpo de Minério e Estimativa de Reservas estabelecendo-se os limites físicos da mina no fim da sua vida útil. 27 . A jazida é considerada como um todo.

É um método de tentativa e erro cuja aplicação de sucesso depende muito da habilidade e julgamento do engenheiro de minas que faz o projeto. Estes incluem: Seções verticais mostrando claramente o contorno de minério. Ele é baseado primeiramente no conceito de relação estéril / minério.CAPÍTULO 3 MÉTODOS CLÁSSICOS DE RETIRADA DE MINÉRIO 3. Ângulos de talude máximos permitidos para os vários tipos de rocha. .1 . Curvas de decapeamento relevantes mostrando a variação da relação estéril / minério com os teores de minério e possíveis preços de venda. pois a seleção dos parâmetros físicos do projeto de extração do minério e do estéril é uma complexa decisão de engenharia de enorme significado econômico.1. Largura mínima no fundo da mina proposta.Método Manual do Projeto da Cava 3. Para a exposição e a retirada de minério. o capeamento e as porções de rocha estéril. Vários detalhes preliminares são requeridos antes de se começar o método manual de projeto de cava. é geralmente necessário a escavação e relocação de uma grande quantidade de estéril.Generalidades O método manual de projeto de cavas é o método mais tradicional. Planos para cada nível de mina proposto mostrando detalhes correspondentes de minério e estéril.1 . a distribuição de teores dentro do minério.

A relação estéril / minério total (ou média).1. 3.Relação estéril / minério total Considere o esquema mostrado na figura 3. Segundo Wright (1990) três tipos principais de relação estéril / minério podem ser distinguidas. A relação estéril / minério adicional. 3. A relação estéril / minério periódica.1. 1990 Uma das maneiras de descrever a eficiência geométrica de uma operação mineira é através do uso do termo “stripping ratio”. mostrando a seção transversal de uma mina com limite final marcado pelas linhas grossas. dentre outras: 1.Relação Estéril / Minério FONTE: WRIGHT. já que ela reflete a proporção relativa de estéril em relação ao minério a ser extraído. 2. Este termo se refere à quantidade de estéril que deverá ser removida para a liberação de uma quantidade de minério. Minério FIGURA 3.1.Capítulo 3 – Métodos Clássicos de Retirada de Minério A relação estéril / minério é de grande importância no planejamento de uma mina a céu aberto. Esta razão é mais comumente expressa como: SR = toneladade estéril .2 . toneladade minério 29 (4) .

a relação estéril/minério momentânea ou instantânea. reservas minerais e a vida útil da mina são. A adoção de uma seqüência de lavra da mina é extremamente importante tal que o desejo de resultados econômicos (lucros e custos) sejam atingidos. Se os volumes (ou toneladas) usados no cálculo do “stripping ratio” correspondem ao material removido para o início da mineração. assim: SR ( overall ) = volume estéril volume minério (5) De outro modo. 30 . e os taludes da cava devem ser suficientemente seguros. O “stripping ratio” para estes cinco anos é: SR ( 5 anos) = Xe Xm (6) Este pode ser referenciado como o “instantaneous stripping ratio”. Xe toneladas de estéril e Xm toneladas de minério são lavrados. ou seja. como: m3/m3. A determinação dos limites finais da cava deverá incluir o cálculo de uma relação estéril/minério limite que deverá ser adotado para uma economicidade das operações de lavra da mina (Wright (1990)). este cálculo corresponde ao “overall stripping ratio” ou relação estéril/minério geral. liberando o minério subjacente. Um adequado espaço de operação é necessário para melhor eficiência dos equipamentos de escavação e carregamento. etc (6). Segundo Koskiniemi (1979) a geometria da cava da mina é influenciada por vários fatores. j3/j3. Razões de produção.Capítulo 3 – Métodos Clássicos de Retirada de Minério Contudo uma grande variedade de unidades podem ser usadas também. Assumindo que durante cinco anos. Obviamente. o “instant” poderá ser definido tanto para um longo ou curto período de tempo. Obviamente o material de capeamento deverá ser removido previamente. o “stripping ratio” pode ser calculado para um determinado tempo ou momento de operação da mina.

4. então a relação estéril / minério adicional é definida como: Ead = C B A lógica aqui é que a retirada do capeamento ‘C’ irá expor uma quantidade adicional de minério ‘B’. 3. a relação estéril/minério periódica pode ser definida como: Eper = Wt Ot (9) 31 . m3/m3 ou m3/t. As duas quantidades de material estão intimamente relacionadas.1. o cálculo dessas estimações é indispensável. Como a geometria da mina é um conceito da melhor dinâmica das operações.Capítulo 3 – Métodos Clássicos de Retirada de Minério freqüentemente.1 será estendida além dos limites finais mostrados para incluir a quantidade de minério ‘B’ e a quantidade de capeamento ‘C’. fixada para uma dada geometria final de cava. de grande influência nos preços dos produtos minerados.1.1. a avaliação de várias possibilidades individuais e combinações de possibilidades. 3.3 -Relação estéril / minério adicional (7) Assumindo que a cava da figura 3. como está ilustrado na figura 2. Com uma quantidade total de estéril e capeamento Vw e uma quantidade total de minério Vo na cava.Relação estéril / minério periódica (8) Para um dado período na vida de uma mina a céu aberto. a relação estéril/minério média é definida como: Eméd = Vw Vo Essa relação pode ser expressa em t/t. Essa relação estéril/minério média é uma figura estática.

2. A relação estéril / minério periódica é de grande importância para movimentos de minério e estéril na operação de uma mina.2) 32 . FIGURA 3. Os limites da cava com as suas profundidades em níveis cada vez mais profundos são mostrados no esquema.Relação estéril / minério de limite econômico Considere um corpo de minério estratiforme estendendo-se da superfície até uma profundidade de algumas centenas de metros (Figura 3.Limites da cava em níveis sucessivamente mais profundos FONTE: WRIGHT.2). Ot = minério retirado no mesmo período de tempo‘t’. 1990 Várias observações podem ser feitas em relação ao esquema (Figura 3.Capítulo 3 – Métodos Clássicos de Retirada de Minério Onde: Wt = estéril retirado num dado período de tempo ‘t’.5. Uma regra prática para algumas minas em operação é manter a relação estéril/minério periódica mais próxima o possível da relação estéril/minério total. 3. As quantidades de minério e estéril envolvidos na relação estéril / minério periódica não estão necessariamente relacionadas como no caso da relação estéril / minério adicional.1.

é chamada de Relação Estéril/Minério de Limite Econômico (BESR –Brake Even Stripping Ratio) FIGURA 3. mais estéril terá que ser retirado para tornar disponível o minério que se encontra no fundo do nível.Limites da cava usando o BESR FONTE: WRIGHT. 1990 33 . uma profundidade final será atingida onde os custos para a retirada do capeamento não serão cobertos pela receita obtida com a lavra.3) onde o adicional de minério simplesmente se iguala ao custo de capeamento adicional. (figura 3. a relação estéril / minério adicional aumenta com a profundidade do esquema mostrado. Em outras palavras.Capítulo 3 – Métodos Clássicos de Retirada de Minério 1. Quanto maior for a profundidade da mina. A relação estéril / minério adicional no limite da cava. 2. Evidentemente. processamento e venda do produto que provem do minério exposto pela remoção do estéril adicional.3.

Capítulo 3 – Métodos Clássicos de Retirada de Minério 3. As considerações acima não ignoram o fato de que os métodos de tentativa e erro irão invariavelmente ajudar o engenheiro a desenvolver as habilidades básicas requeridas para as manipulações geométricas envolvidas em áreas como projeto de transporte em estradas e desenvolvimento de planos periódicos de lavra.6 .Características do método manual Segundo Stuke (1970) o sucesso do uso do método manual para se projetar uma cava é evidentemente dependente da competência do engenheiro que faz o projeto. ♦ A hipótese que a recuperação total é uma constante da derivação das curvas de decapeamento não é necessariamente verdadeira para os diferentes teores de minério. os centros dos blocos. sucessivamente.4.2. 3. como pode ser visto na figura 3.2 . ♦ Ele pode servir para o projeto de cavas de depósitos minerais de pequeno porte ou geologicamente mais simples. o qual move-se sistematicamente através de uma matriz de blocos com os vértices do cone ocupando. Estas habilidades são necessárias até mesmo em métodos de projeto de cavas totalmente computadorizados.Método dos Cones Flutuantes 3. Várias características podem ser notadas sobre este método: ♦ Evidentemente precisa-se de muito tempo.Generalidades O método dos cones flutuantes consiste no estudo econômico dos blocos de minério e estéril que estão dentro de um cone invertido. onde as estradas de transporte devem ser projetadas usando gráficos interativos. a recuperação efetiva irá invariavelmente depender do teor da alimentação do moinho.1 . 34 .1. De fato.

O método dos cones móveis faz a procura de cones nos quais o peso total de todos os blocos no cone é positivo. considerando que de fato uma cava ótima pode consistir em uma coleção de cones. Dado um bloco b e uma exigência de um talude seguro. O algoritmo termina quando mais nenhum cone pode ser somado. não necessariamente apenas com valores positivos. Alguns cones compartilham valores de blocos negativos. o conjunto de blocos que devem ser escavados antes de b forma um cone com b na sua base.4 – Típico Cone Flutuante FONTE: CRAWFORD & DAVEY. os valores dos blocos de minério extraídos deve ser tal que cubra os gastos da extração dos blocos de estéril sobrepostos (Lemmieux (1979)). ou seja. mas a soma destes cones tem que ser positiva para se obter uma cava final positiva. Estes são somados aos cones da cava gerada. A idéia dos algoritmos heurísticos é a suposição de que todo cone na cava ótima é lucrativo. sobrejacentes. 35 . Uma terminologia freqüentemente usada na indústria mineira é chamar estes algoritmos de cones móveis. FIGURA 3. 1979 Um cone é formado por um bloco inferior e todos seus sucessivos blocos de minérios ou não.Capítulo 3 – Métodos Clássicos de Retirada de Minério A maioria dos algoritmos heurísticos procedem identificando o bloco de minério e conferindo então se um ou mais destes blocos têm um “peso” combinado que é mais alto que o custo total de se escavar junto daqueles blocos sobrejacentes.

Este algoritmo pode não atingir uma solução ótima. 1979 A figura 3. Existem vários algoritmos que utilizam o método dos cones flutuantes. sendo que o algoritmo de Robinson e Prenn (Hochbaum (1997)) parte do princípio que cada cone que possuí um bloco de minério é uma base. Se o peso total de todos os blocos no cone é positivo. A idéia é que um bloco de minério gera lucro que paga os custos de remoção dos seus blocos sobrejacentes. O algoritmo de Koborov tenta melhorar o método dos cones móveis considerando cones com um bloco de minério como seu bloco básico. o algoritmo considera um bloco de minério e os blocos sobrepostos que seriam 36 .5 mostra uma típica cava otimizada pelo método dos cones flutuantes. então os blocos são removidos. Todos os blocos removidos juntos formam a cava final. mostrando a seqüência de remoção dos cones até o limite da região na qual não é mais econômica a lavra dos blocos da jazida.Capítulo 3 – Métodos Clássicos de Retirada de Minério FIGURA 3.5 – Definição da cava final FONTE: CRAWFORD & DAVEY. Assim.

Assim.6 que representa uma seção de um modelo de blocos. a figura formada pelos blocos ‘T’ e ‘t’ pode ser considerada como sendo um cone invertido. 2.2 . Da vida útil da mina. Assumindo que o ângulo máximo de talude para a esquerda e para a direita possa ser representado por 1 bloco/1 bloco. Isto acaba diminuindo o “peso” do bloco de minério e aumentando o “peso” dos blocos que seriam excluídos pela mesma quantia. a exposição do bloco ‘T’ para a sua lavra.Base para o método dos cones flutuantes Considere o esquema na figura 3. a informatização facilita a aplicação de algoritmos de projeto. Da quantidade de metais dentro da cava (recuperação). 3. 4. Vários critérios de otimização são possíveis para o projeto de uma cava. Todos os cones que possuem um bloco básico é incluído um “peso” positivo ao término do algoritmo na cava final. terá que ser precedida pela extração dos blocos marcados por ‘t’. Esses algoritmos são invariavelmente baseados em métodos de Pesquisa Operacional (PO) e são regidos por procedimentos restritos requeridos no emprego de PO para a solução de dados problemas.2. 37 . Do valor econômico total da cava. ou seja um ângulo de 45o. Esses incluiriam a maximização: 1.Capítulo 3 – Métodos Clássicos de Retirada de Minério abandonados. Em 3-D. Dentre esses estão uma definição clara do problema e a formulação de um critério de otimização. Do valor por tonelada de produto vendável. então. A maximização do valor econômico ou de longo prazo é o critério mais comum de otimização no projeto de uma cava de mina a céu aberto. 3.

Blocos de minério normalmente terão valores econômicos de bloco positivos.6 – Processo de lavra de um bloco e formação do cone invertido FONTE: Modificado de WRIGHT. 1990WRIGHT. s s s s s s s s s S s s s s s s s s s s s s FIGURA 3.3 .7 – Processo de lavra de um bloco e formação do cone invertido para o talude 1:1 e 1:2 FONTE: Modificado de WRIGHT. 1990 O cone mínimo removível num bloco é o cone delimitado pelos ângulos de talude máximos permitidos em todas as direções.7.2. O caso de um talude 1:1 para a esquerda e 1:2 para a direita é ilustrado para o bloco ‘S’ na figura 3. Evidentemente que o cone formado por um determinado bloco irá depender dos diferentes ângulos de talude para os diferentes materiais que sobrepõem ao bloco nas diferentes direções até a superfície.Capítulo 3 – Métodos Clássicos de Retirada de Minério t t t t t t t t t t t t t t T t t t t t t t t t t FIGURA 3. desde o bloco considerado até a superfície de terreno. O algoritmo pode ser escrito como se segue: 1. 1990 3. Deve-se começar a partir da superfície e procura-se por blocos de minério.Método dos cones flutuantes (positivos móveis) O algoritmo dos cones positivos móveis é um algoritmo de simulação no sentido de que a determinação do projeto da cava é afetada pela simulação do cone mínimo removível. 38 .

O valor do cone com base no bloco (4. Se a soma dos valores econômicos dos blocos (Σ VEB) de todos os blocos contidos em um dado cone.4) irá de fato remover todos os outros blocos de valores econômicos positivos na seção e o valor da cava será +1. Mas a remoção do cone baseada no bloco (4. 4.2. 3.8-a e assuma que a procura por blocos de minério comece na linha i = 4.6 e 3. 39 . Então o primeiro bloco de minério a ser examinado será o bloco (4. Considere a figura 3. 3.4) será (5 + 7 + 2 – 13 = +1).4 . for positiva.4). Constrói se os cones mínimos removíveis em tais blocos de minério. conforme comentado anteriormente e ilustrado na figura 3. considerase o cone removido (= mineração simulada). A cava final é obtida pela interseção de todos os cones de valor econômico positivo.Falhas no projeto de cavas ótimas pelo método dos cones positivos móveis A ordem para a procura de blocos de valor econômico tem um papel importante no método.7. 5. incluindo o bloco de minério em questão.Capítulo 3 – Métodos Clássicos de Retirada de Minério 2. Continua-se o processo de busca até que todos os blocos de minério do modelo de blocos tenham sido examinados.

Limitações da cava gerada Para uma representação de um ângulo de talude de 1:1. 3.8 (c). A razão para isso é que tais blocos não podem ser extraídos em função das restrições dos ângulos de talude e da extensão do modelo de blocos.2.8 – Técnica do cone móvel Sabe-se. o método dos cones positivos móveis não pode garantir o encontro da cava ótima. Na prática. Mesmo nos casos onde a procura por blocos de minério começa pelo topo e continua até os níveis mais baixos. os blocos ao redor das bordas do modelo de blocos têm que ser excluídos da análise. Esta limitação é 40 . o método dos cones móveis positivos pode falhar no projeto de cavas ótimas verdadeiras dependendo da direção utilizada na procura de blocos de valor econômico positivo.5 . Logo.Capítulo 3 – Métodos Clássicos de Retirada de Minério 1 2 3 4 1 -1 -2 -3 -4 1 -1 -2 -3 -4 1 -1 -2 -3 -4 2 -1 -1 -3 -4 2 -1 -1 -3 -4 2 -1 -1 -3 -4 3 -1 -1 -1 -4 3 -1 -1 -1 -4 3 -1 -1 -1 -4 1 2 3 4 1 2 3 4 4 -1 -1 7 5 (a) 4 -1 -1 7 5 (b) 4 -1 -1 7 5 (c) 5 -1 2 -1 -1 5 -1 2 -1 -1 5 -1 2 -1 -1 6 -1 -1 -1 -4 6 -1 -1 -1 -4 6 -1 -1 -1 -4 7 -1 -1 -3 -4 7 -1 -1 -3 -4 7 -1 -1 -3 -4 8 -1 -2 -3 -4 8 -1 -2 -3 -4 8 -1 -2 -3 -4 j i j i j i FIGURA 3. o processo de exclusão de blocos que não podem ser fisicamente lavrados de um dado modelo de blocos é referido como limitação da cava maior. entretanto. que uma cava com valor +2 pode ser projetada na seção transversal mostrada na figura 3.

Quando um cone de extração ainda apresentar blocos com valores positivos após a distribuição. 3.Algoritmo de Korobov O algoritmo de Korobov (apud Dowd e Onur (1993)) é um algoritmo baseado em um cone que aloca os valores de blocos positivos contra os blocos negativos ou igual a zero que estão contidos nos cones de extração de blocos positivos. o projeto de uma cava em um modelo de blocos que encerra diferentes tipos de rocha terá que considerar as várias restrições de ângulos máximos de talude para cada tipo de material. o bloco positivo no qual o cone de extração é baseado permanece positivo. esses valores são somados ao conjunto de soluções e o algoritmo começa novamente desde o princípio com valores dos blocos originais restabelecidos aos blocos que não tenham ainda sido extraídos do modelo de blocos.6 . 3. Se. são alocados aos valores de blocos negativos dentro do cone até que não reste nenhum bloco negativo ou até que os valores dos blocos positivos tenham sido todos alocados.Ângulos de taludes variáveis em 2D O uso de uma restrição de talude de 1:1 simplifica a situação de ângulos de taludes tanto para o método dos cones móveis quanto para os algoritmos de projeto de cava de programação dinâmica. Se um cone de extração está vazio. Evidentemente.2. este cone de extração é aceito como membro de um conjunto de solução ótima.3 . o bloco positivo é somado à solução e o algoritmo continua no nível atual ou caminha para o próximo nível. quando a distribuição for completada.Capítulo 3 – Métodos Clássicos de Retirada de Minério controlada pelo máximo ângulo de talude permitido para as bordas ou limites do modelo de blocos. 41 . Um cone de extração é designado a todo bloco positivo no modelo de blocos e os valores de blocos positivos no interior de cada cone formado.

O resultado destas distribuições é mostrado no caso 2 da figura 3. Para nível 3 são alocadas as duas unidades do bloco 23 contra blocos 4 e 14. É alocado um valor de +1 do bloco 12 para o bloco 2. Nos mesmos cones são estabelecidos para os blocos são 17-20 e os valores positivos destes blocos são alocados contra os valores dos blocos negativos dentro desses cones de extração. por simplicidade. Os blocos somados são mostrados na figura 3. e deixa bloco 2 com um valor de 0 (zero) e bloco 12 com um valor de +1. e deixa bloco 3 com um valor de 0 (zero) e bloco 12 com um valor de 0 (zero). No nível 2 há cinco blocos positivos (12. é somado ao conjunto de solução que agora tem um valor de 7. 18. 10 e 11) são removidos para o nível 1 e somados ao conjunto de soluções.Capítulo 3 – Métodos Clássicos de Retirada de Minério O método pode ser explicado melhor por meio de um exemplo simples. bidimensional. 5.10. de ângulos de talude de 45º em todas as direções e os blocos são quadrados. Os valores de blocos iniciais são mostrados em figura 3. 6.9. 2 e 3. e deixam todos os três blocos com valores de 0 (zero). 19 e 20). Todos blocos com valores positivos (blocos 1. Como nenhum dos blocos restantes em nível 2 são positivos. 1993 O procedimento começa com o primeiro bloco (no mais alto) nível. São assumidos. Há dois números em cada bloco: o superior é o número do bloco e o número de abaixo designa o valor do bloco. o valor dos blocos é igual a seis (6) unidades. São alocadas as duas unidades de bloco 24 para os blocos 15 e 16 e deixam os valores de todos os três blocos com valores de zero (caso 4). Não há nenhum bloco positivo à esquerda no nível 3 após os valores positivos 42 . Como o bloco 20 permanece positivo e seu cone de extração está vazio. O valor remanescente +1 do bloco 12 é alocado então contra bloco 3.11. 9. como mostrado no caso 3. com o bloco 1 já removido.10 e na figura 3. o próximo passo é somar o nível 3.9 – Exemplo de Modelos de Blocos FONTE: Modificado de DOWD & ONUR. 1 1 2 3 4 1 2 2 12 3 3 13 21 4 4 14 5 5 15 23 29 6 6 16 24 30 7 7 17 25 31 8 8 18 9 9 19 27 10 10 20 11 11 1 -1 2 -1 -1 -2 -1 -1 1 -1 2 -1 1 -1 2 4 -2 1 -2 1 1 1 -1 1 1 1 22 28 26 -1 -1 -1 32 -1 4 4 FIGURA 3. O cone de extração de bloco 12 inclui blocos 1. 17.

é zero. 4. O cone de extração de bloco 19 está vazio e este bloco é somado à solução e origina um valor de cava líquida de 8. O valor líquido deste cone de extração. assim. assim são somados este bloco e todos os blocos dentro de seu cone de extração ao conjunto de solução. O primeiro bloco positivo que é encontrado está em nível 3 43 . só os blocos 8 e 25 têm valores negativos e duas unidades do bloco 30 é alocado contra estes dois blocos. Bloco 2 é o único bloco dentro do cone de extração de bloco positivo 12 e uma unidade do anterior é alocada contra o anterior. 22. 28 e 29. 24 e 25). Bloco 12 e seu cone de extração são removidos e originam um valor de cava líquida de 9 (caso 7). O valor da cava líquida é 15 e os blocos não lavrados que permanecem no modelo de bloco são 13. Nível é 4 é somado então aos outros níveis (caso 5). Depois da distribuição o bloco 30 permanece positivo (+2). Nível 2 é somado (caso 6). 7. 6 e 9 já foram lavrados. nada pode ser removido. 21. 14-18.Capítulo 3 – Métodos Clássicos de Retirada de Minério dos blocos 23 e 24 terem sidos alocados. Bloco 26 é alocado uma unidade do bloco 31 e o bloco 27 é alocado a uma unidade do bloco 32 (caso 9). eles e os seus blocos nos cones de extração são somado ao conjunto de solução e dando a forma de cava final mostrada no caso 10. Dos blocos dentro do cone de extração de bloco 30 (3. 8. assim nenhum bloco adicional pode ser somado ao conjunto de solução nesta fase. não há blocos positivos e. o algoritmo inicia novamente com os valores originais restabelecidos para todos os blocos não removidos. Como o cone de extração para bloco 30 não está vazio. Como os blocos 31 e 32 permanecem positivos depois da distribuição. Finalmente. 23. o valor da cava líquida permanece em 7. Logo após o método ter sido apresentado foi percebido que o algoritmo não alcançou a solução ótima em todos os casos. como mostrado no caso 5. dado que os bloco 5. O nível 1 é somado agora. o nível 4 é somado (caso 8). Para alguns tipos de modelos de bloco a solução ótima é perdida pelo algoritmo. Agora considere bloco 30.

CASO 1 1 2 3 4 CASO 2 1 2 3 4 CASO 3 1 2 3 4 CASO 4 1 2 3 4 1 2 3 4 5 6 7 8 9 10 10 1 -1 20 1 11 11 1 2 12 -1 2 3 13 21 -1 -1 -2 4 14 -1 -1 5 15 23 29 -1 2 -1 6 16 24 30 -1 2 4 7 17 25 31 -2 1 8 18 -2 1 9 19 27 22 28 26 -1 32 4 4 -1 -1 -1 1 2 12 0 0 3 13 21 0 -1 -2 4 14 -1 -1 5 15 23 29 -1 2 -1 6 16 24 30 -1 2 4 7 17 25 31 0 0 8 18 -2 0 9 19 27 0 -1 10 20 1 11 22 28 26 -1 32 4 4 -1 -1 -1 1 2 12 0 0 3 13 21 0 -1 -2 4 14 -1 -1 5 15 23 29 -1 2 -1 6 16 24 30 -1 2 4 7 17 25 31 0 0 8 18 -1 0 9 19 27 0 -1 10 20 11 22 28 26 -1 32 4 4 -1 -1 -1 1 2 12 0 0 3 13 21 0 -1 -2 4 14 0 0 5 15 23 29 0 0 -1 6 16 24 30 0 0 4 7 17 25 31 0 0 8 18 -1 0 9 19 27 0 -1 10 20 11 22 28 26 -1 32 4 4 -1 -1 -1 1 2 3 4 CASO 5 1 2 3 4 CASO 6 1 2 3 4 1 2 12 0 0 3 13 21 0 -1 -2 4 14 0 0 5 15 23 29 0 0 -1 6 16 24 30 0 0 2 7 17 25 31 0 0 8 18 0 0 9 19 27 0 -1 10 20 11 22 28 26 0 32 4 4 -1 -1 -1 1 2 12 -1 0 3 13 21 -2 -1 4 14 22 28 5 15 -1 -1 23 29 -1 0 6 16 24 30 0 2 7 17 25 31 0 8 18 26 -1 32 4 4 9 19 27 -1 1 10 20 11 1 2 12 0 0 3 13 21 -2 -1 4 14 22 28 5 15 -1 -1 23 29 -1 0 6 16 24 30 0 2 7 17 25 31 0 8 18 26 -1 32 4 4 9 19 27 -1 10 20 11 FIGURA 3.10 – Modelo de blocos sendo otimizado FONTE: Modificado de DOWD & ONUR. 2 e 3. 1993 44 . as três unidades de qual são alocados contra blocos 1.Capítulo 3 – Métodos Clássicos de Retirada de Minério (bloco 11).12(a). como mostrado na figura 3.

dessa forma. Depois da distribuição bloco 12 tem um valor de +1 e é junto com seu cone de extração somado ao conjunto de solução (figura 3. lavrar todos os blocos a um lucro líquido de zero. depois de distribuição (figura 3. o bloco 11 permanece positivo. cada um deles se torna zero depois da distribuição dos valores do bloco 12 (figura 3.12(c)). Os algoritmos começam agora novamente desde o princípio com os valores originais restabelecidos aos blocos não removidos.11 – Modelo de blocos otimizados FONTE: Modificado de DOWD & ONUR. Há dois blocos com valores negativos (1 e 7) no cone de extração para bloco 11 e. O cone de extração do bloco 12 contém seis blocos agora com valores negativos.12(c)). 1993 O cone de extração do bloco 12 tem um valor de –1. são somados ao conjunto de solução.12(b)).Capítulo 3 – Métodos Clássicos de Retirada de Minério 1 2 3 4 CASO 8 1 2 3 4 CASO 9 1 2 3 4 1 2 12 3 13 21 -1 -2 4 14 22 28 -1 -1 5 15 23 29 -1 6 16 24 30 7 17 25 31 4 8 18 26 32 -1 4 9 19 27 -1 10 20 11 1 2 12 3 13 21 -1 -2 4 14 22 28 -1 -1 5 15 23 29 -1 6 16 24 30 7 17 25 31 3 8 18 26 32 0 3 9 19 27 0 10 20 11 1 2 12 3 13 21 -1 -2 4 14 22 28 -1 -1 5 15 23 29 -1 6 16 24 30 7 17 25 31 8 18 26 32 9 19 27 10 20 11 FIGURA 3. com um valor líquido de +1. O Bloco 11 e os blocos dentro de seu cone de extração. 45 . que é o valor de cava líquida nesta fase. A solução produzida pelo algoritmo é.

1993 46 . Isto pode ser alcançado pelas medidas seguintes. Se não. Assim.Capítulo 3 – Métodos Clássicos de Retirada de Minério O erro é causado por blocos que são comuns a ambos os cones de extração. Se o procedimento de distribuição começasse com estes blocos não comuns. contanto que possa ser corrigido para produzir soluções ótimas. 8 e 9 são blocos comuns.12 – Passos do algoritmo de Korobov FONTE: Modificado de DOWD & ONUR. Blocos 1 e 7 só são membros do cone de extração 1 e não são compartilhados pelo cone de extração 2. são somados o bloco e seu cone de extração à solução. 1 1 2 3 (a) 1 2 3 1 1 2 2 7 3 3 8 11 4 4 9 12 5 5 10 6 6 -1 -1 -1 -1 -1 3 -1 -1 7 -1 -1 -1 1 0 2 7 2 0 -1 3 8 11 3 0 -1 0 4 9 12 4 -1 -1 7 5 10 5 -1 -1 6 6 -1 (b) 1 2 3 1 1 0 2 7 2 0 -1 3 8 11 3 0 0 0 4 9 12 4 0 0 1 5 10 5 0 0 6 6 0 1 2 3 1 0 7 0 11 (c) 1 FIGURA 3. distribuição contra blocos comuns só é feita após os valores de todos os blocos negativos não comuns for reduzido a zero. se dois ou mais cones têm blocos em comum. uma checagem deveria ser feita para determinar se quaisquer dos blocos em seu cone de extração foram alocados valores através de outros cones. os valores são relocados de tal um modo que a todos os blocos não comuns são alocados valores antes de qualquer distribuição ser feita contra blocos comuns. a distribuição deve ser feita primeiro contra os blocos não comuns. A simplicidade e tempo de computação rápido do algoritmo de Korobov fazem dele uma alternativa ao algoritmo de Lerchs-Grossmann. 4. 3. o erro não aconteceria. Se um bloco positivo permanece positivo depois da distribuição. Se eles têm valores positivos. Blocos 2.

2). como pode ser visto na figura 3. Se um bloco positivo permanecer positivo depois da distribuição. 1). Se eles possuem valores positivos. Neste exemplo. Como este é o primeiro cone do modelo. será chamado de cone 1. onde m =1. i+1 e n=j-1. 2. os cones de extração para os blocos do nível 2 são definidos por nove blocos do nível 1 para um bloco positivo do nível 2.Capítulo 3 – Métodos Clássicos de Retirada de Minério O número de procuras de cone é significativamente reduzido por meio de caminhos que definem vínculos entre blocos de valor zero em um cone de extração e qualquer bloco negativo esboça um cone cruzado. a procura se desenvolve para o nível 2 e começa do bloco (2. os valores são redistribuídos de um tal modo que todos os blocos não comuns sejam distribuídos valores antes de qualquer distribuição ser feita em favor dos blocos comuns. uma averiguação deverá ser feita para determinar se a quaisquer dos blocos em seu cone de extração foram distribuídos valores através de outros cones. 3. Segundo Dowd e Onur o número de procuras do cone é significativo reduzido por meio de caminhos que definem ligações entre blocos de valor igual a zero em um cone de extração e algum bloco de valor negativo presente em um cone de interseção. As dimensões do bloco são as mesmas em todas as direções. n. 3. 1). 2) no nível 2 consiste de blocos (m. Neste exemplo há dois níveis e o ângulo de talude é de 450 . O 47 . Se não. n. onde m=i-1. j+1. j. O cone de extração para o bloco positivo (i. O algoritmo corrigido é demonstrado por meio de um exemplo tridimensional. Como não há bloco positivo no nível 1. Os blocos membros para o cone 1 são os blocos (m. Isto pode ser alcançado pelas seguintes medidas. são somados o bloco e seu cone de extração ao conjunto de soluções. 3 e n= 1.4 – Correção do Algoritmo de Korobov O algoritmo de Korobov pode ser corrigido para produzir soluções ótimas (Dowd e Onur(1993) apud Pereira (2000)).13 (a).

Capítulo 3 – Métodos Clássicos de Retirada de Minério procedimento anterior é executado para os demais blocos positivos do nível 2 que são numerados como cones de número 2 a 9. A distribuição original é mostrada na figura 3. 3. Para os blocos (3. 1) foram distribuídos valores para o cone número 6 e os blocos (5. 4. 4. Então o cone número 3 é considerado para determinar se há algum bloco negativo que não está em comum com a interseção dos cones de números 5 e 9. 1) pelo cone número 3 é redistribuído para o bloco (1. O cone número 5 é o primeiro a ser considerado. Como não há nenhum valor positivo à esquerda no modelo de blocos o algoritmo é finalizado. O cone número 9 contém oito blocos para os quais foram distribuídos valores por outros cones. 4. 1) pelo cone número 5 é redistribuído para o bloco (2. 1) e (1. 1). 1) e (5. o número superior representa o cone para o qual o valor do bloco foi distribuído e o número inferior representa o valor líquido do bloco depois da distribuição. 3. 3 e 4. 5. 1). 1).13 (b). 48 . onde cada bloco tem dois números. 1). 3. 1) e (4. Há dois blocos : (1. mas alguns blocos são encontrados por terem distribuído valores para os cones de números 2. O caminho em termos de números de blocos é: (5. 5. 3. 5. 4. os blocos (3. 1) é distribuído um valor de +1 do cone número 9 ( i. 3. 3. 4. 1). (3. 1) foram distribuídos valores para o cone número 5. bloco (4. 1) e (1. 3. (3. (4. 1) e (4. 5. Este caminho define a redistribuição: o valor (+1) que foi previamente distribuído para o bloco (2. 3. 3. Todos os blocos deste cone que são comuns ao cone de número 9 são eliminados e uma reavaliação é feita para determinar se quaisquer dos blocos restantes do cone número 5 são negativos. O valor (+1) que foi previamente distribuído para o bloco (3. Não há blocos negativos.e. 4. Para o bloco (3. 1). 1) foram distribuídos valores para o cone número 8. 2)). 1). 1). (2. passando pelos cones número 5 e 3 e terminando em um bloco negativo. 4. Um caminho foi agora estabelecido a partir do valor positivo do cone de extração número 9.

e (4) relocação dos valores dos blocos. 1993 O algoritmo de Korohov corrigido consiste em quatro partes: (1) distribuição inicial dos valores dos blocos positivos. 49 . 1). a escolha pode ser feita por qualquer um dos caminhos existentes. (3.13 – Correção do Algoritmo de Korobov FONTE: Modificado de DOWD & ONUR. a exigência de memória depende do número de blocos positivos que não são fazem parte da solução. ou seja. Nota-se que um caminho alternativo para um bloco negativo poderia ter sido definido pelo cone número 2. Segundo Dowd e Onur (1993) o algoritmo sempre conduzirá à mesma solução. 4. Quando vários caminhos alternativos estão disponíveis. 2. (5. (2) determinação dos blocos contra os quais foram alocados valores dos blocos positivos previamente. 5. 1). O programa mantém todos os blocos positivos não lavrados na memória a menos que eles sejam somados à solução ótima. (3) determinação do valor mínimo a ser alocado se um bloco foi alocado valores por mais de um bloco positivo. 1 1 2 3 4 5 -1 -1 -1 -1 -1 2 -1 -1 -1 -1 -1 3 -1 -1 -1 -1 -1 4 -1 -1 -1 -1 -1 5 -1 -1 -1 -1 -1 1 2 3 4 5 1 2 3 4 -1 5 -1 1 2 3 4 5 1 2 3 4 5 -1 1 0 2 0 3 0 0 1 5 0 2 0 3 0 3 0 1 0 0 0 2 0 3 0 6 0 0 0 0 1 4 4 0 2 0 0 0 3 0 0 0 5 0 6 0 4 4 7 0 0 4 4 7 5 0 0 5 6 0 0 6 6 8 0 4 4 5 5 5 6 0 0 6 0 0 5 8 0 6 8 9 0 9 0 0 7 7 0 8 0 0 0 0 0 1 2 3 4 2 4 2 2 4 2 2 4 2 2 3 4 0 2 0 3 0 2 3 4 1 0 2 0 3 0 4 0 0 5 0 6 0 4 0 5 0 0 6 0 7 8 0 9 0 7 0 8 9 0 FIGURA 3. 1). Conseqüentemente. (2. 3. 1) e (4.13 (c).Capítulo 3 – Métodos Clássicos de Retirada de Minério A forma final do resultado é mostrada na figura 3.

1. com certos pares de nós unidos por linhas chamadas de ramos (ou arcos). De acordo com a teoria dos grafos. deve-se conhecer algumas terminologia das redes.CAPÍTULO 4 MÉTODOS DE OTIMIZAÇÃO UTILIZANDO A PROPOSTA DE LERCHS E GROSSMANN 4. segundo Hiller e Lieberman (1988) um grafo consiste num conjunto de pontos de junção chamados de nós (ou vértices). Um grafo orientado é aquele em que todos os ramos estão orientados.1 – Generalidades Antes de descrever os algoritmos. Uma árvore é um grafo conectado que não contém nenhum ciclo. de modo que um nó é considerado o ponto de origem e outro nó o ponto de destino.1 . Similarmente. ele é chamado de destino [T] se todos os seus ramos estiverem orientados em sua direção (Houlden (1962)). . para o entendimento de como foi formulada a resolução do problema de abertura de cava de minerações. Um ciclo é uma cadeia conectando um nó a ele mesmo sem retornar nos seus passos. Uma cadeia de nós i e j são uma seqüência de ramos conectando estes dois nós. Um ramo de um grafo é dito ser orientado se existir um sentido de direção atribuído ao ramo. Um nó numa rede é chamado de fonte [S] se cada um de seus ramos tiver uma orientação tal que o fluxo se mova para fora do nó.ANÁLISE DE REDES 4. Um grafo é conectado se existir uma cadeia conectando cada par de nós.

ajustando o fechamento do nó. Algumas restrições para a retirada dos blocos de minério. com um conjunto A de pares de elementos de x. O problema do fluxo máximo é um problema de programação linear e pode ser resolvido pelo método simplex (Armstrong (1998)). através de uma rede de tubulação..n) chamados de nós de G.Capítulo 4 .. assim. vindo o custo de extração quando os blocos sozinhos são extraídos. O problema da cava ótima é bem representado na direção do gráfico G = (V. O fluxo em uma rede possui certa analogia com o escoamento de água de origem S a um destino T.A) sendo definido como a reunião de um conjunto V de elementos Vj (j = 1. chamados de ramos do grafo. Supondo. Um corte pode ser definido como qualquer conjunto de ramos orientados contendo pelo menos um ramo de todo o caminho da fonte até o destino (ver figura 4.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 4.1). o fluxo viável máximo da fonte até o destino é igual ao valor do corte mínimo para todos os cortes da rede (Hiller e Lieberman (1988)). que representa o valor individual do bloco. o teorema do fluxo máximo e corte mínimo define que. Decidindo qual bloco será extraído.. mas não é possível somente a retirada de blocos de minério. Cada bloco i correspondente a um nó e a cada nó é atribuindo um “peso” bi na rede. a ordem de maximizar o lucro é equivalente a encontrar o máximo “peso”.1. para qualquer rede com uma fonte e destino.. sendo que o escoamento obedece às restrições de escoamento.2. Quando o ajuste do nó é 51 . A capacidade de cada ramo corresponde à vazão máxima de água através da tubulação correspondente. e o bloco j não é extraído antes do bloco k (Lerchs e Grossmann (1965) apud Hustrulid e Kuchta (1995)). Isto quer dizer que o fluxo máximo possível seria a soma dos valores de todos os blocos de minério. Assim. Este relacionamento precedente é determinado por requerimento da estabilidade de taude. devem ser feitas e também a seqüência desta retirada também deve ser obedecida. O valor da rede é computado ao valor assegurado do minério no bloco.2 – Teorema do fluxo máximo e corte mínimo Um teorema importante conhecido da teoria das redes é o teorema do fluxo máximo e corte mínimo. O valor do corte é a soma das capacidades de fluxo dos ramos (na direção especificada) do corte (Bienstock (1998)). que o bloco i não é extraído antes do bloco j.

o problema de fechamento máximo de grafo e o problema de abertura de cavas de minas são os mesmos.1). Os algoritmos mais eficientes conhecidos naquela época eram as variações do algoritmo push-relabel. respectivamente para m e n os números de arcos e nós nos gráficos. descritos por Hochbaum (1997). O algoritmo Lerchs e Grossmann em duas dimensões funciona na prática e é interessante na teoria. também é fechado.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann fechado. A complexidade é importante pois é um critério analítico utilizado para avaliar a eficiência de um programa. 1997 52 .Capítulo 4 . O algoritmo é baseado em aproximações de alguns algoritmos de fluxo máximo. Formalmente. Em primeira mão a indústria ficou satisfeita com sua performance.1 – Corte mínimo para máximo fechamento em grafos FONTE: HOCHBAUM. este critério não leva em consideração as especificações do equipamento utilizado para executar o programa. de complexidade O=(mn log n2/m) e O=(mn + n2+ε) para qualquer ε>0. Semelhante ajuste é chamado fechamento máximo em G (ver figura 4. todo o conteúdo posterior ao nó. FIGURA 4.

. Considere o grafo fechado G = (V.. Os filhos (os descendentes imediatos) de i são todos os nós para os quais i é o (único) pai.A). mas o oposto para as convicções arborísticas). 53 ..v) ou (v. com o aparecimento do algoritmo idealizado por Helmut Lerchs e Ingo F.. Uma extremidade [i. Uma árvore estendida no grafo é uma floresta em (V..Capítulo 4 .Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 4.. Será necessário se referir a ramos como extremidades. vk] denotando um caminho unidirecional de v1 para vk .v2). da direção deles...v2). (vk-1.ALGORITMO LERCHS E GROSSMANN 4. vk) ε A (Valente (1982)). (v1. vk) indicam um caminho direcionado de v1 para vk. independentemente. (v1.1. (v1. Grossmann e desde esta data muitos autores o desenvolveram e muitas técnicas de programação lhe foram aplicadas. O algoritmo de Lerchs e Grossmann trabalha com um grafo estendido que inclui um nó de raiz r. Quer dizer.... vk) ε A. [u..Generalidades A verdadeira revolução em otimização de aberturas de cavas de minas surgiu em 1965.2 .j] é dita que é adjacente aos nós i e j. [v1.2.. (vk-1.v] indicam que uma extremidade que representa qualquer um (u. Sendo. Subgráficos acíclicos (unidirecionados) serão chamados de árvores ou ramos. v 2.u). O pai (o antepassado imediato) de um nó i ε V é o nó imediatamente adjacente ao i no único (unidirecional) caminho da raiz para i.A). v 2.. Neste trabalho é apresentada a técnica da aplicação da teoria dos grafos... formando um arco com capacidade infinita e vai de r para todos os nós de V. A posição da raiz está em cima da árvore e as folhas em baixo (seguindo o consenso geral na literatura de algoritmos. Outros nós no caminho da raiz para i estão se dirigindo aos seus antepassados e aos seus sucessores não imediatos para os quais i é um antepassado dirigido aos seus descendentes.

Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann

Um ramo em uma árvore enraizada são as raizes das subárvores ou ramos formadas por si só e seus descendentes.

4.2.2- Definições Como será mostrado, o algoritmo de Lerchs e Grossmann é um algoritmo dual para o problema de fechamento máximo e corte mínimo que trabalha com a solução ótima possível. Sua relação para fluxo máximo é bastante evidente. Uma interpretação do algoritmo de Lerchs e Grossmann é que ele identifica no grafo de fechamento uma floresta envergando dois tipos de árvores. Um tipo são as árvores fortes que são árvores D com propriedades que são C(s,D) > C(D,t), ou peso total do nó que é positivo. As outras árvores na floresta são chamadas fracas. A forma das árvores fortes são o ajuste que a fonte candidata fixou como o corte. Este ajuste necessariamente não é fechado, mas seu peso total pode exceder só o valor do máximo fechamento, que é uma solução ótima. A cada repetição o algoritmo cria uma árvore no gráfico estendido, chamada de uma árvore normalizada. A árvore é construída com a propriedade de fechamento máximo, sendo o ajuste desta árvore de fácil identificação. Este ajuste não é fechado necessariamente no gráfico G = (V, A) e seu valor é só maior que o ajuste de ótimo fechado no grafo G. Cada repetição do algoritmo consiste em identificar impossibilidades na forma de violações do fechamento e atualizar a árvore enquanto é reduzido o vazio entre o valor da solução ótima e a ótima solução possível. A árvore normalizada criada está enraizada em um nó “dummy” r e enverga todos os nós de V. Sendo e = [p, q] um ramo em T tal que aquele p é o pai (antecessor) de q. O ramo e define um ramo Tq, a subárvore enraizada a q, e apoiar sua massa da qual é a soma dos pesos nós em Tq, b(Tq).

54

Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann

Um ramo da árvore ou aponta para a raiz (acima) ou aponta para longe da raiz (abaixo). Lerchs e Grossmann (1964) usaram a anotação de p-ramo e m-ramo, onde p e m representam valores positivos e negativos respectivamente.

-4

-1

p-forte

1
p-fraco

2

5

-2
m-fraco

-4
m-forte

-1

3

Xo
Figura 4.2 – Definição das extremidades fortes e fracas FONTE: Modificado de LERCHS E GROSSMANN, 1965

No grafo da figura 4.2, tem-se um nó “dummy” X0 e o ramo “dummy” (Xo, Xi). O algoritmo inicia-se com a construção da árvore T0 em G e T0 é então transformado em sucessivas árvores T1, T2, ..., Tn seguindo a normalização, até não ser mais possível à transformação. O máximo fechamento está vindo pelos vértices dos ajustes da identificação dos ramos da árvore final. As árvores construídas durante o processo interativo são caracterizadas por produzir algumas propriedades. Cada ramo ek (arco ak) de uma árvore T define um ramo, chamado de Tk =(Xk, Ak). É também conveniente escrever Xk para a raiz (origem) do ramo Tk. A massa Mk do ramo Tk é a soma das massas de todos os nós de Tk. Esta massa está associada com um ramo ek (arco ak) suportando a massa Mk. A árvore T com a origem X0 e o ramo ek (ramoTk) é caracterizada pela orientação dos ramos ak com o respectivo X0, e ek é chamado de ramo-p (plus) se são pontos ak na

55

Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann

direção do ramo Tk, se for um nó terminal para ak , então é a parte do ramo Tk, sendo chamado de ramo-p. Se os pontos do ramo ak seguem para o ramo Tk, então ek é chamado de ramo-m (minus) e Tk de ramo-m. Similarmente, todos os ramos são divididos em duas classes: ramos-p e ramos-m. Assim são mostradas todas as distinções entre ramos fortes e fracos. Um ramo-p é forte se suporta uma massa que é estritamente positiva e um ramo-m é forte se suporta uma massa nula ou negativa. Ramos que não são fortes são ditos fracos. Um nó Xi é dito forte, se existe pelo menos um ramo de T junto com Xi de raiz X0. Nós que não são fortes são ditos fracos. Finalmente, uma árvore é normalizada se a raiz X0 é comum quando todos os ramos são fortes. Qualquer árvore T do grafo G pode ser normalizada pela substituição dos ramos (xk, xp) de um ramo-p forte com um ramo “dummy” (x0, xp), o ramo (xq, xr) de um ramo-m forte por um ramo “dummy” (x0, xq) e repetir o processo até que todos os ramos fortes tenham X0 em um de seus ramos. A árvore na figura 4.3 é obtida pela normalização da árvore da figura 4.2. Note que todos os ramos “dummmy” são ramos-p e todos os ramos fortes da árvore normalizada são também ramos-p.
-4 -1 -2

1

2

5

-4

-1

3

Xo
Figura 4.3 – Procura Final dos ramos de uma árvore normalizada FONTE: Modificado de LERCHS E GROSSMANN, 1965

O grafo G considera como o resultado, o aumento obtido do grafo pela adição do grafo original um nó “dummy” X0 com uma massa negativa e um ramo “dummy” (x0, xi),

56

p T(Z) Xp m Xk Xq X0 Xr T(X-Z) Figura 4. Portanto o nó X0 é a raiz de todas as árvores consideradas. O último ramo de A* é um ramo-m porque a junção da cadeia x0 até xr tem que revisar xk e assim conter um dos ramos de pelo menos de A*.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann unindo X0 a todos nós Xi. demonstra-se que se um nó. Sendo eq =[ xp . dito xr. como os nós de Z tem um nó terminal em Z. A normalização de árvores apresenta algumas propriedades segundo Lerchs e Grossmann (1964): Propriedade 1: Se um nó xk pertence ao máximo fechamento Z de uma árvore normalizada T. respectivamente. então todos os nós Xk do ramo Tk.Capítulo 4 .4 – Definição do melhor caminho Fonte: Modificado de LERCHS E GROSSMANN. de um ramo Tk não pertence a Z . também pertencem a Z (ver figura 4. Porque X0 não pode partir para qualquer fechamento de G. sem que o mesmo seja máximo. e Z é o fechamento de T.xq] um 57 .4). xi) não afeta o problema. A primeira semelhança entre xk e xr é um ramo-m. a introdução do ramo “dummy” (x0. Prova: Como prova. então Z não é o fechamento máximo. Sendo T(Z) e T(X-Z) os subgrafos de T definidos pelos vértices de Z e X-Z. 1965 Todos os ramos A* de T que uniram os nós de X-Z.

A massa Tq é estritamente positiva. Se a árvore não possuí um nó forte.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann ramo-m com xpεZ e xqεX-Z (possível xp= xk e/ou xq= xr ). Sendo Tq’ um componente de T(X-Z) contido no nó xq. Propriedade 2: O máximo fechamento de uma árvore normalizada T é o conjunto Z ajustado de seus nós fortes. Podendo achar o fechamento de Y em G do grafo parcial S de G para o qual Y é o fechamento máximo. então o fechamento máximo e o ajuste vazio Z -φ. Prova: Deve-se usar o seguinte argumento: Se S=(X. mas que um ramom não é um sub-grafo fechado de T. Se. provando assim o teorema. MZ≥MY. caso contrário haveria ciclo em T. xp]. ou seja. O ramo de A* conectado ao ramo de Tq’ do nó de Z. então Y é o fechamento máximo de G. A*) é um grafo parcial de G e se Z e Y são o fechamento máximo de S e G. são todos ramos-p em T. Esta é a completa prova. Conseqüentemente T é normalizado. em particular. então o fechamento máximo de G é vazio ajustando Y=φ. respectivamente. a massa de qualquer ramo-p de Tq é negativa ou nula. Foi notado que qualquer ramo-p de T é um sub-grafo fechado de T.Capítulo 4 . esta propriedade segue a diretamente a propriedade 1. Portanto. e devido Y ser o fechamento máximo de T (propriedade 2). com exceção de [xq. tem-se. porque Y é maior que o fechamento máximo em T. não há um ramo forte. a massa Tq’ é estritamente positiva e Z não é o fechamento máximo (o fechamento Z+Xq’ possuí massa maior). o ajuste do nó forte para a normalização de uma árvore de G é vazio. Teorema 1: Se em um grafo orientado G é possível construir uma árvore normalizada tal que o ajuste Y de nós fortes de T é o fechamento de G. Tq é um ramo-m de T. 58 . Devido T ser um grafo parcial de G. Por isso Tq’ é um ramo obtido pela remoção do ramo-p vindo do ramo-m Tq de T.

Capítulo 4 . 1964 X-Yt 4.2. Construir uma árvore Ts pela substituição do ramo (x0. ir para o passo 2. O processo termina quando Y é o fechamento de G. As iterações t +1. Ir para o passo 1. xm) de Tt pelo ramo (xk. caso contrário ir para o passo 4. na data ainda não satisfatoriamente resolvidos. dos clássicos métodos de cones flutuantes. 4 – Terminar.5). 3 – Normalizar Ts. a raiz de um ramo forte que contém xk. Yt é o fechamento máximo de G. tentativas infrutíferas até que o aparecimento do algoritmo Lerchs e Grossmann permitiu resolver problemas.3 – Passos do Algoritmo Construída a árvore normalizada T0 em G. A iteração de ordem t +1 transforma a árvore normalizada Tt em uma nova árvore normalizada Tt+1. 2 – Determinar xm. 59 . xl) em G.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 4. Yt xk xm xl xp x0 Figura 4. Cada árvore Tt = (X. xl).Máximo fechamento do grafo Fonte: Modificado de LERCHS E GROSSMANN. Assim.4 – Aplicação do Algoritmo LG no método dos cones flutuantes A aplicação isolada deste método está na origem das primeiras tentativas históricas de otimização de cavas. Ir para o passo 3. tal que Yk ε Yt e xl ε X-Yt. entra-se em um processo iterativo. Produzindo Tt +1.5. passa-se diretamente à exposição do método dos cones flutuantes aplicando o algoritmo.2. (Ver figura 4. já sob o ponto de vista prático. apresentando os seguintes passos: 1 – Se existe um ramo (xk.At) é caracterizada pelo ajuste dos ramos At e o ajuste Yt de seus nós fortes.

O terceiro grupo de instruções efetua a normalização dos cones fortes e fracos. Por outro lado dada uma árvore A (sub-grafo de G) que contenha o cone do bloco vk. os blocos suprajacentes a um dado bloco de minério. Os sucessivos cones vão sendo transformados com adições e subtrações de blocos tal como na normalização das árvores construídas no algoritmo LG.Capítulo 4 . Neste caso. por sua vez. são aqueles cujo desmonte é necessário para efetuar o desmonte desse bloco. este identifica-se com o ramo Rk podendo ser forte ou fraco consoante a massa global (valor total) dos nós que constituem (cone forte ou fraco). O método identifica e conserva em memória os sucessivos cones fortes e fracos. Por definição. três situações podem ocorrer: 1. o cone forte não consegue suportar mais um bloco 60 .O valor do cone forte do bloco inicial somado com o do bloco suprajacente é negativo ou nulo. cones fracos e fortes e realizam as transformações descritas no algoritmo LG. membro de um cone fraco cujos vértices ou blocos constitutivos permanecem em memória. As quatro partes diferenciáveis no método permitem a identificação de fechos. Este terceiro ciclo só intervém quando o bloco subrajacente é. Os sucessivos passos do método podem ser separados em quatro partes ou ciclos de programação. Neste caso. O segundo ciclo só intervém quando é encontrado um bloco de minério e pesquisa a existência de blocos suprajacentes que pertencem ao cone do bloco de minério não identificando no primeiro grupo de instruções e que não tenham sido previamente desmontados.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann O cone de um bloco (nó) genérico vk é um sub-grafo fechado do grafo inicial G e o conjunto vk dos seus blocos (nós) é um fecho do grafo G. O primeiro grupo de instruções permite a identificação dos blocos de minério existentes no depósito (blocos para os quais a função objetivo tem valor positivo).

No caso de tal acontecer o programa reentra no 2o ciclo de instruções e a rotina continua através do 2o. O programa executa ainda um 5o ciclo de instruções cuja a finalidade é detectar a existência de cones fracos que. isto é. que pesquisa novo bloco suprajacente.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann suprajacente e passa a fraco e o programa prossegue com a pesquisa de outro bloco de minério (vide 1ociclo). é positivo. Neste caso ambos os cones podem suportar os blocos suprajacentes e os blocos do cone fraco passam a pertencer ao cone forte do bloco inicial. Neste caso todos os blocos pertencentes ao cone forte inicial são desmontados.Método de Otimização Manual aplicando Lerchs e Grossmann Até ao aparecimento do algoritmo LG a otimização de cavas finais sempre foi feita por um método manual de tentativas. devido ao fato de alguns dos seus blocos terem sido arrastados por cones fortes e desmontados.O quarto ciclo de instruções garante que o cone forte do bloco inicial seja um fecho do grafo inicial G. podem não atingir a superfície . 2. Neste caso o bloco suprajacente é arrastado pelo cone do bloco inicial. 3. "nele se procurava. Em ambos casos o programa prossegue com o 1o ciclo de instruções até que todos os blocos de minério tenham sido examinados. Isto porque os cones fracos interceptados pelo cone forte podem não ser completos. podem passar a forte e serem eles próprios desmontados. através de tentativas. chegar a uma 61 .O valor total do cone forte do bloco inicial com o do cone fraco a que pertence o bloco suprajacente. mas o cone fraco a que pertence este bloco continua fraco mesmo sem ter que o suportar. 3o e 4o ciclos até que o cone forte passe a fraco com demasiados blocos suprajecentes ou até que o fecho esteja completo. desligando-se do cone fraco e o programa prossegue com o 2o ciclo de instruções. 4.5 . 4. O programa prossegue com a execução de 2o ciclo de instruções (pesquisa de blocos suprajacentes pertencentes ao cone e não desmontado).Capítulo 4 .2.O valor total do cone forte do bloco inicial com o do bloco interceptado é positivo.

trata-se de um verdadeiro “ benefício” de cada bloco. para cada bloco (i.Calcula-se o valor Mij acumulado para cada coluna considerada.j) define-se a quantidade mij = vij – cij (na verdade.j-1)}. com : k = -1. ela deveria ser fechada (em nova tentativa) para desmontar minério de maior teor e menos estéril.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann cava que deveria ser interessante e. sendo preciso notar que: i) ii) Pij representa a contribuição máxima possível das colunas 1 a j. +1 Pmax = maxKPik A otimização está assim garantida. se viesse a aparecer muito estéril dentro desta cava. então a cava ótima é obtida seguindo-se os arcos da direita para esquerda e 62 .Procura-se o caminho ótimo que representa o contorno da cava para a seção considerada. uma solução analítica fácil de ser obtida. passo a passo (válido para os casos a 2D e 3D embora a descrição seja para 2D): 1. o grande mérito da modificação de Johnson é admitir que se passa a descrever. O que tem resultado no aparecimento de variados algoritmos heurísticos e variados métodos aproximados de resolução. na prática. houvesse possibilidade de alargar mais a cava. para qualquer pit viável que contenha o elemento (i.Uma vez descretizada a jazida em blocos tecnológicos apropriadamente avaliados. Por isto. O problema da otimização de uma cava final (a 2D ou 3D) não tem. na procura desse caminho usam-se as relações abaixo: Poj = 0 primeira linha zerada (12) Pij = Mij + max K {(Pi+k. pôr si só). 0 . 2.Capítulo 4 . ou seja : M = ij ∑ i m (11 ) kj k = 1 3 . mas se o contrário. Caso o valor máximo de P na primeira linha seja positivo. tal também deveria ser feito (em nova tentativa) e assim sucessivamente até se alcançar uma cava final satisfatória” (Valente (1982)).j).

mas foram modificadas neste trabalho para melhor compreensão.12. 1964 A otimizaçãoé iniciada fazendo-se a soma dos valores das colunas. para o bloco da linha 4 e coluna 7. 1964 1 2 3 4 5 6 7 8 9 1 -4 2 -4 -4 3 -4 -4 -4 4 -4 -4 -4 -4 5 -4 -4 -4 -4 -4 6 8 0 -4 -4 -4 -4 7 12 12 8 0 -4 -4 -4 8 12 12 12 12 8 0 -4 -4 9 0 8 12 12 12 12 8 0 -4 10 -4 -4 0 8 12 12 12 12 8 11 -4 -4 -4 -4 0 8 12 12 12 12 -4 -4 -4 -4 -4 -4 0 8 12 13 -4 -4 -4 -4 -4 -4 -4 -4 0 14 -4 -4 -4 -4 -4 -4 15 -4 -4 -4 -4 16 -4 -4 -4 17 -4 -4 18 -4 FIGURA 4. -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 12 -4 12 12 12 12 -4 -4 -4 -4 -4 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -412 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 FIGURA 4. Estas figuras foram apresentadas originalmente por Lerchs e Grossmann.7 – Modelo de blocos com os valores para a otimização Fonte: Modificado de LERCHS E GROSSMANN. pelas figuras 4. Assim. originalmente foram -4 unidades monetárias para bloco de estéril e 12 unidades monetárias para bloco de minério.Modelo de blocos com a delimitação do corpo de minério Fonte: Modificado de LERCHS E GROSSMANN.6 . em seu artigo.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann iii) Com pequenos ajustes manuais é possível obter a cava final ótima a 3D.6 à 4. Pode-se acompanhar um exemplo de otimização de uma seção (2D). Os valores líquidos (NV). M47 .Capítulo 4 . tem-se: M47 = ∑mk 7 = m17 + m27 + m37 + m47 =12+12+12+12 = 48 k =1 4 63 .

obtendo-se o Pij.Procura do maior P1k Fonte: Modificado de LERCHS E GROSSMANN. j −1  M ij + max  Pi . j −1 FIGURA 4. então é formada. com os valores de Mij. 1964 O próximo passo é escolher o bloco a esquerda de máximo valor.Escolha do máximo valor Pij Fonte: Modificado de LERCHS E GROSSMANN. podendo ser vista na figura abaixo: 0 1 2 3 0 0 0 0 0 1 -4 -4 -4 -4 2 -8 -8 -8 -8 3 -12 -12 -12 4 -16 5 i 6 − ij 22 M P = P∑= m8kj ij = 7 k =1 8 P0 j = 0 9 4 5 0 0 -4 8 -8 8 -12 4 -16 0 -20 -4 -8 6 0 12 24 32 32 28 24 20 16 7 0 12 24 36 48 56 56 52 48 8 0 0 8 20 32 44 56 64 64 60 9 0 -4 -8 -8 0 12 24 36 48 56 10 0 -4 -8 -12 -16 -16 -8 4 16 28 11 0 -4 -8 -12 -16 -20 -24 -24 -16 -4 12 0 -4 -8 -12 -16 -20 -24 -28 -32 -32 13 0 -4 -8 -12 -16 -20 -24 14 0 -4 -8 -12 -16 -20 15 0 -4 -8 -12 -16 16 17 18 0 0 0 -4 -4 -4 -8 -8 -12 FIGURA 4.10 . 1964 64 .8 . 0 0 0 1 2 3 4 5 6 7 P = ij 8 9 1 2 0 0 -4 -4 -12 3 0 -4 -12 -24 4 0 -4 -12 -24 -40 5 0 8 4 -8 -24 -44 6 0 20 32 36 24 4 -20 7 0 44 60 72 84 80 60 32 8 0 0 8 20 32 44 56 64 64 60 9 0 -4 -8 -8 0 12 24 36 48 56 10 0 -4 -8 -12 -16 -16 -8 4 16 28 11 0 -4 -8 -12 -16 -20 -24 -24 -16 -4 12 0 -4 -8 -12 -16 -20 -24 -28 -32 -32 13 0 -4 -8 -12 -16 -20 -24 14 0 -4 -8 -12 -16 -20 15 0 -4 -8 -12 -16 16 0 -4 -8 -12 17 18 0 0 -4 -4 -8  Pi −1. 1964 0 0 1 2 3 4 5 6 7 8 9 0 -4 -8 -12 1 0 -4 -12 2 0 -4 -12 -24 3 0 -4 -12 -24 -40 4 0 -4 -12 -24 -40 -60 5 0 8 4 -8 -24 -44 -68 6 0 20 32 36 24 4 -20 -48 7 0 44 60 72 84 80 60 32 0 8 0 60 80 9 0 76 96 10 11 12 13 14 15 16 17 18 0 92 0 96 0 0 0 0 0 96 88 0 96 92 0 92 104 108 104 104 100 96 88 100 108 112 108 108 100 104 108 116 120 116 116 104 116 128 132 128 128 116 104 128 148 144 144 132 120 100 136 160 164 152 140 120 124 172 176 164 144 96 60 172 188 172 152 200 FIGURA 4. j −1   Pi +1.Capítulo 4 .Cava sendo otimizada Fonte: Modificado de LERCHS E GROSSMANN.9 .Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Uma nova seção. que será somado com o bloco original.

j − 1  Pi + 2 . 1964 0 1 2 3 4 5 0 1 -4 -4 8 2 -4 0 3 -4 4 5 6 7 8 9 Soma Acumulativa -12 -8 6 12 12 8 0 7 8 9 10 11 12 13 14 15 16 17 18 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 12 0 -4 12 8 -4 12 12 0 12 12 8 8 12 12 12 24 80 136 148 132 120 112 108 FIGURA 4. tem-se a seguinte relação :  Pi − 2 .Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 0 0 1 2 3 4 5 6 7 8 9 1 2 0 3 -4 4 -4 -12 5 8 4 -8 6 20 32 36 24 7 44 60 72 84 80 8 60 80 9 76 96 10 92 11 96 12 13 0 14 0 15 0 16 0 17 0 18 0 104 108 100 108 112 104 108 116 120 116 128 132 128 148 136 FIGURA 4. logicamente. à escolha dos ângulos de talude da cava. Exemplificando. 1964 4.3 – Angulos de taludes variáveis O processo de otimização está condicionado. j − 1  (13 ) 65 . j − 1   Pi − 1.12 – Cava final gerada a partir da aplicação do algoritmo Fonte: Modificado de LERCHS E GROSSMANN. com o “caminho”a ser percorrido da esquerda para a direita. j − 1  Pij = M ij + Max  Pi . j − 1   Pi + 1.Capítulo 4 . para o caso em que a relação vertical/ horizontal seja de 2:1.11 – Cone gerado a partir da aplicação do algoritmo Fonte: Modificado de LERCHS E GROSSMANN. Mudanças nos ângulos de talude requerem modificações no número de combinações para seleção dos blocos.

O uso do angulo de talude 1:1 é uma simplificação do processo. Os ângulos de talude máximos admissíveis podem variar com a localização.. Em geral.. r = limite do talude da coluna vizinha. Infelizmente. sob definições simples de talude de cava. O modelo de programação dinâmica mais completo e que leva em consideração múltiplos angulos de talude pode ser representado pelas seguintes relações: M ij = ∑ i m n = 0 ij nj (14 ) P ij = M + Max {P i+ r ..4 – Algoritmo Lerchs e Grossmann em 2 ½ D O algoritmo de seção transversal de Lerchs e Grossmann (programação dinâmica bidimensional) tem os benefícios da velocidade extrema e. nb = O numero máximo de blocos. 4.Capítulo 4 . que serão extraidos junto com o bloco (i. orientação. mij e Pij = definidos anteriormente neste capítulo.nb Onde : Mij. j−1 } (15 ) Com j= 1.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Sendo os valores de P. e elevação da região considerada no interior da cava. acima e abaixo do bloco (i.j).j) seguindo suas restrições. e r = -na. as geometrias de cava de seção transversal podem variar drasticamente de uma seção 66 ... Isto se deve principalmente a direções preferenciais das descontinuidades presentes no maciço rochoso. esta última qualidade só é valida para cavas bidimensionais. na . gera uma geometria exata de cava de seção transversal ótima.. M e Mij definidos como anteriormente. Evidentemente o projeto e por conseguinte angulo de talude da cava final no modelo de blocos é determinado principalmente pelas características geomecânicas das rochas..2. -na+1.

o Teorema Fundamental do Contorno (Limite) pode ser posto em prática. Passo 0 – Inicializa-se o algoritmo definindo a geometria de cava atual praticável como conjunto de blocos de ar ou seja aqueles blocos que possuem valores econômicos igual a zero. a geometria de cava atual praticável é uma geometria de contorno (limite) externo. representa um exemplo de uma definição de talude de cava menos rigorosa. Quer dizer. Passo 2 . a viabilidade de talude de cava só é satisfeita na direção das seções transversais. A cava praticável atual é modificada para incluir estes blocos. então a cava inicial é uma cava de limite (contorno) externo (uma cava máxima). Dado um modelo econômico de blocos e uma geometria inicial de cava praticável. Desde que esta cava não seja necessariamente uma cava praticável (cavas ótimas bidimensionais necessariamente não se alinham adequadamente de uma certa seção transversal para outra adjacente). um modelo de blocos modificado pode ser construído eliminando todos os blocos que pertencem à geometria inicial.Para cada seção transversal do atual modelo de blocos modificado. viabilidade para seção transversal. O Teorema Fundamental do Contorno (Limite) pode ser interpretado como segue. Um processo 67 . enquanto ignora restrições de talude de cava de seção transversal para seção transversal adjacente. para o modelo de blocos modificado e deste modelo não é retirado mais nenhum bloco. Se a cava de seção transversal é ótima. Assim. o modelo de blocos modificado da primeira interação é o próprio modelo de blocos econômico. deve-se parar. Assim. Se a união destas cavas de seções transversais ótimas não contêm nenhum bloco.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann transversal para outra adjacente. calcula-se a cava de seção transversal ótima. Como previamente mencionado. Passo 1 . Segue um algoritmo de contorno iterativo em três passos baseado nesta interpretação.Capítulo 4 .Todos os blocos que pertencem à união das cavas de seções transversais ótimas pertencem à cava do contorno (limite) externo.

O modelo de blocos será.1 – Algoritmo Johnson e Sharp Johnson e Mickle (1970) e Johnson e Sharp (1971) desenvolveram uma extensão do algoritmo de programação dinâmica bidimensional de Lerchs e Grossman a qual foi apresentada para resolver o problema de limite da cava final. são investigados todos os blocos não incluídos na geometria da cava atual praticável.Capítulo 4 . modificado de forma que todos os blocos indesejáveis na geometria da cava atual praticável sejam eliminados. Passo 3 .5. Neste processo. de novo. eventualmente podem ser repetidos. Considerando que no processo “extrator” podem ser liberados previamente alguns materiais submarginais (ou seja aqueles materiais que podem retornar a uma condição de minério). Em muitos casos. resultando em uma nova geometria da cava.2 e 3. Porém. devido ao fato de blocos positivos precisarem ser usados para se contrapor aos blocos de estéril em suas seções transversais especificas. os contornos gerados podem não representar resultados satisfatórios. embora freqüentemente mencionada como um algoritmo de programação dinâmica tridimensional completo. é intitulado com mais precisão como um algoritmo 2 ½ D. Esta extensão. Os passos 1. Caso um determinado bloco sobreponha-se a outro pertencente à geometria da cava atual praticável aquele deverá também ser incluído.5 – ALGORITMOS MODIFICADOS 4.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann chamado “extrator” é levado a cabo para obter-se viabilidade (praticabilidade). Só depois que o passo 1 não produzir mudança alguma é que o algoritmo pode ser propriamente finalizado. 4. 68 . este algoritmo simples de contorno produz resultados aceitáveis. A natureza interativa deste algoritmo deve ser enfatizada.

a extensão de Johnson não obtevesse muito uso desde sua introdução. é extremamente bem adaptada para modificação de um algoritmo de contorno final. a extensão de Johnson é muito próxima do algoritmo de programação dinâmica 2-D original. O algoritmo de contorno que usa a aproximação de programação dinâmica 2 ½-D segue os passos anteriores do algoritmo de contorno iterativo (pág. os passos 2 e 3 necessitam ser executados. este é um processo interativo. A modificação imposta por Johnson e Sharp pode ser expressa pela equação: S iq = ∑ ij M ij (16) Onde Siq é a soma dos valores econômicos dos blocos do contorno ótimo da cava.13 a seguir: 69 . Novamente. calcular em três dimensões. 67). pelo menos parcialmente. Computacionalmente. a facilidade e velocidade de implementação em um computador e sua capacidade para. em uma aplicação de contorno. Embora. a cava calculada pelo algoritmo de programação dinâmica 2 ½ . esboçado na seção e Mij já foi definido anteriormente neste capitulo. com a exceção do Passo 1.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann As vantagens da extensão de Johnson para o problema de limite da cava final são. o algoritmo é finalizado. Se a cava resultante não contém nenhum bloco. Porém.D é aplicado ao modelo de bloco modificado usado. A desvantagem principal é que a solução obtida pode não ser fisicamente possível (praticável). caso contrário. principalmente.Capítulo 4 . considerar a união das cavas de cortes transversais ótimas. devido à falta de espaço de aplicabilidade. Pode se ter uma melhor idéia deste método. pelo exemplo da figura 4. tem uma vantagem sobre as aproximações de contornos de seção Transversais desde que se considere interações perpendiculares para a direção de corte transversal.

13 – Valores econômicos dos mijk FONTE: Modificado de JOHNSON E SHARP 70 .Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 0 0 0 1 0 2 0 2 2 0 2 2 0 5 5 2 0 5 5 3 0 -2 3 0 2 2 3 0 2 2 4 0 5 0 6 0 7 k i K=1 j 0 1 -5 -2 0 1 0 -5 -5 4 0 5 0 6 0 1 2 0 K=2 -5 4 0 5 0 6 0 7 K=3 0 0 1 2 3 1 0 2 2 0 0 -5 -5 5 0 1 0 2 2 0 1 0 0 2 0 2 0 5 5 3 0 -2 2 0 2 2 4 0 5 0 6 0 7 K=5 3 0 4 0 5 0 6 7 K=4 0 1 2 0 0 -5 -5 0 1 0 -5 -2 -5 FIGURA 4.Capítulo 4 .

e o próximo passo pode ser acompanhado nas figuras 4. tem-se primeiramente o calculo de Siq para cada seção.15 e 4.14 – Nível ótimo para a seção k =3 FONTE: Modificado de JOHNSON E SHARP 2 2 -5 q=9 Siq = 13 Portanto. j q=3 Siq = 9 i =1 -5 2 5 2 -5 j i =2 -5 2 2 5 5 2 2 -5 q=4 Siq = 14 j i =3 -5 2 2 5 5 5 FIGURA 4.Capítulo 4 .14 para a seção k=3.15 – Cava ótima longitudinal FONTE: Modificado de JOHNSON E SHARP 71 .16: q i 2 0 -12 9 14 -13 9 14 -13 9 14 -13 2 2 -12 FIGURA 4. para esta seção tem-se a cava ótimo com valor de Siq = 14. como pode ser visto na figura 4.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Fazendo-se a análise pelo algoritmo.

5) Valor da cava = 46 4 0 5 0 6 0 7 K=4 Bloco (i.16 – Solução ótima usando Johnson e Sharp FONTE: Modificado de JOHNSON E SHARP 72 .1) 0 1 2 0 K=2 Bloco (i.2) -5 0 0 1 2 3 1 0 -5 0 2 2 2 0 5 5 3 0 2 2 4 0 5 0 6 0 7 K=3 Bloco (i.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 0 0 1 0 0 1 0 2 0 2 2 0 2 2 0 5 5 3 0 -2 3 0 2 2 4 0 5 0 6 0 7 k i K=1 j -5 -2 0 1 0 -5 -5 4 0 5 0 6 Bloco (i.q) = (2.3) 0 -5 5 0 1 0 -5 0 2 2 0 1 0 0 2 0 2 2 0 5 5 3 0 -2 3 0 2 2 4 0 5 0 6 0 K=5 7 Bloco (i.q) = (1.4) 0 1 2 0 -5 0 1 0 -5 -2 -5 FIGURA 4.q) = (2.q) = (1.Capítulo 4 .q) = (2.

só o Passo 1 requer modificação. O cálculo do Vijk é uma simples aplicação dupla do algoritmo de programação dinâmica bidimensional de Lerchs-Grossman. Utiliza um algoritmo 2-D modificado de Lerchs-Grossman. Para cada bloco (i.2 . j. Se não há nenhum bloco nesta classe o algoritmo para. k) no inventário do modelo de bloco econômico. Para um deposito mineral de estrutura simples e alongada a aplicação deste algoritmo pode resultar na obtenção da cava ótima.Algoritmo de Contorno das Seções Transversais Este algoritmo de contorno é bem parecido como algoritmo de Contornos de Projeção 2 ½-D. Se o procedimento esboçado é realizado duas vezes para cada seção de corte. uma vez da esquerda para a direita e uma vez da direita para a esquerda. o valor líquido da cava de seção transversal ótima (seções transversais de leste-oeste) necessariamente contendo o bloco (i. 4. pela combinação das seções transversais com as seções longitudinais. Novamente. calcula-se a cava bidimensional ótima que usa os valores de Vijk como os valores de soma da coluna (Mijk) no algoritmo 2-D de Lerchs-Grossman. Todo bloco que pertence a uma cava bidimensional ótima pertence à cava de contorno externo.Capítulo 4 . caso contrário. O valor de cada bloco é representado por Vijk. Logo. Na notação do artigo de Lerchs-Grossman (1965): "Pij é a contribuição máxima possível da coluna 1 para j para qualquer cava possível que contenha o elemento (i. então Vijk pode ser calculado como: L R Vijk = Pijk + Pijk + M ijk (17) 73 . Passos 0.5. para toda seção transversal na direção perpendicular (seções transversais nortesul). o algoritmo continua como antes.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Obtém-se finalmente a representação tridimensional do algoritmo. O algoritmo de contorno das seções transversais pode ser explicado como segue. j. k) em seu contorno é calculado. 2 e 3 permanecem inalterados.j) neste contorno". Assim o algoritmo tem a vantagem de permitir algumas suavizações em problemas onde ocorre esboço de seções que não são susceptíveis de ajustes.

Pijk R é a contribuição máxima da última coluna para a coluna j.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Onde: Pijk L é Pij calculado da esquerda para direita.5. j.Capítulo 4 .3 – Algoritmo de Contorno de Seções Transversais modificado Este algoritmo é uma versão ligeiramente modificada da técnica anterior. para cada bloco no modelo. j. Semelhantemente. k) da sua base ". Note que estes os valores de Vijk são calculados para todos os blocos no modelo. A modificação afeta somente os valores Vijk. é somado nas duas vezes. 4. "o lucro obtido extraindo uma única coluna com elemento (i. Note o que este cálculo realiza. k) no seu contorno. e. Um cálculo semelhante ao do Vijk é feito no passo 10 do algoritmo apresentado por Johnson e Mickle (1970). para qualquer cava possível que contenha o bloco (i. Pijk L é a contribuição máxima da coluna 1 para a coluna j. se Mijk é subtraído da soma. É o algoritmo mais programado e executado neste tipo de trabalho. Mijk é. j. Da maneira previamente descrita. Esta pequena modificação pode melhorar significativamente a natureza dos contornos gerados. Pijk R é o Pij calculado da direita para a esquerda. Os valores de Vijk podem ser interpretados fisicamente como os valores da cava bidimensional ótima. o resultado desejado é alcançado. j. Mijk. como no artigo de Lerchs-Grossman. k) em seu contorno (limite). são calculados valores de Vijk iniciais. sujeito à exigência de que os blocos (i. Assim. inclusive. Então. 74 . k) permaneçam na margem da cava. o valor Vijk é fixado igual ao mínimo dos valores Vijk e Mijk iniciais. para qualquer cava possível que contenha o bloco (i. novamente incluindo a coluna j.

um enunciado equivalente do objetivo é minimizar a soma dos valores dos blocos que permanecem no terreno. Os algoritmos de limites internos são idênticos aos algoritmos de limites externos. somente algoritmos de limites externos foram discutidos. Neste caso. os algoritmos de limites internos e externos são quase idênticos. Antes de discutirmos as especificações dos algoritmos usados para realizar os limites internos.Capítulo 4 . Com algumas mudanças. com alterações pequenas . somente os blocos pertencentes à cava de limite externo devem ser investigados através do procedimento de limite interno. pode ser percebido que um limite externo nos blocos que permanecem no terreno é equivalente a um limite interno nos blocos que serão lavrados.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 4. contudo. O problema do limite da cava final pode ser abstratamente visto como a quebra do modelo de blocos em dois distintos grupos que satisfazem as restrições físicas da lavra: os blocos a serem lavrados compreendem um grupo. o algoritmo do limite interno nada mais é que o modelo de bloco girado de forma invertida e a execução do algoritmo de limite externo nos valores dos blocos negativos. 75 . todos os blocos que permanecem no terreno (ficam para trás) após o término do algoritmo pertencem a uma cava de limite interno (um cava mínima). Reconhecendo este fato. um conceito fundamental deve ser difundido.5. ou na verdade. Esta omissão foi intencional. o objetivo é expresso em termos de maximização da soma dos valores dos blocos a serem minerados.4 . Normalmente. e o outro é composto pelos blocos que permanecem in situ. Note: desde que o limite interno está necessariamente contido pela cava do limite externo.Limites Internos Até agora.

k) = Ao lado de i BSi na coluna (j-1. como qualquer algoritmo de programação dinâmico é repetitivo e possui um grau extremo de conformidade própria.17: Si na coluna (j-1.j. Porém. a aplicabilidade do algoritmo para o problema de limite da cava final ótima. não reduz seu valor como um algoritmo de contorno. Assim.Capítulo 4 . no caso tridimensional (algoritmo de Koenigsberg) os blocos vizinhos correspondem a quatro colunas as quais exercem influência na direção dos valores do bloco (i. e estas são altamente ligadas à geometria dos blocos. como mostra a figura 4.5. Diferente do caso bidimensional. Definindo as restrições efetivas de talude da cava tais que elas sejam mais rigorosas que a definição de talude de cava de interesse. Ainda seriam requeridas o aumento de passos existentes e repetições múltiplas. Enquanto esta restrição modela rigorosamente os contornos (limites).k-1) = Do lado de atrás do lado de i SSBSi na coluna (j+1. e extremamente rápido sobre um conjunto rígido de suposições.k-1) = Atrás do lado de i SBSi na coluna (j.5 –Algoritmo Contorno de Programação Dinâmica 3-D de Koenigsberg Koesnigsberg propôs um verdadeiro algoritmo de limite da cava final baseado na programação dinâmica tridimensional. mas o resultado final necessariamente seria mais justo. Restrições de talude da cava devem ser consistentes ao longo do modelo.k-1) = Do lado do lado de trás do lado i 76 . o algoritmo pode ser usado como o procedimento do Passo 1 do algoritmo da rotina de contorno. um talude de cava generalizado não é possível diretamente.k). quando os blocos que são vizinhos próximos correspondem a uma única coluna na direção anterior ao bloco.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 4. Este algoritmo usa um otimizador eficaz.

k −1 (18) Onde: Pijk = Ótimo valor da cava considerando que o bloco bijk é o último bloco a ser analisado. j −1.k) FIGURA 4. j +1. j −1.17 .Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann k-1 BSi SBSi SSBSi i Si k Bloco (i.k  − PSBS ( Si ).k −1 + PSBSi . j −1. j +1. j .k −1 + PSSBSi .k −1 + Max  − PS ( BSi ).k −1 − P  S ( SBSi ). 1990 Pijk = M ijk  PSi . j .j.Capítulo 4 . Este é o valor ótimo do bloco bijk.k −1 + PBSi . 77 .Colunas Vizinhas do bloco i FONTE: WRIGTH.

k).Todos os blocos de valores positivos (minério em potencial) são ajustados para cima do lado esquerdo da cadeia e conectados a um nó fonte imaginário.Capítulo 4 . O problema foi formulado semelhantemente aos nós em cadeia e são comparados a blocos em 3D do modelo de blocos. considerando-se as seguintes restrições. 2. 1.18 a 4. 78 . A solução da técnica foi inicialmente desenvolvida por Johnson (1968). = Valores dos vizinhos do bloco (i. Os arcos positivos são conectados em uma cadeia (minério em potencial) e os demais nós com valores negativos (estéril) que são melhores removidos na ordem minerar o nó do minério. imaginário.Todos os blocos de valores negativos (blocos de estéril) são ajustados para cima do lado direito da cadeia e conectados a um nó sumidouro. como também a bipartição do fluxo em cadeia. A formulação básica do fluxo em cadeia foi mostrada por Johnson (1968) e Barnes (1982).j. O ajuste básico do procedimento gráfico do fluxo em cadeia é mostrado nas figuras 4. O problema de programação dinâmica trimensional é equivalente ao problema de programação linear.6 – Algoritmo do Fluxo em Cadeia (19) O modelo de fluxo em cadeia para a determinação dos limites finais da cava são baseados na teoria da cadeia do máximo fluxo e mínimo corte.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Mijk Pijk = Valor da coluna de blocos vindos dos blocos bijk .22. Estes arcos são representados pelos seguintes constrangimentos. cujo objetivo da função Pijk é definido por: Pijk = max Σ mi’j’k’Xi’j’k’ 4. Então.5. É o calculo em alguns casos das colunas em duas dimensões. que é de fácil solução a partir da teoria do máximo fluxo. cada nó é definido por um indicador variável Xn do programa inteiro. Os arcos são gerados representando o angulo de talude requerido da cava restringido à seqüência da mina possível.

6. Se uma classificação do algoritmo é usada.A capacidade do arco de conecção entre os blocos positivos e os demais blocos de estéril são ajustados para o infinito.A capacidade do arco do bloco de estéril do nó de um sumidouro imaginário é comparado com o custo de extração e remoção do bloco. ela simplesmente mede todas as classificações dos blocos no final da interação da mina. Em 3D.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann 3. A finalização da cava começa definindo a remoção de todos os blocos conectados pôr arcos que pertencem ao máximo fluxo e ao mínimo corte. A bipartição do fluxo em cadeia é resolvida naturalmente por uma maximização severa do algoritmo de fluxo.Capítulo 4 . 1 2 5 3 6 4 -2 -2 5 -2 5 -3 FIGURA 4.18 – Exemplo do Modelo de Blocos em 2 D FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997) 79 .Os arcos são drenados para cada bloco positivo e todos blocos de estéril tanto os extraídos antes dos blocos de valores positivos. 5. isto garante a geometria do angulo de talude da cava e as restrições são mantidas.A capacidade do arco de um nó de uma fonte imaginária de cada nó positivo (bloco de minério) é comparado com retorno financeiro da mineração (extração) e processamento do bloco. 4.

20.Capítulo 4 .19.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann T (2) o (2) o (2) o 3 o (oo) (2) o 4 1 o (oo) (oo) 2 o (oo) o (oo) o (oo) o 5 6 (5) o (5) S o (5 ) Sobre salto da capacidade em cinco unidades 0 Fluxo de zero unidades FIGURA 4.oo) S FIGURA 4.5) 5 6 (5) 5 (5) o (-.1) (2) 2 (2) 2 (2) 1 (3) o 4 1 2 (oo) (oo) 2 2 (oo) 3 o (oo) o 1 (oo) (6.Iniciação do Fluxo em Cadeia FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997) 80 .5) (oo) o (S.Configuração Representando o Fluxo em Cadeia FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997) T (3.

1) 1 (6.-1) 5 6 (S.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann T (4.oo) FIGURA 4.oo) FIGURA 4.21.1) 4 o 1 (oo) 3 (3.Fluxo em Cadeia com o Máximo Fluxo FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997) 81 .1) 2 2 (oo) (oo) 2 (oo) (6.1) 3 1 (oo) (oo) (6.22.4) 1 2 (oo) (oo) 2 2 (oo) 3 1 (oo) (oo) o 1 (oo) o (S.Fluxo em Cadeia depois da Interação FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997) T (2) 2 (2) 2 (2) 2 (3) 3 (5.Capítulo 4 .4) 5 6 (5) 5 (5) 1 S (-.3) (2) 2 (2) 2 (2) 1 (3) o 4 (6.1) (5) 5 (5) 4 S (-.

(20) 82 . o procedimento básico na programação dinâmica em 2D foi preservado e permanece válido. j±1.j±1.k e a remoção mínima do cone do bloco bijk para L = i-1 . O valor da cava Pijk e o valor do bloco bijk. Cijk. k ∩ Cijk que é igual a soma de todos valores de blocos econômicos com a interseção da cava no bloco bL. que estão contidos em ambos cones removíveis. j±1. Isto é o melhor. L = i e L = i+1. e os valores de seus respectivos vizinhos são Pi-1.5. j±1. Cijk = Remoção mínima do cone do bloco bijk. 4.k que é igual ao valor da cava no bloco bL.Capítulo 4 . j±1.7 – Algoritmo de Wilke e Wrigth Um problema de degeneração encontrado no algoritmo 3D de Koenigsberg foi solucionado por Wilke e Wrigth (1984) com o uso de incrementos na forma de remoção mínima dos cones de cada bloco. IML = PL. Porém. Pi+1.k. O método requer significantes recursos computacionais e emprega alguns entendimentos matemáticos avançados. todos os valores de blocos.k para L = i-1 . somados ao melhor valor vizinho da cava compatível com o bloco bijk. Foi necessária uma nova formulação e a regressão da fórmula para o valor do bloco na cava. mijk. é calculado do valor da remoção do cone.j±1. Tem-se a fórmula: Pijk = Cijk + Max {IPL – IML} Onde: Pijk = Ótimo valor da cava no bloco bijk. acima e incluindo os blocos bijk.k. Pi. o fechamento do bloco sem valor é contado mais uma vez. porém.k. IPL = PL. L = i e L = i+1. j±1. Hanson (1986) apresentou uma modificação que reduziu os recursos computacionais. Assim.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Uma aproximação geral da cava final mostra que é verdadeira a produção de uma ótima cava.

1990 83 .23 a 4.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann Portanto tem-se:  IPi −1 − IM i −1  + Max  IPi − IM i  IP − C ijk  i +1 Pijk = C ijk (21) Este algoritmo pode ser mostrado pelo das figuras 4.24 – Valores Econômicos dos Cones FONTE: WRIGTH. 1990 i 0 1 2 3 4 j 0 0 1 0 -3 2 0 -3 -1 3 0 -3 4 8 4 0 4 9 12 17 5 4 9 14 18 21 6 9 14 19 22 7 14 19 24 8 19 24 9 24 FIGURA 4.23 – Valores Econômicos dos Blocos FONTE: WRIGTH.25 – Cava Final FONTE: WRIGTH.25: J i 0 0 1 0 -3 2 0 -3 8 3 0 -3 8 -1 4 0 -3 8 -2 2 5 0 -3 8 -1 1 6 0 -3 8 -2 7 0 -3 8 8 0 -3 9 0 0 1 2 3 4 FIGURA 4. 1990 J i 0 0 1 0 -3 2 0 -3 -1 3 0 -3 -1 8 4 0 -3 -1 7 17 5 0 -3 -1 8 15 6 0 -3 -1 7 7 0 -3 -1 8 0 -3 9 0 0 1 2 3 4 FIGURA 4.Capítulo 4 .

k − C ijk (22) Sendo os valores de Pijk. mas é restringido a uma série de falhas que pode conduzir a soluções degeneradas. não apresentam uma solução ótima. Wilke e Wrigtht propuseram uma modificação à formulação de Koeningsberg que nem sempre produz uma solução não degenerada. Cijk definidos de acordo com a equação 20. conforme abaixo: Pijk = C ijk  Pi −1. Estes últimos algoritmos apresentados. j ±1.k ∩ C ijk   Pi +1.k − Pi . j ±1. j ±1. j ±1.Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann A diferença entre o caso bidimensional e tridimensional é incremento da matriz Cijk.k − Pi −1.k ∩ C ijk  + Max  Pi . para o caso tridimensional. 84 . segundo Dowd e Onur (1993).Capítulo 4 . j ±1. A formulação de Koeningsberg foi verdadeiramente o primeiro algoritmo de programação dinâmica tridimensional para otimização de cava.

como pode ser visto na figura 5. a tonelagem T de minério selecionado vindo do tratamento e o metal contido Q. na maioria dos casos. a função de parametrização é a substituição da procura de uma cava ótima final pela determinação de uma função chamada Λ (x. Isto é devido ao fato do maior lucro.T) com a maximização da variável Q para a obtenção da economia ótima. .1. Assim. Tal parametrização está centrada em três parâmetros: . Vi) correspondente a vários valores de Ti e Vi. se baseia no incremento da função Q e na diminuição das funções V e T. esses parâmetros estão ligados a fatores geológicos e tecnológicos.z).y. os projetos correspondem a pares de valores (V. Este valor será o “parâmetro” do bloco com as coordenadas (x. Como é evidente. Então a função de parametrização das reservas possibilita o ajuste de famílias de curvas da função F de um projeto ótimo (Qimax . Ti.CAPÍTULO 5 NOVAS TENDÊNCIAS DE OTIMIZAÇÃO 5.y.1 – PARAMETRIZAÇÃO DE RESERVAS 5. Esta função terá um valor numérico para cada bloco tecnológico da jazida em estudo. na formulação usada pelas companhias mineradoras.a tonelagem V do material extraído.z) e aquela função passará a ser chamada “função parametrização”. O projeto ótimo elegido estará dentro da família F e é o mais lucrativo. Segundo Valente (1982?).1 – Generalidades A parametrização de um projeto de mineração se fundamenta na utilização dos conceitos da geoestatística para otimizar o aproveitamento de uma dada jazida.1.

1 – Curva simplificada de Q e T FONTE: Modificada de BONGARÇON & GUIBAL. 1982 T 5. O bloco P não pertence a cava ótima se Λ(p)< λ0. O “parâmetro” definidor de cada bloco pode ser qualquer (teor. conteúdo metálico.2 – Parametrização de uma cava A função de parametrização idealizada por Matheron visa substituir a procura de uma cava ótima final pela determinação de uma função que terá um valor numérico para cada bloco. Suponha-se que se determine para cada bloco P (com as coordenadas x. etc) por hipótese. por exemplo. etc) mas habitualmente é o seu “beneficio”. 86 . Se λ é um custo. o beneficio do bloco decrescerá quando λ aumenta. para um dado λ0 : O bloco P pertence a cava ótima se Λ(p)≥λ0.Capítulo 5 – Novas tendências de Otimização Q Família de linhas Q-λT = F ^ max Q Qmax Perdas por análise convexa Ótimo Projeto Para λ = λ0 FIGURA 5. Esta função (que se passa a representar por W(λ)) é dita monótona. o qual é função de uma variável econômica λ qualquer (teor de corte.1. lucro.z) um valor numérico Λ(p) tal que. Conseqüentemente. se λ1>λ2 a cava ótima correspondente à λ1 estará incluída na cava ótima correspondente à λ2.y.

haverá um número finito de cavas ótimas. Devido ao fato da jazida estar representada por um número finito de blocos. Logo. λi+1]. até se alcançar a totalidade das variáveis integrantes da “função beneficio” considerada. também. Pode-se. λi+1]. existirão intervalos de variação de λ para os quais não haverá variação da cava ótima. Como existem infinitos números reais positivos entre 0 e λj. É o conjunto de todos os blocos P da jazida para os quais se tem Λ(p)≥λ0. por exemplo). Assim. e opta-se pela maior que será sempre a cava em que há a maximização do valor da jazida (ver figura 5. pode-se determinar de imediato a cava ótima correspondente à λ0. 87 . sucessivamente. sendo que cada intervalo é aberto à esquerda porque de λi obtém-se o benefício final para a cava ] λi-1 . a partir de um certo valor λj. Finalizando. existirá um número finito de cavas ótimas distintas. E assim. estudar a variabilidade da cava em termos de um outro parâmetro µ (preço de venda.Capítulo 5 – Novas tendências de Otimização Conhecendo esta função Λ(p). cada uma correspondente a todos os valores de λ de um intervalo ] λi . obtém-se duas cavas. para cada λi considerado há uma cava ótima possível de ser encontrada pelo algoritmo como também para λ=λj e λ=0.2). λi] e para a cava ] λi .

O problema pode-se tornar muito complexo. podendo se tornar sem solução. à medida que aumenta muito o número de parâmetros. alguns fluxos de caixa serão gerados. Porém. Assim. 1982 A parametrização de reservas deve ser usada juntamente com o algoritmo de Lerchs e Grossamann para promover soluções de contorno final de uma cava. pois significa o adiamento de remoção de estéril e antecipação de resultados pela lavra com teores de corte decrescentes. λ4] ] λ2 .2 – Cavas obtidas pela parametrização FONTE: Modificada de BONGARÇON & GUIBAL. λ2] Λ( p ) = λ1 FIGURA 5.3. onde a primeira seqüência (linha preta) representa o melhor resultado do ponto de vista financeiro. Um exemplo pode ser visto na figura 5.Capítulo 5 – Novas tendências de Otimização ] λ3 . esse critério pode vir a ser conflitante com a necessidade operacional relativa ao número de frentes disponíveis com materiais distintos que permitam a manutenção da “estacionarização” conforme especificado pelo processo de beneficiamento e com as condições de espaço operacional para que os custos e a produtividade não sejam afetados negativamente. λ3] Λ ( p ) = λ3 Λ( p ) = λ 2 ] λ1. 88 .

pode ser considerada como a análise da melhor alternativa para a retirada de minério. dirigida à resolução de problemas de planejamento técnico-econômico onde λ varia com o tempo. vem sendo desenvolvida por especialistas no assunto. para se obter o teor de corte da mina. 89 . Tal otimização combina a otimização proposta por Lerchs e Grossmann.2.1 – Generalidades A otimização em quarta dimensão. associadas a decisões de gerenciamento. através de análises de riscos. Através destas análises são geradas várias cavas possíveis. a parametrização de cavas.2 – OTIMIZAÇÃO EM QUARTA DIMENSÃO 5. o caráter multi-elementar da jazida e os fatores financeiros. 5. 1964 Uma nova função de parametrização chamada parametrização temporal.3 – Sucessivos Fluxos de Caixa FONTE : Modificada de LERCHS E GROSSMANN.Capítulo 5 – Novas tendências de Otimização ($) 1a 2a 3a Q-λT = γ (Tempo) Figura 5. na verdade.

geralmente obtido de uma planilha eletrônica. sendo que cada alternativa selecionada pode conduzir a um “resultado” diferente e até inesperado em termos da cava final planejada.2 – Variáveis Utilizadas na Otimização em Quarta Dimensão Os casos abaixo. Custo por tonelada. processamento. 2 – Um modelo financeiro. Ajuste dos custos para o transporte do estéril vindo da extração e do processamento. para a extração de minério e estéril. Massa de cada bloco. O planejamento e otimização da cava na lavra a céu aberto é um processo iterativo. Preferencialmente este custo deve ser em relação a um bloco. que contenha: • • • • • Tamanhos de blocos regulares. 5. Identificação de cada tipo de minério e estéril.2. Por isso deve se sempre trabalhar com prudência e bom senso na escolha da(s) melhor(es) alternativa(s). representam alguns exemplos reais das variáveis mais utilizadas para se otimizar uma jazida em quarta dimensão: 90 . Metal contido em cada bloco. bem como seu Ajuste de custos. que varia para cada tipo de rocha. o processo de otimização em quarta dimensão requer os seguintes passos: 1 – Um modelo de blocos. 3 – Ângulos e orientações de taludes requeridos para a manutenção da estabilidade da cava a longo prazo. e requer muitas “tentativas” para a escolha da melhor opção. Ajuste dos fatores de custo de minerar e processar o minério. que contenha: • • • • Preço unitário do metal.Capítulo 5 – Novas tendências de Otimização Assim.

podendo ser simulada durante a otimização. Caso C – Quantificação dos custos de processo.Capítulo 5 – Novas tendências de Otimização Caso A – Maximização dos lucros. Caso G .Alternativas de enceerramento. que são afetados pelos elementos que não são desejados no minério... Caso F – Relocação das infra-estruturas da mina. Caso B – Preços dos produtos alocados. flutuações de dados tornam impossível assumir valores precisos (o preço de mercado dos metais. Caso D – Despesas de exploração abaixo da cava atual. quantificada através do uso de simulação." 91 . Em alguns casos. desenvolver estratégias e calcular os riscos envolvidos muito tempo antes de todos os detalhes do problema serem completamente determinados. a escolha de parâmetros técnicos e de planejamento de produção força o engenheiro de minas a tomar decisões. os dados só estão disponíveis na última hora. para quantificar novas cavas de outros corpos de minério. mas precisa: "Na otimização de um projeto mineiro. que requer um grande capital adicional a ser gasto. quando se paga royalty por tonelada processada. variações de preços de extração e processamento de minerais. taxas e preço simples de commodity durante a otimização. Um erro lastimável é assumir-se que um determinado modelo econômico de blocos é absoluto e imutável. por exemplo) e em outros. Caso H – Análise sensitiva de preços. estratégias para o fechamento da mina. Caso E – Estratégias alternativas. Caso I – Quantificação das vantagens do aumento de produção nos processos de extração e processamento durante a vida da mina. Bongarçon (1993) apresentou esta situação de uma maneira simples.

O Delphi vem com um compilador capaz de gerar um código executável pelo diretamente Windows. O Windows usa o conceito de GUI (Graphics User Interface). é novidade para usuários do DOS. e as aplicações são orientadas a eventos. Para complicar um pouco mais.1 – Apresentando o programa Borland-Delphi Programar em Windows sempre foi algo extremamente complicado e acessível apenas a programadores dispostos a investir muito tempo em programação. Felizmente. que embora seja muito familiar para usuários do Unix. . O uso de um sistema GUI implica em aprender vários conceitos que são estranhos ao usuário de um sistema baseado em texto como o DOS. Quando se programa em DOS.CAPÍTULO 6 O PROGRAMA DE OTIMIZAÇÃO OTIMOPIT 6. Finalmente. proporcionando uma velocidade de execução de 5 a 20 vezes maior que as linguagens interpretadas. o programador tinha que ter alguma familiaridade com as centenas de funções oferecidas pelo Windows. as linguagens visuais chegaram para mudar esta situação. que sempre tiveram que pagar a conta da facilidade de uso para o usuário. o que implica em aprender um novo estilo de programação. o Windows é um sistema multitarefa. o programa é responsável pelo fluxo de processamento. Existem muitas diferenças entre a programação em DOS e a programação em Windows. Foi só com elas que o Windows conseguiu atingir objetivos de ser um sistema amigável e de fácil utilização também para os programadores. vem também com um gerenciador de banco de dados completo e um gerador de relatórios. Além disso.

Em Windows não é bem assim. como Units e Objetos. que se firmou como o melhor compilador de Pascal do mercado. o programa não controla o fluxo de processamento. foi lançado o Borland Pascal. SQL Server e DB2. podemos dizer que o Delphi tem o poder do C++. a empresa Borland lançou o Turbo Pascal. A linguagem Pascal surgiu no final dos anos 60 e. esta ferramenta tem se mostrado como a melhor escolha no desenvolvimento para Windows. a criação de aplicativos começa com a montagem de componentes em janelas. SYBASE. que é uma evolução do Pascal padrão. usada pelo Delphi. Object Pascal. O Delphi vem com todas as ferramentas necessárias para a manipulação de bancos de dados dBase e Paradox. mas também em que ordem estas instruções devem ser executadas. Finalmente. Numa correlação com outros ambientes de programação. E. a partir de então. passou a incluir novos recursos nesta linguagem. No Delphi. como se fosse um programa gráfico. InFormix. e a facilidade do Visual Basic. sem perder sua facilidade peculiar. A principal vantagem do Delphi está na linguagem usada.Capítulo 6 – O Programa de Otimização Otimopit Tem que se definir claramente não só que instruções. o Turbo Pascal. mas responde e trata eventos que ocorrem no sistema. 93 . O usuário também pode utilizar componentes desenvolvidos por terceiros ou criar seus próprios componentes. a Object Pascal é uma linguagem poderosa. Em 1984. em 1995. O Delphi também tem acesso a bases de dados como Foxpro. além de qualquer outro banco de dados para Windows compatível com ODBC. até a ascensão do Windows quando foi lançado o Turbo Pascal for Windows. Na sua versão atual. permitindo a criação de aplicativos com banco de dados sem a necessidade de aquisição de outro programa. Desde que a primeira versão do Delphi foi lançada. sólida e respeitada. até hoje. é usada como uma das primeiras linguagens de programação para estudantes de computação. além de uma versão do Interbase. Oracle. cuja linguagem é considerada a primeira versão da Object Pascal. Access.

mas a versão final foi totalmente convertida para o Delphi 5. Fluxo de programação baseado em eventos. inclusive com disponibilidade do código fonte dos componentes padrão. Este programa trabalha em ambiente Windows 95. 98 e Windows NT. com facilidades de manipulação de dados.2. em assembly. além de controles ActiveX. Foi desenvolvido utilizando a linguagem de programação Delphi versão 4. Literatura diversificada.0 no início de seu desenvolvimento.Capítulo 6 – O Programa de Otimização Otimopit As características principais do programa Delphi são: • • • Compilador/otimizador de código mais rápido do mercado. Screen Saver’s e aplicações CGI. com utilização de componentes nativos.0. utilização de métodos visuais ou diretamente sobre o código. Capacidade de criação de outros tipos de utilitários. com facilidade de criação de componentes nativos. Criação de relatórios no próprio executável. como DLL’s. 94 . • • • • • • • • • Programação two-way. com objetos distribuídos. 6.O Programa Otimopit O otimizador de cavas de minerações originado a partir desta dissertação foi denominado Otimopit. Capacidade de criação de aplicações multi-tier. gerando executáveis rápidos e puros. Suporte a código in-line. Baseado em componentes. que permite criar aplicações mais robustas e com maior segurança. Totalmente orientado a objetos e com suporte a threads e OLE Automation. Suporte a manipulação de exceções. Acesso rápido e seguro a bancos de dados através do Borland Database Engine.

que é um otimizador vindo da teoria de Wrigth (1990) e o outro otimizador é o Otimopit 3D Koenigsberg baseado na teoria de Koenigsberg (1982).2. sendo que a diferença entre os dois é basicamente na direção de procura da melhor cava. A partir desta tela. Em duas dimensões tem-se o otimizador baseado na teoria de Lerchs e Grossmann. Para carregar estes 95 . O botão “Entrada de Dados” deve ser pressionado. que será carregado com a extensão *. fre. como é mostrada na figura 6. FIGURA 6. Depois de aberto o programa o primeiro passo a ser feito é carregar os dados do modelo de blocos.1. Os outros otimizadores em duas dimensões são o Cone Flutuante e o Cone Móvel.Capítulo 6 – O Programa de Otimização Otimopit O programa Otimopit possuí seis otimizadores de cavas de mineração. Em terceira dimensão tem-se o otimizador Otimopit 2D e ½ proposta de Johnson e Sharp (1971). ou seja com extensão *. todos os cálculos são feitos.1 – Tela de Abertura do Programa Otimopit Em seguida. A tela principal do programa pode ser vista na figura 6. aparecerá uma sub-tela.txt ou um arquivo criado em um editor de dados. o otimizador Otimopit 3D Wilke-Wrigth. resolvendo o problema de fluxo máximo e corte mínimo. Esta tela carregará os dados vindos de um arquivo texto.

(3. como é mostrado na figura 6.0).0).0). (0.0. O segundo dado é a coordenada X do bloco ou a posição na direção Leste Oeste do bloco. (2. por exemplo os valores dos blocos.0). (3.0). deve-se inserir todos os dados nesta direção para uma coordenada Y e Z fixas. (1.3. cujas às coordenadas são (0.0).0.2.0).0. deve-se inserir todos os dados nesta direção para uma coordenada Z fixa. (2.1. 96 . (1.0) e (3.2.2 – Entrada de Dados do Programa Otimopit O formato dos arquivos de entrada de dados é comentado a seguir: Os arquivos de dados são regidos de certas normas. por exemplo os valores dos blocos. (0.2. (3.0.0). (2.1.0).0).0).1. cujas às coordenadas são (0. percorrer-se toda a direção de uma seção fixa em uma mesma coluna.0. O terceiro dado é a coordenada Y do bloco ou a posição na direção Norte Sul do bloco.0.2. (2.1. (1.Capítulo 6 – O Programa de Otimização Otimopit dados basta clicar em “Carregar Dados” e escolher o arquivo que se deseja carregar no programa.0.0).0). ou seja.0). estas normas são as seguintes: O primeiro dado é o número do bloco separado por um ponto e vírgula.0.0). FIGURA 6. (1.

4. 97 . como pode ser visto na figura 6.3 – Exemplo de um Arquivo de Entrada de Dados Para o Programa Se os dados carregados no programa são dados de teores de cada bloco. deve-se calcular os valores econômicos de cada bloco. Os valores de centavos devem ser separados por vírgula. Da quinta a décima posição devem ser inseridos os valores econômicos dos blocos ou os teores de cada bloco. Isto é feito através do botão “Calculo do Benefício”.Capítulo 6 – O Programa de Otimização Otimopit O quarto dado é a coordenada Z do bloco ou a posição na direção do nível de altitude do bloco. FIGURA 6. sendo que para um tipo de jazida multi-elementar cada coluna deve conter um tipo diferente de rocha.

Para os métodos em duas dimensões. é gerada uma saída gráfica na tela principal e uma saída através de uma subtela contendo os valores econômicos da otimização (ver figura 6. FIGURA 6.5 – Cava em Duas Dimensões 98 .4 – Cálculo do Valor Econômico do Bloco O próximo passo é escolher o método de otimização desejado.5).Capítulo 6 – O Programa de Otimização Otimopit FIGURA 6.

FIGURA 6. dos blocos retirados e da cava final. onde a uma visualização da topografia.7 e na figura 6. é gerada uma cava em planta na tela principal do programa como pode ser visto na figura 6. 99 . depois de escolher o método de otimização.8.6 – Cava em Planta Os dados também podem ser visualizados através da “Visualização em 3D”. como e mostrado na figura 6.6.Capítulo 6 – O Programa de Otimização Otimopit Para dados em três dimensões. antes de otimizar é necessário apertar o botão iniciar.

o relatório apresentado.Capítulo 6 – O Programa de Otimização Otimopit FIGURA 6. do botão Relatório (ver figura 6. possui saída de dados.csv.txt. 100 . através da impressora. através de um arquivo *.8 –Blocos Retirados em 3D Uma terceira forma de visualização pode ser obtida através.7 – Cava Final em 3D FIGURA 6.9). através de um arquivo *.qrp e através de um arquivo *.

Capítulo 6 – O Programa de Otimização Otimopit FIGURA 6.9 – Relatório Final do Programa Otimopit 101 .

de forma complexa.1 – Sobre Otimização Existe uma dificuldade que é comum em quase todos os algoritmos de otimização de cava final de mineração. tonelagem total e . a programação dinâmica é capaz de resolver o problema e produzir uma solução ótima. Na teoria. aumenta com a quantidade de recursos e que a cava de um corpo de minério particular pode então ser definido por um número mínimo de parâmetros técnicos: quantidade de metal (recurso). segundo a teoria desenvolvida por Matheron.CAPÍTULO 7 CONCLUSÕES 7. os valores dos blocos não podem ser conhecidos até que a seqüência de lavra seja especificada e a seqüência de lavra não pode ser especificada até que os limites da cava estejam disponíveis. Neste caso se divide o problema de otimizar uma cava em duas partes a parte técnica e a econômica. Na prática. fazendo com que a aplicação rigorosa do algoritmo em três dimensões seja impraticável. contudo. Geralmente. etc). O objetivo é a maximização da quantidade de metal (mineral. O limite que envolve a cava com alto valor líquido presente não pode ser determinado até que os valores dos blocos sejam conhecidos. Esta hipótese esta baseada na observação de que na maioria das funções de rendimento. o número de combinações possíveis dos blocos aumenta enormemente. isto é uma falha comum da programação dinâmica em muitas das aplicações na indústria mineral Uma outra solução seria parametrizar a geometria final de uma cava de mineração. recurso.

Mas de que modo estes valores deveriam ser atribuídos aos blocos. Ainda. em última instância. a maioria deles nem mesmo contém qualquer valor amostrado? Comumente. pois ela será refinada no planejamento a curto prazo. Em termos da aproximação da geometria obtida pela otimização no planejamento da mina. pode ser pago para chegar a uma representação que seja viável na prática. ele não é rigorosamente ótimo. o significado de melhor é. A qualidade e aceitação dos planos referentes ao planejamento de mina. em respeito aos modelos de corpo de minério para o planejamento final. blocos regulares como uma representação de um corpo de minério. Por outro lado. antes de qualquer proposta ser submetida à aprovação. A pergunta é. 1997) otimizar é uma palavra que vem sendo gradualmente aceita como descrição de um conjunto de técnicas que introduzem modelos matemáticos analíticos dentro das atividades de planejamento de mina. Além disso. normalmente. se a cava da mina foi otimizada. Para se obter isto é necessário um consenso de opiniões entre profissionais de diversas áreas (deste a parte técnica de lavra e tratamento de minérios até economistas e diretores) todos com grande experiência em sua área de atuação. em termos de realismo. o ponto principal é que a otimização é uma atividade analítica e na verdade não formulará uma estratégia. É bastante difícil obter um acordo no que pode ser denominado como o melhor planejamento final de uma cava. onde a quantidade e a qualidade de informações são bem melhores. filosófico. Mas um grande questionamento deve ser feito: “otimizar” e "melhor" são sinônimos no contexto do planejamento de lavra? Segundo Lane (WHITTLE. Embora o método produza soluções paramétricas que são inteiramente consistentes._____________________________________________________Capítulo 7 . Na melhor das hipóteses. são adotados. o modelagem dos blocos sempre envolve um grau de compromisso entre realidade e comodidade. um padrão de 103 . quase habitualmente.Conclusões tonelagem selecionada. quando. são tais que os gerentes e administradores perguntam. que preço. a definição de “melhor” é muito confusa e tentar fazer comparações diretas de planos ótimos em relação a melhores planos. segundo Lane. hoje em dia.

geralmente. em estudos de cava a céu aberto. Em termos de modelo de mina. nada é mais imprevisível que a cotação do preço de certos metais. Infelizmente. modelos financeiros para planejamento na mineração. avaliações econômicas e as técnicas de otimização freqüentemente se referem a critérios econômicos que requerem projeções de fluxo monetário de caixa. em delinear o limite (contorno ou geometria) final cava. tendem a não ser processadas. Este é um grande exercício computacional que está além da capacidade das máquinas atuais._____________________________________________________Capítulo 7 . isto não reflete a realidade da variabilidade inerente dentro de um depósito. é possível calcular as conseqüências de suposições diferentes. Por exemplo. Um critério comumente adotado no planejamento de mina é o valor líquido presente de fluxo de caixa para uma dada operação. comumente. buscando um procedimento de interpolação determinística (por exemplo Krigagem). Mas ainda a aproximação pelo valor líquido presente pode representar um conceito muito intuitivo (como tantos modelos econométricos). a maior atenção se concentra. o simulador de fluxo utilizado pelas empresas petrolíferas. O orçamento. por exemplo. está-se a atua sobre várias áreas de prognóstico que são de confiabilidade muito duvidosa. depois. Deveria ser utilizado modelos estocásticos de previsão de preços. porque isto tem demonstrado ser o problema mais tratável.Conclusões variações de teor é alcançado subdividindo o depósito. Porém. Porém. Aproximações atuais para otimização exigem cálculos da média de teores e de preços e culminam em um plano de lavra reto e limitado. ou não? Como exemplo tem-se. Também são usados. é como lidar com estas incertezas. em geral. pois a tarefa de atribuir os custos para os blocos. desde a superfície virgem até o limite final. As definições dos dados pertinentes ao modelo de blocos também requerem muito cuidado e meditação. não é um exercício simples. principalmente em um bloco em particular. porém. O problema mais geral é como programar produção em relação ao tempo. primeiro. A grande pergunta que deve ser feita então. porque. como teor e variações econômicas (análises de sensibilidade) e é até mesmo possível refazer o plano completamente para suposições 104 . e. não são calculados os custos em relação ao tempo. em regiões que são geologicamente homogêneas. Estimativas de dados de mercado.

como uma parte integrante de um estudo de planejamento de longo prazo. Os algoritmos de duas dimensões são bem rigorosos e não apresentam falhas em relação à otimização. É fácil dizer que produção deveria ser aumentada em tempos de preços altos e vice-versa. É notório que estes algoritmos apresentam falhas de 105 . explicitamente. mas raramente são empreendidos tais exercícios por causa da quantidade de trabalho envolvida. Certamente. tais como. foi concebido através da interpretação de algoritmos teóricos.2 – Sobre o programa Otimopit O programa de otimização Otimopit (Otimo de otimizar e Pit de cava). problemas para o planejamento de lavra é como se adaptar as flutuações de preços. qualquer política em condições de incertezas é especulativa na medida que o resultado não é precisamente previsível. nenhumas destas aproximações mostram alguma flexibilidade dentro do próprio plano de lavra. Já os algoritmos em três dimensões respondem com alguma imprecisão aos dados inseridos. extraídos de formulas matemáticas de diversos artigos. embora possam ser melhorados os prospectos de períodos longos. Ainda assim. Mesmo assim. algumas perguntas nesta fase devem ser respondidas. técnicas de otimização não podem começar a reivindicar a produção de melhores planos até que eles incorporem a incerteza e ao mesmo tempo responda a esta incerteza. 7. a operação pode permitir o corte na produção quando o preço é baixo? Pode-se sobreviver sem produção? A empresa ficaria vulnerável? Como esta ação afetará o mercado? Um fechamento temporário é uma estratégia prática? Raramente são vistas tais perguntas. Entretanto. as implicações comerciais e financeiras de políticas diferentes provavelmente são supremas.Conclusões diferentes. O que deve ser discutido é que qualquer implemento (adaptação) na produção em relação ao preço é uma forma de especulação. de algum modo. Assim._____________________________________________________Capítulo 7 . Um dos mais consistentes e significantes. qualquer mudança tática na produção assume uma medida de flexibilidade no plano de lavra.

com as perspectivas 106 . Entretanto. Deve-se estar atento também para a utilização dos conceitos de parametrização de reservas e “previsão” de preços (simulação estocástica) do mercado mineral. apresentaram boa resposta. pois assim o algoritmo consegue se adaptar melhor a escolha do melhor caminho. Este programa pode ser assim utilizado para o ensino didático em universidades e escolas técnicas para o aprendizado de otimização de cavas e também por pequenas empresas. foram testados vários modelos de blocos. buscar uma das duas opções: um algoritmo de solução matemática. Em relação ao tempo de calculo os algoritmos implementados pelo estudo. ou seja._____________________________________________________Capítulo 7 . 7. sendo que o programa apresentou resultados satisfatórios. podem ser considerados como o primeiro passo para que possamos trabalhar com otimização de depósitos minerais. A primeira delas seria a correção dos ângulos de taludes. que realmente resolva o problema de otimização.000 blocos. como capacidade de processamento da planta de beneficiamento. Este seria composto com algumas informações que não são utilizadas hoje em dia. que não dispõem de capital para aquisição de um programa comercial. isto se deve ao nosso ver. pois muita coisa pode ser feita. pois não estaria baseado numa expressão matemática oriunda da pesquisa operacional.3 – Sugestões para Trabalhos Futuros Os algoritmos discutidos nesta dissertação. Neste caso o algoritmo perderia a sua condição de otimizador.Conclusões degeneração. para se otimizar uma jazida mineral. algumas dais quais descritas por Dowd (1993). Estas falhas são amenizadas quando é inserido um numero de blocos de pelo menos duas vezes o tamanho do corpo de minério. com variações do numero total de blocos entre 160 e 55. o que é mais importante. principalmente no que tange a restrição de ângulos de taludes no seu fechamento. ou um arranjo na matriz final de otimização. à evolução da tecnologia computacional na atualidade e ao fato do programa ter sido desenvolvido numa linguagem de alto desempenho em ambiente Windows. mas não se deve parar por aqui. é a construção de um otimizador verdadeiro.

taxas. mais os encargos financeiros (juros. Uma simulação dos equipamentos de lavra.Conclusões de produção e ainda as perspectivas das tendências de custos. poderia ser melhor avaliado. a partir destes dados é feita a parametrização de reservas e a partir disto é feita a otimização da jazida. Este novo otimizador faria os passos apresentados na figura 7. Assim o valor econômico do bloco de minério. bem como. para cada ano de atividade da mina. processamento e transporte do minério (que são retirados de dados históricos). Os custos atualmente são retirados de dados históricos. são fatores importantes que devem ser usados na otimização. o preço e o teor do minério. resultam o valor econômico do bloco.).1. Preço do Minério Custos de Tratamento Custos de Mineração Teor de Minério Valor Econômico do Bloco Encargos Financeiros Parametrização das Reservas Simulação de Equipamentos Otimização da Jazida Simulação da Produção FIGURA 8. os custos de renovação de equipamentos.1 – Fluxograma de um Otimizador Os custos de mineração. etc._____________________________________________________Capítulo 7 . O próximo passo é fazer a simulação da produção durante toda a vida da mina e com estes dados em mãos deve ser feita à simulação de equipamentos e seus custos durante o desenvolvimento da mina (principalmente em relação ao aumento da distancia da frente de lavra e o britador e custos 107 .

Conclusões de renovação de frota). Assim deve-se fazer iterações até que se atinja um valor fixo no modelo de blocos. Uma nova interação deve ser feita. 108 ._____________________________________________________Capítulo 7 . pois cada bloco agora terá um valor econômico em função do tempo em que será retirado.

Minimum cost capacity installation for multicommodity network flows. Denver. p. França. Preprint 97-131. [02] ARMSTRONG. (1993). SME annual meeting. (1997). (1998). (1998). D.REFERÊNCIAS BIBLIOGRÁFICAS [01] ARMONY. A.297-309. 17 th Application of Computers and Operations Research in the Mineral Industry. Strongly polynomial dual simplex methods for the maximum flow problem. [06] BONGARÇON. Algorithms for Parametrizing Reserves under Different Geometrical Constraints. (1998). [04] BIENSTOCK. Berkeley.F.81. [07] CARMO. Ietec . A. J. Belo Horizonte. Myth and reality: a status report on computer open pit optimization algorithms in the 90’s.Instituto de Educação Tecnológica.80. Strategic planning in open pit mine optimisation. M. p. Colorado. . Mathematical Programming. D. p. v. R & CURI.177-199. et al. [05] BONGARÇON. F. Projeto e planejamento de lavra a céu aberto pôr meio do “Csmine” e “VarioC” da Mina de Caulim de Vermelho Novo e da Jazida Fosfática de Monte Raso. França. Estados Unidos. Estados Unidos. (1982). R. Curso Profissional. França. D. (1998). v. F. [03] BASU. CNPq -Conselho Nacional de Pesquisa.17-33. Informática aplicada ao planejamento e redução de custos na lavra. D. D. et al. B. Mathematical Programming. A. & McFADZEAN. Ouro Preto. & GUIBAL.

. & LIEBERMAN. S. T. p. New York. Developments in recoverable reserves estimation and ore body modelling. [13 ] DOWD. (1993). Projeto de mineração. W. and Petroleum Engineers. & TOLWINSKI. 1a ed.C. Estados Unidos. Balkerma. 311-318. J. R. Open pit mining planning and desing. Rotterdam. P. P. F. Geoestatística Operacional. Ouro Preto: Universidade Federal de Ouro Preto. New York. G.S. [12] CRAWFORD. Computer Methods for the 80's in the Mineral Industry. Holanda.Long term open pit scheduler. (1997). [16] GUERRA.H.L. [11] CRAWFORD. Australia.. (1988). R. [17] HILLER.A & ONUR. A. & DAVEY. D. R. UMI. Operational Research. (1979). Computer Applications in the Mineral Industry.[08] CHARBONNEAU. 110 . (1993). p. Stanford. T.A & ONUR.265-270. [09] COSTA. J. & HUSTRULID. A. B. J. Transation institution of Mining and Metallurgy. p. [10] COSTA. Metallurgical. Canadá. American Institute of Mining. Inglaterra. (1979). Transation institution of Mining and Metallurgy. University Stanford. Brasília. K. A. part 1: optimal open pit design. Estados Unidos. part 2: production scheduling and inclusion of roadways. A95-A100.vol. [14] DOWD. Ministério das Minas e Energia Departamento Nacional da Produção Mineral.H. Open pit optimization.1 e 2. Estados Unidos. P. (1995). Open pit optimization. [15] GOLSINKI. Tese de Doutorado Department of Earth Sciences and to the Committee of Graduate Studies of the University of Queensland. A. (1991). Estados Unidos. Brooks on Demand. (1979). T. G.F. Application of the whittle 4D pit optimizing program for mineral resource evaluation. Vancouver.J.(1988). Inc. Mine Planning and Equipament Selection. P. Case Study In Open-Pit Limit Analysis. J. A100-A103. Ouro Preto.

v. D. [19] HOCHBAUM. Berkeley. Open pit mine planning & design. F. Estados Unidos.189-194. Colorado. [24] KOENIGSBERG. Estados Unidos. Estados Unidos. Berkeley. Y. Hass School of Business. Estados Unidos. University of California. Open pit mine planning & design CSMINE software. 17 th Application of Computers and Operations Research in the Mineral Industry. M.47-54. New York. M. (1995). Some Techniques of Operational Research. New York. 1. (1962). Computer Methods for the 80's in the Mineral Industry. S. New York. 274-287. Open pit mining planning and desing. p. Hand methods. & KUCHTA. S & CHEN. [23] KIM. 329-345p. C. [21] HUSTRULID. & GROSSMANN. Estados Unidos. Colorado School of Mines. Department of Industrial Engineering and Operations Research and Walter A. C. [26] LEMMIEUX. Hass School of Business. Londres. 297-303. (1982). T. (1979). W. Canadian Mining and Metallurgical Bulletin. D. Transactions. p.[18] HOCHBAUM. B. Estados Unidos. W. Inglaterra. University of California. Estados Unidos. Department of Industrial Engineering and Operations Research and Walter A. [20] HOULDEN. 111 . Canadá. Optimum Design of Open-Pit Mines. H. B. The Optimum Contours of an Open Pit Mine: An Application of Dynamic Programming. Package. p. Open-Pit Limits Analysis. E. & KUCHTA. (1997). Colorado. A new-old algorithm for minimum cut and maximum flow in closure graphs. [22] HUSTRULID. (1998) Performance analysis and best implementations of old and new algorithms for the Open-Pit Mining Problem. Colorado School of Mines. (1979). p. L. Computer Methods for the 80's in the Mineral Industry.. vol. A. Fundamentals. vol. 58. (1979). M. [25] KOSKINIEMI. Berkeley. (1965). 2. [27] LERCHS. Estados Unidos. p. (1995). Moving Cone Optimizing Algorithm.

17. SME annual meeting. . J.Soc. & DAVEY. p. Estados Unidos. Mining Engineering. 149-158. vol. of Mining Engineers. V. v. S.M. Rio de Janeiro. 112 . Denver. 17. Planning and Engineering Design of Open Pits and Quarries.E. A polynomial time primal network simplex algorithm for minimum cost flows. Metodologia de análise do planejamento de lavra de minas a céu aberto baseada em simulação das operações de lavra. (1996). [36] STANLEY. p.E. P.Soc. Sidney. p. & BUCKLEY. Determination of optmum cutoff grades. Mineral Model Construction: Principes of Ore-Body Modeling.10. (1973). (1979). (1997).[28] MICHAELSON. [34] RUDENO. 16 th Application of Computers and Operations Research in the Mineral Industry. T. B. B. Mining Engineering Handbook. L. vol. New York. [30] ORLIN. .M. no 1 . (1997). Pit Planning and Design. França. Estados Unidos. França. R. Optimal Final Pit Depth: Once Again.19. D.8 .10 . Estados Unidos. Colorado. Colorado. [31] PANA. Preprint 96-21. 109-129. Estados Unidos. Tese de Doutorado do Programa de Pós-Graduação de Engenharia da Universidade Federal do Rio de Janeiro .R (1999).17. T. Case studies in open pit design using Lerchs-Grossmann pit optimization. 78. K. p.B. Estados Unidos. Mathematical Programming.78. [35] SOKKALINGAM. Arizona. N. (1997). Mathematical Programming. [29] NILSSON. p. 71-72. (1981). S. S. Open pit mine planning and design. E.17. Austrália. [33] PRENN. R.Engenharia de Produção. T. Mining Engineering Handbook. Denver. et al. of Mining Engineers. A new pivot selection rule for the network simplex algorithm. M. 49. (1973). [32] PINTO. D. Phoenix.

J. Proceedings of the AusIMM/IE Newman Combined Group. Melbourne.G. Perth. 27-29.(1991). Colorado. [39] TULP. The relationship between economic design objectives and reserves estimates. Mathematical programming viewpoint for solving the ultimate pit problem. Colorado School of Mines. C. [42] WHEELER. (1994). (1988). The Facts and fallacies of open pit optimization. G. [40] UNDERWOOD. Geomatemática – Lições de Geoestatística. (1986). A. Resource to reserve inputs seminar. Paper for presentation AT ACADS Conference. Beyond optimization in open pit design. Mining Maazine. Austrália. Large Open Pit Mining Conference. 1994. Canadá. manuscrito.201-207. J. (1997). Melbourne. Kalgoorlie. [46] WHITTLE. [41] VALENTE. 4th Large Open Pit Mining Conference. (1997).133-142. J. Some General Formulae for the Geometry of Open-Cast Mines. [38] STUKE.& ALFORD. & TOLWINSKI. Quebec. Austrália.[37] STEWART. Estados Unidos. 113 . (1989). [43] WHITTLE.183-193. R. (1982). Application of Lerchs-Grossmann pit optimization to the design of open pit mines. p. Laval University. Proceedings of the First Canadian Conference on Computer Application in the Mineral Industry. (1970). Esatados Unidos. Fundação Gorceix. p. Planning Open Pit Mines. (1997). P. The shape of things to come at Bjorkdal Whittle Four-D optimisation software at work. B. T. [45] WHITTLE. J. Austrália. pit. Ouro Preto. 1-8. M. p. p. planning and scheduling. p. H. vol. Application of Whittle Four-D to Risk Management in Pit Optimisation.128-130. Austrália. Estados Unidos. p. [44] WHITTLE. J. D. Estados Unidos. D.H. 331-337. Aspects of pit optimisation.

C. 13-19p. L. A. [49] WHITTLE. Open pit design in the 90s. Australian Institute of mining & metallurgy. Optimizing cut-off grades. (1990). Austrália . E. [50] WRIGHT. J. & ROZMAN. 470-475. Society for mining metallurgy and exploration inc. (1995). Perth. Whittle Conference. Minopit’91.& WHARTON. Estados Unidos. p. J. (1991). Sidney. Surface Mining. J. Australia. p. 114 . Alemanha. (1990). 2nd edition.[47] WHITTLE. Open pit optimization. Open Pit Mine Design Models. [48] WHITTLE.

difficulty of incorporation of such restrictions like variable slopes and roads.Metodologias para o Planejamento de Cavas Finais de Minas a Céu Aberto Otimizadas Frederico Augusto Rosa do Carmo Doutorando do Instituto de Geociências. O primeiro algoritmo computadorizado foi publicado em 1965 por Lerchs e Grossmann. . dificuldade de incorporação de restrições como taludes variáveis e estradas. published in 1965 by Lerchs and Grossmann. UFOP E-mail: curi@degeo. This paper has an objective. the only demonstrable rigorous method to arrive at a great form of optimum pit. This is done essentially in a computer based in the use of an algorithm that is applied to a three dimensional model of blocks in an ore body. emphasizing the Lerchs and Grossmann algorithm.br RESUMO O propósito do projeto de uma cava final ótima é determinar os contornos de uma mina a céu aberto. Muitas das razões para a lenta aceitabilidade do algoritmo de Lerchs e Grossmann se deve as praticabilidades do uso e implementação: dificuldade na programação. Many of the reasons for the small acceptability of the algorithm of Lerchs and Grossmann in the begining due to the practice use and implemention: difficulty in programming. Although this algorithm was. it is still not used broadly in the industry. to present some algorithms of resolution of problems optimum of final open pit mines. Dr.Um programa baseado em vários algoritmos de otimização foi construído na linguagem de programação Delphi. was generated from one of the most active operational research’s in mining. longo tempo de execução através de computadores e dificuldade de entender o método. Tal projeto é essencialmente feito em um computador fundamentando-se na implementação de um algoritmo. ABSTRACT The project of final optimum open pit mine is to determine the contours of an open pit mine. de mina. que é aplicado a um modelo de blocos tridimensional em um corpo de minério. Este trabalho apresenta alguns algoritmos de resolução de problemas de otimização de aberturas de cavas finais de minas a céu aberto.br Adilson Curi Prof. for at least 25 years. based on an economic model and creating viability demands to obtain the maximum possible of net value. Palavras-chaves:planejamento otimização de cavas. ele resolve o problema equivalente ao corte mínimo e o problema de fluxo de máximo.ufop. do Departamento de Engenharia de Minas. UNICAMP E-mail: Fred@ige. It is accepted as the test in front of all the other algorithms.unicamp. The first computerized algorithm. long time of execution for computation and difficulty of understanding the method. baseando-se em um modelo econômico e com exigências de viabilidade técnicas e econômicas para se obter o máximo possível de renda líquida. enfatizando o algoritmo Lerchs e Grossmann. A software basead on several optmum algorithms was built in the programming language Delphi. because it solves the equivalent problem at the minimum cut and maximum flow.

1.Introdução
Durante a explotação a céu aberto, o terreno está continuamente sendo escavado até atingir o limite inferior da cava final. O contorno final da cava da mina é determinado antes do começo da operação da mina, ou seja, na fase de projeto. A fase de planejamento da cava de uma mina geralmente apresenta os seguintes elementos: a)Ensaios; b)Geologia; c)Tonelagem e extensão das reservas do minério; d)Topografia; e)Equipamentos de mineração; f)Fatores econômicos referentes aos custos de operação; g)Capital a ser investido; h)Lucro; i)Tipologia do minério; j)Limites finais da cava; k)Teor de corte; l)Relação estéril/minério; m)Escala de produção; n)Taludes da cava; o)Altura dos bancos; p)Estradas; q)Características do minério; r)Condições hidrológicas do terreno; s)Limites da propriedade e t)Considerações mercadológicas. Hall (1975) elaborou uma lista (aprimorada por Taylor (1977) e Lee (1984) e apud Hustrulid & Kuchita (1995)) completa de elementos que devem ser checados na fase de planejamento da cava. Assim, um aspecto fundamental no desenvolvimento de qualquer projeto de mineração a céu aberto é a determinação das reservas minerais explotáveis, obtidas através dos então chamados limites finais da cava. O problema dos limites finais da cava é de suma importância para a prática da mineração a céu aberto, como tem sido evidente pela atenção que ele tem recebido no mundo todo. Os limites finais da cava definem o tamanho e a forma de uma mina a céu

aberto no final de sua vida útil, buscando a maximização do lucro. Eles definem a extensão das reservas lavráveis e a quantidade de material estéril a ser retirado e depositado. Normalmente marcam a fronteira limite além da qual a explotação de um dado depósito não será mais econômica. Os limites da cava na superfície delimitam uma fronteira dentro da qual as estruturas de superfície da mina, tais como plantas de beneficiamento e escritórios da mina, não devem ser locados.

Grossmann (1965) apud Hustrulid e Kuchta, 1995). Decidindo qual bloco será extraído, a ordem de ma-ximizar o lucro é equivalente a encontrar o máximo “peso”, ajustando o fechamento do nó. Quando o ajuste do nó é fechado, todo o conteúdo posterior ao nó, também é fechado. Semelhante ajuste é chamado fechamento máximo em G. Formalmente, o problema de fechamento máximo de grafo e o problema de abertura de cavas de minas são os mesmos. Uma interpretação do algo-ritmo de Lerchs e Gross-mann é que ele identifica no grafo de fechamento uma floresta envergando dois tipos de árvores. Um tipo são as árvores fortes que são árvores D com propriedades que são C(s,D) > C(D,t), ou peso total do nó que é posi-tivo. As outras árvores na floresta são chamadas fracas. A forma das ar-vores fortes são o ajuste que a fonte candidata fixou como o corte. Este ajuste necessariamente não é fechado, mas seu peso total pode exceder só o valor do máximo fechamento, que é uma solução ótima. A cada repetição o algoritmo cria uma árvore no gráfico estendido, chamada de uma árvore normalizada. A árvore é construída com a propriedade de fechamento máximo, sendo o ajuste desta árvore de fácil identificação. Este ajuste não é fechado necessariamente no gráfico G = (V, A) e seu valor é só maior que o ajuste de ótimo fechamento no grafo G. Cada repetição do algoritmo consiste em identificar as impossibilidades na forma de violações do fechamento e atualizar a árvore emquanto é reduzido o vazio entre o valor da solução

2. Metodologia
O problema da cava ótima é bem representado na dire-ção do gráfico G = (V,A) sendo definido como a reunião de um conjunto V de elementos Vj (j = 1,2,...,n) chamados de nós de G, com um conjunto A de pares de elementos de x, chamados de ramos do grafo. Cada bloco i correspondente a um nó e a cada nó é atribuindo um “peso” bi na rede, que representa o valor individual do bloco. O valor da rede é computado ao valor assegurado do minério no bloco, vindo o custo de extração quando os blocos sozinhos são extraídos. Isto quer dizer que o fluxo máximo possível seria a soma dos valores de todos os blocos de minério, mas não é possível somente a retirada de blocos de minério. Algumas restrições para a retirada dos blocos de minério, devem ser feitas e também a seqüência desta retirada também deve ser obedecida. Este relacionamento précedente é determinado por requerimento da estabilidade de taude. Supondo, assim, que o bloco i não é extraído antes do bloco j, e o bloco j não é extraído antes do bloco k (Lerchs e

ótima e a possível.

ótima

solução

A árvore normalizada criada está enraizada em um nó “dummy” r e enverga todos os nós de V. Sendo e = [p, q] um ramo em T tal que aquele p é o pai (antecessor) de q. O ramo e define um ramo Tq, a subárvore enraizada a q, e apoiar sua massa da qual é a soma dos pesos nós em Tq, b(Tq). Um ramo da árvore ou aponta para a raiz (acima) ou aponta para longe da raiz (abaixo). Lerchs e Grossmann (1964) usaram a anotação de p-ramo e m-ramo, onde p e m representam valores positivos e negativos respectivamente. No grafo, tem-se um nó “dummy” X0 e o ramo “dummy” (Xo, Xi). O algoritmo inicia-se com a 0 construção da árvore T em G e T0 é então transformado em sucessivas árvores T1, T2, ..., Tn seguindo a normalização, até não ser mais possível à transformação. O máximo fechamento está vindo pelos vértices dos ajustes da identificação dos ramos da árvore final. Construída a árvore normalizada T0 em G, entra-se em um processo iterativo. A iteração de ordem t +1 transforma a árvore normalizada Tt em uma nova árvore normalizada t Tt+1. Cada árvore t T = (X,A ) é caracterizada pelo ajuste dos ramos At t e o ajuste Y de seus nós fortes. O processo termina quando Y é o fechamento de G. As iterações t +1, apresentando os seguintes passos: 1 – Se existe um ramo (xk, xl) em G, tal que Yk ε Yt e xl ε X-Yt, ir para o passo 2, caso contrário ir para o passo 4. 2 – Determinar xm, a raiz de um ramo forte que contém xk. Construir uma árvore Ts pela

substituição do ramo (x0, xm) de Tt pelo ramo (xk, xl). Ir para o passo 3. 3 – Normalizar Ts. t +1 Produzindo T . Ir para o passo 1. 4 – Terminar. Yt é o fechamento máximo de G. (Ver figura 1).

e 3D embora a seja para 2D):

descrição

xk Yt xm x0

X-Yt xl xp

1- Uma vez descretizada a jazida em blocos tecnológicos apropriadamente avaliados, para cada bloco (i,j) define-se a quantidade mij = vij – cij (na verdade, trata-se de um verdadeiro “ benefício” de cada bloco, pôr si só); 2- Calcula-se o valor Mij acumulado para cada coluna considerada, ou seja :

M

ij

=

i

m

k = 1

kj

Figura 1- Máximo fechamento do grafo Fonte: Modificado de LERCHS E GROSSMANN, 1964

Até ao aparecimento do algoritmo LG a otimização de cavas finais sempre foi feita por um método manual de tentativas; "nele se procurava, através de temtativas, chegar a uma cava que deveria ser interessante e, se viesse a aparecer muito estéril dentro desta cava, ela deveria ser fechada (em nova tentativa) para desmontar minério de maior teor e menos estéril, mas se o contrário, houvesse possibilidade de alargar mais a cava, tal também deveria ser feito (em nova tentativa) e assim sucessivamente até se alcançar uma cava final satisfatória” (Valente (1982)). O problema da otimização de uma cava final (a 2D ou 3D) não tem, na prática, uma solução analítica fácil de ser obtida. O que tem resultado no aparecimento de variados algoritmos heurísticos e variados métodos aproximados de resolução. Por isto, o grande mérito da modificação de Johnson é admitir que se passa a descrever, passo a passo (válido para os casos a 2D

3 - Procura-se o caminho ótimo que representa o contorno da cava para a seção considerada, na procura desse caminho usam-se as relações abaixo:

Poj = 0 zerada

primeira
K

linha

Pij = Mij + max

{(Pi+k,j-1)},

com : k = -1, 0 , +1

Pmax = maxKPik
A otimização está assim garantida, sendo preciso notar que: i) Pij representa a contribuição máxima possível das colunas 1 a j, para qualquer pit viável que contenha o elemento (i,j); ii) Caso o valor máximo de P na primeira linha seja positivo, então a cava ótima é obtida seguindo-se os arcos da direita para esquerda e iii) Com pequenos ajustes manuais é possível obter a cava final ótima a 3D. Pode-se acompanhar um exemplo de otimização de uma seção (2D), pelas figuras 2 à 7. Estas figuras foram apresentadas originalmente por Lerchs e Grossmann, em seu artigo,

mas foram modificadas neste trabalho para melhor compreensão. Os valores líquidos (NV), originalmente foram -4 unidades monetárias para bloco de estéril e 12 unidades monetárias para bloco de minério. A otimizaçãoé iniciada fazendo-se a soma dos valores das colunas. Assim, para o bloco da linha 4 e coluna 7, M47 , tem-se:
4 k =1

Uma nova seção, então é formada, com os valores de Mij, podendo ser vista na figura 4: O próximo passo é escolher o bloco a esquerda de máximo valor, que será somado com o bloco original, obtendo-se o Pij. O processo de otimização está condicionado, logicamente, à escolha dos

ângulos de talude da cava. Mudanças nos ângulos de talude requerem modificações no número de combinações para seleção dos blocos. Exemplificando, para o caso em que a relação vertical/ horizontal seja de 2:1, com o “caminho”a ser percorrido da esquerda para a direita, tem-se a seguinte relação :

M47 = ∑mk 7 = m17 + m27 + m37 + m47 =12+12+12+12= 48
-4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
-4 12 -4 12

12 12 12 -4 -4 -4 -4 -4 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 12 -4 -4 -4 12 12 12 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -412 12 12 12 -4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4

-4 -4 -4 -4 -4 -4 -4 -4 -4

-4 -4 -4 -4 -4 -4 -4 -4 -4

0 0 0 1 2 3 4 5 6 7 P = ij 8 9

1 2 0 0 -4 -4 -12

3 0 -4 -12 -24

4 0 -4 -12 -24 -40

5 0 8 4 -8 -24 -44

 Pi −1, j −1  M ij + max  Pi , j −1   Pi +1, j −1

6 0 20 32 36 24 4 -20

7 0 44 60 72 84 80 60 32

8 0 0 8 20 32 44 56 64 64 60

9 0 -4 -8 -8 0 12 24 36 48 56

10 0 -4 -8 -12 -16 -16 -8 4 16 28

11 0 -4 -8 -12 -16 -20 -24 -24 -16 -4

12 0 -4 -8 -12 -16 -20 -24 -28 -32 -32

13 0 -4 -8 -12 -16 -20 -24

14 0 -4 -8 -12 -16 -20

15 0 -4 -8 -12 -16

16 0 -4 -8 -12

17 18 0 0 -4 -4 -8

FIGURA 2 - Modelo de blocos com a delimitação do corpo de minério
Fonte: Modificado de LERCHS E GROSSMANN, 1964
1 2 3 4 5 6 7 8 9 1 -4 2 -4 -4 3 -4 -4 -4 4 -4 -4 -4 -4 5 -4 -4 -4 -4 -4 6
8

FIGURA 5

- Escolha do máximo valor Pij

Fonte: Modificado de LERCHS E GROSSMANN, 1964
17 -4 -4 18 -4
0 0 1 2 3 4 5 6 7 8 9
0 -4 -8 -12

(13 )

0 -4 -4 -4 -4

7 12 12 8 0 -4 -4 -4

8 12 12 12 12 8 0 -4 -4

9 0 8 12 12 12 12 8 0 -4

10 -4 -4 0 8 12 12 12 12 8

11 -4 -4 -4 -4 0 8 12 12 12

12 -4 -4 -4 -4 -4 -4 0 8 12

13 -4 -4 -4 -4 -4 -4 -4 -4 0

14 -4 -4 -4 -4 -4 -4

15 -4 -4 -4 -4

16 -4 -4 -4

1
0 -4 -12

2
0 -4 -12 -24

3
0 -4 -12 -24 -40

4
0 -4 -12 -24 -40 -60

5
0 8 4 -8 -24 -44 -68

6
0 20 32 36 24 4 -20 -48

7
0 44 60 72 84 80 60 32 0

8
0 60 80

9
0 76 96

10 11 12 13 14 15 16 17 18
0 92 0 96 0 0 0 0 0 96 88 0 96 92 0 92 104 108 104 104 100 96 88

100 108 112 108 108 100

104 108 116 120 116 116 104 116 128 132 128 128 116 104 128 148 144 144 132 120 100 136 160 164 152 140 120 124 172 176 164 144 96 60 172 188 172 152 200

FIGURA 3 – Modelo de blocos com os valores para a otimização
Fonte: Modificado de LERCHS E GROSSMANN, 1964
0 1 2 3 0 0 0 0 0 1 -4 -4 -4 -4 2 -8 -8 -8 -8 3 -12 -12 -12 4 -16 5 i 6 − ij 22 M P = P∑= m8kj ij = 7 k =1 8 P0 j = 0 9 4 5 0 0 -4 8 -8 8 -12 4 -16 0 -20 -4 -8 6 0 12 24 32 32 28 24 20 16 7 0 12 24 36 48 56 56 52 48 8 0 0 8 20 32 44 56 64 64 60 9 0 -4 -8 -8 0 12 24 36 48 56 10 0 -4 -8 -12 -16 -16 -8 4 16 28 11 0 -4 -8 -12 -16 -20 -24 -24 -16 -4 12 0 -4 -8 -12 -16 -20 -24 -28 -32 -32 13 0 -4 -8 -12 -16 -20 -24 14 0 -4 -8 -12 -16 -20 15 0 -4 -8 -12 -16 16 17 18 0 0 0 -4 -4 -4 -8 -8 -12

FIGURA 6

- Procura do maior P1k

Fonte: Modificado de LERCHS E GROSSMANN, 1964
0 0 1 2 3 4 5 6 7 8 9 1 2 0 -4 -4 -12 8 4 -8 20 32 36 24 44 60 72 84 80 60 80 76 96 92 96 100 108 112 3 4 5 6 7 8 9 10 11 12 13 0 104 108 14 0 15 0 16 0 17 0 18 0

104 108 116 120 116 128 132 128 148 136

FIGURA 4- Cava sendo otimizada
Fonte: Modificado de LERCHS E GROSSMANN, 1964

FIGURA 7 – Cone gerado a partir da aplicação do algoritmo
Fonte: Modificado de LERCHS E GROSSMANN, 1964

j). é extremamente bem adaptada para modificação de um algoritmo de contorno final. o algoritmo é finalizado. na . r = limite do talude da coluna vizinha. Evidentemente o projeto e por conseguinte angulo de talude da cava final no modelo de blocos é determinado principalmente pelas características geomecânicas das rochas. k) no inventário do modelo de bloco econômico. j.nb M ij Onde Siq é a soma dos valores econômicos dos blocos do contorno ótimo da cava. a facilidade e velocidade de implementação em um computador e sua capacidade para.. k) em seu contorno é calculado.. O algoritmo de contorno das seções transversais pode ser explicado como segue. Computacionalmente. considerar a união das cavas de cortes transversais ótimas. esboçado na seção e Mij já foi definido anteriormente neste capitulo. calcula-se a cava bidimensional ótima que usa os valores de Vijk como os valores de soma da coluna (Mijk) no algoritmo 2-D de Lerchs-Grossman. Porém. j − 1   Pi + 1. os passos 2 e 3 necessitam ser executados. Embora. Novamente. caso contrário. Isto se deve princi-palmente a direções preferenciais das descontinuidades presentes no maciço rochoso.. Na = ∑ i m n = 0 ij nj P ij = M + Max {P i+ r . O uso do angulo de talude 1:1 é uma simplificação do processo. Logo. para toda seção transversal na direção perpendicular (seções transversais norte-sul). devido à falta de espaço de aplicabilidade. j−1 } Onde : Mij. A desvantagem principal é que a solução obtida pode não ser fisicamente possível (praticável). Pi − 2 . j − 1  Pi + 2 .. em uma aplicação de contorno. caso contrário. -na+1... nb = O numero máximo de blocos. a extensão de Johnson é muito próxima do algoritmo de programação dinâmica 2-D original. O valor de cada bloco é representado por Vijk. e r = -na. mij e Pij = definidos anteriormente. tem uma vantagem sobre as aproximações de contornos de seção Transversais desde que se considere interações perpendiculares para a direção de corte transversal. Se a cava resultante não contém nenhum bloco. O modelo de programação dinâmica mais completo e que leva em consideração múltiplos angulos de talude pode ser representado pelas seguintes relações: Com j= 1.2. j − 1   Pi − 1. principalmente. Para cada bloco (i. As vantagens da extensão de Johnson para o problema de limite da cava final são. o algoritmo continua como antes. só o Passo 1 requer modificação. este é um processo interativo. pelo menos parcialmente. embora freqüentemente mencionada como um algoritmo de programação dinâmica tridimensional completo. O algoritmo de contorno que usa a aproximação de programação dinâmica 2 ½D segue os passos anteriores do algoritmo de contorno iterativo. a extensão de Johnson não obtevesse muito uso desde sua introdução. é intitulado com mais precisão como um algoritmo 2 ½ D. que serão extraidos juntos. j − 1  cava final. M e Mij definidos como anteriormente. Esta extensão. j. Utiliza um algoritmo 2D modificado de LerchsGrossman. A modificação imposta por Johnson e Sharp pode ser expressa pela equação: S iq = ∑ ij M ij Sendo os valores de P. Novamente.. Os ângulos de talude máximos admissíveis podem variar com a localização. o valor líquido da cava de seção transversal ótima (seções transversais de lesteoeste) necessariamente contendo o bloco (i. Este algoritmo de contorno é bem parecido como algoritmo de Contornos de Projeção 2 ½D. Todo bloco que pertence a uma cava bidimensional ótima pertence à cava de contorno externo. Johnson e Mickle (1970) e Johnson e Sharp (1971) desenvolveram uma extensão do algoritmo de programação dinâmica bidimensional de Lerchs e Grossman a qual foi apresentada para resolver o problema de limite da . orientação. e elevação da região considerada no interior da cava. Se não há nenhum bloco nesta classe o algoritmo para. Passos 0. 2 e 3 permanecem inalterados. O cálculo do Vijk é uma simples aplicação dupla do algoritmo de programação dinâmica bidimensional de Lerchs-Grossman. j − 1  Pij = M ij + Max  Pi . com a exceção do Passo 1. calcular em três dimensões. a cava calculada pelo algoritmo de programação dinâmica 2 ½ D é aplicado ao modelo de bloco modificado usado. acima e abaixo do bloco (i.

quando os blocos que são vizinhos próximos correspondem a uma única coluna na direção anterior ao bloco. e estas são altamente ligadas à geometria dos blocos. e. Enquanto esta restrição modela rigorosamente os contornos (limites). Mijk. "o lucro obtido extraindo uma única coluna com elemento (i. se Mijk é subtraído da soma. j. Note que estes os valores de Vijk são calculados para todos os blocos no modelo. k −1 + PSSBSi . j. k) permaneçam na margem da cava. Mijk é. Em duas dimensões tem-se o otimizador baseado na teoria de Lerchs e Grossmann. e extremamente rápido sobre um conjunto rígido de suposições. Definindo as restrições efetivas de talude da cava tais que elas sejam mais rigorosas que a definição de talude de cava de interesse.k  − PSBS ( Si ). não reduz seu valor como um algoritmo de contorno. como no artigo de Lerchs-Grossman. = Valor da coluna de blocos vindos dos blocos bijk . Os valores de Vijk podem ser interpretados fisicamente como os valores da cava bidimensional ótima. k) da sua base ".j.k-1) = Do lado do lado de trás do lado i  PSi .k −1 − P  S ( SBSi ). k) no seu contorno. Semelhantemente.k-1) = Do lado de atrás do lado de i SSBSi na coluna (j+1. = Valores dos vizinhos do bloco (i. j −1. Diferente do caso bidimensional. é somado nas duas vezes. o algoritmo pode ser usado como o procedimento do Passo 1 do algoritmo da rotina de contorno. Restrições de talude da cava devem ser consistentes ao longo do modelo. j. para qualquer cava possível que contenha o bloco (i.0 no início de seu desenvolvimento. j +1. Foi desenvolvido utilizando a linguagem de programação Delphi versão 4. no caso tridimensional (algoritmo de Koenigsberg) os blocos vizinhos correspondem a quatro colunas as quais exercem influência na direção dos valores do bloco (i. mas a versão final foi totalmente convertida para o Delphi 5. Assim.k −1 + Max  − PS ( BSi ). Pijk é a contribuição máxima da coluna 1 para a coluna j. Mijk Pijk O problema de programação dinâmica trimensional é equivalente ao problema de programação linear. a aplicabilidade do algoritmo para o problema de limite da cava final ótima. k) em seu contorno (limite).j. O programa Otimopit possuí seis otimizadores de cavas de mineração. cujo objetivo da função Pijk é definido por: Pijk = max Σ mi’j’k’Xi’j’k’ 3 – Programa Otimopit Um otimizador de cavas de minerações foi originado através destas equações. j . mas o resultado final necessariamente seria mais justo.j) neste contorno". para qualquer cava possível que contenha o bloco (i. j −1. uma vez da esquerda para a direita e uma vez da direita para a esquerda. j . sujeito à exigência de que os blocos (i.0. j +1. Ainda seriam requeridas o aumento de passos existentes e repetições múltiplas.k −1 + PBSi . Se o procedimento esboçado é realizado duas vezes para cada seção de corte. Este algoritmo usa um otimizador eficaz. Pijk R é a contribuição máxima da última coluna para a coluna j.notação do artigo de Lerchs-Grossman (1965): "Pij é a contribuição máxima possível da coluna 1 para j para qualquer cava possível que contenha o elemento (i. Assim. sendo denominado Otimopit. novamente incluindo a coluna j.k −1 Pijk = M ijk Onde: Pijk = Ótimo valor da cava considerando que o bloco bijk é o último bloco a ser analisado. É o calculo em alguns casos das colunas em duas dimensões. Porém. j −1. Note o que este cálculo L realiza.k −1 + PSBSi . como qualquer algoritmo de programação dinâmico é repetitivo e possui um grau extremo de conformidade própria.k-1) = Atrás do lado de i SBSi na coluna (j. j.k).k) = Ao BSi na coluna (j-1. o resultado desejado é alcançado. Koesnigsberg propôs um verdadeiro algoritmo de limite da cava final baseado na programação dinâmica tridimensional. inclusive. Este é o valor ótimo do bloco bijk. resolvendo o . Pijk R é o Pij calculado da direita para a esquerda. Um cálculo semelhante ao do Vijk é feito no passo 10 do algoritmo apresentado por Johnson e Mickle (1970).k): Si na coluna lado de i (j-1. um talude de cava generalizado não é possível diretamente. então Vijk pode ser calculado como: L R Vijk = Pijk + Pijk + M ijk Onde: Pijk L é Pij calculado da esquerda para direita.

problema de fluxo máximo e corte mínimo. cujas às coordenadas são (0.1. Em terceira dimensão tem-se o otimizador Otimopit 2D e ½ proposta de Johnson e Sharp (1971). ou seja com extensão *.2. Isto é feito através do botão “Calculo do Benefício”.0. o otimizador Otimopit 3D Wilke-Wrigth.0).0). (1. Se os dados carregados no programa são dados de teores de cada bloco. deve-se inserir todos os dados nesta direção para uma coordenada Z fixa.1. (0. por exemplo os valores dos blocos. A tela principal do programa pode ser vista na figura 6. (2. (2. O botão “Entrada de Dados” deve ser pressionado.0).0.0). estas normas são as seguintes: O primeiro dado é o número do bloco separado por um ponto e vírgula.0). Esta tela carregará os dados vindos de um arquivo texto. percorrer-se toda a direção de uma seção fixa em uma mesma coluna. FIGURA 9 – Entrada de Dados do Programa Otimopit .0). (2. (3.0) e (3. por exemplo os valores dos blocos.0. Os outros otimizadores em duas dimensões são o Cone Flutuante e o Cone Móvel.1. O formato dos arquivos de entrada de dados é comentado a seguir: Os arquivos de dados são regidos de certas normas.0). (3.1. fre. (0. (1. todos os cálculos são feitos. sendo que a diferença entre os dois é basicamente na direção de procura da melhor cava.2. deve-se calcular os valores econômicos de cada bloco. Para carregar estes dados basta clicar em “Carregar Dados” e escolher o arquivo que se deseja carregar no programa.0). sendo que para um tipo de jazida multi-elementar cada coluna deve conter um tipo diferente de rocha. O segundo dado é a coordenada X do bloco ou a posição na direção Leste Oeste do bloco. deve-se inserir todos os dados nesta direção para uma coordenada Y e Z fixas. FIGURA 8 – Tela de Abertura do Programa Otimopit Em seguida. O quarto dado é a coordenada Z do bloco ou a posição na direção do nível de altitude do bloco. cujas às coordenadas são (0. (1.0). A partir desta tela.0.0.0).0. que será carregado com a extensão *.0). (2.0).0).1. como pode ser visto na figura 10.2.0).txt ou um arquivo criado em um editor de dados. (1. ou seja.0). como é mostrada na figura 9. Da quinta a décima posição devem ser inseridos os valores econômicos dos blocos ou os teores de cada bloco. Depois de aberto o programa o primeiro passo a ser feito é carregar os dados do modelo de blocos.0.2. (3. aparecerá uma sub-tela. O terceiro dado é a coordenada Y do bloco ou a posição na direção Norte Sul do bloco. que é um otimizador vindo da teoria de Wrigth (1990) e o outro otimizador é o Otimopit 3D Koenigsberg baseado na teoria de Koenigsberg (1982).0. Os valores de centavos devem ser separados por vírgula.

csv. os valores dos blocos não podem ser conhecidos até que a seqüência de lavra seja especificada e a seqüência de lavra não pode ser especificada até que os limites da cava não estejam disponíveis. É bastante difícil obter um acordo no que pode ser denominado como o melhor planejamento final de uma cava. do botão Relatório (ver figura 12). através de um arquivo *. Otimizar é uma palavra que vem sendo gradualmente aceitada como descrição de um conjunto de técnicas que introduzem modelos matemáticos analíticos dentro das atividades de planejamento de mina. FIGURA 12 – Relatório Final do Programa Otimopit 4. como e mostrado na figura 11.txt. Para os métodos em duas dimensões. Para se obter isto é necessário um consenso de opiniões entre profissionais de diversas áreas (deste a parte técnica de lavra e tratamento de minérios até economistas e diretores) todos com grande experiência em sua área de atuação. a maior atenção se concentrou em delinear o limite (contorno ou geometria) final cava porque isto demonstrou o problema mais tratável. Por outro lado.FIGURA 10 – Cálculo do Valor Econômico do Bloco O próximo passo é escolher o método de otimização desejado. através de um arquivo *. pois o limite que envolve a cava com alto valor líquido presente não pode ser determinado até que os valores do bloco sejam conhecidos. o relatório apresentado. Os dados também podem ser visualizados através da “Visualização em 3D”. o significado de melhor é. dos blocos retirados e da cava final. através da impressora. Na melhor das hipóteses. onde a uma visualização da topografia. O problema mais geral é como programar produção em relação ao tempo. em última instância. a definição de “melhor” é muito confusa e tentar fazer comparações diretas de planos ótimos com melhores planos.qrp e através de um arquivo *. filosófico. . é gerada uma saída gráfica na tela principal e uma saída através de uma sub-tela contendo os valores econômicos da otimização (ver figura 6. desde a superfície virgem até o limite final é um grande exercício FIGURA 11 – Cava Final em 3D Uma terceira forma de visualização pode ser obtida através.Conclusões Existe uma dificuldade que é comum em quase todos os algoritmos de otimização de cava final de mineração. Em termos de modelo de mina. possui saída de dados.5).

Fundamentals. Transactions. é possível calcular as conseqüências de suposições diferentes. A. Estimativas de dados de mercado. v.H. Colorado School of Mines. P. R. HUSTRULID. É notório que estes algoritmos apresentam falhas de degeneração.4754. por exemplo. vol. Aproximações atuais para otimização exigem cálculos da média de teores e de preços e culminam em um plano de lavra reto e limitado. As definições dos dados pertinentes ao modelo de blocos também requerem cuidado e meditação. Optimum Design of Open-Pit Mines. nenhumas destas aproximações mostram alguma flexibilidade dentro do próprio plano de lavra. foram testados vários modelos de blocos. A95-A100. M. & TOLWINSKI. B. Geomatemática – Lições de Geoestatística.A. podendo ser adquirido. L. Já os algoritmos em três dimensões respondem com alguma imprecisão aos dados inseridos. Metodologias para o Planejamento de Cavas Finais de Minas a Céu Aberto Otimizadas. (1982). principalmente no que tange a restrição de ângulos de taludes no seu fechamento.000 blocos. Colorado. Transation institution of Mining and Metallurgy. pois a tarefa de assinalar os custos para os blocos. Canadian Mining and Metallurgical Bulletin. tradução do idioma inglês para português). VALENTE. G. não é um exercício simples. como teor e variações econômicas (análises de sensibilidade) e é até mesmo possível refazer o plano completamente para suposições diferentes. 58. .A & ONUR. por exemplo nada é mais duvidoso que a previsão do preço do metal..R. F. à evolução da tecnologia computacional na atualidade e ao fato do programa ter sido desenvolvido numa linguagem de alto desempenho em ambiente Windows. algumas dais quais descritas por Dowd (1993). Um critério comumente adotado no planejamento de mina é o valor líquido presente de fluxo de caixa que surge de uma operação.computacional além máquinas atuais. Ainda assim. é como lidar com estas incertezas. que não dispõem de capital para aquisição de um programa comercial. Colorado. Porém. vol. isto se deve ao nosso ver. tendem a não ser processadas. p. (1997). Estados Unidos KOENIGSBERG. extraídos de formulas matemáticas de diversos artigos. UNDERWOOD. E. Ouro Preto. Canadá LERCHS. (1965). Colorado School of Mines. Porém. A. sendo que o programa apresentou resultados satisfatórios. J. Open pit optimization. Open pit mine planning & design. Fundação Gorceix. 2001. devese combater várias áreas de prognóstico que são de confiabilidade muito duvidosa. Dissertação de Mestrado. em estudos de cava a céu aberto. DOWD. 1-8. (1993). Este programa pode ser assim utilizado para o ensino didático em universidades e escolas técnicas para o aprendizado de otimização de cavas e também por pequenas empresas. Estados Unidos. p. A grande pergunta que deve ser feita então. Estas falhas são amenizadas quando é inserido um numero de blocos de pelo menos duas vezes o tamanho do corpo de minério. Mathematical programming viewpoint for solving the ultimate pit problem. & GROSSMANN. M. (1995). Estados Unidos. mas raramente são empreendidos tais exercícios por causa da quantidade de trabalho envolvida. & KUCHTA. apresentaram boa resposta. 1. F. através dos autores.. com variações do numero total de blocos entre 160 e 55. orçamento e avaliações econômicas e as técnicas de otimização freqüentemente se referem a critérios econômicos que requerem projeções de fluxo monetário de caixa. Os algoritmos de duas dimensões são bem rigorosos e não apresentam falhas em relação à otimização. (1982). H. sem despesas. p. W. Berkeley. 274-287. & CURI. inclusive com o código fonte. The Optimum Contours of an Open Pit Mine: An Application of Dynamic Programming. foi concebido através da interpretação de algoritmos teóricos. P. Estados Unidos. part 1: optimal open pit design. Referências CARMO. 17 th Application of Computers and Operations Research in the Mineral Industry. Em relação ao tempo de calculo os algoritmos implementados pelo estudo. O programa de otimização Otimopit (Otimo de otimizar e Pit é igual a cava. porque não são calculados os custos em relação ao tempo. Mas ainda a aproximação do valor líquido presente (NPV) pode ser uma atração bem intuitiva (como tantos modelos econométricos). UFOP. pois assim o algoritmo consegue se adaptar melhor a escolha do melhor caminho. da capacidade de Também são usados comumente modelos financeiros na mineração para planejamento.

Sign up to vote on this title
UsefulNot useful