Uma nova abordagem para a otimização de cavas
Em cada empreendimento de mineração, determinar o limite máximo da cava continua sendo o principal desafio para os planejadores de minas, a fim de garantir um projeto bem-sucedido. Apesar dos avanços na matemática e na tecnologia de software, a complexidade da otimização de cavas ainda está para ser resolvida em uma única equação.
Isso não quer dizer que não houve progresso para resolver o problema. Desde a proposição do algoritmo de Lerchs-Grossman em 1965, melhorias constantes foram feitas na área de otimização de cavas. Métodos alternativos surgiram ao longo dos anos com cada novo método capturando melhor a complexidade da otimização de cavas ao considerar novas variáveis.
Entre esses novos métodos está o Sequenciamento Direto de Blocos (DBS). Esta última abordagem considera as implicações das variáveis de tempo durante o processo de planejamento, no intuito de garantir uma forma de cava verdadeiramente otimizada. Com esse benefício adicional, o Sequenciamento Direto de Blocos está provando ser a próxima mudança do setor, levando as minas a operações mais otimizadas.
Qual é o problema da otimização de cavas?
A otimização de cavas se propõe a responder às questões mais fundamentais sobre o formato da cava, sequenciamento de lavra e economia.
Para um projeto greenfield, essas perguntas podem incluir:
- Qual é o limite máximo da cava?
- Qual deve ser a capacidade da planta?
- Vale a pena adquirir um arrendamento próximo?
- Como devem ser as fases internas?
Alternativamente, para um projeto brownfield, as perguntas podem ser:
- As fases existentes ainda são válidas?
- Uma área de mineração deve se desenvolver antes da outra?
- As despesas de capital para aumentar as taxas de mineração agregarão valor à mina?
Embora essas questões não sejam insolúveis, elas são complexas e envolvem muitos estágios de definição e análise do problema.
O método mais usado do setor
A abordagem atual para resolver esses problemas envolve uma mistura de técnicas de otimização e heurísticas. Essa abordagem consiste em três etapas principais:
- Encontrar o limite máximo da cava
- Selecionar fases internas
- Determinar cronogramas de lavra e processamento
Para o problema de limite máximo da cava, os algoritmos de Lerchs-Grossman (LG) e Pseudofluxo são comumente usados e são os padrões aceitos pelo setor. Esses algoritmos são variantes do problema de fechamento máximo e geram uma série de cavas finais, variando a receita de entrada com relação a um conjunto fixo de custos. Embora ambos os algoritmos sejam tipicamente rápidos e produzam respostas confiáveis e repetíveis, eles não são capazes de levar em conta as restrições de capacidade ou o valor do dinheiro sobre o tempo.
Depois de selecionar o limite máximo da cava, as cavas finais do fator de receita dos algoritmos LG ou Pseudoflow são geralmente usadas para determinar as formas que podem ser usadas para as fases internas. A seleção de fases é um processo altamente iterativo, que leva em conta itens como geometrias operacionais, volume total e entrega de minério para processamento.
Para o problema de sequenciamento da produção da mina, normalmente se adota uma abordagem de programação linear inteira mista (MILP). Isso permite que o problema de origem e destino seja otimizado simultaneamente, ao mesmo tempo em que é gerada uma excelente orientação sobre quando novas áreas devem ser abertas, qual material deve alimentar a planta e estratégias de formação de pilhas de estocagem de longo prazo. No entanto, os problemas tradicionais de MILP geralmente se tornam grandes demais para serem resolvidos em um período de tempo razoável se houver muitas decisões de mineração a serem tomadas ou muitas restrições aplicadas.
Uma nova abordagem
O sequenciamento direto de blocos (DBS) é uma nova técnica para otimização de cavas e sequenciamento estratégico. O DBS utiliza o MILP para encontrar o limite de cava ideal, determinando quando cada bloco é extraído e se esse bloco é minério ou resíduo. As técnicas de DBS são possíveis devido a avanços matemáticos recentes, como o algoritmo de Bienstock-Zuckerberg (BZ). Este novo algoritmo leva em consideração características específicas do problema de sequenciamento de lavra para resolver rapidamente partes do processo MILP.
Essa abordagem otimiza a lavra ao mesmo tempo em que considera a taxa de desconto e as restrições de capacidade variável de tempo, decisões de capital, custos e preços de commodities. A sequência de extração de blocos é fornecida bloco a bloco, a fim de proporcionar orientação clara para a seleção de fase. Isso permite que as minas obtenham insights profundos sobre a economia de seu depósito, ao mesmo tempo em que respondem pelos aspectos mais críticos da mineração e do processamento.
O aspecto mais importante do DBS para otimização de cavas é a consideração de variáveis de tempo. Isso inclui restrições espaciais que podem modelar grandes movimentos de infraestrutura, futuras mudanças de limites de licenças e limitações de drenagem. Isso combinado com outras variáveis de tempo aplicadas a custos, receitas e restrições de capacidade permitem teores de corte dinâmicos (COG) que mudam em cada período de lavra. Os COGs dinâmicos são aplicados à definição simples de estéril, bem como ao roteamento correto do minério para várias instalações de processamento que podem estar competindo pelo minério.
Outro benefício para o DBS é a capacidade de levar em conta vários modelos de bloco durante a otimização. Essas diferentes áreas da mina podem compartilhar recursos limitados de mineração e processamento para fornecer soluções de lavra realistas. Vários modelos de blocos também podem ser usados para aproximar as pressões de processamento competitivas de fontes externas de minério, como lavras subterrâneas ou remessas de concentrados. Isso garante que o material da cava seja extraído no período correto de lavra e encaminhado para o melhor destino possível.
Além da forma final da cava e do roteamento de minério, a seleção de fase interna tem um impacto imenso no valor de qualquer cava a céu aberto. Os formas finais de fator de receita existentes do LG/Pseudoflow fornecem algumas indicações para a seleção de fase. No entanto, essas formas finais não podem respeitar muitas restrições operacionais e financeiras. Como resultado, há muitos casos em que as formas finais do fator de receita não fornecem bons resultados para a seleção de fase. A solução bloco a bloco gerada através da otimização de cava por DBS mostra exatamente onde a cava deve estar progredindo em cada período de tempo. Isso fornece uma forte orientação sobre onde definir as fases internas que levam a um projeto de cava mais valioso.
Sequenciamento direto de blocos na prática
A aplicação do DBS na otimização e sequenciamento de cavas oferece vários benefícios comerciais.
O impacto mais significativo é o aumento do valor dos projetos. No fluxo de trabalho de otimização existente usando o LG/Pseudoflow, boas soluções podem ser encontradas por intermédio de muitas iterações, mas raramente essas soluções são realmente ideais. Generalizações e presunções que alimentam o fluxo de trabalho existente impedem que as lavras encontrem todo o seu potencial. Essas presunções deixam valor inexplorado dentro do projeto no estágio mais crítico de avaliação e planejamento da lavra. A otimização de cava DBS pode responder diretamente por muitos dos aspectos mais complexos da otimização de cava. Ao contabilizar diretamente esses parâmetros, o otimizador oferece uma solução globalmente ideal. Isso permite que as empresas aumentem seu retorno sobre o investimento e concentrem os esforços de planejamento nas áreas de maior importância.
Além de simplesmente aumentar o valor do projeto, a utilização do DBS também pode reduzir o risco associado a um projeto de mineração. Reduzir o número de iterações por cenário dá às empresas a oportunidade de testar muito mais cenários do que era possível antes. Esses cenários extras podem levar a percepções sobre os pontos sensíveis do projeto ou ser usados para testar estratégias de mitigação. A redução de risco adicional se dá ao limitar o número de presunções necessárias durante a otimização de cava. O DBS é capaz de contabilizar diretamente custos variáveis, preços de commodities e gargalos operacionais. Ao definir claramente essas variantes de tempo ao longo da vida útil da mina, a otimização do cavas por DBS oferece uma solução bem sintonizada para uma ampla variedade de insumos.
O que isso significa para operações futuras?
Embora o DBS seja uma abordagem relativamente nova no mundo da otimização de cavas, ele está disponível em alguns pacotes de software comercial. Entre eles está o Deswik Global Optimization (Deswik.GO) que usa o DBS para resolver o problema de otimização de cava e outros métodos MILP para um planejamento estratégico de lavra mais detalhado. A aplicação de DBS para otimização de cavas continua a se tornar mais comum à medida que as empresas de mineração passam a usar esses métodos para agregar mais valor em suas operações.
Os algoritmos LG e Pseudoflow foram grandes avanços no campo da otimização de cavas para o seu tempo, mas o caminho para a otimização é um processo contínuo. O DBS desbloqueia o potencial das variáveis de tempo para fornecer formas ideais de cavas que estejam em conformidade com cenários realistas e agreguem o melhor valor possível para cada lavra.
Este artigo foi apresentado na edição de junho da Global Mining Review.
