Loading documents preview...
Uso de Algoritmos Evolutivos en la Planificación Estratégica y Táctica de Minas a Cielo Abierto Ing. Carlos Yauri M. Lima - Perú 17 Oct. 2018
1. Hipótesis Motivación 2. Marco Teórico Modelo de Optimización Motor de Optimización 3. Método de Demostración Casos de Estudio Caso 1 Caso 2 Evolution Strategy 4. Conclusiones
“Es posible resolver problemas complejos de planificación minera en corto tiempo”
Motivación • Los problemas reales de planificación, dada su complejidad, son difíciles de manejar en un tiempo razonable. • Métodos de Optimización • Configuración del problema/modelo. • Expertis del usuario (en términos de manejo de software).
• Este trabajo muestra la innovadora forma en que los algoritmos evolutivos genéticos, mediante el uso Maptek Evolution Strategy, permiten encontrar soluciones de alto valor, maximizando VPN a través de una política de leyes de corte y una secuencia de extracción en una mina a cielo abierto.
1. Hipótesis Motivación 2. Marco Teórico Modelo de Optimización Motor de Optimización 3. Método de Demostración Casos de Estudio Caso 1 Caso 2 Evolution Strategy 4. Conclusiones
Modelo de Optimización • Problema bajo discusión: Optimización de un plan minero, determinando de manera simultanea la política de leyes de corte y la secuencia de extracción. • Pre requisitos: • • • • •
Determinación del pit final Capacidades de minado, procesamiento y refinación Precios y costos Definición de Fases (opcional, no obligatorio) Definición de materiales y leyes
Modelo de Optimización • La función objetivo del modelo de optimización de leyes de corte de Evolution Strategy es la maximización del NPV en presencia de restricciones de capacidad (mina, mill, market y stockpiles), múltiples líneas de procesamiento y secuencia de extracción. Se puede representar matemáticamente como sigue:
Motor de Optimización • Algoritmos Evolutivos Genéticos: Los algoritmos evolutivos son métodos de optimización y búsqueda de soluciones basados en los postulados de la evolución biológica.
Motor de Optimización • Los algoritmos evolutivos, y la computación evolutiva, son una rama de la inteligencia artificial. Son utilizados principalmente en problemas con espacios de búsqueda extensos y no lineales, en donde otros métodos no son capaces de encontrar soluciones en un tiempo razonable.
1. Hipótesis Motivación 2. Marco Teórico Modelo de Optimización Motor de Optimización 3. Método de Demostración Casos de Estudio Caso 1 Caso 2 Evolution Strategy 4. Conclusiones
Casos de Estudio • Para demostrar la calidad de los resultados se realizaron comparaciones con los casos de estudio de la siguiente publicación, donde se utilizó el software comercial OptiMine® que trabaja con técnicas de programación lineal entera mixta (MILP): • “Value Creation Through Strategic Mine Planning and Cutoff Grade Optimization” • Dagdelen, K. Kawahata, K. • Publication Date: Jan, 2008
Caso 1 • 1 Proceso
Caso 1 • OptiMine®
• Evolution Strategy
Caso 1
Caso 2 • Multi procesos
Caso 2 • OptiMine®
• Evolution Strategy
Caso 2
Evolution Strategy Barra de iconos
Interface Gráfica
Barras de Propiedades, Colores, Tablas Pivote
Ventana de Proyecto - Objetos
Ventana de reportes
Evolution Strategy
Modelos de Bloques Drag & Drop
Evolution Strategy
Tasa de Descuento Definición de Stocks
Modelo Económico - Precios - Costos - Capacidades - etc.
Alternativa de Costos y Recuperaciones desde modelo de bloques
Inyección Dinámica de Capital
Evolution Strategy
Restricciones Operacionales Restricciones Operacionales Globales
Restricciones Operacionales x Fase
Restricciones Operacionales x Proceso
Evolution Strategy
Conexión a la nube Validación
Optimización de múltiples modelos de planificación Creación de múltiples modelos de planificación
Evolution Strategy Detalle de los resultados - Flujo de Caja - Gráficas
-
Detalle de los resultados - Secuencia de Fases Numero de bancos minados x periodo
Evolution Strategy Fotos x Periodo
1. Hipótesis Motivación 2. Marco Teórico Modelo de Optimización Motor de Optimización 3. Método de Demostración Casos de Estudio Caso 1 Caso 2 Evolution Strategy 4. Conclusiones
Conclusiones • Los análisis demuestran que es posible obtener resultados de alto valor utilizando este tipo de técnicas • Maptek Evolution Strategy acerca estas técnicas a la industria minera enfocándolas en el desarrollo de planes de producción. • Esta herramienta de planificación es muy simple de usar, con una interface intuitiva y orientada al uso de objetos, no de menús. • La configuración del modelo de planificación se realiza de manera local, sin embargo la optimización se realiza en una nube, esto ayuda disminuir aun más los tiempos de respuesta del software.
Conclusiones • Incorpora conceptos económicos para agregar valor al proyecto (NPV, Inyección Dinámica de Capital, Precios y Costos variables en el tiempo, etc.) • Incorpora conceptos mineros para generar planes operativos y factibles (numero de bancos por periodo, Sinking Rate, blending, etc.) • Si el usuario pierde la configuración que realizó la puede recuperar desde el resultado • Muy fácil de configurar, muy fácil de aprender • Directa interacción con Vulcan • La ganancia para el usuario es que al desarrollar muchos escenarios en menor tiempo agrega valor al análisis de resultados y no a la configuración del modelo de planificación
¡Gracias!