Universidade Federal de Campina Grande

Centro de Tecnologia e Recursos Naturais

Curso de Graduao em Engenharia de Minas

JINDERSON CARLOS DE ARAJO QUADROS

ALGORITMO DE LERCHS E GROSSMAN

Campina Grande, Paraba, Brasil.

Agosto de 2015

JINDERSON CARLOS DE ARAJO QUADROS

ALGORITMO DE LERCHS E GROSSMAN

Trabalho Final de Curso submetido Unidade

Acadmica de Engenharia de Minas da
Universidade Federal de Campina Grande
como parte dos requisitos necessrios para a
obteno do grau de Bacharel em Cincias no
Domnio da Engenharia de Minas.

Orientador:
Professor Dr. Arlindo Jos Bazante

Campina Grande, Paraba, Brasil.

Agosto de 2015

JINDERSON CARLOS DE ARAJO QUADROS

ALGORITMO DE LERCHS E GROSSMAN

Trabalho de Concluso de Curso submetido

Unidade Acadmica de Engenharia de Minas da
Universidade Federal de Campina Grande como
parte dos requisitos necessrios para a obteno do
grau de Bacharel em Cincias no Domnio da
Engenharia de Minas.

Aprovado em ____ / ____ / _

______

Professor Arlindo Jos Bazante, Dr.

Universidade Federal de Campina Grande - UFCG
Orientador

Campina Grande, Paraba, Brasil.

Agosto de 2015

Dedico este trabalho a todos os docentes da

UAMG-UFCG, a todos os meus amigos, a
meu

irmo,

Jimmerson

Arajo,

pelo

companheirismo durante toda essa jornada e

especialmente a minha me, Amelia Arajo,
que com toda a sua fibra tornou esse momento
possvel.

AGRADECIMENTOS
Agradeo a Deus e a Maria Santssima, pois sem eles essa jornada no seria
possvel.
Agradeo a minha me, Amelia Arajo, por ter tornado esse momento possvel e
por ter desempenhado o papel de pai e me durante essa longa jornada.
Agradeo ao meu irmo, Jimmerson Arajo, por ser um verdadeiro amigo em
minha vida.
Agradeo aos meus amigos, pois eles foram fundamentais durante a minha
graduao
Agradeo a todos os professores da UFCG por todos os ensinamentos.
Enfim, agradeo a todos que de alguma forma, direta ou indiretamente,
contriburam nesta caminhada to difcil.

RESUMO
Durante o planejamento de lavra se faz necessrio a determinao do
sequenciamento de retirada de blocos timo. O objetivo principal lavrar a sequncia
de blocos que retornem o maior lucro possvel, levando em considerao as restries
existentes no processo. Vrios mtodos foram criados para atender essa necessidade,
dentre eles est o algoritmo de Lerchs e Grossman que baseado na teoria dos grafos e
solucionado atravs da programao dinmica, onde o problema divido em
subproblemas, facilitando assim a resoluo do mesmo. Tal algoritmo foi ao longo do
tempo sendo otimizado, a priori o mtodo s era aplicado em duas dimenses, depois de
algumas adaptaes comeou a ser aplicado em trs dimenses, tornando o algoritmo
uma ferramenta muito importante no planejamento de lavra.
Palavras-chave: Lerchs e Grossman, Otimizao, Planejamento de Lavra, Programao
Dinmica.

ABSTRACT
During the mine planning is required to determine the sequence of removal of
great blocks. The main objective is to plow the sequence of blocks that return the
greatest profit possible, taking into account the existing restrictions in the process.
Various methods have been designed to meet this need, among them is Lerchs and
Grossman algorithm that is based on the theory of graphs and solved using dynamic
programming, where the problem is divided into subproblems, thereby facilitating the
resolution of the same. This algorithm has been over time and optimized a priori method
was applied only in two dimensions, following a few adjustments has been implemented
in three dimensions, making the algorithm a very important tool in mine planning.
Keywords:

Lerchs

Programming.

and

Grossman,

optimization,

Mine

Planning,

Dynamic

LISTA DE ILUSTRAES

Figura 1: Representao de um grafo

Figura 2: Modelo de blocos com a delimitao do corpo de minrio.
Figura 3: Valores acumulado de Mij e introduo de uma linha imaginria de blocos.
Figura 4: Cava final
Figura 5: Valores acumulados de Pij

LISTA DE TABELAS

Tabela 1: Tipos de abordagem para planejamento de cava final

1. INTRODUO
Como sabido, um dos grandes desafios da minerao o planejamento de
lavra, pois existem diversas restries na execuo desta etapa. A partir disso foi
necessrio um melhor embasamento terico por parte dos pesquisadores para que se
fosse possvel adequar o planejamento as condies existentes em uma mina, levando
em considerao os aspectos fsicos e sempre buscando o maior lucro possvel.
Segundo Pinto (1999), vrios fatores devem ser considerados no processo de
planejamento de lavra. So eles: determinao do sequenciamento de lavra;
determinao do mtodo de lavra; determinao da vida til da mina e determinao dos
custos envolvidos no processo. O sequenciamento de retirada de blocos semelhante ao
problema do "caixeiro viajante" (onde se busca determinar o caminho timo a ser
seguido), no entanto o sequenciamento ainda mais complexo, pois existem outras
varveis a serem consideradas. A gravidade uma delas. Devido a isso, foram
elaborados diversos mtodos de planejamento afim de maximixar os lucros de uma
mina, levando em considerao o sequenciamento de retirada de blocos, onde o objetivo
minimizar a retirada de estril, como tambm, lavrar uma maior quantidade de blocos
"positivos". Um dos mtodos do planejamento de sequenciamento existente o
Algoritmo de Lerchs e Grossman.
Tal mtodo foi criado em 1965 pelos pesquisadores supracitados, ele representado
matematicamente pela Teoria dos Grafos e sua forma de soluo baseada na
Programao Dinmica, onde o problema subdivido em problemas menores,
facilitando a resoluo do mesmo (dividir para conquistar). O objetivo do Algoritmo de
Lerchs e Grossman a determinao da cava final de uma mina, de modo que o retorno
financeiro do empreendimento seja o maior possvel e que, se solicitado, a retirada de
estril seja mnima.

2. METODOLOGIA
Atravs de uma reviso bibliogrfica, neste trabalho ser apresentado o
algoritmo de Lerchs & Grossman, onde ser abordado a parte conceitual e a aplicao
prtica do mesmo. Devido a sua importncia no planejamento de lavra, iremos mostrar
o seu funcionamento, evidenciando os conceitos matemticos que o embasam. Tambm
ser apresentado a forma como se utiliza o algoritmo para a soluo de um determinado
problema.
Tendo em vista que o algoritmo de Lerchs & Grossman fundamentado na
teoria dos grafos e solucionado atravs de programao dinmica, para um melhor
entendimento, se faz necessrio a apresentao conceitual da teoria dos grafos, como
tambm a explicitao do que se trata a programao dinmica.

3. Fundamentao Terica
3.1. Programao Dinmica
Segundo Braga (1997), a Programao Dinmica (PD) um mtodo ideal para
solucionar problemas que podem ser vistos como processos de deciso sequencial em
vrios estgios, no significando que estgio seja necessariamente um intervalo de
tempo, mas pode representar atividades, localidades, etc., sendo melhor entendido como
ponto do processo no qual uma deciso deve ser feita. A PD se difere totalmente das
demais tcnicas de otimizao, pois nela no existe um padro de soluo do problema.
Segundo Yeh (1985), a PD um procedimento para otimizao de processos de
deciso em vrios estgios, sendo usada extensivamente na otimizao de sistemas de
recursos hdricos.
Segundo Simonovic (1992), a PD baseia-se no princpio da otimidade, que
implica um processo de deciso sequencial no qual um problema envolvendo diversas
variveis repartido numa sequncia de etapas mais simples, cada uma dessas
envolvendo uma varivel singular.
O principal objetivo do algoritmo de Lerchs & Grossman a determinao da
cava final atravs de um sequenciamento de retirada de blocos mais timo possvel, no
entanto, para se estimar a "cava final tima" necessrio dividir o problema em
subproblemas, pois, s assim ser vivel a resoluo do mesmo. Obedecendo assim a
definio de PD. Essa subdiviso de problemas ocorre da seguinte forma: para cada
nvel de blocos, comeando pelo mais alto (restrio da gravidade), determinado a
soluo tima, porm, provvel que nos nveis mais inferiores, com a soluo tima
dos nveis acima, no se obtenha o melhor resultado possvel.
Quanto maior for a quantidade de blocos (ns), mais complexo ser o problema,
impossibilitando assim a determinao do resultado timo, podendo at gerar um loop.
O que vai influenciar nisso o formato do depsito.

3.2. Teoria dos Grafos

Segundo Boaventura - Netto (1979, 2001), grafos so constitudos por um

conjunto finito de ns tambm chamados de vrtices e por um conjunto finito de arestas
tambm chamada de linhas, obedecendo uma regra que define quais arestas ligam quais
pares de vrtices. Matematicamente, um grafo G representado por G = (V ,E), onde V
= {1,...,n} o conjunto de vrtices de G e E = {(i,j)/i, j V} o conjunto de suas arestas.
Um caminho em um grafo uma sequncia de vrtices v0, v1, v2,..., vn conectados por
arestas, sendo que as arestas tambm so consideradas como parte do caminho. Quando
valores so atribudos as arestas do grafo, o comprimento de um caminho pode ser
calculado como a soma de valores das arestas que o compem. O dimetro do grafo
representa o caminho mais longo entre dois pares de vrtices pertencentes ao grafo, que
, ao mesmo tempo o caminho mais custo entre o par de vrtice considerado.
Considerando os blocos como sendo ns e o caminho entre eles como sendo as
arestas, temos um paralelo entre a Teoria dos Grafos e o sequenciamento de retirada de
blocos. Sendo assim, podemos fundamentar matematicamente o problema em questo.

Figura 1. Representao de um grafo.

Fonte: Jos Coelho de Pina (2011).

3.3 Algoritmo de Lerchs & Grossman

3.3.1. Abordagens para o planejamento da cava final

Existem vrias formas para se planejar/modelar a cava final de uma mina. Para
se determinar o mtodo a ser utilizado, se faz necessrio um relativo domnio a cerca da
utilizao do mesmo, como tambm, que os dados levantados sobre o depsito se
enquadrem nos requisitos exigidos.
A tabela a seguir mostra os diferentes mtodos que podem ser utilizados no
planejamento de lavra. Destacamos o algoritmo de Lerchs & Grossman, que o objeto
de estudo deste trabalho.

Tabela 1. Tipos de abordagem para planejamento de cava final

Pana (1965)

Meyer (1966)

Erikson (1968)

Fairfield & Leigh (1969)

Johnson & Sharp (1971)

X
&

Marechal (1976)
Lee & Kim (1979)

Parametrizao

Teoria de
Grafus

Lerchs & Grossman (1965)

Francois-Bongaron

Programao
dinmica

Axelson (1964

Programao
linear

Autor

Simulao

Manual

Mtodos bsicos

Koenigsberg (1982)

Wilke & Wright (1984)

Shenggui & Starfield (1985)

Wright (1987)

3.3.2. Algoritmo de Lerchs e Grossman 2D

Usando a tcnica de Programao Dinmica, Lerchs, H. e Grossman, I. (1965)
introduzem, juntamente com um algoritmo de otimizao bi-dimensional de cavas, o
tratamento algbrico para a discretizao da jazida em blocos tecnolgicos. Lerchs e
Grossmann propuseram um algoritmo matemtico que permite desenhar o contorno de
uma explotao a cu aberto de tal forma que se maximize a diferena entre o valor total
da mineralizao explotada e o custo total da extrao do minrio e estril.
O procedimento a ser executado do algoritmo explicado por Carmo et al. (1986), no
entanto, o exemplo mostrado posteriormente teve os dados e a edio alterados:

1)Uma vez discretizada a jazida em blocos tecnolgicos de lavra

apropriadamente avaliados, para cada bloco (i,j), define-se a quantidade mij =
vij cij. Na verdade, tratase do benefcio de cada bloco, ou seja, receitas (v)
menos custos (c).
2)Calcula-se o valor Mij acumulado para cada coluna considerada, ou seja:
i

M ij = m kj
k=1

3)Procura-se o caminho timo que represente o contorno da cava para a seo

considerada, sendo que, na procura desse caminho, usam-se os procedimentos
e as relaes abaixo:
Poj = 0 adiciona-se uma primeira linha ao conjunto de blocos, sendo esta
composta apenas por zeros.
Pij = Mij + maxK {(Pi+k,j-1)} com k = -1, 0, +1 no caso do talude 1:1 (45).
Pmax = maxKPik.

A otimizao ser, assim, garantida, sendo preciso notar que:

i) Pij representa a contribuio mxima possvel das colunas 1 a j, para
qualquer pit vivel que contenha o elemento (i,j).
ii)Caso o valor mximo de P, na primeira linha, seja positivo, ento a cava
tima obtida seguindo-se os arcos da direita para esquerda.
iii) Com pequenos ajustes manuais possvel obter a cava final tima a 3D.
Pode-se acompanhar um exemplo de otimizao de uma seo bidimensional
pela Figura 1. Consideraram-se os valores monetrios negativos para blocos de
estril e de valores monetrios positivos para blocos de minrio. A otimizao
iniciada fazendo-se a soma dos valores em cada uma das colunas.
Exemplificando, para o bloco da linha 4 e coluna 8 (M48), tem-se:
4

M ij = m k 8=m 18+ m28 +m 38 +m 48=13+10+12+11=46

k=1

Uma nova seo, ento, formada, com os valores de Mij, podendo ser
vista na Figura 2. O prximo passo escolher o bloco esquerda de mximo
valor, que ser somado com o bloco original, obtendo-se o Pij. O processo de
otimizao est condicionado, logicamente, escolha dos ngulos de talude da
cava. Mudanas nos ngulos de talude requerem modificaes no nmero de
combinaes para seleo dos blocos. Exemplificando, para o caso em que a
relao vertical/horizontal seja de 1:1, com o caminhoa ser percorrido da
esquerda para a direita, tem-se a seguinte relao:

Sendo os valores de P, M e Mij definidos como anteriormente. O uso do ngulo

de talude de 45 (1:1) uma simplificao. evidente que o(s) ngulo(s) de
talude ser(o) determinado(s) por condicionamentos geomecnicos e de
projeto. O modelo de programao dinmica mais completo e que leva em
considerao mltiplos ngulos de talude pode ser representado pelas seguintes
relaes:

M ij = mnj
n=1

Onde: Mij, mij e Pij como foram definidos anteriormente, r = limite do talude
da coluna vizinha, na, nb = O nmero mximo de blocos acima e abaixo do
bloco, (i,j) que sero lavrados juntos.
A seguir, ser mostrado um problema, com dados hipotticos, que ter sua
resoluo baseada no Algoritmo de Lerchs e Grossman:
Na Figura 2, tem-se uma seo do modelo de blocos com a delimitao do corpo
de minrio de um depsito hipottico, onde os blocos negativos ou de valor monetrio
"0" esto realados com a cor vermelha, j os blocos positivos esto realados com a cor
azul. Diante disso, temos a ideia da forma do depsito.

Figura 2. Modelo de blocos com a delimitao do corpo de minrio.

Fonte: prpria

Na Figura 3, tem-se os valores acumulados de cada coluna, onde o valor

monetrio de um determinado bloco somado com os valores monetrios dos blocos
imediatamente acima dele. Foi introduzida uma linha na parte superior da seo em
questo do modelo de blocos, tal linha considerada imaginria e serve para auxiliar a
execuo do prximo passo, a mesma est realada com a cor verde.

Figura 3. Valores acumulado de Mij e introduo de uma linha imaginria de blocos.

Fonte: prpria

Na figura 4, tm-se os valores acumulados de P ij, onde em cada bloco acrescido com o
maior valor monetrio apresentado por um dos trs blocos mais prximos da coluna da

esquerda, por exemplo, o bloco M 93 ele ser somado com o bloco M 82 ou M83 ou M84.
Com os valores acumulados o bloco M82 passou a ter valor monetrio 54, o bloco M83
passou a ter valor monetrio 66 e o bloco M84 passou a ter valor monetrio 77. Observase que o maior valor monetrio dos trs blocos 77, com isso o valor monetrio do
bloco M93 que era 24, passa a ser 24 + 77, ou seja, M93 = 101.
Vale salientar que existe uma restrio nesse processo: os blocos da primeira linha s
podero ser acrescidos com valores positivos, se os valores dos blocos comparados
forem negativos, considera-se que os mesmo possuem valor monetrio 0.

Figura 4. Valores acumulados de Pij.

Fonte: prpria

Figura 5. Cava final

Fonte: prpria

3.3.3 Algoritmo de Lerchs e Grossman 3D

Para se obter a cava tridimensional, a partir dos limites das sees bidimensionais,
obtidas pela frmula de recorrncia antes apresentada, necessria a suavizao dos
limites da cava. Considerando que os limites timos, nas sees, tenham sido
alcanados, a prtica de suavizao , ento, empregada para adequar as sees ao
modelo de cava tridimensional. Johnson e Mickle (1970) e Johnson e Sharp (1971)
desenvolveram

uma

"extenso"

ao

algoritmo

de

programao

dinmica

bidimensional de Lerchs e Grossman, a qual conhecida como a primeira tentativa

de resolver o problema de suavizao dos limites da cava final. Essa extenso,
embora freqentemente mencionada como um algoritmo de programao dinmica
tridimensional completo, intitulada com mais preciso como um algoritmo 2D.
As vantagens da "extenso" de Johnson para o problema dos limites da cava final
so, principalmente, a facilidade e velocidade de implementao em um computador
e sua capacidade para, pelo menos parcialmente, gerar resultados tridimensionais. A
desvantagem principal que a soluo obtida pode no ser fisicamente possvel
(praticvel). Embora a extenso de Johnson no tenha sido muito usada, ela pode ser
extremamente til para a modificao de um algoritmo de contorno final. O
algoritmo da extenso de Johnson muito parecido com o algoritmo de programao
dinmica 2D original, porm apresenta a vantagem de possibilitar interaes
perpendiculares direo de corte transversal. A "extenso" de Johnson e Sharp
(1971) , na verdade, uma aplicao sistemtica do algoritmo bidimensional, antes
apresentado. Primeiramente, o algoritmo aplicado a todas as sees transversais e,
no final, o mesmo algoritmo aplicado a sees que faam um ngulo reto com as
sees originais.
O algoritmo de contorno que usa a aproximao de programao dinmica 2D
segue os mesmos passos do algoritmo de contorno iterativo, com a exceo do passo
que considera a unio das cavas das sees transversais. A "extenso" de Johnson ,
com efeito, uma aplicao sistemtica da frmula de recorrncia de Lerchs e

Grossmann (1965). Em adio frmula de recorrncia de Lerchs e Grossmann, a

notao Siq usada:

onde Siq a soma dos valores econmicos dos blocos do contorno timo da cava em
uma dada seo; Mij j foi definido anteriormente.
Duas observaes fundamentais devem ser feitas em relao aos algoritmos
comentados:
1) A programao dinmica no assegura a obteno da cava tima na seo.
2) A tcnica dos cones flutuantes a trs dimenses possibilita, automaticamente, a
suavizao do contorno da cava.
A tcnica do caminho dinmico pode ser, assim, resumida:
1) Aplicar a formula de recorrncia, em seqncia, atravs das diversas sees, ao
mesmo tempo em que se muda a direo de anlise atravs das sees, quando da
mudana de uma seo para a seguinte.
2) No final do procedimento e ao analisarem-se todos os blocos de todas as sees
consecutivas, se formar um "caminho" ao longo do qual os cones mnimos de
remoo do material devero ser construdos.
3) A unio dos cones mnimos de remoo ao longo do caminho dinmico definir
os limites da cava final.
Koesnigsberg (1982) desenvolveu um algoritmo que considerado, realmente, de
programao dinmica tridimensional, para o clculo do limite da cava final (Wright,
1990). Esse algoritmo usa um otimizador, que tido como eficaz e rpido, que atua
sobre um conjunto fixo de suposies ou restries. Como qualquer algoritmo de
programao dinmica, o algoritmo de Koesnigsberg tambm cclico e possui um

grau de conformidade prpria muito elevado. Para exemplificar, deve-se atentar ao

fato de que os ngulos de talude da cava, em seus diversos setores, devem ser
consistentes entre si e devem relacionar-se geometria dos blocos.
Diferentemente do caso bidimensional, proposto por Lerchs e Grossmann, que
considera como vizinhos prximos apenas os blocos da coluna na direo anterior ao
bloco em anlise, no caso tridimensional os blocos vizinhos a considerar
correspondem a quatro colunas, segundo a frmula de recorrncia a seguir, as quais
podem exercer influncia no caminho dinmico a ser percorrido pelo algoritmo:

Si na coluna (j-1, k) = ao lado de i.

BSi na coluna (j-1, k-1) = atrs do lado de i.
SBSi na coluna (j, k-1) = do lado de trs do lado de i.
SSBSi na coluna (j+1, k-1) = do lado do lado de trs do lado i.
Onde:
Pijk = Valor timo da cava considerando que o bloco bijk o ltimo bloco a ser
analisado.
Mijk = valor Mij acumulado para cada coluna considerada.
Pijk = Valores dos vizinhos do bloco (i,j,k).

O problema de programao dinmica tridimensional equivalente ao problema de

programao linear, cujo objetivo da funo Pijk definido por Pijk = max S mi'j'k',
Xi'j'k'.

4. Concluso

REFERNCIAS
BRAGA, B., BARBOSA, P. S. F. e NAKAYAMA, P. T. (1997). Sistema de Suporte
Deciso em Recursos Hdricos. Revista Brasileira de Recursos Hdricos (ABRH), no 3,
v. 3, p.73-94.
BOAVENTURA-NETO, P. O. (2001). Teoria e modelo de grafos, Rio de Janeiro.
Editora Edgard Blucher, 1979. 249 p.
BOAVENTURA-NETO, P. O. (2001). Grafos: Teoria, Modelos, Algoritmos. So Paulo
Editora Edgard Blucher.
CARMO, F.A.R., CURI, A. Metodologias para o planejamento de cavas finais de minas
a cu aberto otimizadas. Ouro Preto: Universidade Federal de Ouro Preto-UFOP, 2001.
(Dissertao de Mestrado).
SIMONOVIC, S. P. (1992). Reservoir System Analysis: Closing gap between theory
and pratice. Journal of Water Resources Planning and Management, New York, vol. 118,
n.3. p.262-280.
PINTO, L. R. (1999). Metodologia de anlise do planejamento de lavra de minas a cu
aberto baseada em simulao das operaes de lavra. Rio de Janeiro: COPPE/UFRJ,
1999. (Tese de Doutorado)
YEH, W. W-G. (1985). Reservoir Management and Operations Model: a State-of-theArt Review. Water Resources Research, Vol. 21, n. 12, pp. 1797-1818, December.