Академический Документы
Профессиональный Документы
Культура Документы
1
Mine Planning Sequence
1. Geologic Model
2. Economic Model
3. Pit Limits
4. Pushbacks
5. Mining Schedules
6. Detailed mine plans and optimization studies
2
Mine Planning: 3st Step
3
Definición
El Ultimate Pit Limit es el límite económico de explotación
para un escenario técnico, económico y financiero
determinado.
Define el tamaño y la forma del pit al final de su vida.
Determina las reservas explotables y el tonelaje total de
estéril a extraer.
4
Procedimientos
Para definir el Ultimate Pit Limit existen tres caminos
posibles a seguir:
Método manual
Comparación de razones de stripping de perfiles, por longitud vs
económica.
Método computacional
Cono Flotante, Lerchs & Grossmann
Método combinado
5
Algoritmos
6
Técnica del Cono Flotante
Esta técnica fue presentada formalmente por Pana (1965).
Consiste en evaluar el beneficio neto total de los bloques
que caen dentro de un cono invertido.
-1 -1 -1 -1 -1 1 -1
-2 -2 -2 4 -2 -2 -2
-3 -3 7 1 -3 -3 -3
7
Técnica del Cono Flotante
El algoritmo es el siguiente
Se posiciona el vértice del cono en el primer bloque (lado izquierdo) de la primera fila.
El cono flota desde izquierda a derecha y desde arriba hacia abajo, hasta posicionarse
sobre un bloque de valor positivo factible de remover.
Cuando encuentra un bloque de valor positivo, se determina el valor neto del cono hasta
alcanzar la superficie.
Si la suma de todos los bloques que caen dentro del cono es positiva (o cero), los bloques
son removidos del modelo. Si la suma es negativa, se mantienen los bloques y el cono se
mueve al próximo bloque positivo.
Si ya no hay más bloques que evaluar, el proceso termina, y el resultado final es la unión de
todos los conos extraidos.
8
Técnica del Cono Flotante
-1 -1 -1 -1 -1 1 -1 -1
BNA = 0
-2 -2 -2 4 -2 -2 -2 -2 -2 -2 -2 BNA = 3
-3 -3 7 1 -3 -3 -3 -3 -3 1 -3 -3 -3
-1 -1 -1 -1 -1 1 -1 -1
-2 -2 -2 4 -2 -2 -2 BNA = 1 -2 -2 -2 -2 BNA = 3
-3 -3 7 1 -3 -3 -3 -3 -3 1 -3 -3 -3
-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1
-2 -2 -2 4 -2 -2 -2 BNA = 2 -2 -2 4
-3 -3 7 1 -3 -3 -3 7 Ultimate Pit Limit
9
Técnica Cono Flotante: Problemas
-2 -2 -2 -2 -2 -2 -2 -2 -2 -2
10 -3 10 10 -3 10
-1 -1 -1 -1 -1 -1 -1
-2 -2 -2 -2 -2
10 -3 10 Net value = +3
10
10
Técnica Cono Flotante: Problemas
Este es el óptimo
-2 -2 -2 -2 -1 -2 -2 -2 -2 -1
4 8 -2 4 8 -2
2 2
11
Algoritmos Lerchs & Grossmann
m( x, y, z)dxdydz
V
Considerando la restricción del ángulo de talud
12
Lerchs & Grossmann 2D: Programación
Dinámica
El algoritmo es el siguiente:
Se selecciona un bloque (i,j), se determina su beneficio mij = vij – cij y se construye un
tableau con las cantidades:
i
M ij mkj
k i
Mij representa el beneficio de extraer una sola columna con el elemento (i,j) en su base
Luego en un tableau final, se adiciona una fila de ceros en su parte superior y se calcula la
siguiente cantidad:
Pij M ij Max( Pi k , j 1 )
k
P0 j 0
con k=-1, 0, 1
Luego se indica el valor máximo por una flecha que va desde (i,j) hasta (i+k, j-1)
13
Lerchs & Grossmann 2D
-4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4
Ejemplo -4
-4
-4
-4
-4
-4
-4
-4
-4
-4
0
-4
12
8
12
12
8
12
-4
0
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
-4
BNA=108
L&G 1965 -4 -4 -4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
-8 -8 -8 -8 8 24 24 8 -8 -8 -8 -8 -8 -8 -8 -8 -8 -8
-12 -12 -12 -12 4 32 36 20 -8 -12 -12 -12 -12 -12 -12 -12 -12 -12
-16 -16 -16 -16 0 32 48 32 0 -16 -16 -16 -16 -16 -16 -16 -16 -16
-20 -20 -20 -20 -4 28 56 44 12 -16 -20 -20 -20 -20 -20 -20 -20 -20
-24 -24 -24 -24 -8 24 56 56 24 -8 -24 -24 -24 -24 -24 -24 -24 -24
-28 -28 -28 -28 -12 20 52 64 36 4 -24 -28 -28 -28 -28 -28 -28 -28
-32 -32 -32 -32 -16 16 48 64 48 16 -16 -32 -32 -32 -32 -32 -32 -32
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-4 -4 -4 -4 8 20 44 60 76 92 96 104 108 104 104 100 96 92
-8 -12 -12 -12 4 32 60 80 96 100 108 112 108 108 100 96 92 88
-12 -20 -24 -24 -8 36 72 104 108 116 120 116 116 104 96 88 84 80
-16 -28 -36 -40 -24 24 84 116 128 132 128 128 116 104 88 80 72 68
-20 -36 -48 -56 -44 4 80 128 148 144 144 132 120 100 84 68 60 52
-24 -44 -60 -72 -64 -20 60 136 160 164 152 140 120 96 76 60 44 36
-28 -52 -72 -88 -84 -44 32 124 172 176 164 144 116 92 68 48 32 16
-32 -60 -84 -104 -104 -68 4 96 172 188 172 140 112 84 60 36 16 0
14
Lerchs & Grossmann 3D
15
Lerchs & Grossmann 3D
The Problem:
Given a directed graph G(X,A) and for each vertex xi a numeric value
mi ≥≤ 0, called the mass of xi, find a closure Y of G with maximum
mass. In order words, finds a set of elements Y X such that:
xi Y xi Y
and M y mi is maximum
xi Y
16
Lerchs & Grossmann 3D
Definitions
17
Lerchs & Grossmann 3D
A tree is normalized if the root x0 is common to all strong
arcs. Any tree T of a graph G can be normalized by replacing
the arc (xk, xl) of a strong p-edge with a dummy arc (x0, xl), and
the arc (xq, xr) of a strong m-edge with a dummy arc (x0, xq)
and repeating the process until all strong edges have x0 as
one of their extremities.
Property 1
If a vertex xk belongs to the maximum closure Z of a
normalized tree T, then all the vertices Xk of the branch Tk
also belong to Z.
Property 2
The maximum closure of a normalized tree T is the set Z of
its strong vertices.
Theorem I
If, in a directed graph G, a normalized tree T can be constructed
such that the set Y of strong vertices of T is closure of G, then Y is
a maximum closure of G.
Theorem II
In following the steps of algorithm, a maximum closure of G is
obtained in a finite number of steps.
Lerchs & Grossmann 3D
El algoritmo es el siguiente:
Se construye un árbol normalizado Tº, el cual cuenta con un
nodo x0 dummy raíz y arcos dummy (x0, xi).
La iteración t+1 transforma un árbol normalizado Tt en un
nuevo árbol Tt+1. Cada iteración tiene los siguientes pasos:
1. Si existe un arco (xk, xl) en G tal que Yk Yt, y xl X-Yt, entonces se va
al paso 2. De otra forma se va al paso 4.
2. Determinar xm, la raíz de la rama fuerte que contiene a xk. Construir el
árbol Ts reemplazando el arco (x0, xm) de Tt por el arco (xk, xl).
3. Normalizar Ts, removiendo de la cadena [xm,…x0] todos los arcos
fuertes, uno por uno. Es decir, reemplazaremos el arco (xa, xb) por el
arco (x0, xa) y recalcularemos las masas. Esto generará el árbol Tt+1. Ir
al paso 1.
4. Fin. Yt es el cierre máximo de G.
19
Lerchs & Grossmann 3D
Constructions of Ts
The arc (x0, xm) supports in Tt a
branch Tmt with mass Mmt > 0.
On the chain [xm,…,x0] of Ts we have
the following transformation of
masses:
For an arc on the chain [xm,…,xk]:
On the chain [xm,…,xk], a p-edge in Tt
Mi s = Mmt – Mi t
becomes an m-edge in Ts and vice
For the arc [xk, xl]: versa.
Grafo G
-1 -1 -1 -1 -1 -1
-1 -1 -1 -1 -1 -1
Árbol T0
-1 -1 -1 -1 -1 -1 -1 -1
-1 -1
-1 -1 -1 -1 -1 -1 -1 -1
-1 -1
5 10 -1 -1 -1 -1
5 10 -1 -1 -1 -1
5 10
5 10
X0
21
Lerchs & Grossmann 3D: Ejemplo
Secuencia de análisis: de izquierda a derecha y de arriba hacia abajo.
-1 -1 -1 -1 -1 -1
-1 -1 -1 -1
-1 -1 -1 -1
2º Paso: Árbol Ts
5 10 -1 -1 -1 -1 -1 -1
5 10 -1 -1 -1 -1 -1 -1
X0 -1 -1 -1 -1
4 -1 -1 -1
-1 -1 -1 -1 -1 -1
-1 -1 -1 -1
4 -1 -1 -1
2º Paso: Árbol Ts
5 10
5 10 -1 -1 -1 -1 -1 -1
3 -1 -1 -1 -1 -1
X0
-1 -1 -1 -1
4 -1 -1 -1
-1 -1 -1 -1 -1 -1
3 -1 -1 -1 -1 -1
-1 -1 -1 -1
4 -1 -1 -1
2º Paso: Árbol Ts
5 10
-1 -1 -1 -1 -1 -1
5 10
-1 2 -1 -1 -1 -1
X0
-1 -1 -1 -1
3 -1 -1 -1
Arco Fuerte: X0
-1 -1 -1 -1 -1 -1 -1 -1
-4 10 -1 -1 -4 8 8 -1
5 10 5 10
1 10 9 10
3º Paso: Normalizar
X0 -1 -1 -1 -1 X0
-1 -1
-1 -1 -1 -1 -1 -1
A p-edge (p-branch) is
strong if it supports a -1 -1 -1 -1
mass that is strictly -4 8 0 -1
positive.
An m-edge (m-branch) is
5 10
strong if it supports a
1 10
mass that is null or
negative.
25 X0
Lerchs & Grossmann 3D: Ejemplo
1º Paso: Existe (xk, xl) 2º Paso: Árbol Ts
-1 -1 -1 -1 -1 -1 -1 -1 -1 -1
-1 -1
-1 -1 -1 -1 -1 7 -1 -1 -1 -1
-1 -1
-1 -1 -1 -1 -1 -1 -1 -1
-4 8 0 -1 4 8 8 -1
5 10 5 10
1 10 9 10
3º Paso: Normalizar
X0 -1 -1 -1 -1 -1 -1 X0
-1 7 -1 -1 -1 -1
A p-edge (p-branch) is
strong if it supports a -1 -1 -1 -1
mass that is strictly -3 8 1 -1
positive.
An m-edge (m-branch) is
5 10
strong if it supports a
mass that is null or 2 10
negative.
26
26 X0
Lerchs & Grossmann 3D: Ejemplo
1º Paso: Existe (xk, xl) 2º Paso: Árbol Ts
-1 -1 -1 -1 -1 -1 -1 -1 -1 -1
-1 -1
-1 -1 1 -1 -1 -1 -1 -1 1 4
-1 -1
-1 -1 -1 -1 -1 -1 -1 -1
-2 -4 2 5 -2 -4 2 5
5 10 5 10
3 6 3 6
-1 -1 -1 -1 -1 -1
El resultado es entonces: -1 -1 -1 -1 -1 -1
-1 -1 5 10 -1 -1
1
(1 0,1)1
(101,1)2 (102,1)3 (102,1)4 (102,1)5 (105,1)6 0,54
28
NPV vs. Toneladas de Mineral
(Whittle)
29
NPV vs. Toneladas de Mineral
(Whittle)
30
¿Cuál es el pit óptimo?
3000 250
2500
200
2000
150
1500
100
1000
500 50
0 0
1 4 7 10 13 16 19 22 25 28 31 34 37
31 Pit number
Pasando del Pit Óptimo al Diseño
32
Análisis de sensibilidad
Los programas de optimización permiten la elaboración rápida
de programas de producción, sin tener que pasar por el
diseño.
33
Categorización de Reservas
34
Reservas
Una reserva mineral es la parte económicamente explotable
de un recurso mineral indicado y medido. Incluye materiales
diluidos y estériles, lo cual puede ocurrir cuando el material es
explotado. Para esto, se han llevado a cabo valoraciones y
estudios apropiados, incluyendo factores de tipo minero,
metalúrgicos, económicos, de mercadeo, legales,
medioambientales, sociales y gubernamentales. Estas
valoraciones demuestran, en el momento del reporte, que
podría justificarse la extracción razonada.
35
Tipos de Reservas
Reservas Probables: es la parte económicamente explotable de
los recursos indicados, y en algunas circunstancias, recursos
medidos. Incluye materiales diluidos y estériles producto de la
explotación. Se han hecho, al menos, estudios de pre-
factibilidad, en los que se analizan los factores: de tipo minero,
metalúrgicos, económicos, de mercadeo, legales,
medioambientales, sociales y gubernamentales.
38