Diario de optimización global 27: 349-365, 2003.

© 2003 Kluwer Academic

349
Publishers. Impreso en los Países Bajos.

Una aplicación de la rama y se corta a la mina a cielo abierto La

Programación

LOUIS Caccetta y Stephen P. Hill

Facultad de Matemáticas y Estadística, Universidad Tecnológica de Curtin, GPO Box U1987, Perth, Australia Occidental,
6845 (E-mail: caccetta@maths.curtin.edu.au, hillsp@maths.curtin.edu.au)

Abstracto. La viabilidad económica de la mina de hoy en día es altamente dependiente de la planificación y la gestión cuidadosa. La
disminución de las tendencias en los grados promedio de mineral, lo que aumenta los costos de extracción y las consideraciones ambientales
se asegurará de que esta situación se mantendrá en el futuro previsible. El funcionamiento y la gestión de una gran mina a cielo abierto que
tiene una vida de varios años es una tarea enorme y compleja. A pesar de una serie de técnicas de optimización se han aplicado con éxito
para resolver algunos problemas importantes, el problema de la determinación de un programa de producción óptima durante la vida del
depósito es todavía muy sin resolver. En este artículo vamos a examinar críticamente las técnicas que se utilizan en la industria minera para la
programación de la producción indicando sus limitaciones. En adición, se presenta un modelo de programación lineal entera mixta para los
problemas de programación junto con una rama y estrategia de solución Cut. Se discuten los resultados computacionales para problemas de
tamaño práctico.

palabras clave: Branch y corte, programación lineal entera mixta, Mina Programación, optimización

1. Introducción

El funcionamiento y la gestión de una gran mina a cielo abierto es una tarea enorme y compleja, sobre todo para las
minas que tienen una vida útil de muchos años. Las técnicas de optimización pueden aplicarse con éxito para
resolver una serie de problemas importantes que se plantean en la planificación y gestión de una mina. Estas
aplicaciones incluyen: modelado de mineral de cuerpo y estimación de reservas de mineral; el diseño de pozos
óptimas; la determinación de los programas de producción óptimas; la determinación de los diseños de
funcionamiento óptimas; la determinación de mezclas óptimas; la determinación de las políticas de mantenimiento
de equipos y servicios de sustitución; y muchos más (Caccetta y Giannini, [7-9]).

Un problema fundamental en la planificación de la mina es el de determinar el límite último hoyo óptimo de

una mina. El límite último hoyo óptima de una mina se define ser que contorno que es el resultado de extraer el
volumen de material que proporciona el volumen total máximo pro fi t, mientras que satisface el requisito
operacional de pistas de la pared de seguridad. El último límite a cielo da la forma de la mina al final de su vida
útil. Por lo general, este contorno se suaviza para producir el contorno hoyo final.
350 L. Caccetta y SP COLINA

El diseño óptimo hoyo juega un papel importante en todas las etapas de la vida de un cielo abierto: en el etapa de estudio

de viabilidad cuando hay una necesidad de producir un diseño de conjunto de su vida útil a cielo; en el fase de funcionamiento cuando
pozos necesitan ser desarrollados para responder a los cambios de precios de los metales, los costos, las reservas de mineral,

y las pendientes de pared; y hacia el final de la vida de una mina donde el diseño de tajo final puede permitir la terminación

económica de un proyecto. En todas las etapas hay una necesidad de una vigilancia constante de la fosa óptima, para facilitar

la mejor a largo plazo, a mediano plazo y corto plazo la planificación minera y la posterior explotación de la reserva. La fosa

óptimo y planificación de la mina son conceptos dinámicos que requieren una revisión constante. Así, la técnica de optimización

hoyo debe ser considerada como una herramienta de gestión potente y necesario. Además, el método de optimización de pozo

debe ser altamente e fi ciente para permitir un análisis de sensibilidad efectiva. En la práctica se necesita para construir todo un

espectro de pozos, cada uno correspondiente a un conjunto específico de parámetros.

El último problema límite pozo ha sido eficientemente fi resuelve utilizando la LerchsGrossmann algoritmo
teórico [28] gráfico o Picard de [33] red método flujo (véase también Caccetta y Giannini [7,8]). Estos métodos
se basan en el “modelo de bloques” de un depósito mineral; el modelo de bloques se detalla en la siguiente
sección. Un análisis comparativo de los dos métodos está dada por Caccetta et al [10]. El diseño óptimo hoyo
juega un papel importante en la planificación de la mina.

La mina a cielo problema de programación de la producción abierta puede ser definido como especificar la
secuencia en la que los “bloques” deben ser retirados de la mina con el fin de maximizar el total actualizado fi nes de
la mina sujeta a una serie de limitaciones físicas y económicas. Por lo general, las limitaciones se refieren a: la
secuencia de extracción minera; la extracción, molienda y re fi nir las capacidades; grados de las fábricas de pienso
y concentrados; y diversos requisitos operacionales tales como ancho de fondo mínimo hoyo. El problema de
programación se puede formular como un programa lineal entera mixta (MILP). Sin embargo, en aplicaciones reales
de esta formulación es demasiado grande, tanto en términos de la cantidad de variables y el número de
restricciones, para resolver por cualquier software MILP disponible.

Varios enfoques del problema de programación han aparecido en la literatura, incluyendo: la heurística
(Caccetta et al [14] y Gershon [23]); la relajación de Lagrange (Caccetta et al [14]); métodos paramétricos
(Dagdelen y Johnson [17], Francois-Bongarcon y Guibal [6], Matheron [29,30] y Whittle [37,38]); técnicas
de programación dinámica (Tolwinski y Underwood [36]); programación lineal entera mixta (Caccetta et al
[11,14]; Dagdelen y Johnson [17] y Gershon [22]); y la aplicación de arti fi algoritmos ciales de inteligencia,
tales como el recocido simulado, algoritmos genéticos (Denby y Scho campo [18]) y las redes neuronales
(Denby et al [19]). Debido a la complejidad y el tamaño del problema de todos estos enfoques adolecen de
una o más de las siguientes limitaciones: no puede atender a la mayor parte de las limitaciones que
surgen; producir únicas soluciones subóptimas y en la mayoría de los casos sin una medida de calidad;
sólo puede manejar los problemas pequeños de tamaño.

En este artículo vamos a presentar los resultados de nuestros esfuerzos para producir un método computacional que

incorpora todas las restricciones en la optimización y produce demostrablemente

UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 351

buenas soluciones para problemas de tamaño razonablemente grande. Dado que la minería representa aproximadamente
el 4% del PIB mundos red, nuestro modelo más preciso y solución de los problemas prácticos de minería tiene signi fi
impacto económico no puede. Le damos una formulación MILP del problema de programación y presentar una rama y el
procedimiento de corte para su solución. Esto se hace en la Sección 3. Los resultados computacionales se discuten en la
Sección
4. La siguiente sección proporciona los detalles del modelo de bloques utilizado, así como una descripción crítica
de las diversas técnicas que se utilizan en la industria minera. Sólo se discuten los métodos más prometedores
que se han aplicado a las minas reales.

2. Preliminares

En esta sección describimos algunos de los métodos que se han propuesto para varios problemas de desarrollo
minero. Comenzamos con el modelo de bloques básico de un yacimiento, a continuación, presentamos una
formulación de programación lineal entera mixta del problema de programación y se discuten una serie de algoritmos
que se han propuesto para su solución. Nos centramos principalmente en los métodos que han demostrado ser útiles
en la industria minera. Para una discusión de otros métodos nos referimos a Kim [27] y Thomas [34,35].

2.1. MODELO DE BLOQUE

Una de las primeras tareas en la administración de la mina es el establecimiento de un modelo preciso

para el depósito. Aunque están disponibles una serie de modelos, el 3D fi modelo fijo de bloque regular
es el más comúnmente utilizado y es el que mejor se adapte a la aplicación de técnicas de optimización
computarizados (Gignac [24] y Kim [27]). Este modelo se basa en el cuerpo de mineral que se divide en
bloques fijos de tamaño. Las dimensiones del bloque son dependientes de las características físicas de
la mina, como pistas de pozo, dip de depósito y la variabilidad del grado, así como el equipo utilizado. El
centro de cada bloque se le asigna, en base a datos de perforación y una técnica numérica, una
representación del grado de todo el bloque. La técnica numérica utilizada es un método de extensión de
grado tales como: interpolaciones distancia ponderado, análisis de la represión, las medias móviles
ponderadas y kriging (Gignac [24]).

Los requisitos de pendiente de la pared para cada bloque se describen por un conjunto (típicamente de 4 a 8) de pares

de acimut-dip. De estos podemos identificar para cada bloque X el conjunto de bloques S X que debe ser eliminado antes del

bloque X pueden ser extraídos. Esta colección de bloques, X ∪ S X, por lo general se conoce como un “cono”.

Las suposiciones clave en el modelo de bloques son: el coste de la minería de cada bloque no depende de la
secuencia de la minería; y las pistas de pared deseados y forma de hoyo pueden ser aproximadas por los bloques
eliminados.
352 L. Caccetta y SP COLINA

2.2. EL PROBLEMA DE PROGRAMACIÓN

La mina a cielo abierto problema de programación de la producción puede ser definido como especificar la
secuencia en la que los bloques deben ser retirados de la mina con el fin de maximizar el total actualizado fi nes
de la mina sujeta a una serie de limitaciones. Las restricciones pueden incluir lo siguiente:

• rendimiento del molino (molino de alimentación y la capacidad del molino)

• volumen de material extraído por período

• restricciones de mezcla

• restricciones relacionadas con existencias

• limitaciones logísticas

Ahora presentamos una formulación sencilla de programación lineal entera mixta (MILP) que incorpora el rendimiento
del molino y el volumen de las limitaciones de material extraído. Empezamos con un poco de notación. Dejar

T es el número de períodos durante los que se está previsto la mina.

norte es el número total de bloques en el cuerpo de mineral.

do TI es la pro fi t (en el sentido NPV) resultante de la extracción de bloque yo en el período t.

O es el conjunto de bloques de mineral.

W es el conjunto de bloques de desecho.

t yo es el tonelaje de bloque yo.

metro t está el tonelaje de mineral molido en período t.
S yo el conjunto de bloques que debe ser eliminado antes de la extracción de bloque yo.

X ti = { 1, si el bloque yo se extrae en períodos de t

0, de otra manera.

l t0 límite inferior en la cantidad de mineral que se molió en período t.

ut0 límite superior en la cantidad de mineral que se molió en período t.
u tw límite superior de la cantidad de residuos que se extrae en período t.
Entonces la formulación MILP es:

Σ Σnorte ( do t - 1 ) Σ
Maximizar Z = T yo - do t yo
Xit+- N1 do T i XyoT (2,1)
t=2 i=1 i=1

sujeto a Σ t yo Xyo1 - metro 1 = 0 (2,2)

yo ∈ O
Σ ( Xt )
t yo yo - X t -yo1 - metro t = 0, t = 2, 3, ..., T. (2,3)
yo ∈ O
Σ
t yo Xyo1 u w1 (2,4)
yo ∈ W
Σ ( Xt )
t yo yo - X t -yo1 u w,
t t = 2, 3, ..., T. (2,5)
yo ∈ W
UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 353

Xyot - 1 X yo
t
,
t = 2, 3, ..., T. (2,6)
X TI X j,t t = 1, 2, ..., T, j ∈ S yo; i = 1, 2, ..., NORTE. (2,7)

l t 0 metro t u t 0, t = 1, 2, ..., T. (2,8)

X ti = 0, 1, para todos eso. (2,9)

Restricciones (2.2), (2.3) y (2.8) garantizar que las capacidades de fresado mantienen. Restricciones (2.4) y (2.5)
asegurar que el tonelaje de residuos eliminado no excede los límites superiores prescritos. Restricciones (2.6) se
asegura de que un bloque se elimina en un solo periodo. Restricciones (2.7) son las restricciones de pendiente de la
pared.
La formulación anterior tiene Nuevo Testamento 0 - 1 variables, y ( N + 2) T + N (d - 1)
restricciones lineales, donde re es el número medio de elementos en un cono. Típicamente
T es de alrededor de 10, norte es de 100.000 para un pequeño hoyo y más de 1.000.000 de un pozo más grande. En
consecuencia de la MILP que surgen son demasiado grandes para la aplicación directa de los paquetes comerciales. Sin

embargo, como se demuestra en este trabajo, la estructura del problema puede ser explotado para desarrollar estrategias

computacionales que producen demostrablemente buenas soluciones.

Resolver MILP de como (2.1) - (2.9) es un culto di fi y difícil tarea. De hecho, en el contexto de la minería, la
falta de una técnica de optimización inmediata ha llevado a la industria minera para centrarse en subproblemas
sencillos. Por consiguiente, los horarios que se generan, por lo general manualmente, son a menudo fuera del
rango operativo fi cado y ciertamente lejos de ser óptima. El método usual es primero determinar el contorno
hoyo final y luego a través de una serie de re refinamientos se generan los horarios de minería.

El esquema hoyo final se determina por suavizar el contorno producido por resolver el último problema
de límite de boxes. El último límite en boxes es la máxima de picadura valor resultante de la extracción de
bloques de mineral y estéril bajo el supuesto de que toda la minería podría hacerse en un período. Es
decir, la solución al problema (2.1) sujeto a (2.7) con T = 1 y (2.9).

El último problema límite de pozo puede ser resuelto mediante el Lerchs-Grossmann representar gráficamente
algoritmo teórico [28] o mediante la resolución de [33] red formulación de Picard flujo. Durante los últimos 10 a 15
años paquetes e fi ciente se han hecho disponibles para resolver este problema (Caccetta et al [10,11];. Whittle
[37,38]). Antes de esto, el Moving técnica del cono se utiliza ampliamente debido a su simplicidad. Esta técnica
básicamente selecciona un bloque X para la minería proporcionando la fi total pro t a partir de bloques contenidos en
el cono X ∪ S X es positivo. Mientras que el método es muy simple, es fácil demostrar que las soluciones lejos de ser
óptimo se puede obtener. Se han propuesto un número de re refinamientos a la técnica (Yamatomi et al. [40]).

El Lerchs-Grossmann Algoritmo (LGA) proporciona una herramienta importante para el diseño de la mina. Sin embargo,

como el tiempo no es un parámetro de entrada, su uso para la programación se limita a las minas que tienen una vida muy corta

(hasta 3 años). En los siguientes caracterizamos diversas aproximaciones a la programación de la mía.

354 L. Caccetta y SP COLINA

2.3. ALGORITMOS

Comenzamos demostrando que la estrategia descrita anteriormente para obtener el programa de producción de una
mina por primera determinar el contorno hoyo final y luego generar el horario es el sonido.

Dejar

do u: contorno generado por la aplicación del algoritmo de Lerchs-Grossman

(LGA).
do s: fi nal contorno generada por una programación óptima. Observamos que la LGA genera un contorno do u con el

número mínimo de bloques. Suponemos que el contorno do s también tiene un número mínimo de bloques. Tenga en

cuenta que la do s
contiene todos los bloques extraídos sobre el T períodos de tiempo, es decir:

⋃
do s = T { PAG yo : PAG yo conjunto de bloques extraído en período yo}.

i=1

Teorema. Considere una mina a cielo abierto en el que todas las restricciones tienen un límite superior y no negativo,
como límite inferior cero. Entonces do s ⊆ do u.
Prueba. Supongamos lo contrario, que do s do u. Dejar do 1 = do s \ do u el conjunto de
bloques minadas bajo el mejor esquema que no se encuentran en do u. Considerar

do 2 = do s \ do 1 = do s ∩ do u,

el conjunto de bloques minadas bajo la programación óptima que yacen en do u. Observa eso do 2
es un pozo factible. Promover,

Z ( do s) = Z ( do 1) + Z ( do 2),

dónde Z ( do yo ) es el valor total de los bloques en el contorno do yo , i = 1, 2. El minimalidad de do s implica que Z ( do yo) > 0
para cada yo. Consideremos ahora el contorno

do '= do u ∪ do 1.

Observa eso do ' satisface las restricciones de pendiente de la pared y por consiguiente es un contorno factible en
términos de lo último problema límite hoyo. Además, puesto do u ∩ do 1 = φ,
contorno do ' tiene un valor total de

Z ( do ') = Z ( do u) + Z ( do 1) > Z ( do u),

una contradicción. Esto demuestra que do s ⊆ do u.

Como se ha mencionado en el apartado anterior, buenos paquetes comerciales están disponibles para obtener el
contorno do u. La prueba del resultado anterior nos permite reducir el modelo de bloques que necesita ser
considerado. Esto conduce a una reducción en el número de variables en (2,1) - (2,9). A continuación detallamos los
enfoques que tratan de determinar el programa de producción.
UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 355

2.3.1. Método parametrización

En su artículo Lerchs y Grossmann [28] introdujeron el concepto de análisis paramétrico con el fin de
generar una secuencia de extracción. Consideraron que el modelo no descontado y variado el valor
económico de cada bloque yo de do yo a ( do yo - λ)
para variar λ 0. Un creciente secuencia de λ valores da lugar a un conjunto de pits anidados. Estos pozos se
pueden utilizar para producir un programa de producción. Desde este trabajo temprano un número de autores
han examinado los aspectos de la aplicación de este método y de sus variaciones (Francois-Bongarcon y Guibal
[6], Caccetta et al. [11,14], Caléou [15], Dagdelen y Johnson [17] , Matheron [29,30], y Whittle [37,38]).

El paquete en su mayoría ampliamente utilizado software de programación que se basa en la

parametrización, es de Whittle Cuatro-D y Cuatro X [37,38]; este último permite múltiples tipos de
mineral en el cálculo de los costes de bloque. El parámetro utilizado en los paquetes de tesis se
conoce como el “costo del metal de la minería”, que se define como: costo de extracción ($ /
tonelada) / precio ($ / g) la venta. Esta cantidad proporciona una indicación de la cantidad de
producto que debe ser vendido para cubrir el coste de la extracción de una tonelada de material. La
justificación para el uso de este parámetro es que los tres componentes para el cálculo de los valores
de bloque (el precio de venta ($ / unidad), los costos de procesamiento ($ / tonelada) y el costo de
extracción ($ / ton)) reducen a un factor bajo el supuesto de que la proporción de los costos de
procesamiento y extracción es constante. Whittle [37,

Las ventajas del enfoque Whittle incluyen:

• los pits anidados pueden determinarse fi eficientemente como cada uno requiere la solución de un problema último
límite hoyo.

• la identificación de grupos de mineral de alto grado en el modelo.

• una medida en el diseño de la fi nal pit contorno sujetos a un cambio en el precio y por lo tanto algunos

análisis de sensibilidad se puede realizar. Las desventajas del enfoque Whittle incluye:

• tiempo y otros factores variables (por ejemplo, tasa de extracción, diferentes tipos de mineral, mezcla, etc.) sólo
se incluyen implícitamente en la optimización a través de la modificación de la función de coste.

• la posibilidad de un gran incremento en el tamaño de la fosa de un pozo anidada a la siguiente. Esto se

conoce como el “problema espaciadora” y que se debe a que no hay un método claro para la elección de
los valores de λ.

• optimalidad no está garantizada. De hecho, la “mejor” programa ni siquiera puede prestar un límite superior para
el valor actual neto de la mina. Esto se ve fácilmente observando los pits anidados producidos por el LGA no
puede tener residuos en la parte inferior mientras que los producidos por un programa de lata óptima.

• la validez de la suposición de que la tasa de los costos de procesamiento y extractores son

constantes. De hecho, Whittle [37] indica que la variación de ± 20% en 5 años es típico.
356 L. Caccetta y SP COLINA

• la necesidad de reducir el tiempo cuesta a una base de coste por tonelada. Hacer suposiciones acerca de las tasas de
producción, estos costos se determinan de forma iterativa hasta que se encuentre una solución “razonable”.

• restricciones estructurales, tales como la minería a una profundidad vertical máximo o un mínimo ancho de
minado, no se pueden incorporar en el modelo de parametrización.
• la secuencia de extracción puede no satisfacer las necesidades de producción de la mina.

Recientemente, en un intento de abordar los requisitos espaciales, Whittle [38] introdujo el Milawa algoritmo
que dado un conjunto de pits anidados produce un calendario revisado con el objetivo de mejorar el VAN.

Otro paquete disponible en el mercado que se extiende el enfoque pit anidada es el movimiento de tierras NPV
Scheduler [20]. Este primer paquete de fi genera los pits anidados y luego usando estos, las expulsiones se de fi
nen heurísticamente. Los criterios para las expansiones es mantenerlos lo más cerca posible de la secuencia de
extracción sugerido por los pits anidados, tomando en consideración el acceso del equipo. Por último, un
procedimiento de búsqueda restringida árbol se utiliza para secuenciar la eliminación retroceso para aumentar el
VPN. Una ventaja importante de este paquete es que puede producir horarios que son más propensos a ser
aceptable para los ingenieros de minas debido a las limitaciones espaciales prácticos se tienen en acccount
cuando de fi nir las expulsiones.

Desafortunadamente, todos los métodos que utilizan el enfoque pits anidados anteriormente en un procedimiento de

optimización secuencial pueden producir un horario que varía considerablemente de la óptima. De hecho, incluso una

solución factible no puede ser garantizada.

2.3.2. Enfoque MILP

Varios autores han propuesto formulaciones MILP a diversos problemas mina de programación (Caccetta et
al. [11,14], Dagdelen y Johnson [17], Gershon [21,22] y Kim [27]). La principal cultad computacional di fi ha
sido el tamaño del problema. Por lo general se desarrollan enfoques MILP “en casa” para los horarios de
corto plazo. A continuación describimos dos enfoques para la resolución de las formulaciones MILP.

Recientemente, Combinatoria Pty Ltd ha publicado el paquete de MineMax [31] para la programación de la mina a
largo plazo. El MILP se resuelve utilizando un paquete comercial (por ejemplo, CPLEX). Nuestro entendimiento es que
si el problema es demasiado grande para el solucionador MILP, o si no se obtiene una solución en un plazo de tiempo
prescrito, a continuación, una segunda opción se ofrece. Esta opción es resolver cada formulación MILP para las
variables libres en un período de base periodo.

Las ventajas de MineMax incluyen:

• todos los períodos se abordan simultáneamente en el caso global.
• la optimización incorpora todas las restricciones, incluyendo grado; consideraciones estructurales; etc. Por lo
tanto, incluso si se utilizan tamaños de bloque más grandes (para reducir el número de variables) la solución
obtenida puede ser mejor que la obtenida utilizando el enfoque de pit anidada.

Las desventajas de MineMax incluyen:

UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 357

• capaz de resolver los problemas solamente un tamaño muy pequeño, debido al gran número de
variables enteras y limitaciones. Esto es cierto para ambas opciones, como se ilustra en la sección de
cálculo.
• ya que a menudo se requiere rebloqueo, los requisitos de la pendiente de la pared están mal aproximar como es los
datos de bloque.

• en el período de opción período, el horario obtenido puede estar lejos de ser óptimo. Caccetta et al [14]
propuso un método de relajación de Lagrange para resolver el MILP. En cada paso se resuelve un problema
similar al último problema de límite hoyo usando la LGA con restricciones adicionales dualizado. optimización
subgradiente se utiliza para reducir las brechas de dualidad. El método se probó en un cuerpo de mineral real
con 20,979 bloques y 6 períodos de tiempo. Los horarios son obtenidos dentro del 5% del óptimo teórico. El
principal problema con el método es resolver las brechas dualidad. Sin embargo, los subproblemas son útiles en
la producción de soluciones utilizando una heurística. De hecho, la solución heurística obtenido para el cuerpo
de mineral real es dentro de 2% del óptimo teórico.

2.3.3. Otros metodos

Concluimos esta sección brevemente mencionar otros dos enfoques. Runge Mining Pty Ltd ha desarrollado el
paquete XPAC programador automático para la programación de las minas [5]. Su enfoque heurístico se basa en
el método propuesto por Gershon [23], que iterativamente selecciona bloques a extraer en un período de base
periodo. Una función ponderada se utiliza para determinar la secuencia de la extracción. En cada paso sólo los
bloques cuyos predecesores han sido extraídos se consideran. La ventaja del método es su velocidad. Su uso
principal es una herramienta interactiva donde el usuario puede ver un gran número de escenarios por los que se
fijan dentro y fuera bloques y ejecutar la heurística. Las principales desventajas son: la búsqueda es miope; no es
garantía de hallazgo de una solución factible; la solución obtenida puede ser mucho de ser óptima. El método se
ha aplicado a los modelos con hasta 100.000 bloques.

Tolwinski y Underwood [36] propusieron un método que combina los conceptos de las redes neuronales ciales de
optimización estocástica y arti fi con heurística que explotan la estructura de la mina. El método funciona mediante el
modelado del desarrollo de la mina como una secuencia de pozos (estados), donde cada hoyo se diferencia de la fosa
anterior por la eliminación de un bloque (cambio de estado). Una distribución de probabilidad basado en la frecuencia
con que se producen los estados particulares se utiliza para determinar los cambios de estado. reglas heurísticas se
incorporan a aprender estas características de la secuencia de los pozos que producen una buena o mala, resultado.

Las principales ventajas del método son:

• efectos del tiempo y otros factores pueden ser incluidos explícitamente en la optimización.
• las limitaciones estructurales que se incorporan.
• aplicable a las minas de tamaño real (probado en modelos de hasta 88.000 bloques). Las principales

desventajas son:
358 L. Caccetta y SP COLINA

• sólo un pequeño número de todas las secuencias posibles se pueden explorar. El método adolece de
“explosión combinatoria” del número de estados.
• no es garantía de hallazgo de una solución factible si existe.
• ninguna medida de la calidad de la solución.

3. Un nuevo método de ramificación y corte

En esta sección describimos nuestra rama y el procedimiento de corte para resolver el MILP (2.1)
- (2.9). Nuestro trabajo está motivado por el reciente éxito de este enfoque a varios grandes problemas
de optimización combinatoria, incluyendo: el problema del viajante de comercio; (Applegate et al [3] y
Padberg y Rinaldi 32].) el problema de rutas para vehículos (Achuthan et al [1,2] y Augerat et al [4]..);
aerolínea programación (Hoffman y Padberg [25]); y varios problemas Spanning Tree restringida
(Caccetta y Hill [12,13]).

El objetivo de nuestro trabajo es producir un método que incorpora explícitamente todas las restricciones en la
optimización y es capaz de producir demostrablemente buenas soluciones para los grandes problemas razonablemente.
La calidad unido es importante, ya que proporciona a los ingenieros de minería de confianza con los resultados
producidos.
Ahora tenemos detalle algunas de las características importantes de nuestro método que explota la estructura del
problema. Nuestro algoritmo ha sido implementado en C ++ e implica unos 17.000 líneas de código. El código ha sido
probado en minas en operación. Debido a la comercialización de los acuerdos fi dencialidad de software y en contra no
somos capaces de proporcionar información completa sobre todos los aspectos de nuestro trabajo. Sin embargo, nosotros
resumimos a continuación algunas características importantes.

3.1. CARACTERÍSTICAS PRINCIPALES

1. El modelo de bloques se reduce para incluir sólo los bloques dentro del diseño de tajo final desarrollado a
partir de la fosa final (Nota: Teorema en la sección anterior). Otras reducciones se realizan mediante la
consideración de (2.2) - (2.5) y (2.7).
2. El MILP tiene variables de ramificación fuerte debido a las dependencias entre las variables ((2.6) y (2.7)). Tenga en
cuenta que el establecimiento de una variable a 0 ó 1 se fi jar un número potencialmente elevado de otras variables.
En consecuencia, las relajaciones LP posteriores son significativamente más pequeños en tamaño. Esto motiva a
más de ramificación en comparación con la rama típica y los métodos de corte.

3. planos de corte que implican limitaciones de mochila se identifican usando los límites superiores de capacidad ((2,2) -
(2,5)) y las dependencias de eliminación de bloque (2.7). También cortes se identifican a través de las dependencias
de eliminación de materiales entre bancos.

4. La estrategia de búsqueda implica una combinación de mejor primera búsqueda y profundidad primera búsqueda. El motivo de

esto es lograr una “buena propagación” de posibles horarios de pozo (mejor primera búsqueda) beneficio ting, mientras que el

uso de primera búsqueda en profundidad fi en discos de larga duración sucesiva están estrechamente relacionados desde un

nodo secundario a la siguiente.

UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 359

Para los grandes problemas que esto a menudo resulta en demostrablemente buenas soluciones que se encuentra antes de

un método de búsqueda orientada a establecer una solución óptima.

5. Los buenos límites inferiores se generan mediante el uso de un LP-heurístico. El método funciona considerando
cada periodo de vuelta y fi jación de entrada y salida conjuntos de variables libres. planos de corte A
continuación se generan para el período, más LP de se resuelven y se produce más de fi jación. A lo largo de la
fi jación de variables se utilizan controles de viabilidad. Si la heurística tiene éxito, o falla debido a un inferior
límite inferior de ser encontrado, entonces los períodos se consideran en la misma dirección, de otro modo la
dirección se invierte. La heurística se llama para el cinco primeros niveles del árbol de búsqueda y cada octavo
nodo creado a partir de entonces.

6. fi jación estándar de las variables no básicas con costos reducidos se lleva a cabo. Debido a las dependencias
de bloques que esto puede conducir a la solución LP perder su optimización. En este caso llamamos el
software de PL y volver a entrar en la fase de generación plano de corte sin ramificación.

7. Muchos reglas de ramificación se ensayaron y los siguientes demostraron ser la mejor. Las variables libres y
se consideran un subconjunto de ellos se elige en función de la cercanía al valor de 0,5. Para cada variable
en el subconjunto se calcula el cambio en la suma de los valores fraccionales de todas las variables
dependientes en la inclusión y la exclusión de la variable de ramificación. Elegir el que tenga la mayor
variación suma mínima en ambos sentidos de la ramificación. Strong ramificación se utiliza si la distancia
entre el límite inferior y superior es su fi cientemente pequeña.

8. Si el subproblema LP no se resuelve dentro de un tiempo máximo prescrito (2 minutos), entonces la

optimización LP se termina y la ramificación se realiza usando las reglas en 7 anterior. Luego se hace
un intento de resolver el LP resultante dentro del tiempo especi fi cado. Este proceso se repite siempre
que sea necesario.
9. La fase plano de corte se termina antes de tiempo si se detecta tailing-off o si el subproblema LP se resuelve de manera
óptima en más de un tiempo prescrito (1 minuto). Tenga en cuenta que la adición de planos de corte más allá, incluso
con la purga de las limitaciones ineficaces, tiende a aumentar los tiempos de solución para las llamadas sucesivas al
software de PL.

10. Cuando ramificación sondeamos un subconjunto aleatorio de las variables que tienen el mismo índice de tiempo que la

ramificación uno. Límites en las variables también pueden ser actualizados durante este proceso.

11. Todos nuestros subproblemas LP se resuelven usando CPLEXVersion 6.6 [16]. Sólo usamos CPLEX en la solución del LP

relajada de. Las opciones de preprocesador y el agregador se desconectan y se utilizan todos los otros valores

predeterminados.

Antes de discutir los resultados de cálculo en la siguiente sección se concluye esta sección con una breve
discusión sobre algunas extensiones a la formulación MILP (2.1) - (2.9) para incorporar restricciones mineras
más prácticas.
360 L. Caccetta y SP COLINA

3.2. ampliaciones de los modelos

Además de incluir las limitaciones de la suma lineal de atributos de bloques o la relación de las
cantidades y saltando ellos (por ejemplo, mezclando), se modelan la siguiente:

• Procesamiento de diferentes tipos de minerales:

En muchas aplicaciones que tenemos K tipos 2 de mineral que necesitan ser procesadas a través del molino. La tasa de

procesamiento, en toneladas / hora, r yo para el tipo de mineral yo es conocida. El tiempo total de procesamiento por limitaciones

de época se puede escribir como:

( norte )
ΣK 1 Σ
t ik Xyo1 Q,
rk
k=1 i=1
( norte )
K
Σ 1 Σ ( Xt )
t ik yo - X t -yo1 Q, T = 2, 3, ..., T
rk
k=1 i=1

dónde
t IK: tonelaje de tipo mineral k en bloque i Q: tiempo de espera (en horas) el molino está
disponible por periodo.
• Máxima profundidad vertical:
Para permitir el acceso foso (caminos de acarreo) es deseable restringir la profundidad máxima D vertical que puede
ser extraído en cualquier período. Esta restricción puede ser modelado como sigue. Supongamos que los bloques yo y
j tienen coordenadas ( x, y, z 1) y ( x, y, z 2),
respectivamente, con z 1 < z 2 y z 2 - z 1> RE. entonces bloquea yo y j debe ser extraído en diferentes períodos de tiempo y
por lo

X l1= 0, para todos los bloques l mas que re unidades por debajo de la superficie.

X TJ Xyot - 1 , para t = 2, 3, ..., T.

• pit mínimo ancho de fondo:

A fin de facilitar el movimiento del equipo, una anchura hoyo inferior mínimo para cada período debe ser especi fi.
No creemos que las restricciones lineales se pueden utilizar para especificar esto. El método usual es manualmente
“alisar” la base de cada hoyo incrementales; optimalidad se pierde por este proceso. Una de las características que
hemos señalado de la minería es que cuando un pozo se desarrolla con bloques extraídos de varios bancos de las
pistas de pared formados son rara vez en sus límites superiores, a excepción de los bloques situados en los límites
de la fosa final. En consecuencia, nuestro enfoque consiste en redefinir la pendiente de la pared ángulos de forma
proporcional a todos los bloques excepto los situados en los límites. Esto tendrá el efecto de que los bloques se
retiran en racimos y las expansiones puede ser, naturalmente, de fi nido.

• Las existencias:

Las existencias están formados por un número de razones, entre ellas: la mezcla; almacenamiento de la producción

excesiva; y el almacenamiento de mineral de baja ley para su posible procesamiento futuro. Al colocar un bloque de

mineral en una reserva de las características de bloque

UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 361

Tabla 1. Resultados para problemas más pequeños

Problema Tiempo CPU (horas)

características 0.25 0.5 1 2 4

Prob. 1 Brecha(%) 0.2667 0.1929 0.1636 0.1538 0.1317

Los nodos 2248 4715 9121 15341 27908

6720 filas 771 643 641 639 702

bloques

Prob. 2 Brecha(%) 0.7205 0.6616 0.5469 0.5190 0.4972

Los nodos 316 890 2049 4686 10775

13440 filas 1786 1787 1784 1728 1674

bloques

Prob. 3 Brecha(%) 1.2507 1.2507 0.7901 0.7214 0.6787

Los nodos 19 54 286 873 2280

26208 filas 3988 4120 3781 3837 3812

bloques

(Grado, tonelaje, etc) son conocidos. Sin embargo, como bloques se mezclan en la reserva, las
características de los materiales extraídos de la reserva al molino necesitan ser tratados como variables.
Dado que se desconoce la cantidad de mineral eliminado de la reserva antes de la optimización esto da lugar
a algunas restricciones no lineales. Para superar esto, definimos una variable para los gramos de metal de
tomados de la reserva por un periodo de tiempo, así como tonelaje de material. Luego, utilizando estas
variables, el grado promedio de mineral siendo retirado de la reserva está implícita y se puede redondear.
Tenga en cuenta que esta formulación define un límite superior válido para el problema. Utilizamos varias
limitaciones diferentes para delimitar el valor promedio de calificaciones, así como la conservación de las
restricciones de movimiento para hacer que el límite superior lo más ajustado posible.

4. Los resultados computacionales

Nuestro Poder y el algoritmo de corte ha sido implementado en C ++ y probado en un equipo de procesador dual SGI
Origin 200, así como un SGI Origin 2000 compartida equipo multiprocesador de memoria. La capacidad de procesador
de doble fue utilizado solamente para resolver el LP relajada de. El software ha sido probado extensivamente tanto en
los datos de prueba proporcionados por nuestro socio de la industria, así como los datos de las minas productoras. Los
modelos en nuestros datos de prueba van desde 6720 a 209,664 bloques. En todos los casos T = 10. Nos osciló las
limitaciones en la cantidad de material eliminado, así como los límites en los requisitos de fresado con el fin de cubrir el
gran número de casos que en realidad puede ocurrir.
 362

Tabla 2. Resultados para problemas mayores

Problema Tiempo CPU (horas)

características 0.25 0.5 1 2 4 8 12 14 dieciséis 20

Prob. 4 Gap (%) 4.5099 2.0274 1.9247 1.6918 1.1364 0.8187 0.7880 0.7838 0.7766 0.7977

Los nodos 1 7 14 47 247 818 1327 1631 1916 2513

52416 filas 8411 8122 8251 8383 8003 8176 8254 8312 8253 8234

bloques

Prob. 5 Gap (%) 21.5744 16.9511 14.6372 27.9331 10.5561 7.2088 6,1240 5,6889 5,3598 6,3193

Los nodos 2 5 11 21 44 97 170 221 268 366

104832 Filas 15591 15769 15926 16271 16667 16916 17174 17212 17198 17278

bloques

Prob. 6 Gap (%) 58,0049 56,8978 19,1737 58,0049 17,6026 11,0502 9,7508 9,7508 9,7033 8,3265

Los nodos 1 dieciséis 30 53 104 202 305 355 395 480

209664 Filas 19437 25791 25252 22310 23365 24289 241187 24123 24351 24306

bloques
L. Caccetta y SP COLINA
UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 363

En el 200 de ordenador SGI Origin se obtuvo para las soluciones óptimas 26208 modelo de bloques
garantizados para estar dentro de 0,4% de la óptima dentro de los 12 minutos. Para el modelo más grande,
soluciones garantizados para estar dentro se obtuvieron 2,5% de la óptima dentro de las 4 horas. Para estos
modelos más grandes seguimos los cálculos durante otras 16 horas y observamos hubo un cambio insignificante
en la brecha.
En el equipo SGI Origin 2000 nos encontramos con 6 problemas de diferentes tamaños que van desde 6720 a
209,664 bloques y se obtuvieron los resultados, que son típicos de nuestra producción, dados en las tablas 1 y 2. Para
los problemas más pequeños que utilizamos CPLEX serie. En nuestras mesas se utiliza la siguiente notación: Gap (%):
( UB - LB)

UB × 100
Nodos: Filas número total de nodos secundarios generados:
número total de restricciones en el LP.
Nuestro método genera límites estrechos. Sin embargo, el establecimiento de optimalidad (excepto, por supuesto,
para los problemas pequeños) es difícil porque una vez que se consigue una solución óptima cerca no hay planos de corte
disponibles para eliminar las variables fraccionarias se producen en el mismo nivel del banco. Tenga en cuenta que (2.6) y
(2.7) dan dependencias entre variables correspondientes a bloquear la eliminación en el tiempo y la dimensión vertical,
pero no horizontalmente.

Después de la prueba extensa anteriormente hemos aplicado nuestro método para la producción de una mina de
oro. Esta mina estaba operando en un horario generado por MineMax. Con el fin de hacer una comparación
significativa con este horario simulamos las mismas condiciones de ensayo utilizadas por MineMax. Esto implicó
rebloqueo el modelo de bloque original que contenía 23 millones de bloques para uno que contiene 1363 bloques.
Sin embargo, como rebloqueo se llevó a cabo con diferentes paquetes, el valor total de la fosa sin descuento utilizado
en nuestro modelo fue del 3,3% menos. En esta aplicación T = 6 y la tasa de descuento fue del 10%. El limitaciones
implicadas movimiento de material y un límite superior en la capacidad de molienda (por período). Nuestro software
genera 7 buenas horarios dentro de un tiempo total de 10 minutos. Nuestra mejor horario estaba dentro de un 0,27%
del óptimo y validado por los ingenieros de minas de ser realista. Nuestro horario produjo un aumento del 13,1% en el
VAN fi nes. De hecho, teniendo en cuenta las diferencias en el modelo de bloques nuestro valor de la solución fue de
al menos 15% mayor.

se obtuvo la solución MineMax (que se suministra a la empresa minera por el autor del software) a través de un
período de optimización período que el paquete no podía resolver a nivel mundial dentro del plazo establecido. Una
diferencia importante entre las dos soluciones es que la nuestra genera una significativamente mayor de flujos de
efectivo en los dos primeros períodos. Esto es de hecho consistente con el objetivo de planificadores de la mina.

5. Conclusiones

El método de la rama y el corte que hemos descrito en este documento se ofrece la técnica de optimización primero
que incorpora todas las limitaciones que surgen en la programación de la producción minera. Hemos demostrado
que demostrablemente buenas soluciones se pueden obtener para los problemas prácticos de tamaño. Nuestro
modelo más preciso, junto con
364 L. Caccetta y SP COLINA

técnicas de solución rápida proporciona la industria minera con potentes herramientas de base matemática para la
gestión de sus recursos. Como se ha demostrado fi significativos beneficios económicos son alcanzables.

Expresiones de gratitud

Los autores agradecen el Consejo de Investigación Australiano para el apoyo financiero a través de una
subvención SPIRT (núm C69804881) y nuestro socio de la industria óptimo Planit de apoyo financiero y de
ayudar en todos los aspectos del proyecto, incluyendo el suministro de datos.

referencias

1. Achuthan, NR, Caccetta, L. y Hill, SP (1995), una nueva subtour eliminación de restricciones para el enrutamiento Problema del
vehículo, Revista Europea de Investigación de Operaciones 91, 573-586.
2. Achuthan, NR, Caccetta, L. y Hill, SP (1998), capacitado de rutas para vehículos Problema: Algunos aviones Nueva corte, Asia
y el Pacífico Journal of Operational Research 15, 109-123.
3. Applegate, R., Bixby, R., Chvatal, V. y Cook, W. (1995), Los cortes hallazgo en el TSP (A
Informe preliminar), Informe Técnico DIMACS, pp. 95-105.
4. Augerat, P., Belengeur, JM, Benavent, E., Corberán, A., Naddef, N. y Rinaldi, G. (1995)
Resultados de cómputo con una rama y Código de corte para el enrutamiento Problema capacitado vehículo, Informe de
investigación 949-M, Université Joseph Fourier, Grenoble, Francia,.
5. AutoScheduler, Runge Mining Pty Ltd (Australia). Web: http // www.runge.com / XPAC.
6.-Francois Bongarcon, DM y Guibal, D. (1984), parametrización de los diseños óptimos de un Principio Open Pit de una
nueva fase de la investigación, Trans. SME, AIME 274, 1801-1805.
7. Caccetta, L. y Giannini, LM (1986), técnicas de optimización para el límite Problema Open Pit, Proc. Australas. Inst. Min.
Metall. 291, 57-63.
8. Caccetta, L. y Giannini, LM (1988), una aplicación de Matemática Discreta en el diseño de una mina a cielo abierto,
discretos Matemáticas Aplicadas 21, 1-19.
9. Caccetta, L. y Giannini, LM (1990), Aplicación de técnicas de investigación de operaciones en
Minería a cielo abierto, en Byong-Hun Ahn (Ed.), Asia y el Pacífico Investigación de Operaciones: APORS'88, Elsevier Science
Publishers BV, pp 707-724..
10. Caccetta, L., Giannini, LM y Kelsey, P. (1994), sobre la aplicación de técnicas de optimización exactas para Open Pit
diseño, Asia y el Pacífico Revista de Investigación de Operaciones 11, 155-170.

11. Caccetta, L., Giannini, LM y Kelsey, P. (1998), Aplicación de técnicas de optimización en

Minería a cielo abierto, Actas de la Cuarta Conferencia Internacional sobre Técnicas de optimización y Aplicaciones
(ICOTA'98) (L. et al. Caccetta editores.), Vol. 1, pp. 414-422. (Curtin University of Technology: Perth, Australia).

12. Caccetta, L. y Hill, SP (2001), Rama y métodos de corte para la optimización de la red,
Modelación matemática e informática 33, 517-532.
13. Caccetta, L. y Hill, SP (2001), una rama y Método de corte para el árbol de problemas con restricciones Grado de
expansión mínima, redes 37, 74-83.
14. Caccetta, L., Kelsey, P. y Giannini, LM (1998), Mina de hueco abierto para planificación de producción, en AJ Basu, N.
Stockton y D. Spottiswood (Eds.), Aplicaciones informáticas en el Simposio Internacional de Minerales Industrias ( 3 rd APCOM
regional), Austral. Inst. Min. Metall. Serie de publicaciones 5, 65-72.

15. Coléou, T. (1988), La parametrización técnica para Open Pit Diseño y planificación de la mina, en:
Proc. 21 S t APCOM Simposio de la Sociedad de Ingenieros de Minas (AIME) pp. 485-494.
UNA SOLICITUD DE RAMA Y CORTE A cielo abierto La PROGRAMACIÓN DE MINA 365

16. CPLEX 6.0 Manual de Usuario, ILOG Inc., División CPLEX, 889 Alder Avenue, Suite 200, Incline Village, NV 89451,
EE.UU.
17. Dagdelen, K. y Johnson, TB (1986), Programación óptima Open Pit Mine Producción por
Lagrange parametrización, en: Proc. 19 º APCOM Simposio de la Sociedad de Ingenieros de Minas (AIME) pp. 127-142.

18. Denby, B. y Scho campo, D. (1995), El uso de algoritmos genéticos en la mina subterránea
programación, en: Proc. 25 º APCOM Simposio de la Sociedad de Ingenieros de Minas (AIME, Nueva York), pp. 389-394.

19. Denby, B., Scho campo, D. y Bradford, S. (1991), Aplicaciones de Redes Neuronales en la minería
Ingenieria, Departamento de Ingeniería de Recursos Minerales Revista de la Universidad de Nottingham, pp. 13-23.

20. Movimiento de tierras, NPV Scheduler, Web: http://www.earthworks.com.au.

21. Gershon, M. (1982), Un enfoque de programación lineal para la optimización Programación de la mina, en:
Proc. 17 º APCOM Simposio de la Sociedad de Ingenieros de Minas (AIME), pp. 483-493.
22. Gershon, M. (1983), Optimización Programación de mina con Programación Entera Mixta, Minería
Ingenieria 35, 351-354.
23. Gershon, M. (1987), heurístico Enfoques de Planificación Mine y Programación de la producción, En t.
Diario de Minería e Ingeniería Geológica 5, 1-13.
24. Gignac, L. (1975), Computarizado Evaluación mineral y abierto diseño del hoyo, en: Proc. 36 º Anual
Simposio de Minería de la Sociedad de Ingenieros de Minas (AIME), pp. 45-53.
25. Hoffman, KL y Padberg, MW (1993), la resolución de la aerolínea Crew problemas de programación por Branch y Cut, gestión
de la Ciencia 39, 657-682.
26. Kim, YC (1979), A cielo abierto Límites Análisis: Introducción técnica, en: A. Weiss (Ed.), Computadora
Los métodos para la década de los 80 (AIME, Nueva York), pp. 297-303.

27. Kim, YC (1979), Programación de la producción: descripción técnica, en: A. Weiss, (Ed.), Computadora
Los métodos para la década de los 80 (AIME, Nueva York), págs. 610-614.

28. Lerchs, H. y Grossmann, SI (1965), Diseño Óptimo de Minas a Cielo Abierto, Canad. Inst.
Bull minería. 58, 47-54.
29. Matheron, G. (1975), Le PARAMETRAGE des Contornos Optimaux, Informe Técnico No. 403,
Centro de Geostatistiques, Fontainebleau, Francia.
30. Matheron, G. (1975), Le PARAMETRAGE Técnica des Reseues, Informe Técnico No. 453,
Centro de Geostatistiques, Fontainebleau, Francia.
31. MineMax, Combinatoria Pty Ltd, 4b Unidad, R & D Center, 1 Sarich Way, Bentley, Australia Occidental, 6102.

32. Padberg, M. y Rinaldi, G. (1991), una rama y Cut Algoritmo para la Resolución de Gran Escala Viajar Vendedor
Problemas, SIAM revisión 33 (1), 60-100.
33. Picard, JC (1976), MaximumClosure de un gráfico y aplicaciones a problemas combinatorios,
Sc gestión. 22, 1268-1272.
34. Thomas, G. (1996), La optimización de la mina para planificación de producción - el estado del arte, en
Actas IIR Dólar Driven Conferencia de Planificación.
35. Thomas, G. Optimización pozo y mina Production Scheduling - El camino a seguir, en: Continuar.
26 º APCOM Simposio de la Sociedad de Ingenieros de Minas (AIME) (1976), pp. 221-228.
36. Tolwinski, B. y Underwood, R. (1996), Un algoritmo de planificación para Open Pit Minas, IMA
Diario de Matemáticas Aplicadas en Negocios e Industria 7, 247-270.
37. Whittle, J. (1993), Manual de cuatro duser, Whittle Programación Pty Ltd., Melbourne, Australia.
38. Whittle, J. (1998), Cuatro-X Manual del usuario, Whittle Programación Pty Ltd., Melbourne, Australia.
39. Whittle, J. (1990), Optimización cielo abierto, Minería de Superficie (2 Dakota del Norte Edition), AMIE pp. 470-475.

40. Yamatomi, J., Mogi, G., Akaike, A. y Yamaguchi, U. (1995), Extracción de selección
Cono Dinámico Algoritmo para tridimensional a tajo abierto diseños, en: Continuar. 25 º APCOM Simposio de la
Sociedad de Ingenieros de Minas (AIME) pp. 267-274.