Professional Documents
Culture Documents
Operaciones Mineras
Profesor: Mg. Sc. Marco A. Cotrina
mcotrinat@unitru.edu.pe
Modelamiento en Planificación Minera
• Modelos Deterministas:
• Programación Matemática
• Problemas de control
• Modelamiento NO Determinista:
• Simulaciones
• Optimización Estocástica (Incertidumbre).
Modelamiento en Planificación Minera
• Programación Matemática • Modelos de Planificación Minera
• Programación Lineal • Problemas de Secuenciamiento
• Algoritmos Exactos • Problemas de Diseño
• Heurísticas y Metaheurísticas • Ventilación
• Ejemplos Clásicos • Transición Rajo/Subterránea
• Mochila, Asignación,
Producción, MaxFlow/MinCut.
Programación Matemática
• La programación matemática corresponde a la optimización
aplicada a problemas específicos y con énfasis en la
complejidad y los métodos o algoritmos para resolverla.
• En general, nos enfrentamos al problema de minimizar o
maximizar una función bajo una serie de restricciones que
describen nuestra problemática.
Programación Matemática
• Entendemos la programación matemática como una
herramienta de dos partes: el modelamiento y el algoritmo
de resolución.
• Por un lado, tenemos el planteamiento del problema como
una serie de reglas que se deben cumplir.
• Por otra parte, está el algoritmo encontrar una solución que
satisfaga las reglas.
Ejemplo – Pit Final (descripción)
• Tenemos un conjunto de B
de bloques, B = {1, 2, …, N}, 0 1 1 1 1 1 1 1
0 0 1 1 1 1 1 0
cada uno con un valor v(i).
0 0 0 1 1 1 0 0
• Para poder extraer el bloque 0 0 0 0 0 0 0 0
P+ P+
X>=4 X<=3
Sol1:
Entera
P+ P+
X>=3 + Y X>=3 + Y
<= -8 >= -7
Fracc.
< Sol1
Sol2: P+ P+
Entera X…Y+ X…Y+
Z <= 12 Z >= 13
Branch & Bound, Caso Maximización
Valor función objetivo
GAP
tiempo
Heurísticas (Ej: Agregación)
• Una forma de abordar los problemas de
agendamiento en minería es el rebloqueo
espacial (agrupación de bloques en otros
más grandes) o temporal (agrupación de
2 2 1 1 1 1 1 1 1
períodos de tiempo) con el fin de reducir 2 2 1 1 1 1 1 2
el número de decisiones (variables) a 2 2 2 2 2 2
2 2 2 2 2
considerar. 2 2 2
1 1 1 1 11 1 1 1
• Encontrada una solución agregada, se 2 2 1 2 1
2 2 2 2
1
2
1 1
1
1 1 1 1 1
1
1
2
2
2
2 22 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2
2 2 22 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2
2 22 2 2 2 1 1 1 1 1 1 2 1 1 1 2 2 2 2 2
debe determinar algún mecanismo para 2 2 2
2 2 2 2
2
2
1
2
1
1
1
1
1
2
2
2
2
2
2
2
1
2
2 2 2
2 2 2
2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
2 2 2
Metaheurísticas
Simulated Annealing
1. Dada una solución x con valor f(x), se considera una serie de soluciones
similares o vecinas N(x).
2. Para cada y en N(x), se evalúa f(y).
a. Si f(y) = máximo y f(y)>f(x), y es la nueva solución en curso. Volvemos a 1.
b. Si f(y) = máximo, f(y) < f(x) y U(0,1) > 1 – e^k, y es la nueva solución en
curso. Volvemos a 1.
Metaheurísticas
Algoritmos Genéticos
• Se tienen operadores:
De mutación F(x) x’
De cruza G(x,y) (x’,y’)
1. Dada una población P(k)={x1, …,xN} de soluciones, con valores f(x1), … f(xN):
a. Se construye una nueva población P(k+1) mediante cruza entre
elementos (Pbb. De elección proporcional a f(xi))
2. Se mutan algunos elementos de P(k+1).
3. Mientras no haya estancamiento ni demasiadas generaciones, volver a 1.
Programación Matemática
Ejemplos Clásicos
Problema de la Dieta
• Problema lineal continuo donde hay: Alimento Proteínas/Kg HC/Kg Grasa/Kg $/Kg
𝒘(𝒊) 𝒙𝒊 ≤ 𝒘
𝒊=𝟏
Problema de Asignación
• N agentes, M tareas. Beneficio de
asignar agente i a tarea j. 𝒗(𝒊, 𝒋) = 𝑩𝒆𝒏𝒆𝒇𝒊𝒄𝒊𝒐 𝒅𝒆 𝒂𝒔𝒊𝒈𝒏𝒂𝒓 𝒊 𝒂 𝒋
• Cada agente puede realizar a lo más K
𝟏 𝑨𝒔𝒊𝒈𝒏𝒂𝒎𝒐𝒔 𝒊 𝒂 𝒋
tareas. Cada tarea debe tener un agente. 𝒙𝒊𝒋 = ቊ
𝟎 𝒔𝒊 𝒏𝒐
• Caso especial K=1: matching.
𝒎𝒂𝒙 = 𝒗 𝒊, 𝒋 𝒙𝒊𝒋
𝒊𝒋
Flujo Máximo / Corte Pit Final (ya veremos por Baja. Resoluble para
Mínimo qué) millones de variables.
Programación Matemática
Ejemplos en Planificación Minera
Modelos de Planificación para Tajo
• Pit Final y Pit Final Capacitado
• Agendamiento
• Agendamiento Geo-Minero-Metalúrgico
Pit Final – Formulación Base
• Cada bloque tiene un valor vi.
• Consideramos la variable de
decisión x(i) = 1 si el bloque 𝒎𝒂𝒙 𝒗𝒊 𝒙𝒊
𝒊
pertenece al pit final y 0 si no.
𝒙𝒊 ≤ 𝒙𝒋
• Si el bloque j está en el cono de 𝒙𝒊 ∈ 𝟎, 𝟏
talud del bloque i, tenemos un
arco (i,j) de precedencia.
Pit Final – Como Problema de Flujo
t
vi
vi
+
• Por cada destino: 𝑨−
𝒕 (𝒓) ≤ 𝒂(𝒊, 𝒓) 𝒙𝒊𝒕 ≤ 𝑨𝒕 (𝒓) ∀𝒕
𝒊
• Se percibe un valor diferente
𝒙𝒊𝒕 ≤ 𝒙𝒋𝒔 ∀𝒕 (∀𝒋 𝒑𝒓𝒆𝒅𝒆𝒄𝒆𝒔𝒐𝒓 𝒅𝒆 𝒊)
• Se consumen recursos 𝒔≤𝒕
diferentes. 𝒙𝒊𝒕 ≤ 𝟏 ∀𝒊
𝒕
𝒙𝒊𝒕 ∈ 𝟎, 𝟏
(caso 1 destino)
Formulaciones Equivalentes
Formulación “at” Formulación “by”
𝒎𝒂𝒙 𝒗𝒊𝒕 𝒙𝒊𝒕
𝒊,𝒕>𝟏
𝒎𝒂𝒙 𝒗𝒊,𝟏 𝒚𝒊𝟏 + 𝒗𝒊𝒕 (𝒚𝒊𝒕 − 𝒚𝒊𝒕−𝟏 )
𝒊,𝒕 𝒊,𝒕>𝟏
𝑨𝒕− (𝒓) ≤ 𝒂(𝒊, 𝒓) 𝒙𝒊𝒕 ≤ 𝑨𝒕+ (𝒓) ∀𝒕 𝑨𝟏− (𝒓) ≤ 𝒂(𝒊, 𝒓) 𝒚𝒊𝟏 ≤ 𝑨𝒕+ (𝒓)
𝒊
𝒊
𝒚𝒊𝒕 ∈ 𝟎, 𝟏
Modelos para Subterránea
• Agendamiento en un bloque de Block Caving
• Agendamiento de puntos en un Panel Caving
• Agendamiento de actividades de extracción y desarrollo.
Otros Modelos
• Diseño de una mina subterránea.
• Ventilación.
• Modelos de simulación.
• Milawa.
• Sublevel Caving.
• Modelos de Transición Rajo Subterránea.
• Modelos de Simulación.
Bibliografía
Morales N. 2013. Presentaciones de cátedra MI 5073 Planificación Minera.
Universidad de Chile. Santiago de Chile.
Gracias