Modelacin del Problema de

Planificacin Minera

GeoMinera al Negocio

$/accin

Ley

Tons

Tiempo

Modelo Conceptual

Ley

Tons

Tiempo

Problemas Encontrados

Los volmenes en que se discretiza el yacimiento para planificar la

produccin no contiene la granularidad requerida para convertirse
en una gua operacional
El proceso de construccin del programa de produccin es a
posteriori de definir la envolvente econmica, secuencia y
probablemente leyes de corte
Lo anterior posee optimizaciones parciales que no cumplen con un
ptimo global.
El proceso de optimizacin secuencial toma decisiones que obligan
a simplificar el calculo de un programa de produccin
Los algoritmos se han simplificado para realizar el clculo en
funcin de un valor predeterminado del bloque. No incorpora
restricciones en los contaminantes
Lo anterior se traduce en tener malas reconciliaciones de los planes
de produccin

Evolucin de Computadores y
Algoritmos de Busqueda
Los computadores han aumentado su
velocidad en 1000
Los algoritmos de busqueda de
optimalidad en CPLEX 1000
Entonces es tiempo de resolver el
problema de planificacin utilizando
tcnicas de secuenciamiento de bloques

Diagrama Conceptual de
Secuenciamiento de Bloques

Ley

Tons

Tiempo

Ejemplo de Aplicacin a Rajo

Abierto

Modelo de Optimizacin
max bi ,t xi ,t xi ,t 1
I ,T

Modelo Generalizado de
Caccetta y Hill (2003).
An Application of Branch
and Cut to Open Pit Mine
Scheduling

i ,t

s.a.

k
i

( xi ,t xi ,t 1 ) U tk

xi ,t 1 xi ,t

t 1..T

( xi ,t xi ,t 1 ) X i ,t
xi,t binario

bi ,t

Valor presente de extraer el bloque i en el periodo t

cik

Contenido de material o elemento k en el bloque i

U tk
xi ,t

Produccin mxima de material o elemento k en el periodo t

X i ,t

t 1..T

Variable binaria que es 1 si el bloque i se ha extrado al periodo t

Unin de las variables binarias asociadas a los bloques que preceden al bloque i

Resolucin
Algoritmos de bsqueda de mejor
solucin relajada y mejor primer IP
Minimizacin de GAP para alcanzar
optimalidad
Restriccin de minimos eliminada del
modelo de Caccetta y Hill
Agregacin
Trabajo conjunto con grupo de Adolfo
Ibaez

Parmetros iniciales
Se realiza una optimizacin con ngulos de talud
constante de 45 grados y parmetros econmicos
adjuntos
Se generan 50 pits de los cuales se valorizan de
acuerdo a diferentes ritmos de produccin
Slope angles
Rock types
Grade Elements

45
OX (1), MX(3), PM(2), Waste(9)
CU, AU

Rock codes in brakets

0.90 $/t

Mining Cost
Mining Dilution
Mining Recovery
Any other adjustment mining cost
Processing cost
Met recovery Au
Met recovery Cu
All rocks are treated with the same met process
selling cost Au
selling cost Cu
Au price
Cu price

degrees all directions

1
1
1
3.69 $/t
0.6
0.88
0.18
0.3
11.07
0.837

$/gr
$/lb
$/gr
$/lb

Parmetros del Programa de

Produccin
Programa de produccin a
15 aos
Ritmo de produccin 30
Mtpa mina y 29.2Mtpa
proceso
Se escogen 5 fases con
mtodo iterativo hasta
cumplir con un programa de
produccin similar al
requerido

Programa de Produccin
Whittle
Seccin Norte
Se escogen 5 fases
pits:

Seccin Este

45,000,000

0.80

40,000,000

0.70

35,000,000

0.60

30,000,000

0.50

25,000,000

0.40

20,000,000

0.30

15,000,000
10,000,000

0.20

5,000,000

0.10

Mx

Esteril

4
%CU

Au ppm

VAN: 507.4 M$

10 11 12 13 14 15

CM
CP
RFCu
RFAu
disc rate
Ley (%Cu, ppm Au)

Produccin (tpa)

Programa de Produccin
Whittle
Periodo

0.9
3.69
10.42
6.53
0.1

Waste
MX
%Cu
Au(ppm) Dollar
1 1,877,796
5,046,489
0.120
0.269 9,663,738
2 1,853,199 22,340,070
0.189
0.470
8,482,681
3
559,467 18,409,842
0.298
0.672
52,993,814
4 2,481,138 31,663,764
0.400
0.712
131,676,549
5 1,673,811 13,075,695
0.515
0.690
67,587,892
6 11,638,431 29,700,378
0.471
0.473
90,753,018
7 12,732,471 23,844,186
0.555
0.480
91,821,244
8 7,283,871 21,925,161
0.648
0.506
113,347,341
9 3,244,077 14,409,198
0.605
0.457
64,839,691
10 3,295,404 24,619,923
0.662
0.489
132,585,092
11 20,906,208 12,961,863
0.603
0.475
43,277,800
12 8,936,514 21,816,000
0.508
0.413
66,297,373
13
918,135 30,063,906
0.551
0.376
107,646,985
14
18,627,462
0.658
0.549
108,950,605
15
8,051,670
0.623
0.616
47,657,973

Programa de Produccin IP
Seccin Norte

Seccin Este

Programa de Produccin IP
35,000,000

Produccin (tpa)

0.70
25,000,000

0.60

20,000,000

0.50

15,000,000

0.40
0.30

10,000,000

0.20
5,000,000

0.10

1
Esteril

%CU

Au ppm

VAN: 633.9 M$

10 11 12 13

14 15

Ley (%Cu, ppm Au)

0.80

30,000,000

Mx

CM
CP
RFCu
RFAu
disc rate

0.90

Periodo
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

0.9
3.69
10.42
6.53
0.1

Waste
MX
%Cu
Au(ppm) Dollar
1,025,298
28,501,956
0.277
0.801
99,757,427
1,019,709
28,471,527
0.408
0.690
117,905,152
1,659,960
27,758,700
0.487
0.581
117,172,831
3,795,687
25,805,547
0.528
0.520
107,617,319
3,426,408
25,846,533
0.512
0.466
94,871,567
5,348,430
24,180,228
0.544
0.462
94,370,020
9,230,679
20,261,691
0.549
0.400
67,548,824
8,386,875
21,105,468
0.562
0.464
83,207,490
9,282,951
19,990,800
0.519
0.398
59,915,572
11,460,339
17,850,321
0.517
0.398
50,267,437
14,431,014
14,879,997
0.506
0.421
38,014,643
13,175,946
16,171,245
0.526
0.387
43,483,410
12,279,033
17,250,381
0.545
0.375
49,918,415
12,636,594
16,601,652
0.471
0.366
33,471,520
17,313,831
11,997,612
0.493
0.295
14,045,096

Problemas de la Aproximacin
IP
Asume el destino de cada bloque
conocido, bi,t
Lmite de produccin inferior desconocido
no contenido en la formulacin
No considera el hecho de tener ley de
corte geometalurgicas
No considera stocks en la formulacin
No considera restricciones geomtricas de
operacin del rajo

Ejemplo de Mina Kiruna

Ejemplo del Modelo de

Transicin Rajo Subte

Problema

Cuando realizar la transicin

rajo subterrnea
La metodologa tradicional
considera la optimizacin
secuencial del rajo y luego la
subterrnea como cambia esta
decisin al ser tomada
simultneamente
El yacimiento es dividido en
estratos horizontales y luego la
decisin es definir cuales son
extrados con rajo y cuales con
un mtodo subterrneo

Criterios
Cada estrato se extrae
solamente con un mtodo
de explotacin pero
puede ser extrado en
mltiples periodos
Pueden quedar estratos
sin extraer entre las dos
operaciones y en debajo
del piso de la subterrnea

Formulacin
max cs y s ,t c~s ~
y s ,t t

Restricciones
Un estrato se extrae
solamente una vez del
sistema
Secuencia de estratos rajo
Secuencia de estratos
subte
No existe minera
simultanea
Definicin crown pillar
Definicin de footprint
Posicin relativa del
footprint y crown pillar

s ,t

cs Valor de extraer estrato s por rajo

y s ,t Se extrae estrato s por rajo en periodo t
c~s Valor de extraer estrato s por subte
~
y
s ,t

Se extrae estrato s por subte en periodo t

Factor de descuento

Dimensionamiento del
Problema
22 estratos
100 periodos de 6 meses
cada uno
1797 variable binarias
15500 restricciones
Resuelve en 90 segundos
con cplex10

Resultados Preliminares

HOD constraintSurface strata

(# strata)
mined
10
1-50
15
1-31
20
1-25
40
1-29

Grade on
surface
0.4
0.4
0.4
0.4

Crown pillar Underground Grade

Underground NPV
Horizon
strata
strata mined underground footprint
length
NA
None
NA
51-80
1,335,611,724
150
32-82
87-83
0.6
88
1,332,126,781
150
26-48
60-49
0.6
71-88
1,324,602,020
150
none
76-30
0.6
77-88
1,336,894,990
150

Run time
(seconds)
7498
9720
68507
4881

Incertidumbre y la
Planificacin Minera

Incertidumbre.
La pregunta es cul de los modelos en
que se sustentan la planificacin minera
est equivocado
A lo mejor todos
Los modelos son solo una representacin
de la realidad o del recurso natural
Es importante incorporar variabilidad en
los modelos

Incertidumbre
Production
Parameter

We are doing
well!!!!

What is
going on?

Real
Behaviour

Current
Time

Mine planning
Forecast

Time

Fuentes de Incertidumbre
Yacimiento y geologa, leyes
Mercados, precios
Tecnolgica
Entorno

Incertidumbre de leyes

Variabilidad mtodo
grfico
Grade samples
Block Model

Historical tons

Fragmentation

Abutment stresses

Draw Management

Variabilidad
Supongamos un bloque de la mina que
posee una ley de oro en el rango 0.15-0.3
ppm
Al aplicar una ley de corte de 0.12 ppm,
todo el mineral es extrado
Despus de la reconciliacin, la ley vara
en el intervalo 0-0.5 ppm.
Se extrajo 25% de lastre a diferencia de
mineral

Conceptos generales
Simulaciones geoestadsticas condicionales
permiten generar mltiples modelos de leyes
equiproblables e independientes.
Es una herramienta que permite incorporar la
variabilidad de las leyes para

Categorizacin de recursos
Anlisis de riesgo
Planes de produccin
Control de operaciones
Reconciliacin mina-planta

Equivalente a la prediccin de precios en el

largo plazo con anlisis de escenarios.

Ejemplos
Simulaciones para generar leyes
estimadas

Planificacin estratgica
Simulaciones para determinar la
incertidumbre en el beneficio generado
por un proyecto.

Diseo de limites
Simulaciones de leyes para optimizacin
de caserones

Proyeccin anual de leyes

Simulaciones para determinar la incertidumbre
en la ley media esperada por ao.
Tambin se puede utilizar para chequear los resultados de
un ejercicio de estimacin.
Mina subterrnea: se considera la ley media de cada
casern a explotar segn una secuencia definida.

Reconciliacin mina planta

Simulaciones para determinar si discrepancias entre
mina y planta son relevantes
Mediante bandas de error
Reconciliation Data - Confidence Inte rvals
1,300

1,200

1,100

1,000
BM

0,900

DH

0,800

0,700

0,600

0,500
nov-00

ene- 01

f eb-01

abr- 01

jun-01
Month

jul-01

sep-01

nov-01

dic-01

XV Planificacin con
Incertidumbre

Planificacin Minera
Considerar varios modelos de bloques
equiprobables de las simulaciones
Optimizar con algn mtodo
La interseccin de ellos entrega una
confiabilidad de un 100% de los
recursos contenidos en la envolvente

Programa de Produccin con un

Modelo de Incertidumbre
Optimizar la programacin
Utilizando algn modelo de programacin
lineal de la produccin.
Basado en el resultado anterior.
Se deben incorporar los parmetros
econmicos
Precios
Costos
Inversiones

Algoritmo de Produccin
Optimizacin combinatorial
Generar un solo programa de produccin
tomando en cuenta los generados en el punto
anterior
La idea principal es perturbar un programa de
produccin sub-optimo hasta que algunas
caractersticas predefinidas se emparejen, en
un nivel aceptable, mediante alguna funcin
objetivo.

Caso estudio
Caso Base utilizando un modelo tradicional
Se predicen una variabilidad de hasta 1,3 MTon por
ao
Mostrando repercusiones en la planta metalrgica.

Caso estudio
Un anlisis de riesgo del caso base, utilizando una serie
de modelos de bloques.
Se predicen una variabilidad de hasta 0,4 MTon por ao
Esta desviacin es bastante menor y puede ser controlada con
otras alternativas.

Caso estudio
Incertidumbre en VAN
Modelo tradicional versus anlisis de riesgo

Resumen
Las realizaciones se pueden utilizar para
ranquear las diferentes realizaciones
Por ley media
Contenido de fino
Variabilidad

Escoger algunas de las realizaciones

Disear y planificar la realizacin

Resumen
Cada realizacin escogida genera un
VAN el cual se utiliza para definir el VAN
en riesgo, bajo un cierto nivel de
aceptacin

0
VAR

Mean

VAN

XVI Teora de Confiabilidad

Incertidumbre Tecnolgica
Existe una falta de informacin de cmo el
macizo rocoso se comporta al interior del
sistema minero
Leyes
Dilucin
Estabilidad
Continuidad
Costos

Motivacin
Actual Production
Forecast Production

1200000

800000

600000

400000

200000

May,03

Jan,03

Mar,03

Nov,02

Jul,02

Sep,02

May,02

Jan,02

Mar,02

Nov,01

Jul,01

Sep,01

May,01
9000
8000

Over Draw

7000
6000

Actual Tons

Jan,01

Mar,01

Nov,00

El Plan debe ser

cumplible y por lo
tanto confiable.

Tons/month

1000000

5000
4000
3000
2000
1000

Under Draw

0
0

1000

2000

3000

4000

5000

Forecasted Tons

6000

7000

8000

9000

Confiabilidad y estrategias de
produccin
As como reliability theory es utilizada de modo
de justificar diferentes estrategias de cmo las
hormigas se organizan de modo de recopilar
alimento
Lo mismo puede ser utilizado para analizar las
decisiones operacionales tomadas en la
planificacin de corto plazo
Tambin aquellas decisiones tomadas o
involucradas en la planificacin de largo plazo y
el diseo de la mina

Teorema de confianza
(Reliability)
El teorema de confianza dice que se puede
analizar la probabilidad de falla de un sistema a
travs del conocimiento de las distribuciones de
falla de los elementos que componen el sistema
El mismo concepto puede ser aplicado a la
planificacin de minas, el que un plan se cumpla
(o no), depende de que una serie de
subprocesos y sus componentes se lleven a
cabo de una manera adecuada

Teorema de confianza
La aplicacin de la teora de confianza es
aplicable en minera, dado que un sistema
minera esta conformado por subprocesos que
poseen probabilidad de falla estimables
Desde que un equipo minero vaca en un pique
o camin hasta que llega al punto de carguo
devuelta, se producen una serie de acciones
Cada una de estas acciones debe ser realizada
de modo de cumplir el ciclo productivo

Analoga
Si se conoce la distribucin probabilistica de
falla de los componentes de un sistema minero
como:
Piques
Puntos de extraccin
Cruzados

La probabilidad de falla del sistema puede ser

estimada en funcin de las componentes o
subsistemas y las relaciones entre si.

Ms acerca de confiabilidad
El anlisis de confiabilidad puede ser
utilizado para definir y priorizar diferentes
escenarios o estrategias productivas
Escenarios por ejemplo
Cuantas frentes tener en produccin
Cuantos niveles deben estar en operacin en
cualquier momento del plan
Cuantos abanicos deben ser perforados de
modo de asegurar la produccin de mediano
plazo

Formulacin de confiabilidad
Producto que el anlisis de sistema se basa en cadenas
de subproductos enlazadas entre ellas es posible utilizar
la analoga con sistemas elctricos
Existen diferentes maneras de organizar los
subprocesos de modo de alcanzar un objetivo deseado
Cada uno de los procesos debe ser efectuado en su
totalidad de modo de pasar al siguiente en la secuencia
Supongamos que existen 3 procesos los cuales estn
encadenados en una secuencia. Pro ejemplo
perforacin, tronadura, carguo.

Sistema en series
1

h( pi ) p1 p2 p3

Sistemas paralelos
1

h( pi ) 1 (1 p1 ) (1 p2 ) (1 p3 )

Sistema paralelo serie

1

h( pi ) 1 (1 p1 p2 p3 )

Sistemas series paralelo

1

h( pi ) 1 (1 p1 ) 2 1 (1 p2 ) 2 1 (1 p3 ) 2

Concepto de Redundancia
Activa
k

XC _ T arg et
dptYield

Nmero de puntos
necesarios para cumplir
la meta productiva

Adhiriendo mayor infraestructura de

produccin al sistema minero,
puntos de extraccin, piques,
caserones, la meta de produccin
se hace ms robusta o se aumenta
su confiabilidad

Impacto de Redundancia Activa

en la Confiabilidad del Sistema

La redundancia activa adhiere

infraestructura al sistema
minero.
De esta manera la redudancia
o flexibilidad operacional
mitiga el efecto de la
incertidumbre inherente a la
minerpia subterrnea.
Distribuciones binomiales
pueden ser utilizadas para
calcular la confiabilidad de un
sistema que contiene
redundancia activa.

1.0

Parallel-Series
Series

0.8

System Reliability

0.6

0.4

0.2

0.0

0.0

0.2

0.4

0.6

0.8

1.0

Component Reliability

Aumento de confiabilidad debido al aumento

de redundancia en el sistema

Confiabilidad de un Sistema
k de n
n i
R(k , n) (1 ) n i
ik i
n

Donde

Es la confiabilidad del elemento del subsistema,

pique, punto de extraccin, etc.

k de n para componentes no
idnticos
n

R XC (k , n)

i k sS in

p (1 p )

ts

ts '

Se utiliza un algoritmo iterativo no

publicado todava.

Ejemplo de Confiabilidad
Aplicado a Diseo Minero

Problema
En una explotacin mediante sub-level
stoping, se ha definido la ubicacin de 5
caserones, la cual no est en
cuestionamiento.
Sin embargo, para el sistema de manejo
de materiales se debate entre 3 posibles
diseos.

Caserones nivel superior

Pique de traspaso

Diseo 1
Los caserones del nivel
inferior se conectan
directamente con un nico
cruzado de acarreo. Los
caserones del nivel
superior se conectan a
ste por medio de un
nico pique de traspaso

Cruzado de transporte a superficie

Caserones nivel inferior

Caserones nivel superior

Cruzado de transporte a superficie

Diseo 2
Existen dos cruzados de
acarreo para retirar el
material a superficie. Uno
para el nivel inferior y otro
para el nivel superior. Los
caserones respectivos se
conectan directamente a
stos.

Cruzado de transporte a superficie

Caserones nivel inferior

Caserones nivel superior

Piques de traspaso

Diseo 3
Cada casern del nivel
superior posee un pique
de traspaso al nivel
inferior, donde se sita el
cruzado de acarreo. Los
caserones del nivel
inferior se conectan
directamente a ste.

Cruzado de transporte a superficie

Caserones nivel inferior

Parmetros

COMPONENTE
Casern 1
Casern 2
Casern 3
Casern 4
Casern 5
piques
Cruzado de transporte principal

COSTO (MUS$) CONFIABILIDAD

0.5
0.75
0.7
0.8
0.8
0.7
0.6
0.6
0.65
0.72
3
0.9
5
0.82

Solucin
R = 0.81
Costo = 11.25 MUS$

R = 0.95
Costo = 13.25 MUS$

R = 0.82
Costo = 17.25 MUS$

Aplicacin de Rajo Abierto

En una explotacin a rajo abierto posee actualmente 3
frentes en operacin. 2 en estril y una en mineral.
La mina debe mover una unidad de estril por una de
mineral, condicin que debe cumplirse bajo cualquier
circunstancia (E/M=1).
Para lo anterior, la mina cuenta con 3 palas y 12
camiones.
Qu estrategia de asignacin de equipos utilizara?
(qu camiones a que pala y qu pala a que frente)

Pala

Camin

Frente de estril 1
Frente de estril 2
Frente de mineral

Parmetros
DATOS
CONFIABILIDAD
EQUIPO
Pala 1
0.8
Pala 2
0.85
Pala 3
0.87
Camin 1
0.7
Camin 2
0.75
Camin 3
0.77
Camin 4
0.8
Camin 5
0.82
Camin 6
0.82
Camin 7
0.85
Camin 8
0.85
Camin 9
0.87
Camin 10
0.87
Camin 11
0.9
Camin 12
0.95

Solucin
Microsoft Solver para maximizar confiabilidad bajo
ciertas restricciones.
Restriccin 1: cada camin se puede asignar a
una sola pala.
Restriccin 2: slo una pala por frente.
Restriccin 3: total de camiones asignados a
mineral es igual al total de camiones asignados a
estril.

Solucin
La relacin E/M = 1 se obtiene de la
conexin en serie de la frente de mineral
con la conexin en paralelo de ambas
frentes de estril ms la RESTRICCIN 3.
Estril 1
Mineral
Estril 2

N camiones Mineral = N camiones estril

Solucin
Camiones conectados en paralelo.
Cada pala se conecta en serie con sus
camiones asignados.
Ambas frentes de estril se conectan en
paralelo.

Implementacin
Frente de estril 1
Frente de mineral

Cam 7
Cam 8

Pala 2

Cam 9

Cam 1
Cam 2
Cam 3

Cam 10

Cam 4
Frente de estril 2
Cam 11

Pala 3

Pala 1

Cam 5
Cam 6

Cam 12

Asignacin de ejemplo, no corresponde a la asignacin ptima

Solucin final
EQUIPO
Pala 1
Pala 2
Pala 3
Camin 1
Camin 2
Camin 3
Camin 4
Camin 5
Camin 6
Camin 7
Camin 8
Camin 9
Camin 10
Camin 11
Camin 12

ASIGNACIN
MIN
E1
0
0
0
1
1
0
0
0
0
0
1
0
1
0
0
1
0
1
1
0
1
0
0
1
1
0
1
0
0
0

E2
1
0
0
1
1
0
0
0
0
0
0
0
0
0
1

XVII Confiabilidad en los

Programas de Produccin

Palabora South Africa

Block/Panel Caving
New Projects

Expansion Projects

PEBBLE
AFTON
BINGHAM CANYON (*)
RESOLUTION (*)
MT ISA 500
ERNEST HENRY
MT KEITH
PERSEVERANCE
DEEPS (*)

GOLPU
DIDIPIO (*)
OYU TOLGOI (*)
JWANENG
ORAPA
VENETIA (*)
CHUQUICAMATA
MIRADOR

ARGYLE (*)

CADIA EAST U/G (*)

RIDGEWAY DEEPS (*)

HENDERSON
QUESTA
TENIENTE NML
ANDINA SUR SUR (*)
CULLINAN
FINSCH (*)
KOFFIEFONTEIN
PALABORA (*)

GRASBERG/Freeport (*)

NORTHPARKES (*)

RTZ invertir 10 B$ en la construccin de minas de

block caving en los prox 10 aos
PRESENTED BY JAREK JAKUBEC
May 27, 2007

Different Variants

Slusher caving

Block caving

Mine design robustness?

What production capacity?

Panel caving

grade
tonnage
Time

1,200,000

Actual Production
Forecast Production

Actual Draw Point Production (tons)

10,000

1,000,000

800,000

600,000

400,000

200,000

9,000

Over Draw

8,000
7,000
6,000
5,000
4,000
3,000

Under Draw

2,000

May,03

Mar,03

Jan,03

Nov,02

Sep,02

Jul,02

May,02

Jan,02

Mar,02

Nov,01

Sep,01

Jul,01

May,01

Mar,01

Jan,01

1,000
Nov,00

Run of Mine Production (tons/month)

Draw point reconciliation

0
0

1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000

Forecasted Tons

There is large variance between plan and actual that induces

higher costs, lower recovery, higher dilution and mainly lost of
reserves inventory

Geotechnical Events
Oversize and Hang Ups

Large Deformations
at Draw point Brow

1.5 m

Colapses

Pillar Damage

Operational Upsets and

Production Capacity

These events may

jeopardize the
production promise

1,000,000
900,000

Run of Mine Production (t/month)

Operational upsets
affect production
capacity of a mine
design

800,000
700,000
600,000
500,000
400,000
300,000
200,000
100,000
7,000

8,000

9,000

10,000

11,000

12,000

Hang Ups and Oversize (Events/month)

13,000

Reliability Theory and

Production Scheduling

Question?
What is the reliability of a mining system to
deliver a given amount of ore subjected to:
Mining infrastructure stage of maturity
Infrastructure development strategy
Production strategy: distribution of ore within
the mining system

Mapping Up the Draw Point

Rate of Events
Three sets of draw points from
three different mines
Rate of occurrence of
geotechnical events

Collapse
Large convergence
Oversize
Hang ups
Wet muck

Similar bahaviour to a
repairable mechanical
component

Engineering Statistics Handbook,

http://www.itl.nist.gov/div898/handbook

Mine Layout as a Reliability

Block Diagram
Mining System

T, l,..

Divide the mine layout into

production components as
system approach

Assess the individual

component reliability
(Kazakidis and Scoble, 2002)

Individual component
reliability leads to the
reliability of the system as a
whole

Reliability Block Diagrams

(a)

(b)
1

R 1 1 r1 1 r2 1 r3

R r1r2 r3
(c)

a)
b)
c)
d)

Series
Parallel
Series Parallel
Parallel series

(d)
1

R 1 1 r1r2 r3

R 1 1 r1 1 1 r2 1 1 r3
2

Hoyland and Rausand, 1994

Reliability of a Mining
Component
f

U-Curve Dp p
i
i

R (t )

Component Reliability
Mean

t ip

RiDp(tip )

t
Mean

Expected number
of events

t ip

Production Characteristic Curve

Std Dev
Mean

Production Conditional
Pbb. Distribution

Stochastic Approach to
Production Planning
The probability of
achieving the production
target is a function of:

1.0

15 months
20 months
30 months

0.9

Tonnage planned
objective
Production infrastructure
Operational upsets

Actual Reliability

0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
0.0

5.0k

10.0k

15.0k

20.0k

25.0k

Production target (tons/day)

30.0k

35.0k

The Process: DOZ-ESZ

Reliability Model

DOZ-Underground Mine

Mechanized Panel Caving

IOZ

340 dpts. active at any time

Evaluate robustness of
current LOM production
schedules that sustain mine
expansion to ESZ

ESZ Expansion
Incorporates 540 draw points
A third haulage crosscut
A second crusher

DOZ
Drifts
UCL

The Process> Mine Wide

Reliability Block Diagram
1. Mine wide reliability block
diagram

HC 2 (CX-W)
HC1 (CX-E)

2. Data Collection
3. Production Modeling
HC 3 (CX-S)

4. Discrete event simulation

models

LPs-West
LP12..LP01J, LPN1

5. Validation

Cr 2

Cr 1

LPs-East
LP13 to LP24 and LPS4
HC2

LPs-South
LP06S..LP01JS

HC3

6. Reliability Estimates

Production drifts:
1327
Production drifts:
1L,1K,1J..12

HC1

The Process> Data Collection

Historical Tons

1. Mine wide reliability block

diagram
2. Data Collection
3. Production Modeling
4. Discrete event simulation
models
5. Validation
6. Reliability Estimates

Daily Tons
Draw Point Name
4/1/2007
P27-01W
61
P27-02W
123
P27-03W
225
P26-01E
276
P26-02E
92
P26-03E
113
P26-04E
154
P26-01W
P26-02W
123
P26-03W
123
P26-04W
154
P26-05W
317
P26-06W
P25-01E
0

4/2/2007
97
161
290
290
97
65
32
161
161
97
290
0

4/3/2007
103
174
246
246
133
103
113
154
154
133
246
0

4/4/2007
60
201
613
312
322
121
151
312
141
131
302
141
0

Draw Point Name Tcum,Mar07

P27-01W
204,708
P27-02W
214,126
P27-03W
214,891
P26-01E
185,484
P26-02E
192,023
P26-03E
191,927
P26-04E
233,375
P26-01W
51,172
P26-02W
192,733
P26-03W
224,312
P26-04W
202,350
P26-05W
195,722
P26-06W
156,330
P25-01E
47,421
P25-02E
203,416
4/5/2007
156
311
342
425
363
311
415
363
135
93
363
270
0

4/6/2007
221
242
316
306
95
63
348
95
95
95
379
211
0

Daily Status
Draw Point Name
4/1/2007
P27-01W A
P27-02W A
P27-03W B
P26-01E A
P26-02E A
P26-03E A
P26-04E A
P26-01W CP
P26-02W A
P26-03W A
P26-04W A

4/2/2007
A
A
B
A
A
A
A
CP
A
A
A

4/3/2007
A
A
B
A
A
A
A
CP
A
A
A

4/4/2007
A
A
B
A
A
A
A
CP
A
A
A

4/5/2007
A
A
B
A
A
A
A
CP
A
A
A

4/6/2007
A
A
B
A
A
A
A
CP
A
A
A

4/7/2007
A
A
B
A
A
A
A
CP
A
A
A

340,000

320,000

300,000

280,000

260,000

240,000

220,000

200,000

180,000

160,000

140,000

120,000

80,000

100,000

60,000

40,000

3. Production Modeling

Apr07 to May08

20,000

2. Data Collection

5E-04
4E-04
4E-04
3E-04
3E-04
2E-04
2E-04
1E-04
5E-05
0E+00
-

1. Mine wide reliability block

diagram

Draw point Frequency of

Events (1/t)

The Process> Production

Modeling

Cumulative Tonnage Drawn (t)

10,000
8,000
6,000
4,000
2,000

# of Expected Events

16

14

12

10

6. Reliability Estimates

y = -517x + 8622
R2 = 0.8
SD=1,082

5. Validation

12,000
Mean Draw Point Productivity
(t/m)

4. Discrete event simulation

models

The Process> West Haulage

Drift Simulation Models
1. Mine wide reliability block
diagram
2. Data Collection
3. Production Modeling
4. Discrete event simulation
models

6. Reliability Estimates

1,800,000
Production Rate (t/month)

5. Validation

Haulage Drift Production Capacity as a Function of Ore Passes

y = 110,912x - 267,468
2
R = 0.91
SD=128,563

1,600,000
1,400,000
1,200,000
1,000,000
800,000
600,000
400,000
200,000
0
HC1

HC2

Arena Simulation

10

# Ore Passes

12

14

16

18

The Process> Model Validation

1. Mine wide reliability block
diagram

Mine

5. Validation
6. Reliability Estimates

HCs

OPs

Panel

Dpts

100%

90%

80%

70%

60%

50%

40%

30%

20%

10%

4. Discrete event simulation

models

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1%

3. Production Modeling

Frequency (%)

2. Data Collection

Validation of reliability estimates from Nov 2000 to May 2008

80,000
70,000

90%
80%

60,000

70%
50%
40%

40,000
30,000

30%

20,000

20%

10,000

10%

Life of Mine Reliability

Estimates

Production Bottlenecks

60%

50,000

Reliability (% )

Tonnage per period

Include dpt. opening rate
Include panel and ore pass
opening

100%

Jan,07
Mar,0
May,0
Jul,07
Sep,0
Nov,07
Jan,08
Mar,0
May,0
Jul,08
Sep,0
Nov,08
2009
2011
2013
2015
2017
2019

Simulate a given production

schedule

90,000

Mine Reliability

Production Rate (t/day)

Output: Reliability Estimates

0%

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
-

20,000

40,000

60,000

Production Rate (t/d)

80,000

100,000

Output: What if? Scenarios

Ore pass 3 months
construction delay

Production Strategies:
2 instead of 1 ore pass
60

0.9
0.8
0.7
Reliability

50

2nd ore pass in production

40

0.6
0.5

30

0.4

20

0.3
0.2

10

0.1
0.0
0

25
1 ore pass

50

75
2 ore passes

100
Serie3

125

150

175

0
200

Panel planned tonnage (Kt)

Total # draw points in panel

1.0

Ore pass lost

Future: Towards an Integrated

Model for..
Component reliability,
probability that a
component of the mining
system is stable within
the mine design

Stress State at the Damage Zone

140
130
120
110

1 (MPa)

100

Overbreak Damage Mapping

90
80

1=1.73+27

70

N=65
R2=0.4

60
50
40
30
20
10
0
0

10

15

20

25

3 (MPa)

30

35

40

45

50

55

Mining Systems through

Reliability Modeling
Mining Systems: Holistic
approach to mine
planning

Production
Scheduling
Apr,08
Jun,08
Aug,0
Oct,08
Dec,0
Feb,0
Apr,09
Jun,09
Aug,0
Oct,09
Dec,0
Feb,1
Apr,10
Jun,10
Aug,1
Oct,10
Dec,1
2012
2014
2016
2018
2020
2022
2024

1,800,000
1,600,000
1,400,000
1,200,000
1,000,000
800,000
600,000
400,000
200,000
-

Nominal Tons Planned Tons

Tires Performance is an
important component of
the mining system

100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%

Reliability (%)

HC3 Reliability Analysis

Production (t/m)

It would be measured by
its ability to deliver
production commitments

Mine
Design

Geology

Equipment
Requiremen
t

Closing Remarks

The production capacity of a large massive underground mining

system depends on:
Mine design
Development sequence of dpts, ore passes, production and
haulage drifts
Intrinsic productivity of mining components to deliver ore
Rate of geotechnical events of different mining components

The number of active draw points may not be as critical as the

availability of ore passes, crushers and haulage drift in achieving the
production targets

Reliability modeling assists mining engineers to couple mine design,

production capacity and underground development schedule.