Beruflich Dokumente
Kultur Dokumente
Planificacin Minera
GeoMinera al Negocio
$/accin
Ley
Tons
Tiempo
Modelo Conceptual
Ley
Tons
Tiempo
Problemas Encontrados
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
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
cik
U tk
xi ,t
X i ,t
t 1..T
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
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
1
1
1
3.69 $/t
0.6
0.88
0.18
0.3
11.07
0.837
$/gr
$/lb
$/gr
$/lb
Programa de Produccin
Whittle
Seccin Norte
Se escogen 5 fases
pits:
Seccin Este
45,000,000
0.80
40,000,000
0.70
35,000,000
0.60
30,000,000
0.50
25,000,000
0.40
20,000,000
0.30
15,000,000
10,000,000
0.20
5,000,000
0.10
Mx
Esteril
4
%CU
Au ppm
VAN: 507.4 M$
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
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
Problema
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
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
Grade on
surface
0.4
0.4
0.4
0.4
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
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
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
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
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
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
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
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 )
h( pi ) 1 (1 p1 p2 p3 )
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
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
Confiabilidad de un Sistema
k de n
n i
R(k , n) (1 ) n i
ik i
n
Donde
k de n para componentes no
idnticos
n
R XC (k , n)
i k sS in
p (1 p )
ts
ts '
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.
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
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.
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.
Parmetros
COMPONENTE
Casern 1
Casern 2
Casern 3
Casern 4
Casern 5
piques
Cruzado de transporte principal
Solucin
R = 0.81
Costo = 11.25 MUS$
R = 0.95
Costo = 13.25 MUS$
R = 0.82
Costo = 17.25 MUS$
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
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
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
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 (*)
HENDERSON
QUESTA
TENIENTE NML
ANDINA SUR SUR (*)
CULLINAN
FINSCH (*)
KOFFIEFONTEIN
PALABORA (*)
GRASBERG/Freeport (*)
NORTHPARKES (*)
Different Variants
Slusher caving
Block caving
Panel caving
grade
tonnage
Time
1,200,000
Actual Production
Forecast Production
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
0
0
1,000 2,000 3,000 4,000 5,000 6,000 7,000 8,000 9,000 10,000
Forecasted Tons
Geotechnical Events
Oversize and Hang Ups
Large Deformations
at Draw point Brow
1.5 m
Colapses
Pillar Damage
1,000,000
900,000
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
13,000
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
Collapse
Large convergence
Oversize
Hang ups
Wet muck
Similar bahaviour to a
repairable mechanical
component
T, l,..
Individual component
reliability leads to the
reliability of the system as a
whole
(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
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 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
30.0k
35.0k
DOZ-Underground Mine
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
HC 2 (CX-W)
HC1 (CX-E)
2. Data Collection
3. Production Modeling
HC 3 (CX-S)
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
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
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
-
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)
6. Reliability Estimates
1,800,000
Production Rate (t/month)
5. Validation
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
Mine
5. Validation
6. Reliability Estimates
HCs
OPs
Panel
Dpts
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1%
3. Production Modeling
Frequency (%)
2. Data Collection
80,000
70,000
90%
80%
60,000
70%
50%
40%
40,000
30,000
30%
20,000
20%
10,000
10%
Production Bottlenecks
60%
50,000
Reliability (% )
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
90,000
Mine Reliability
0%
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
-
20,000
40,000
60,000
80,000
100,000
Production Strategies:
2 instead of 1 ore pass
60
0.9
0.8
0.7
Reliability
50
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
1.0
140
130
120
110
1 (MPa)
100
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
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
-
Tires Performance is an
important component of
the mining system
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Reliability (%)
Production (t/m)
It would be measured by
its ability to deliver
production commitments
Mine
Design
Geology
Equipment
Requiremen
t
Closing Remarks