Documente Academic
Documente Profesional
Documente Cultură
Julio de 2017
i
RESUMEN
Un tajeo puede ser definido como una zona de producción subterránea donde el mineral
es extraído usando distintos métodos de extracción. El asegurar los límites óptimos de
los tajeos asegura el máximo valor de un proyecto minero, respetando las restricciones
operacionales y geo mecánicas del yacimiento. La optimización de los límites del tajeo
se vuelve un aspecto crítico en el desarrollo de una operación minera subterránea. Los
algoritmos existentes tratan de obtener una solución óptima a este problema, pero dada
la complejidad del mismo, no garantizan la obtención de un modelo óptimo. El presente
trabajo técnico se centró en desarrollar e implementar un algoritmo heurístico que pueda
obtener una solución óptima al respetar las restricciones propuestas para un modelo de
bloques proporcionado; limitándose a tajeos de dimensiones regulares y sin incluir un
escenario para el manejo de mineral con leyes marginales. El algoritmo ha sido validado
en un modelo de bloques regulares (10x10x10 m) que representa a un depósito de
Cobre; obteniendo adecuados resultados.
ii
TABLA DE CONTENIDOS
RESUMEN ...............................................................................................................................................I
INTRODUCCIÓN ..................................................................................................................................... 1
PROBLEMÁTICA ............................................................................................................................................ 1
OBJETIVOS ................................................................................................................................................... 1
ALCANCE ..................................................................................................................................................... 2
METODOLOGÍA............................................................................................................................................. 2
CONCLUSIONES .................................................................................................................................... 22
INTRODUCCIÓN
Problemática
Los métodos de explotación subterránea mediante tajeos, por lo general tienen costos unitarios de
minado mayores que su contraparte, la minería superficial; por lo que una adecuada planificación
de los límites a minar, debe ser abarcada.
Los límites a minar en una operación subterránea por lo general no son determinados mediante
algoritmos de optimización, obteniéndose una gran brecha entre el valor óptimo del proyecto y el
valor obtenido.
Los algoritmos existentes de optimización para los límites de tajeo, son algoritmos muy robustos; y
tienden a fallar al obtener el valor óptimo de un modelo dado de recursos.
Una reciente investigación llevada a cabo en Australia, por (Sandanayake, 2014), se centra en un
algoritmo de optimización heurística, mostrando mejores resultados en comparación a los
algoritmos ya existentes a esa fecha; el enfoque de esta investigación es implementar un algoritmo
heurístico para la optimización de los límites de los tajeos, acortando así la brecha entre los
resultados de planeamiento y los operacionales.
Objetivos
Revisar los algoritmos existentes para la optimización de los límites de tajeo en minería
subterránea.
Desarrollar el algoritmo heurístico con las restricciones planteadas.
Implementar y validar el algoritmo en un modelo de bloques de un yacimiento de cobre.
Alcance
El alcance de este proyecto está limitado a la optimización de los límites del tajeo en un modelo de
recursos dado, no considera otros efectos operacionales que puedan influir en el valor del proyecto;
no considera la variabilidad en las condiciones geo mecánicas dentro del modelo de recursos, no
acepta variabilidad en el tamaño de los tajeos, no considera la implementación de Stockpile para
mineral con ley marginal.
Metodología
El algoritmo obtiene la solución óptima dentro de un conjunto finito de soluciones para los límites
del tajeo, el algoritmo incorpora tamaños fijos y variables de cada tajeo, así como pilares entre tajeo
y pilares entre niveles de producción para representar escenarios reales de proyectos mineros
subterráneos. El algoritmo fue implementado usando el lenguaje de programación Python 3.6 en el
programa Spyder 3.4. Microsoft Excel fue usado para facilitar la manipulación de los datos. Los
programas de diseño Datamine Studio y SGeMS fueron usados para la visualización.
Unas variedades de técnicas de optimización han sido desarrolladas al pasar de los años, y el
diseño y planeamiento de minas superficiales ha mostrado excelentes resultados, como el conocido
algoritmo de Learchs & Grossman, en contraste la optimización en minería subterránea ha tenido
menos énfasis.
Un óptimo límite de los tajeos asegura la maximización del valor presente neto; lo cual es crítico
cuándo se está desarrollando un proyecto minero. (Hustruild, William and Bullock, Richard, 2001).
La optimización de los tajeos es mucho más complicada que una mina superficial, usando distintos
métodos de explotación en minería subterránea; además, el desarrollo de tajeos requiere de
consideraciones físicas y geo mecánicas.
El minado por tajeos es un proceso ingenieril sistematizado que abarca la extracción de mineral de
una mina subterránea mediante distintos métodos. La selección del método está basada en la
geometría del depósito, la rentabilidad del método, niveles de producción, seguridad, condiciones
geo mecánicas y consideraciones del tamaño del equipo a emplear.
La siguiente figura muestra un ciclo de minado en una operación subterránea usando métodos por
tajeos.
Figura 1.1 Ciclo de minado en una operación subterránea. Fuente: Mining method in Underground Mining,
Atlas Copco
Los métodos por tajeos suelen dividirse para su clasificación en: Métodos auto soportados y
métodos con soporte artificial.
Los algoritmos existentes para la optimización de los límites de tajeo en minería subterránea,
pueden dividirse en robustos y heurísticos; Los algoritmos robustos tienen sustento de optimización
matemática y algunos ejemplos de aquellos algoritmos incluyen la programación dinámica (Riddle,
1977), Ramificación y acotación (Ovanic, J. & Young, D., 1995) y método de flujo de redes (Bai,
2013). Los algoritmos heurísticos resuelven problemas óptimamente basados en reglas que son
aplicadas durante la búsqueda de la solución óptima y algunos ejemplos de aquellos algoritmos
incluyen División de árbol octal (Cheimanoff, 1989), Tajeo flotante (Alford, 1995), Sens and Topal
(Sens, J. & Topal, E , 2009) y el máximo valor de las cercanías (Ataee-pour, 2000).
La siguiente tabla describe las principales ventajas y desventajas de los algoritmos robustos
La siguiente tabla describe las principales ventajas y desventajas de los algoritmos heurísticos
El algoritmo propuesto abarca cinco etapas principales que son implementados secuencialmente
para un modelo de bloques dado. La Figura 2.1 muestra las principales etapas.
Elección del
Valorización
conjunto de
de tajeos
tajeos óptimo
El proceso comienza al importar un modelo de bloques regulares y delimitar los límites en donde se
generarán los tajeos, obteniendo así un prisma recto que abarcará todo el modelo de recursos
conteniendo todos los bloques con contenido metálico, posteriormente el algoritmo genera tajeos
sin sobreponerse, respetando los límites físicos de los mismos y la adición de pilares puente y entre
tajeos; para luego descartar los tajeos con leyes de mineral menores a la ley de corte crítica,
considerados de esta manera como desmonte; después de descartar estos tajeos, se valoriza cada
uno de los mismos con un precio de metal, recuperación metalúrgica y costo de minado total
asumidos; como paso final se selecciona el conjunto de tajeos que presente el mayor valor
económico.
El algoritmo requiere de un modelo de bloques con dimensiones de bloques iguales, pudiendo variar
la dimensión en los ejes X, Y y Z; además requiere que sea un modelo regular en todos los niveles,
llenando el modelo con bloques asumidos como desmonte. Adicionalmente, los bloques deben
tener una identificación indexada con valores enteros.
El algoritmo identifica los índices máximos y mínimos para las tres dimensiones: X, Y y Z, de los
bloques con contenido metálico. Posteriormente, genera una base de datos conteniendo sólo los
bloques dentro de los límites determinados.
La siguiente figura muestra la obtención de los límites para un modelo de bloques dado, tomando
como ejemplo un nivel de referencia.
Con la base de datos del modelo de bloques delimitado, el algoritmo procede a generar tajeos sin
sobre posición de los mismos, de la siguiente manera.
Dado unas dimensiones de tajeo (𝑛𝑥𝑠 𝑛𝑦𝑠 𝑛𝑧𝑠 ), el algoritmo determina la posición final para cada
tajeo, con la siguiente expresión:
Al terminar el primer tajeo, el algoritmo asegura que la nueva posición de origen pertenezca
a un tajeo adyacente y no sobre puesto, con la siguiente expresión:
El algoritmo sólo incluye a los tajeos que cumplan con la siguiente condición:
𝑖𝑓 𝑖𝑚𝑎𝑥
𝑗𝑓 ≤ 𝑗𝑚𝑎𝑥
𝑘𝑓 𝑘𝑚𝑎𝑥
Para los tajeos que cumplan con la condición mencionada, se determina la densidad, ley
de metal, volumen y posición central, en base a los bloques que pertenezcan a estos tajeos,
con las siguientes expresiones:
∑𝑛𝑖=1 𝑑𝑖
𝑑𝑠 =
𝑛𝑥𝑠 × 𝑛𝑦𝑠 × 𝑛𝑧𝑠
∑𝑛𝑖=1 𝑑𝑖 × 𝑔𝑖
𝑔𝑠 =
𝑛𝑥𝑠 × 𝑛𝑦𝑠 × 𝑛𝑧𝑠 × 𝑑𝑠
𝑖𝑠 𝑖𝑖 (𝑛𝑥𝑠 − 1)/2
𝑗𝑠 = 𝑗𝑖 + (𝑛𝑦𝑠 − 1)/2
𝑘𝑠 𝑘𝑖 (𝑛𝑧𝑠 − 1)/2
Este proceso se repite, variando la primera posición del tajeo inicial, tanto en las dimensiones X, Y
y Z; obteniéndose de esta manera un grupo de conjuntos de tajeos sin sobreponerse.
El algoritmo se vuelve más realista al adicionar separaciones entre los niveles de tajeo, llamados
comúnmente como pilares puente, el algoritmo toma como dato de entrada la dimensión del ancho
del pilar puente y obtiene los tajeos con la respectiva separación, con la siguiente expresión:
Para adicionar más restricciones operacionales se añaden pilares entre los tajeos adyacentes, el
algoritmo toma como dato de entrada la dimensión del ancho del pilar tanto en la dirección X, como
en la dirección Y y obtiene los tajeos con la respectiva separación, adicionando los pilares puente;
con la siguiente expresión:
(𝑖𝑖+1 𝑗𝑖+1 𝑘𝑖+1 ) = (𝑖𝑖 𝑗𝑖 𝑘𝑖 ) + (𝑛𝑥𝑠 + 𝑎𝑝𝑥 /𝑎𝑥 𝑛𝑦𝑠 + 𝑎𝑝𝑦 /𝑎𝑦 𝑛𝑧𝑠 + 𝑎𝑝𝑝 /𝑎𝑧 )
Con el fin de reducir el tiempo de procesamiento para la elección del conjunto de tajeos óptimos, el
algoritmo descarta los tajeos con ley de metal menor a una ley de corte crítica; los tajeos con leyes
de metal menores a esta ley de corte crítica pasan a ser denominados como desmonte y no tomados
en cuenta.
Para la obtención de la ley de corte crítica, el algoritmo toma como datos de entrada los parámetros
comunes de algoritmos de optimización, como: Precio neto del metal, Recuperación Metalúrgica,
Costo total de minado y procesamiento, obteniendo la ley de corte crítica con la siguiente expresión:
𝐶𝑡
𝐿. 𝐶. 𝐶 =
𝑃𝑛 × 𝑅𝑀
$
𝐶𝑡 = 𝐶𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑚𝑖𝑛𝑎𝑑𝑜 𝑦 𝑝𝑟𝑜𝑐𝑒𝑠𝑎𝑚𝑖𝑒𝑛𝑡𝑜 ( )
𝑇𝑀
$
𝑃𝑛 = 𝑃𝑟𝑒𝑐𝑖𝑜 𝑛𝑒𝑡𝑜 𝑑𝑒𝑙 𝑚𝑒𝑡𝑎𝑙 ( 𝑜 $/𝑜𝑧)
𝑇𝑀
𝑅𝑀 = 𝑅𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑀𝑒𝑡𝑎𝑙ú𝑟𝑔𝑖𝑐𝑎
El algoritmo procede a valorizar los tajeos que cumplan con las condiciones mencionadas, con la
siguiente expresión:
𝑣𝑠 = 𝑑𝑠 × 𝑉𝑠 × (𝑔𝑠 × 𝑅𝑀 × 𝑃𝑛 − 𝐶𝑡 )
La Figura 3.1 muestra el modelo de bloques de mineral que fue utilizado para la optimización,
haciendo énfasis en la ley de cobre.
El algoritmo usó este modelo de bloques como modelo de entrada para la optimización, obteniendo
los índices de inicio para la posterior obtención de un modelo regular. La siguiente tabla presenta
los valores obtenidos.
DESCRIPCIÓN i j k
Inicial 12 19 1
Máximo 39 45 15
El algoritmo toma como entrada el modelo regularizado según los índices iniciales y máximos, y
genera los tajeos, según los siguientes datos de entrada.
DESCRIPCIÓN X Y Z
ns 3 3 3
máximo 39 45 15
ancho pilar (m) 10 10 10
3.3 Descarte de tajeos no económicos
El algoritmo descarta los tajeos generados cuya ley promedio de Cobre estén por debajo de una
ley de corte crítica, el algoritmo considerará a estos tajeos como desmonte y no los tomará en
cuenta en la optimización.
La Tabla 3.4 presenta los parámetros económicos usados para determinar la ley de corte crítica,
así como su valor.
El algoritmo toma como entrada los tajeos con una ley de metal mayor a la ley de corte crítica y
procede a valorizarlos con los parámetros mostrados en la Tabla 3.4; la Tabla 3.5 muestra los
resultados obtenidos para todo el grupo de conjuntos de tajeos generados.
DENSIDAD
NÚMERO DE TONELAJE LEY DE CU VALOR PROMEDIO
SOLUCIÓN PROMEDIO
TAJEOS TOTAL (T) PROMEDIO (%) (US$)
(T/M3)
El algoritmo escoge al conjunto de tajeos que presente el mayor valor sin descontar, y determina a
esta solución como la óptima.
Los parámetros del conjunto de tajeos obtenido como solución óptima para el modelo de bloques
de entrada, se presenta en la Tabla 3.6.
IXS IYS IZS ANCHO(m) LARGO(m) ALTO(m) CU(%) DENSIDAD(T/M3) TONELAJE(T) VALOR(US$)
17 23 4 30 30 30 1.83 2.58 69622.6 2,075,338.89
21 23 4 30 30 30 2.09 2.67 72083.7 2,876,193.09
25 23 4 30 30 30 2.09 2.72 73417.8 2,943,793.49
29 23 4 30 30 30 1.99 2.72 73552.2 2,663,817.44
33 23 4 30 30 30 1.79 2.63 71012.9 2,026,819.20
37 23 4 30 30 30 1.54 2.55 68806.7 1,303,755.84
21 27 4 30 30 30 2.12 2.66 71872.6 2,953,947.53
25 27 4 30 30 30 2.10 2.71 73157.4 2,941,747.78
29 27 4 30 30 30 2.13 2.73 73656.3 3,063,099.21
33 27 4 30 30 30 1.88 2.65 71463.0 2,278,740.04
37 27 4 30 30 30 1.28 2.45 66034.1 598,499.78
17 31 4 30 30 30 1.16 2.40 64897.8 289,592.86
La Figura 3.3 muestra la distribución de leyes de metal para el conjunto de tajeos obtenidos como
solución óptima.
La Figura 3.4 muestra la distribución de la valorización del conjunto de tajeos obtenidos como
solución óptima.
CAPÍTULO 4: RESULTADOS
- El algoritmo obtiene la siguiente solución como la óptima, para el modelo de bloques y las
restricciones operacionales proporcionadas.
- La Tabla 4.2 presenta las principales estadísticas de la solución óptima obtenida por el
algoritmo.
NÚMERO DE TAJEOS
MÍNIMO PROMEDIO MÁXIMO
86
Densidad (T/m3) 2.40 2.62 2.7493
Tonelaje(T) 64897.82 70910.83 74231.85
Ley de metal (%Cu) 1.09 1.90 2.62
Valor de los tajeos (US$) 1,276,518.80 2,348,149.00 4,369,607.00
CONCLUSIONES
- Se ha indagado los actuales algoritmos de optimización del límite de los tajeos en minería
subterránea, concluyendo que no poseen la versatilidad de un modelo heurístico; y que no
adiciona restricciones de pilares.
- Se ha desarrollado un algoritmo heurístico para obtener los límites de los tajeos en minería
subterránea para un modelo de bloques dado, con un tamaño fijo de tajeo, adicionando los
pilares entre tajeos y entre niveles; asegurando la obtención de tajeos físicos reales;
concluyendo que es un algoritmo adecuado y versátil para manejar distintos escenarios
mineros.
REFERENCIAS BIBLIOGRÁFICAS
Ataee-pour, M. (2000). A heuristic algorithm to optimise stope boundaries. New South Wales,
Australia.
Cheimanoff, M. (1989). GEOCAD: an alternative CAD and artificial intelligence tool that helps
moving from geological resources to mineable reserves. Estados Unidos.
Hustruild, William and Bullock, Richard. (2001). Underground mining methods: engineering
fundamentals and international case studies. Colorado, Colorado, Estados Unidos.
Ovanic, J. & Young, D. (1995). Economic optimization of stope geometry using separable
programming with special branch and bound technique. Montreal, Cánada.
Riddle, J. (1977). A dynnamic programming solution of a block caving mine layout. New York,
Estados Unidos.
Sens, J. & Topal, E . (2009). A new algorithm for stope boundary optimisation.