Metod Plan Cavas Finais FredFina

UNIVERSIDADE FEDERAL DE OURO PRETO
ESCOLA DE MINAS DE OURO PRETO

DEPARTAMENTO DE ENGENHARIA DE MINAS
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MINERAL
Metodologias para o Planejamento de Cavas

Finais de Minas a Céu Aberto Otimizadas
Frederico Augusto Rosa do Carmo
Dissertação de Mestrado do Programa de Pós-

graduação em Engenharia Mineral da
Universidade Federal de Ouro Preto
Área de Concentração: Planejamento de Lavra

Orientador: Prof. Dr. Adilson Curi
Ouro Preto - MG
Maio de 2001
CARMO, FREDERICO AUGUSTO ROSA DO
Metodologias para o Planejamento de Cavas Finais

de Minas a Céu Aberto Otimizadas – Ouro Preto,
MG, 2001
Orientador : Adilson Curi

Dissertação de Mestrado do Programa de Pós-
graduação em Engenharia Mineral da Universidade
Federal de Ouro Preto
1. Lavra de Mina a Céu Aberto. 2. Planejamento de

Lavra. 3. Otimização de Cavas de Minas. 4.
Método Lerchs e Grossmann. 5. Otimopit
I. PPGEM/UFOP. II. Título. III. Curi, Adilson

“Nada há de mais difícil trato,
de êxito mais incerto, nem de execução
mais perigosa, do que a introdução de novas
leis; aquele que a empreende terá por
inimigos todos os beneficiários das antigas
leis e por tímidos defensores todos quanto se
beneficiarão das novas”
“O Príncipe – Maquiavel”
Aos meus pais José Francisco e Marlene, a
minha esposa Angélica, minhas filhas Letícia e
Natália, que me deram a coisa mais
importante da vida. O AMOR.
AGRADECIMENTOS
À Deus, por me dado força para concluir esta dissertação.
Aos meus irmãos Francislene, Ana Flávia e Fillipe.
Aos meus sogros, Cyrineo e Cenira.
Ao Prof. Dr. Adilson Curi pela orientação deste trabalho, ao Prof. Dr. Luiz Ricardo
Pinto pelas aulas de Delphi, Simulação e a ajuda e todos professores da área de Lavra
do Programa de Pós Graduação em Engenharia Mineral da UFOP em especial aos
professores Dr. Wilson Trigueiro de Souza, Dr. Valdir Costa e Silva e Dr. José Thomas
Gama da Silva.
A Capes pelo suporte financeiro.
Ao amigo Wilson GG (Tiriça) pelas dicas de programação e pela amizade de longa data,
aos irmãos “Canalhas” da república Vira-Saia por tudo em que me ajudaram.
Aos novos amigos que conheci no programa de Pós-Graduação, Juarez, Julio, Walmir,
Renato Capucho, José Geraldo e a secretária do PPGEM, Luciana.
RESUMO
O propósito do projeto de uma cava final ótima é determinar os contornos de uma mina
a céu aberto, baseando-se em um modelo econômico e com exigências de viabilidade
técnicas e econômicas para se obter o máximo possível de renda líquida. Tal projeto é
essencialmente feito em um computador fundamentando-se na implementação de um
algoritmo, que é aplicado a um modelo de blocos tridimensional em um corpo de
minério. O primeiro algoritmo computadorizado foi publicado em 1965 por Lerchs e
Grossmann, ele resolve o problema equivalente ao corte mínimo e o problema de fluxo
de máximo. Muitas das razões para a lenta aceitabilidade do algoritmo de Lerchs e
Grossmann se deve as praticabilidades do uso e implementação: dificuldade na
programação, dificuldade de incorporação de restrições como taludes variáveis e
estradas, longo tempo de execução através de computadores e dificuldade de entender o
método. Por estas razões que o desenvolvimento de novos algoritmos continua
crescendo. Esta dissertação apresenta alguns algoritmos de resolução de problemas de
otimização de aberturas de cavas finais de minas a céu aberto, enfatizando o algoritmo
Lerchs e Grossmann.Um programa baseado em vários algoritmos de otimização foi
construído na linguagem de programação Delphi e utiliza o ambiente Windows da
Microsoft para ser executado. Este programa foi chamado de Otimopit podendo ser
utilizado no ensino de graduação de engenharia de minas e em pequenas minerações.
i
ABSTRACT
The project of final optimum open pit mine is to determine the contours of an open pit
mine, based on an economic model and creating viability demands to obtain the
maximum possible of net value. This is done essentially in a computer based in the use
of an algorithm that is applied to a three dimensional model of blocks in an ore body.
The first computerized algorithm, published in 1965 by Lerchs and Grossmann, was
generated from one of the most active operational research’s in mining. Although this
algorithm was, for at least 25 years, the only demonstrable rigorous method to arrive at
a great form of optimum pit, it is still not used broadly in the industry. It is accepted as
the test in front of all the other algorithms, because it solves the equivalent problem at
the minimum cut and maximum flow. Many of the reasons for the small acceptability of
the algorithm of Lerchs and Grossmann in the begining due to the practice use and
implemention: difficulty in programming, difficulty of incorporation of such restrictions
like variable slopes and roads, long time of execution for computation and difficulty of
understanding the method. It is, mainly, for these reasons that the development of new
algorithms continues grow. This dissertation has an objective, to present some
algorithms of resolution of problems optimum of final open pit mines, emphasizing the
Lerchs and Grossmann algorithm. A software basead on several optmum algorithms
was built in the programming language delphi and it uses the environment windows of
microsoft to be executed, as well as the construction of an optimum program based on
this algorithm. This Otimopit program could be used in the teaching mining engineer
and small mines.
ii
SUMÁRIO
RESUMO.................................................................................................................... i
ABSTRACT................................................................................................................ ii
LISTA DE FIGURAS................................................................................................ vi
1 – INTRODUÇÃO.................................................................................................... 01
1.1- Generalidades............................................................................................ 01
1.2- Modelo de Blocos.................................................................................... 02
1.3- Otimização de uma Cava de Mina........................................................... 03
1.4- Objetivos deste Trabalho.......................................................................... 07
1.5 – Esboço desta Dissertação........................................................................ 08
2 - REPRESENTAÇÃO DO CORPO DE MINÉRIO E ESTIMATIVA DE

RESERVAS LAVRAVÉIS................................................................................ 09
2.1 - Generalidades........................................................................................... 09
2.2 – Noções de Geoestatística......................................................................... 12
2.2.1 – Métodos Convencionais........................................................... 13
2.2.2 – Métodos Estatísticos................................................................. 13
2.2.3 – Métodos Geoestatísticos........................................................... 13
2.3 – Valor Econômico do bloco..................................................................... 16
2.4 - Restrições para a modelagem de blocos para a abertura de cava............ 18
3 - MÉTODOS CLÁSSICOS DE RETIRADA DE MINÉRIO............................ 28

3.1 -Método manual de projeto de cava......................................................... 28
3.1.1 – Generalidades......................................................................... 28
3.1.2 - Relação estéril / minério total.................................................. 29
3.1.3 -Relação estéril / minério adicional............................................ 31
3.1.4- Relação estéril / minério periódica........................................... 31
3.1.5- Relação estéril / minério de limite econômico.......................... 32
iii
3.1.6 - Características do método manual............................................ 34
3.2 - Método dos Cones Flutuantes.................................................................. 34
3.2.1 – Generalidades........................................................................... 34
3.2.2 - Base para o método dos cones flutuantes................................. 37
3.2.3 – Método dos cones flutuantes (positivos móveis)..................... 38
3.2.4 - Falhas do método dos cones positivos móveis......................... 39
3.2.5 – Limitações da cava gerada........................................................ 40
3.2.6 - Ângulos de taludes variáveis em 2D........................................ 41
3.3 - Algoritmo de Korobov .......................................................................... 41
3.4 – Correção do Algoritmo de Korobov...................................................... 47
4 - MÉTODOS DE OTIMIZAÇÃO UTILIZANDO A PROPOSTA DE

LERCHS E GROSSMANN............................................................................. 50
4.1 - Análise de redes....................................................................................... 50
4.1.1 – Generalidades........................................................................... 50
4.1.2 – Teorema do fluxo máximo e corte mínimo.............................. 51
4.2 - Algoritmo Lerchs e Grossmann............................................................... 53
4.2.1- Generalidades............................................................................. 53
4.2.2- Definições.................................................................................. 54
4.2.3 – Passos do Algoritmo................................................................ 59
4.2.4 – Aplicação LG no método dos cones flutuantes....................... 59
4.2.5 - Método de otimização manual aplicando LG.......................... 61
4.3 – Angulos de taludes variáveis .................................................................. 65
4.4 – Algoritmo Lerchs e Grossmann em 2 ½ D............................................. 66
4.5 – Algoritmos modificados.......................................................................... 68
4.5.1 – Algoritmo Johnson e Sharp...................................................... 68
4.5.2 - Algoritmo de Contorno das Seções Transversais..................... 73
4.5.3 – Algoritmo de Contorno de Seções Transversais modificado... 74
4.5.4 - Limites Internos........................................................................ 75
4.5.5 –Algoritmo 3-D de Koenigsberg................................................ 76
4.5.6 – Algoritmo do Fluxo em Cadeia................................................ 78
iv
4.5.7 – Algoritmo de Wilke e Wrigth.................................................. 82
5 - NOVAS TENDÊNCIAS DE OTIMIZAÇÃO.................................................... 85

5.1 – Parametrização de reservas..................................................................... 85
5.1.1 – Generalidades........................................................................... 85
5.1.2 – Parametrização de uma cava.................................................... 86
5.2 – Otimização em quarta dimensão............................................................. 89
5.2.1 – Generalidades........................................................................... 89
5.2.2 – Variáveis Utilizadas na Otimização em Quarta Dimensão...... 90
6 - O PROGRAMA DE OTIMIZAÇÃO OTIMOPIT............................................ 92

6.1 – Apresentando o programa Borland-Delphi............................................. 92
6.2- O Programa Otimopit................................................................................ 94
7 – CONCLUSÕES.................................................................................................... 102
7.1 – Sobre Otimização.................................................................................... 102
7.2 – Sobre o programa Otimopit..................................................................... 105
7.3 –Sugestões para Trabalhos Futuros........................................................... 106
8 – BIBLIOGRAFIA ................................................................................................. 109
v
LISTA DE FIGURAS
CAPITULO 2
2.1- Modelo de blocos tridimensionais................................................................................... 10
2.2 - Modelo de Blocos em seções gerado pelo programa Vulcan.......................................... 11
2.3 - Visão Ampliada dos modelos de blocos......................................................................... 11
CAPITULO 3
3.1- Relação Estéril / Minério.................................................................................................. 29
3.2- Limites da cava em níveis sucessivamente mais profundos............................................ 32
3.3- Limites da cava usando o BESR...................................................................................... 33
3.4 - Típico cone flutuante...................................................................................................... 35
3.5 - Definição da cava final................................................................................................... 36
3.6 - Processo de lavra de um bloco e formação do cone invertido........................................ 38
3.7 - Formação do cone invertido para o talude 1:1 e 1:2...................................................... 38
3.8 - Técnica do cone móvel................................................................................................... 40
3.9 – Exemplo de modelos de blocos...................................................................................... 42
3.10 – Modelo de blocos sendo otimizado ............................................................................. 44
3.11 – Modelo de blocos otimizados....................................................................................... 45
3.12 – Passos do algoritmo de Korobov.................................................................................. 46
3.13 – Correção do Algoritmo de Korobov ............................................................................ 49
CAPÍTULO 4
4.1 – Corte mínimo para máximo fechamento em grafos...................................................... 52
4.2 – Definição das extremidades fortes e fracas.................................................................... 55
4.3 – Procura Final dos ramos de uma árvore normalizada..................................................... 56
4.4 – Definição do melhor caminho........................................................................................ 57
4.5- Máximo fechamento do grafo.......................................................................................... 59
4.6 - Modelo de blocos com a delimitação do corpo de minério............................................ 63
4.7 – Modelo de blocos com os valores para a otimização..................................................... 63
4.8 - Cava sendo otimizada...................................................................................................... 64
4.9 - Escolha do máximo valor Pij........................................................................................... 64
4.10 - Procura do maior P1k.................................................................................................... 64
4.11 – Cone gerado.................................................................................................................. 65
vi
4.12 – Cava final gerada.......................................................................................................... 65
4.13 – Valores econômicos dos mijk........................................................................................ 70
4.14 – Nível ótimo para a seção k =3...................................................................................... 71
4.15 – Cava ótima longitudinal .............................................................................................. 71
4.16 – Solução ótima usando Johnson e Sharp........................................................................ 72
4.17 - Colunas Vizinhas do bloco i......................................................................................... 77
4.18 – Exemplo do Modelo de Blocos em 2 D....................................................................... 79
4.19- Configuração Representando o Fluxo em Cadeia.......................................................... 80
4.20- Iniciação do Fluxo em Cadeia........................................................................................ 80
4.21- Fluxo em Cadeia depois da Interação............................................................................ 81
4.22- Fluxo em Cadeia com o Máximo Fluxo........................................................................ 81
4.23 – Valores Econômicos dos Blocos.................................................................................. 83
4.24 – Valores Econômicos dos Cones................................................................................... 83
4.25 – Cava Final..................................................................................................................... 83
CAPÍTULO 5
5.1 – Curva simplificada de Q e T........................................................................................... 86
5.2 – Cavas obtidas pela parametrização................................................................................ 88
5.3 – Sucessivos Fluxos de Caixa.......................................................................................... 89
CAPÍTULO 6
6.1 – Tela de Abertura do Programa....................................................................................... 95
6.2 – Entrada de Dados do Programa ..................................................................................... 96
6.3 – Blocos de Notas com Dados do Modelo de Blocos....................................................... 97
6.4 – Cálculo do Valor Econômico do Bloco.......................................................................... 98
6.5 – Cava em Duas Dimensões.............................................................................................. 98
6.6 – Cava em Planta............................................................................................................... 99
6.7 – Cava Final em 3D........................................................................................................... 100
6.8 –Blocos Retirados em 3D.................................................................................................. 100
6.9 - Relatório Final do Programa Otimopit ........................................................................... 101
CAPÍTULO 7
7.1 - Fluxograma de um Otimizador ...................................................................................... 107
vii
CAPÍTULO 1
INTRODUÇÃO
1.1 – Generalidades
Durante a explotação a céu aberto, o terreno está continuamente sendo escavado até
atingir o limite inferior da cava final. O contorno final da cava da mina é determinado
antes do começo da operação da mina, ou seja, na fase de projeto.
A fase de planejamento da cava de uma mina geralmente apresenta os seguintes

elementos: a)Ensaios; b)Geologia; c)Tonelagem e extensão das reservas do minério;
d)Topografia; e)Equipamentos de mineração; f)Fatores econômicos referentes aos
custos de operação; g)Capital a ser investido; h)Lucro; i)Tipologia do minério; j)Limites
finais da cava; k)Teor de corte; l)Relação estéril/minério; m)Escala de produção;
n)Taludes da cava; o)Altura dos bancos; p)Estradas; q)Características do minério;
r)Condições hidrológicas do terreno; s)Limites da propriedade e t)Considerações
mercadológicas.
Hall (1975) elaborou uma lista (aprimorada por Taylor (1977) e Lee (1984) e apud
Hustrulid & Kuchita (1995)) completa de elementos que devem ser checados na fase de
planejamento da cava.
Assim, um aspecto fundamental no desenvolvimento de qualquer projeto de mineração

a céu aberto é a determinação das reservas minerais explotáveis, obtidas através dos
então chamados limites finais da cava. O problema dos limites finais da cava é de suma
importância para a prática da mineração a céu aberto, como tem sido evidente pela
atenção que ele tem recebido no mundo todo.
Capítulo 1 - Introdução
Os limites finais da cava definem o tamanho e a forma de uma mina a céu aberto no
final de sua vida útil, buscando a maximização do lucro. Eles definem a extensão das
reservas lavráveis e a quantidade de material estéril a ser retirado e depositado.
Normalmente marcam a fronteira limite além da qual a explotação de um dado depósito
não será mais econômica. Os limites da cava na superfície delimitam uma fronteira
dentro da qual as estruturas de superfície da mina, tais como plantas de beneficiamento
e escritórios da mina, não devem ser locados.
1.2 – Modelo de Blocos
A otimização de uma cava de mineração, o projeto de uma mina e o planejamento de

lavra requerem um modelo em três dimensões do corpo de minério, normalmente estas
informações são obtidas através de furos de sondas e são estimativas de teores que
constituem um modelo de pequenos blocos. A estimação de um tamanho pequeno
demais para o bloco cria uma excessiva suavização e imprecisão do modelo. Segundo
Rudeno (1981) na perspectiva de reservas recuperáveis a posição exata onde os teores
estão localizados é irrelevante, e o uso de blocos grandes é recomendado para minimizar
os problemas associados com a estimação vinda de blocos pequenos. A pergunta da
quantidade de minério que pode ser recuperada é respondida sem definir a posição exata
onde estão os teores altos e baixos dentro de um grande bloco. Reservas recuperáveis se
referem ao minério que pode ser extraído. Reservas geológicas se referem ao depósito
inteiro sem qualquer constrangimento econômico ou técnico. Há uma diferença
principal entre o objetivo de modelar o corpo de minério em blocos e estimar as
reservas recuperáveis. O primeiro requer precisão local nas estimativas de teores do
bloco, e o segundo requer a mínima classificação de teor no bloco.
A posição geométrica de um bloco é fixada com referência a um sistema de coordenada

conveniente. A cada bloco é atribuído um valor em função de suas características
geológicas, geomecânicas, econômicas e também em função dos aspectos relacionados
2
ao processamento mineral. Assim, dados minerais, metalúrgicos e econômicos

combinados fornecem um valor para cada bloco.
Quanto às alternativas de aproveitamento do bem mineral Costa (1979) ( apud Pinto

(1999)) considera que um projeto de mineração deve objetivar uma solução
intermediária entre as duas soluções extremas que naturalmente existem e que são
tecnicamente viáveis:
• Aproveitamento de todo o depósito mineral, desprezando-se os aspectos econômicos

a ele relacionados. Obviamente, esta alternativa, quase nunca maximiza os lucros,
podendo, em algumas situações, levar até mesmo a um prejuízo financeiro para a
mineradora.
• Aproveitamento exclusivo das partes mais ricas do depósito. Esta alternativa traz
resultados econômicos positivos, mas caracteriza uma lavra predatória, que além de
não maximizar os lucros, pode inviabilizar a reserva remanescente pelo
comprometimento de suas características médias.
Com base em dados econômicos, geológicos e topográficos, faz-se a modelagem

tridimensional de blocos, determina-se o volume do corpo de minério que é dividido em
uma grade de pequenos blocos chamada de modelo de blocos, que é à base dos métodos
computacionais que levam a cava ótima.
O modelo de blocos faz a descrição da jazida em função do seu valor econômico

(benefício menos custo), ficando cada bloco com um fator ponderador (peso) associado
a ele, devidamente conhecido pelas coordenadas espaciais e características geológicas
que possibilitam a atribuição de um valor econômico.
1.3 – Otimização da Cava de uma Mina
Diferentes métodos têm sido usados para o projeto de limites finais de cava. A
simulação e a programação dinâmica são as técnicas mais utilizadas. As técnicas de
3
simulação incluem a técnica dos cones móveis. Os Métodos de programação dinâmica

incluem algoritmos bidimensionais e tridimensionais.
O primeiro algoritmo para resolver problemas de abertura de cavas de minas foi

apresentado em 1965 por Lerchs e Grossmann e, apesar de ser "antigo", é o algoritmo
mais comum e mais aplicado na indústria de mineração, pois resolve problemas de
máximo fluxo em fechamento de grafos e ao mesmo tempo o problema de corte
mínimo.
Vários algoritmos foram desenvolvidos durante os últimos anos para solucionar o

problema dos limites finais da cava de mineração. Dentre estes os algoritmos Johnson e
Sharp, Robinson e Prenn (1996), Koborov, Koenigsberg (1982), Dowd e Onur (1993),
Zhao e Kim (1979), Huttagosol e Cameron e etc. Entre estes, só os algoritmos Lerchs e
Grossmann e o “network simplex” resolvem o problema da otimização. Os outros
algoritmos são meramente variantes do algoritmo de Lerchs e Grossmann ou são
algoritmos heurísticos que não garantem uma solução ótima.
O algoritmo de Robinson e Prenn (1996) constrói um cone para cada bloco de minério,
utilizando como base. Se o peso total (acumulado) de todos os nós no cone é positivo,
então os nós são removidos do grafo. Todos os nós removidos juntos formam a cava
final. Este algoritmo não pode entregar uma solução ótima.
O algoritmo de Koborov tenta melhorar o método dos cones móveis conferindo cones
com um bloco de minério como seu bloco básico. A idéia é de que um bloco de minério
pode gerar lucro que paga o custo de se remover os demais blocos de estéril, esses de
peso negativo. Assim o algoritmo distribui o custo de um bloco de minério para os
demais blocos de estéril. Isto é feito diminuindo o peso do bloco de minério e
aumentando o peso do bloco de estéril pela mesma quantia. Todos os cones que têm um
bloco na base com um peso positivo, ao término do algoritmo todos os cones são
incluídos na cava final.
4
Dowd e Onur (1993) desenvolveram uma versão modificada do algoritmo de Koborov

que encontra diretamente uma cava ótima. A experiência computacional mostra que este
algoritmo é mais rápido que a implementação do algoritmo de Lerchs e Grossmann
(Hochbaum e Chen (1998)).
Outros algoritmos heurísticos são os métodos de programação dinâmicos de Johnson e

Sharp e o de Koenigsberg (1982).
Uma variante do algoritmo de Lerchs e Grossmann foi desenvolvida por Zhao e Kim,
em 1992. Como no algoritmo Lerchs e Grossamnn, os blocos do modelo são divididos
em subconjuntos. A diferença principal entre os dois algoritmos esta no modo em que
os blocos são reagrupados depois da descoberta de um bloco lucrativo em baixo de um
bloco improdutivo.
A complexidade do algoritmo de Zhao e Kim nunca foi analisada, e não há nenhuma

indicação que o método deste algoritmo de reagrupamento de blocos é mais eficientes
que o algoritmo de Lerchs e Grossmann. O método deles é mais simples e mais fácil de
se entender comparado ao algoritmo de Lerchs e Grossmann. Nenhuma comparação
computational direta entre os dois algoritmos foi mostrada.
Vallet propôs uma variante interessante do algoritmo de Lerchs e Grossmann. Em lugar

de dividir os nós em forte e fraco (que são subconjuntos de nós de peso total positivo e
negativo respectivamente), Vallet classifica o ajuste baseado na média de massa e a
relação B/V onde B é a massa total e V o volume do ajuste. Ele se refere esta relação
como uma força. Se um bloco possui o ajuste com uma força mais alta está em baixo de
um bloco de ajuste com uma força mais baixa, então os dois ajustes são fundidos e
depois são reagrupados. A classificação de relação não afeta o estado de subconjuntos
como forte ou fraco. Só afeta a ordem de processo a fusão que forma arco. Outros
pesquisadores fizeram uso de algoritmos de fluxo de máximo para resolver problemas
de mineração a céu aberto. Giannini et al. Desenvolveram o pacote de software
PITOPTIM, que usa o algoritmo de fluxo de máximo de Dinic para calcular o ótimo
contorno de cava.
5
Huttagosol e Cameron formularam que o problema de cava a céu aberto é um problema

de transporte. O objetivo do problema de transporte é fixar o envio de quantidades
ajustadas dos provedores (fontes) para os ajustes dos consumidores (destinos) de forma
que todas as demandas são conhecidas, enquanto ao mesmo tempo não são excedidos os
materiais e o custo de envio total é minimizado. Isto é efetivamente a redução pôr
bipartição. Huttagosol e Cameron propuseram usando o método “network simplex” para
resolver o problema. A experiência computacional mostra que o método é mais lento
que o algoritmo de Lerchs e Grossmann. Com a prova de Picard que problemas de
fechamento máximo são redutíveis ao problema de corte mínimo, é possível aplicar
quaisquer dos algoritmos de fluxo máximo eficientes conhecidos. Na literatura mineira,
há relativamente poucos estudos de aperfeiçoar algoritmos s do algoritmo de Lerchs e
Grossmann. Em 1996, Hochbaum compara o desempenho do algoritmo de Lerchs e
Grossmann com o algoritmo “push-relabel”.
Até antes dos anos 80, os algoritmos heurísticos eram extensamente usados na indústria
mineira, porque eles são executados mais rapidamente e são conceitualmente mais
simples que os algoritmos de otimização (fornecem uma solução ótima). Com o avanço
da tecnologia dos computadores, algoritmos otimizadores se tornaram triviais. Whittle
Programming Pty. Ltd.'s é um pacote de otimização de abertura de cava a céu aberto
comercial, que utiliza o algoritmo Lerchs e Grossman 3-D e se tornou o pacote mais
popular na indústria mineira, com uma versão 4-D para apoiar a análise de
sensibilidade. Outros pacotes comerciais existentes são o MULTIPIT que usa o
algoritmo de Bongarcon (1982) e o algoritmo de Guibal e PITOPTIM que usa um
algoritmo de fluxo de máximo. A parametrização de reservas combinada com o
algoritmo de Lerchs e Grossman é a nova tendência nos anos 90.
6
1.4 – Objetivos deste Trabalho
Esta dissertação tem como objetivo apresentar os algoritmos de resolução de problemas

de otimização de aberturas de cavas finais de minas a céu aberto discutindo suas
qualidades e falhas, sendo enfatizado o algoritmo Lerchs e Grossmann neste trabalho
devido a sua importância e suas qualidades na resolução do fluxo máximo e corte
mínimo.
Outro objetivo foi construção de um programa de otimização, para que, renunciemos a

condição de meros operadores de programas de computadores e possamos realmente
iniciar trabalhos na busca da melhor cava possível para a mineração. Este programa foi
denominado Otimopit, ele foi construído na linguagem Borland-Delphi, da empresa
Inprise, sendo executado no ambiente Windows da Microsoft, sendo necessário assim
apenas um micro-computador pessoal, ele faz a comparação de alguns métodos de
otimização em vários tipos de jazidas minerais mostrando as diferenças nos resultados
finais da cava, o programa Otimopit é basicamente uma ferramenta de calculo, mais
possuí um sistema de visualização, podendo ser utilizado o programa Vulcan da
empresa Maptek, como ferramenta de análise e visualização dos dados gerados pelo
Otimopit.
Um terceiro objetivo e divulgar os métodos de otimização, pois a grande maioria das

minerações de pequeno e médio porte não utilizam e desconhecem os métodos de
otimização, este programa pode contribuir com o preenchimento desta lacuna na
maioria destas minerações do Brasil, pois com uma análise técnica adequada, o
aproveitamento das jazidas se tornaria mais lucrativo.
O quarto objetivo foi construir um programa que poderá ser utilizado na área didática,
nas disciplinas referentes à lavra e planejamento de minas a céu aberto.
7
1.5– Esboço desta Dissertação
Esta dissertação é dividida em 7 capítulos como segue:

Capítulo 1 apresenta o tema e os objetivos deste trabalho.
Capítulo 2 apresenta como se deve representar um corpo de minério e como e feita a
estimativa da reserva lavravél através de métodos geoestatistícos.
Capítulo 3 apresenta os métodos clássicos de retirada de minério que compreende
desde métodos de taxa de retirada ao método dos cones flutuantes.
Capítulo 4 apresenta a otimização utilizando o algoritmo de Lerchs e Grossmann em
duas dimensões e suas variações para três dimensões.
Capítulo 5 apresenta as novas tendências de otimização, como a parametrização de
reservas lavráveis.
Capítulo 6 apresenta o programa otimopit, que foi desenvolvido em ambiente Delphi,
sendo que o mesmo realiza otimização aplicando várias metodologias.
Capítulo 7 apresenta as conclusões e propostas de trabalhos futuros.
8
CAPÍTULO 2
REPRESENTAÇÃO DO CORPO DE MINÉRIO E

ESTIMATIVA DE RESERVAS LAVRAVÉIS
2.1- Generalidades
Em todo planejamento mineiro o modelo de blocos é a base para os projetos de cava nos
métodos computadorizados. Ele representa o corpo de minério antes da representação
em seções e armazena as informações para serem utilizadas no decorrer da operação de
lavra. O primeiro passo para criar um modelo de blocos é ajustar um bloco
tridimensional grande o suficiente para cobrir a área de interesse. O bloco grande é
então subdividido em blocos tridimensionais menores. Os blocos menores podem ser de
diferentes tamanhos e formas. Em geral, os modelos de blocos capacitam planos de
mineração a eficiência seletiva para a extração de minério na parte física e também na
econômica, o que não é nada mais que o contorno final derivado da movimentação do
terreno para a explotação da jazida mineral. A figura 2.1 mostra um modelo de blocos
construído por método manual como era feito antes do uso de computadores, já a figura
2.2, mostra um modelo de blocos construído através do uso de computador.
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
FIGURA 2.1- Modelo de blocos tridimensionais

FONTE – CRAWFORD & DAVEY, 1979
Diferentes métodos têm sido usados para o projeto de limites de cava. A preferência de
uma determinada empresa é baseada na familiaridade e na disponibilidade dos pacotes
de projeto de cava necessários. A maior concentração na Programação Dinâmica nos
anos 80 é devida principalmente a esse tipo de programação requerer demandas
modestas de aparelhos computacionais. Por exemplo, não é preciso mais que um
computador pessoal para se planejar uma cava final.
10
FÍGURA 2.2 - Modelo de Blocos em seções gerado pelo programa Vulcan
Existem vários tipos de modelo de blocos; o modelo de blocos regular 3-D fixado é o
tipo mais utilizado na prática. A altura de cada bloco é normalmente a altura do banco e
a forma horizontal será normalmente um retângulo ou um quadrado, como é mostrado
na figura 2.3. A principal característica de um modelo de blocos 3-D fixado é que cada
bloco tem as mesmas medidas.
FÍGURA 2.3 - Visão Ampliada dos modelos de blocos da Jazida Monte Raso
11
2.2– Noções de Geoestátistica
O modelo de blocos promove as decisões de investimento, planejamento mineiro e

operação da mina no setor de mineração. Há um problema de como fazer a estimativa
fidedignas de reservas minerais, isto é devido a complexidade no processo de formação
do deposito geológico e conseqüentemente a complexidade da distribuição de teores na
maioria dos depósitos. Infelizmente, na maioria dos depósitos minerais a distribuição de
teores é muito complexa e são descritas em pequena escala, devido à escassez de
amostras. Além disto, na maioria dos casos, as informações não são suficientes para o
conhecimento da gênese do minério para permitir a determinação de uma aproximação
da distribuição de teores neste deposito. Assim há muitas fontes de incerteza sobre os
valores das variáveis geológicas que não são amostrados, por isso, é comum o uso de
modelos probabilísticos que incorporam e administram estas incertezas justificando-as
em uma distribuição de variáveis em uma ordem e um modelo espacial.
Na atualidade os recursos minerais são cada vez mais escassos e mais difíceis de serem
atingidos. Como conseqüência disso as empresas de mineração exigem de seus
profissionais maior rigor na tomada de decisões, de modo a minimizar os riscos
associados aos grandes investimentos de empreendimento mineiro.
Segundo Guerra (1988) a geoestatística fornece uma série de ferramentas de modo a se

obter o melhor aproveitamento da informação disponível, de tal forma a colocar em
evidência tais riscos.
Os métodos de avaliação de reservas mais empregados podem ser classificados em três

grupos (Guerra,1988):
♦ Métodos Convencionais;
♦ Métodos Estatísticos;
♦ Métodos Geoestatísticos.
12
2.2.1 – Métodos Convencionais
Os métodos convencionais ou geométricos são métodos manuais de estimação de

reservas e são usualmente feitos nas plantas de mapas ou em mapas que representam as
seções transversais paralelas. Os dados plotados no mapa incluem a localização de furos
de sondas, ensaios de valores e interpretação geológica de controle de mineralizações.
Os métodos geométricos levam em consideração o aspecto espacial das amostras, e são
enfatizados na maioria deles o conceito de área ou volume de influência, que
comumente são determinados empiricamente com base em apreciações pessoais, ou
ainda simplesmente de acordo com a disposição do espaçamento das amostras obtidas.
Os métodos convencionais mais utilizados são:
Área de Influência;
Polígonos;
Seções Transversais;
Triângulos;
Inverso da Distância.
2.2.2 – Métodos Estatísticos

Os métodos estatísticos surgiram para levar em conta a variabilidade ou dispersão da
mineralização, os quais, através da teoria das probabilidades, permitem calcular o
desvio cometido na avaliação.
2.2.3 – Métodos Geoestatísticos
Os métodos geoestatísticos surgiram então para fundir o aspecto espacial (topológico) e

o aspecto aleatório (probabilístico). Estes se baseiam na teoria das variáveis
regionalizadas a partir das quais é possível estudar a estrutura espacial que sem dúvida
nenhuma deve ter influído no valor definitivo associado a cada ponto. Em termos gerais,
existem uma família chamada de métodos de krigagem, que estimam o valor médio de
um ponto ou bloco e um outro grupo de métodos que estimam não somente a média,
mas toda a função de distribuição de probabilidade do teor em um certo ponto ou bloco.
13
Segundo Costa (1997) a geoestatística evoluiu da krigagem ordinária para vários novos
métodos que foram introduzidos a partir dos anos 70’s, como:
Krigagem Universal ( Huijbregts and Matheron, 1970), CoKkrigagem (David,
1977), Krigagen Lognormal (Journel e Huijbregts, 1978), projetadas para
calcular o valor médio dentro do bloco.
Krigagem Disjuntiva (Matheron, 1976; Switzer e Parker, 1976), Krigagem
Indicativa (Journel, 1983), Krigagem Multigaussiana (Verly, 1984), Krigagem
Probabilística (Sullivan, 1984) e Krigagem Bigaussiana (Marcotte e David,
1985), projetada para estimar a probabilidade de uma função de distribuição
local dentro de um bloco.
Os procedimentos geoestatísticos baseados em krigagem foram primeiramente
utilizados nas indústrias de mineração, mas muitos trabalhos recentemente tanto no
desenvolvimento teórico como na pratica esta se utilizando a krigagem na industria de
petróleo, silvicultura, ciências ambientais e vários campos de engenharia.
Recentes contribuições para o assunto de estimação com o uso da geoestatística revisam

o problema de estimação que usam estruturas diferentes, como krigagem Bayesiana
(Pilz, 1994), Ajustes Convexos (Malinverno e Rossi, 1994) e Geoestatistica Fuzzy
(Kacewicz, 1994). Recentes pesquisas em campo também investigam modos melhores
para medir, modelar e prever variáveis geológicas como teores, densidade ou espessura
do minério (ver Armstrong, 1994; Rossi e Parker, 1994).
Segundo Costa (1997), durante os últimos 20 anos a maioria das pesquisas de

geoestatística foi redirecionada a simulação estocástica e vários métodos foram
propostos. As contribuições mais importantes são:
- Método “Turning bands” para um conjunto de dados contínuos (Journel, 1974);

- Geoestatística Fractal, também para ajustes de dados contínuos (Hewett, 1986);
- Método Simulação Gaussiana, para simular litofácies (Matheron et al., 1987);
- Métodos de Markov Bayes (Ripley, 1987);
- Método sucessor da krigagem por Indicatriz, aplicado a outras variáveis categóricas ou
contínuas (Alabert, 1987);
14
- Método sucessor da Simulação Gaussiana principalmente usado para variáveis

contínuas (Isaaks, 1990 e Journel, 1994);
- Algoritmos de Simulação de Iterativa (Lantuejoul, 1996).
Outros desenvolvimentos em simulação geoestatística ajudaram a melhorar o

desempenho de computação e introduziram métodos para integrar dados obtidos por
medidas geofísicas com informações obtidas através de análises de amostras. Estes
métodos apresentam inovações notáveis no campo de simulação geoestatística.
Simulação geoestatística e estimação por krigagem têm objetivos diferentes e divergem

em um aspecto principal, isto é o modo no qual cada método envia o erro de estimação.
Métodos de Krigagem tentam minimizar o erro de estimação produzindo a melhor
estimação local e discrepância de estimação do mínimo. Sendo uma técnica de
regressão linear, a krigagem produz resultados lisos que não reproduzem a verdadeira
discrepância desconhecida da variável modelada.
A idéia básica de simulação estocástica é enviar a incerteza envolvida na estimativa,

antes de tentar qualquer predição sobre os valores destas estimativas. Métodos de
simulação se preocupam menos com o erro minimizado localmente, mas tenta produzir
uma realista estimativa das características principais da população de amostras, como o
histograma global e dados de continuidade espacial. Medindo as diferenças entre várias
realizações, que reproduz em média as características globais, provendo uma medida da
incerteza da estimação.
Ou seja, os métodos geoestatísticos levam em conta esse aspecto duplo: correlações

espaciais entre as amostras, bem como a aleatoriedade representada pelas variações
imprevistas de um ponto a outro no depósito. Deste modo a geoestatística se propõe
estudar dois objetivos principais:
a) Tentar ser capaz de extrair de uma desordem aparente dos dados disponíveis uma
imagem da variabilidade dos mesmos e uma medida da correlação existente entre os
valores tomados em 2 pontos do espaço. Este é o objetivo da análise estrutural e que
15
se consegue através do variograma. O variograma é uma ferramenta fundamental

usada pela geoestatística, sendo ele um gráfico de variáveis médias entre as
amostragens versus a distancia entre amostragens. Segundo Guerra (1988) o
variograma pode ser de vários esquemas, como:
- Esquema Matheron (Esférico);

- Esquema de Gauss (Parabólico);
- Esquema Potencial;
- Esquema Transitivo;
- Esquema Periódico.
b) Deve ser também capaz de medir a precisão de toda predição ou estimativa feita
através de dados fragmentados, ou seja, há necessidade de uma teoria de estimativa
de reservas. Isto é feito através da krigagem.
2.3 - Valor econômico de um bloco
Com o critério de otimização para maximizar o valor total da cava, o problema do

projeto da cava torna-se encontrar aquele grupo de blocos que fornecerá o máximo valor
possível, sujeito, é claro, à estabilidade da mina e a restrições à lavra. O valor
econômico de um bloco é então de suma importância.
Cada bloco num modelo de blocos pode ser caracterizado por:
1. Renda (R): valor da parte recuperável e vendável do bloco.
2. Custos Diretos (CD): custos que podem ser atribuídos diretamente ao bloco, como
por exemplo, custos de perfuração, detonação, carregamento e transporte, etc.
3. Custos Indiretos (CI): custos gerais que não podem ser imputados diretamente aos
blocos individuais. Tais custos são dependentes do tempo entre estes incluem-se
aqueles relativos, por exemplo, a salários, depreciação dos equipamentos, etc.
16
A partir disso, o valor econômico de um bloco (VEB) pode ser definido como:
VEB = R – CD (1)
Deve-se notar que o valor econômico do bloco não é o mesmo que lucro ou prejuízo.
Lucro ou prejuízo pode ser definido como:
Lucro (ou prejuízo) = Σ (VEB) – CI (2)
Blocos de estéril normalmente terão VEB negativos, já que a renda do estéril, na
maioria dos casos, é zero. Blocos de minério ou blocos que contêm ambos minério e
estéril (blocos misturados) terão VEB menor que zero, igual a zero ou maior que zero,
dependo da quantidade e qualidade de minério contida em tais blocos.
O critério de otimização para o problema de projeto dos limites da cava pode então ser
definido como:
Maximizar Z = Σ (VEB)j (3)
Sujeito à estabilidade de taludes e restrições à lavra.
Os custos geralmente envolvidos no bloco são custo de minerar por tonelada, custo de
processamento por tonelada, custo de reabilitação da área por tonelada e custo de venda
do produto por unidade de produto produzido.
Os custos de mineração incluem:

Amostragem e ensaios de geologia;
Limpeza do terreno e remoção do solo fértil;
Rebaixamento do lençol freático da cava;
Perfuração e Desmonte de rochas;
Operários;
Carregamento e Transporte;
Serviços da mina, como serviços geológicos, controle de teores, supervisão da
mina, manutenção.
17
Os custos de processamento incluem:

Britagem, moagem e separação do minério;
Controle de teores;
Reagentes da planta de tratamento;
Manutenção e pessoal.
Os custos de reabilitação incluem:

Reabilitação do deposito de rejeitos;
Medidas de drenagem ácidas e tratamento das águas da mina;
Re-vegetação.
Os custos de venda do produto incluem:

Transporte do minério;
Seguros;
Comercio;
2.4 – Fatores que Influenciam a cava final de uma mineração
Para a definição de uma cava final otimizada não basta à aplicação de modelos
matemáticos otimizantes. É de primordial importância a qualidade das informações de
entrada, que representam os fatores que afetam o resultado a ser obtido.
Como nas demais atividades industriais, os empreendimentos mineiros são função de

cada situação especifica, porém, segundo Pratti (1995) existe um conjunto de fatores
críticos básicos comuns à maioria das minerações, dentre eles se destacam os fatores
mercadológicos, geológico-geotécnicos, tecnológicos, econômicos e ambientais.
A escala de prioridade dependerá de cada situação particular em função do maior ou

menor efeito sobre o desempenho do negócio, podendo ser alterada com o tempo, na
medida que a sua dinâmica exigir a priorização de fatores que anteriormente eram
secundários.
18
a) Fatores Mercadológicos
O mercado consumidor é sem dúvida um dos fatores mais importantes em qualquer

empreendimento; é dele que advém as necessidades dos clientes e portanto as
oportunidades de produção e venda. Sem ele não há negócio, num caso extremo
podemos até dizer que não há mina. Mesmo que tenha todas a demais condições
favoráveis: teores elevados, relação estéril/minério reduzida, tecnologia de
beneficiamento dominada, localização privilegiada, custos competitivos, pouco valem
se não houverem condições de mercado favoráveis seja quanto a volumes, preços de
venda, impostos e conformidade do produto quanto às especificações e expectativas dos
clientes.
Por ser um fator de pouco controle agrega um certo grau de incerteza quanto a
determinação de seus parâmetros, muitos dos quais baseados em cenários e projeções,
sobre as quais não há garantia que se transformarão em realidade.
Tanto volume, preços e especificações são afetados pela dinâmica macroeconômica

nacional e internacional. Portanto, espera-se que sofram variações significativas ao
longo da vida da mina, sendo um dos motivos mais convincentes para que se façam
planejamentos flexíveis, e que se entenda o planejamento como uma ferramenta que
facilite a adaptação do empreendimento às condições externas que lhe são impostas.
b) Fatores Geológicos
A montagem do modelo geológico é uma das etapas mais importantes e básicas do

estudo de definição da cava final; é a partir dele que serão conhecidos os aspectos da
mineralização de relevante importância para o bom desenvolvimento do negócio. Essas
características devem ser intimamente relacionadas com os condicionantes do processo
de beneficiamento visando obter produtos que atendam ás necessidades e expectativas
do mercado consumidor, com a máxima recuperação dos minerais de minério.
19
Depois de conhecidas as relações entre a mineralização e seu controle estrutural ou

litológico, e entre os diversos tipos de minério e o processo de beneficiamento,
estabelece-se um modelo que seria melhor denominado de geotecnológico, pela
impossibilidade de se dissociar estes dois aspectos.
Este trabalho deve ser conduzido conjunta e simultaneamente, pelas equipes

responsáveis pela elaboração do modelo geológico, pelo planejamento de lavra e pelo
desenvolvimento do processo de beneficiamento. Nele deverão ser evidenciadas as
relações entre as tipologias de minério e o processo de beneficiamento de forma a
adaptá-lo a cada tipologia, já que o inverso não é possível.
Cuidados especiais com a integração citada no parágrafo anterior evitará a ocorrência de

conflitos futuros entre as operações de lavra e beneficiamento, e perda de reservas e
rentabilidade, quando comparadas com as premissas adotadas na fase de viabilidade e
de planejamento.
O conhecimento detalhado da variabilidade espacial de cada tipo de minério seja do

ponto de vista de concentração de elementos de interesse econômico contido, seja do
ponto de vista de diferente comportamento perante um determinado processo de
beneficiamento, é desenvolvido através de estimativas realizadas por meio de
amostragens Neste ponto a utilização de métodos geoestatisticos são de extrema valia,
conduzindo a estimações otimizadas, e também a avaliação dos erros envolvidos.
c) Fatores Geotécnicos
O modelamento geomecânico é, para determinados maciços rochosos, tão importante

quanto o modelamento geológico. E deve através da previsão do comportamento
geomecânico do maciço rochoso, definir qual a inclinação média a ser adotada para a
escavação dos taludes finais.
20
Esta inclinação deve minimizar os riscos de escorregamentos da escavação, que além de

colocar em perigo vidas humanas e equipamentos, modificam o ritmo de produção por
determinado período de tempo, e ao mesmo tempo minimizar os volumes de remoção
de estéril.
A medida que se eleva o ângulo de talude final, ocorre redução significativa do volume
de rocha estéril a ser removida e portanto reduz-se os custos de extração de minério,
elevando-se a competitividade do negócio. Por outro lado com a elevação do ângulo de
talude final o fator de segurança da escavação fica reduzido. Existe neste caso, portanto,
o compromisso entre custos e segurança.
A sensibilidade dos custos de extração com relação ao ângulo de talude final, pode ser
muito elevada, chegando em alguns casos a significar alguns milhões de dólares para
poucos graus de variação.
A determinação do ângulo máximo e suficientemente seguro a ser praticado num talude

final é objeto de estudos específicos que abrangem o entendimento do arcabouço
estrutural do maciço, a caracterização geotécnica e o reconhecimento dos diversos tipos
de maciços de acordo com o respectivo grau de alteração, fraturamento e condições de
percolação da água subterrânea.
Dessa forma reúnem-se informações que permitem a estruturação de um modelo, capaz

de representar o comportamento mecânico do maciço perante os esforços solicitantes,
promovidos pela escavação nas diversas partes da mina.
Para a quantificação ou dimensionamento dos ângulos de taludes estão disponíveis no

mercado inúmeros modelos matemáticos alguns determinísticos outros probabilísticos.
Ambos baseados na teoria do equilíbrio limite, que relaciona esforços resistentes à
mobilização do maciço com esforços mobilizantes, de forma a estabelecer um fator de
segurança para uma dada geometria de talude. Como todo modelo matemático a
representatividade do resultado final depende essencialmente da qualidade dos dados de
entrada.
21
Normalmente numa mesma mina ocorrem porções de maciços com diferentes

competências, as porções de maciço com comportamento mecânico semelhantes são
agrupadas, dando origem a setorização dos taludes da mina.
d) Fatores Tecnológicos
O aspecto tecnológico é bastante amplo e afeta de diversas formas a competitividade do

empreendimento mineiro, da mesma forma como em outros tipos de empreendimentos.
Pelo menos dois aspectos principais merecem destaque.
O primeiro diz respeito ao processo de beneficiamento que deve ser desenvolvido no

sentido de maximizar a recuperação do bem mineral de interesse econômico e de forma
a obter um concentrado que atenda às especificações do mercado consumidor Sabe-se
que nem todos os bens minerais se enquadram nesta situação, mas a grande maioria sem
dúvida depende de algum tipo de beneficiamento, mesmo uma simples redução
granulométrica.
A prática tem demonstrado que o grau de conhecimento da relação entre os diversos

tipos de minério que podem ocorrer numa mesma mina e o processo de beneficiamento
mais adequado para obter-se um concentrado especificado, sendo um fator critico de
sucesso inquestionável. Essa importância se justifica não apenas pelo valor econômico
das perdas de reservas que se supunha vendáveis, mas também, pela minimização de
conflitos operacionais nas interfaces mina, usina de beneficiamento e clientes que
acarretam desgastes cujos prejuízos não podem ser calculados.
O segundo aspecto diz respeito à evolução tecnológica de equipamentos seja na lavra ou

no beneficiamento Neste ponto a história mostra que essa evolução traz frutos para
indústria mineral, principalmente, quando o desenvolvimento é realizado em parceria
com os fabricantes e adaptando-se os equipamentos às necessidades especificas.
Quando uma empresa de mineração perde competitividade a ação dos gestores
22
normalmente se faz no sentido de reduzir seus custos e os instrumentos mais imediatos

são lavrar minério com teores mais elevados implicando em redução do teor médio da
reserva remanescente, e na redução da remoção de estéril elevando a relação
estéril/minério da reserva remanescente. Tais decisões devem ser tomadas prevendo-se
a forma de reverter à situação num momento futuro e conduzidas dentro de um plano
global que permita avaliar o acúmulo de necessidades futuras.
e) Fatores Operacionais
As restrições operacionais estão relacionadas com o espaço operacional exigido para

que as operações de lavra sejam conduzidas com a segurança e produtividade com que
foram projetadas, condicionadas pelo binômio: grau de seletividade necessário para o
controle dos teores e porte dos equipamentos utilizados.
A definição de uma cava final deve considerar a necessidade de manter-se bermas de

largura mínima para permitir acesso de equipamentos para manutenção de drenagens e
recomposição de pequenos escorregamentos, bem como permitir retomadas futuras
destas paredes, ditas finais, em caso de alterações nos limites finais da cava.
Uma cava final de mineração também deve prever espaço para as rampas de acesso aos
diversos níveis de produção, que são dimensionadas de acordo com os equipamentos a
serem utilizados, e desenvolvidas de forma a minimizar o momento de transporte entre
as frentes de lavra e a britagem ou as pilhas de estéreis.
f) Fatores Econômicos
Normalmente relacionado com os condicionantes de mercado, o preço do produto

mineral vendável afeta de forma muito significativa a rentabilidade do empreendimento.
A elevação do preço, além de aumentar as receitas geradas a partir da mesma tonelagem
produzida, também afeta o volume das reservas de minério, fazendo com que reservas
com teores inferiores ou relação estéril / minério mais elevada, que não produziam
23
resultados econômicos, passem a produzi-los.
Os custos operacionais são fatores tão relevantes quanto o preço do produto final,
porém, variam numa faixa mais estreita de valores e dependem mais das condições
internas da empresa do que externas, o que facilita sua estimação Entretanto guardam
relação estreita com escala de produção, que por sua vez e vinculada ao mercado.
Da mesma forma como os fatores mercadológicos, os fatores econômicos dependem de

uma série de condições macroeconômicas, cujas evoluções futuras são de difícil
previsão e normalmente estimadas a partir de informações históricas associadas a
cenários macro-econômicos futuros. Sendo recomendável a realização de análises de
sensibilidade, de acordo com os cenários esperados
A escolha de critérios financeiros para a avaliação de uma cava final, normalmente,

afetados pelas taxas de juros do mercado financeiro e por prazos de retorno do capital
investido definidos conforme as expectativas com relação aos riscos políticos e
econômicos futuros, tem grande influência na tomada de decisão podendo inclusive
inviabilizar parte das reservas geológicas que seriam viáveis caso estes critérios fossem
menos imediatístas.
Como nas demais atividades econômicas a carga tributária afeta diretamente a

competitividade das empresas de mineração de um modo geral e particularmente
aquelas que competem no mercado internacional, sendo mais um elemento que
inviabiliza as reservas geológicas pela redução do valor líquido presente.
g) Fatores Ambientais
É um aspecto relevante atualmente devido à grande divulgação e conscientização

pública sobre a importância da preservação ambiental e da qualidade de vida, tendo
como conseqüência o avanço das exigências de ordem legal, que foram impostas às
atividades industriais e especificamente para a indústria mineral.
24
A indústria mineral tem sido responsabilizada por danos ao meio-ambiente em diversas

partes da Terra, e em muitos desses casos até com a devida razão. De modo geral a
mineração é vista pelo público, como atividade de garimpo, imagem que é reforçada
pelos meios de comunicação. Também tem contribuído para esta imagem, a demora de
alguns empreendedores em mudar de posição e assimilar a necessidade de
compatibilizar, a atividade mineral com os cuidados com o meio ambiente,
principalmente aqueles que dizem respeito à mitigação de impactos sobre a comunidade
vizinha.
Em termos estritamente econômicos, as adequações ambientais implicam em

investimentos e custos operacionais adicionais, que devem obrigatoriamente ser
inclusos nos estudos de viabilidade econômica e de definição da cava de longo prazo
sob pena de não vir a representar a realidade futura.Por outro lado não há dúvida que os
custos ambientais, cada vez mais passarão a compor as planilhas de custos e
Conseqüentemente serão repassados para os preços dos produtos.
Um aspecto diretamente relacionado com o limite de lavra de longo prazo diz respeito
aos limites das áreas a serem atingidas pela escavação, portanto, sujeitas a
desmatamentos e posterior recuperação. Dependendo do comportamento espacial do
corpo mineralizado e da variação temporal dos parâmetros que a definiram, esse
perímetro afetado pelo limite final, pode sofrer expansões ou contrações, que devem ser
explicitadas na elaboração dos estudos de impacto ambiental.
2.5 - Restrições para a modelagem de blocos para a abertura de cava
Depois dos teores dos blocos serem calculados pode se gerar seções horizontais e
verticais contendo os valores dos blocos. Os blocos plotados são controlados por
restrições.
25
O número total de seções que pode se gerar limita-se ao número total de bloco na
direção da seção. Há quatro opções diferentes de restrições ou limitações:
a) Limitações topográficas:
Um grande número de blocos são designados com valor negativo, indicando que
esses blocos estão sobre a superfície topográfica, ou seja, são blocos que não
existem.
b) Limitações geométricas:
Restringem a cava aqueles blocos que são tecnicamente possíveis de se lavrar no

modelo de bloco de acordo com o ângulo de inclinação da cava.
c) Limitações econômicas:
É o primeiro dos quatro em que são incorporados blocos econômicos. A cava é

definida pela união de todos os cones com o vértice no bloco de valor positivo.
Estes cones são determinados tal que eles são compatíveis com ângulo da cava
corrente. Além disso, o cone de vértice positivo não pode estender para fora do
limite geométrico.
A cava definida por esta técnica pode ser entendida como uma fronteira para uma
cava econômica ótima. Os blocos que ficam fora desse limite não são considerados
em qualquer análise de limite econômico de cava.
c) Limitações devidas aos cones flutuantes:
O “cone flutuante” é a simulação no sentido que a determinação do projeto da cava é

afetada pela retirada de vários cones dentro da cava de mineração.
Definindo-se a cava ótima para a explotação de uma determinada jazida, ou seja,
26
estabelecendo-se os limites físicos da mina no fim da sua vida útil. A jazida é

considerada como um todo, avaliando o seu potencial econômico a partir do perfil
recuperável da jazida, com vista à maximização do valor total da mina.
27
CAPÍTULO 3
MÉTODOS CLÁSSICOS DE RETIRADA DE MINÉRIO
3.1 - Método Manual do Projeto da Cava
3.1.1 - Generalidades
O método manual de projeto de cavas é o método mais tradicional. Ele é baseado

primeiramente no conceito de relação estéril / minério. Para a exposição e a retirada de
minério, é geralmente necessário a escavação e relocação de uma grande quantidade de
estéril. É um método de tentativa e erro cuja aplicação de sucesso depende muito da
habilidade e julgamento do engenheiro de minas que faz o projeto, pois a seleção dos
parâmetros físicos do projeto de extração do minério e do estéril é uma complexa
decisão de engenharia de enorme significado econômico.
Vários detalhes preliminares são requeridos antes de se começar o método manual de

projeto de cava. Estes incluem:
Seções verticais mostrando claramente o contorno de minério, a distribuição de

teores dentro do minério, o capeamento e as porções de rocha estéril;
Planos para cada nível de mina proposto mostrando detalhes correspondentes de
minério e estéril;
Ângulos de talude máximos permitidos para os vários tipos de rocha;
Largura mínima no fundo da mina proposta;
Curvas de decapeamento relevantes mostrando a variação da relação estéril /
minério com os teores de minério e possíveis preços de venda.
Capítulo 3 – Métodos Clássicos de Retirada de Minério
A relação estéril / minério é de grande importância no planejamento de uma mina a céu

aberto, já que ela reflete a proporção relativa de estéril em relação ao minério a ser
extraído. Segundo Wright (1990) três tipos principais de relação estéril / minério podem
ser distinguidas, dentre outras:
1. A relação estéril / minério total (ou média);
2. A relação estéril / minério adicional,
3. A relação estéril / minério periódica.
3.1.2 - Relação estéril / minério total
Considere o esquema mostrado na figura 3.1, mostrando a seção transversal de uma

mina com limite final marcado pelas linhas grossas.
Minério
FIGURA 3.1- Relação Estéril / Minério

FONTE: WRIGHT, 1990
Uma das maneiras de descrever a eficiência geométrica de uma operação mineira é
através do uso do termo “stripping ratio”. Este termo se refere à quantidade de estéril
que deverá ser removida para a liberação de uma quantidade de minério. Esta razão é
mais comumente expressa como:
toneladade estéril
SR = , (4)
toneladade minério
29
Contudo uma grande variedade de unidades podem ser usadas também, como: m3/m3,
j3/j3, etc (6).
Se os volumes (ou toneladas) usados no cálculo do “stripping ratio” correspondem ao
material removido para o início da mineração, este cálculo corresponde ao “overall
stripping ratio” ou relação estéril/minério geral, assim:
volume estéril
SR ( overall ) =
volume minério (5)
De outro modo, o “stripping ratio” pode ser calculado para um determinado tempo ou
momento de operação da mina. Assumindo que durante cinco anos, Xe toneladas de
estéril e Xm toneladas de minério são lavrados. O “stripping ratio” para estes cinco anos
é:
Xe (6)
SR ( 5 anos) =
Xm
Este pode ser referenciado como o “instantaneous stripping ratio”, ou seja, a relação
estéril/minério momentânea ou instantânea. Obviamente, o “instant” poderá ser definido
tanto para um longo ou curto período de tempo.
A determinação dos limites finais da cava deverá incluir o cálculo de uma relação
estéril/minério limite que deverá ser adotado para uma economicidade das operações de
lavra da mina (Wright (1990)).
Segundo Koskiniemi (1979) a geometria da cava da mina é influenciada por vários

fatores. Obviamente o material de capeamento deverá ser removido previamente,
liberando o minério subjacente. Um adequado espaço de operação é necessário para
melhor eficiência dos equipamentos de escavação e carregamento; e os taludes da cava
devem ser suficientemente seguros. A adoção de uma seqüência de lavra da mina é
extremamente importante tal que o desejo de resultados econômicos (lucros e custos)
sejam atingidos. Razões de produção, reservas minerais e a vida útil da mina são,
30
freqüentemente, de grande influência nos preços dos produtos minerados. Como a

geometria da mina é um conceito da melhor dinâmica das operações, a avaliação de
várias possibilidades individuais e combinações de possibilidades, o cálculo dessas
estimações é indispensável. Com uma quantidade total de estéril e capeamento Vw e
uma quantidade total de minério Vo na cava, a relação estéril/minério média é definida
como:
Eméd = Vw (7)
Vo
Essa relação pode ser expressa em t/t, m3/m3 ou m3/t. Essa relação estéril/minério
média é uma figura estática, fixada para uma dada geometria final de cava.
3.1.3 -Relação estéril / minério adicional
Assumindo que a cava da figura 3.1 será estendida além dos limites finais mostrados
para incluir a quantidade de minério ‘B’ e a quantidade de capeamento ‘C’, então a
relação estéril / minério adicional é definida como:
Ead = C (8)
B
A lógica aqui é que a retirada do capeamento ‘C’ irá expor uma quantidade adicional de
minério ‘B’. As duas quantidades de material estão intimamente relacionadas, como
está ilustrado na figura 2.1.
3.1.4- Relação estéril / minério periódica
Para um dado período na vida de uma mina a céu aberto, a relação estéril/minério
periódica pode ser definida como:
Eper = Wt (9)
Ot
31
Onde:
Wt = estéril retirado num dado período de tempo ‘t’,
Ot = minério retirado no mesmo período de tempo‘t’.
As quantidades de minério e estéril envolvidos na relação estéril / minério periódica não

estão necessariamente relacionadas como no caso da relação estéril / minério adicional.
A relação estéril / minério periódica é de grande importância para movimentos de

minério e estéril na operação de uma mina. Uma regra prática para algumas minas em
operação é manter a relação estéril/minério periódica mais próxima o possível da
relação estéril/minério total.
3.1.5- Relação estéril / minério de limite econômico
Considere um corpo de minério estratiforme estendendo-se da superfície até uma

profundidade de algumas centenas de metros (Figura 3.2). Os limites da cava com as
suas profundidades em níveis cada vez mais profundos são mostrados no esquema.
FIGURA 3.2- Limites da cava em níveis sucessivamente mais profundos

FONTE: WRIGHT, 1990
Várias observações podem ser feitas em relação ao esquema (Figura 3.2)
32
1. Quanto maior for a profundidade da mina, mais estéril terá que ser retirado para
tornar disponível o minério que se encontra no fundo do nível. Em outras palavras, a
relação estéril / minério adicional aumenta com a profundidade do esquema
mostrado.
2. Evidentemente, uma profundidade final será atingida onde os custos para a retirada
do capeamento não serão cobertos pela receita obtida com a lavra, processamento e
venda do produto que provem do minério exposto pela remoção do estéril adicional.
A relação estéril / minério adicional no limite da cava, (figura 3.3) onde o adicional de
minério simplesmente se iguala ao custo de capeamento adicional, é chamada de
Relação Estéril/Minério de Limite Econômico (BESR –Brake Even Stripping Ratio)
FIGURA 3.3- Limites da cava usando o BESR

FONTE: WRIGHT, 1990
33
3.1.6 - Características do método manual
Segundo Stuke (1970) o sucesso do uso do método manual para se projetar uma cava é
evidentemente dependente da competência do engenheiro que faz o projeto. Várias
características podem ser notadas sobre este método:
♦ Evidentemente precisa-se de muito tempo.
♦ A hipótese que a recuperação total é uma constante da derivação das curvas de

decapeamento não é necessariamente verdadeira para os diferentes teores de
minério. De fato, a recuperação efetiva irá invariavelmente depender do teor da
alimentação do moinho.
♦ Ele pode servir para o projeto de cavas de depósitos minerais de pequeno porte ou
geologicamente mais simples.
As considerações acima não ignoram o fato de que os métodos de tentativa e erro irão
invariavelmente ajudar o engenheiro a desenvolver as habilidades básicas requeridas
para as manipulações geométricas envolvidas em áreas como projeto de transporte em
estradas e desenvolvimento de planos periódicos de lavra. Estas habilidades são
necessárias até mesmo em métodos de projeto de cavas totalmente computadorizados,
onde as estradas de transporte devem ser projetadas usando gráficos interativos.
3.2 - Método dos Cones Flutuantes
3.2.1 - Generalidades
O método dos cones flutuantes consiste no estudo econômico dos blocos de minério e
estéril que estão dentro de um cone invertido, o qual move-se sistematicamente através
de uma matriz de blocos com os vértices do cone ocupando, sucessivamente, os centros
dos blocos, como pode ser visto na figura 3.4.
34
A maioria dos algoritmos heurísticos procedem identificando o bloco de minério e

conferindo então se um ou mais destes blocos têm um “peso” combinado que é mais
alto que o custo total de se escavar junto daqueles blocos sobrejacentes, ou seja, os
valores dos blocos de minério extraídos deve ser tal que cubra os gastos da extração dos
blocos de estéril sobrepostos (Lemmieux (1979)).
Uma terminologia freqüentemente usada na indústria mineira é chamar estes algoritmos

de cones móveis. Dado um bloco b e uma exigência de um talude seguro, o conjunto de
blocos que devem ser escavados antes de b forma um cone com b na sua base.
FIGURA 3.4 – Típico Cone Flutuante

FONTE: CRAWFORD & DAVEY, 1979
Um cone é formado por um bloco inferior e todos seus sucessivos blocos de minérios ou
não, sobrejacentes. O método dos cones móveis faz a procura de cones nos quais o peso
total de todos os blocos no cone é positivo. Estes são somados aos cones da cava
gerada. O algoritmo termina quando mais nenhum cone pode ser somado. A idéia dos
algoritmos heurísticos é a suposição de que todo cone na cava ótima é lucrativo,
considerando que de fato uma cava ótima pode consistir em uma coleção de cones, não
necessariamente apenas com valores positivos. Alguns cones compartilham valores de
blocos negativos, mas a soma destes cones tem que ser positiva para se obter uma cava
final positiva.
35
FIGURA 3.5 – Definição da cava final

FONTE: CRAWFORD & DAVEY, 1979
A figura 3.5 mostra uma típica cava otimizada pelo método dos cones flutuantes,
mostrando a seqüência de remoção dos cones até o limite da região na qual não é mais
econômica a lavra dos blocos da jazida.
Existem vários algoritmos que utilizam o método dos cones flutuantes, sendo que o
algoritmo de Robinson e Prenn (Hochbaum (1997)) parte do princípio que cada cone
que possuí um bloco de minério é uma base. Se o peso total de todos os blocos no cone
é positivo, então os blocos são removidos. Todos os blocos removidos juntos formam a
cava final. Este algoritmo pode não atingir uma solução ótima.
O algoritmo de Koborov tenta melhorar o método dos cones móveis considerando cones
com um bloco de minério como seu bloco básico. A idéia é que um bloco de minério
gera lucro que paga os custos de remoção dos seus blocos sobrejacentes. Assim, o
algoritmo considera um bloco de minério e os blocos sobrepostos que seriam
36
abandonados. Isto acaba diminuindo o “peso” do bloco de minério e aumentando o

“peso” dos blocos que seriam excluídos pela mesma quantia. Todos os cones que
possuem um bloco básico é incluído um “peso” positivo ao término do algoritmo na
cava final.
Assim, a informatização facilita a aplicação de algoritmos de projeto. Esses algoritmos

são invariavelmente baseados em métodos de Pesquisa Operacional (PO) e são regidos
por procedimentos restritos requeridos no emprego de PO para a solução de dados
problemas.
Dentre esses estão uma definição clara do problema e a formulação de um critério de

otimização. Vários critérios de otimização são possíveis para o projeto de uma cava.
Esses incluiriam a maximização:
1. Do valor econômico total da cava;
2. Do valor por tonelada de produto vendável;
3. Da vida útil da mina;
4. Da quantidade de metais dentro da cava (recuperação).
A maximização do valor econômico ou de longo prazo é o critério mais comum de

otimização no projeto de uma cava de mina a céu aberto.
3.2.2 - Base para o método dos cones flutuantes
Considere o esquema na figura 3.6 que representa uma seção de um modelo de blocos.
Assumindo que o ângulo máximo de talude para a esquerda e para a direita possa ser
representado por 1 bloco/1 bloco, ou seja um ângulo de 45o, então, a exposição do bloco
‘T’ para a sua lavra, terá que ser precedida pela extração dos blocos marcados por ‘t’.
Em 3-D, a figura formada pelos blocos ‘T’ e ‘t’ pode ser considerada como sendo um
cone invertido.
37
t t t t t t t t t
t t t t t t t
t t t t t
t t t
T
FIGURA 3.6 – Processo de lavra de um bloco e formação do cone invertido

FONTE: Modificado de WRIGHT, 1990
O cone mínimo removível num bloco é o cone delimitado pelos ângulos de talude
máximos permitidos em todas as direções, desde o bloco considerado até a superfície de
terreno. Evidentemente que o cone formado por um determinado bloco irá depender dos
diferentes ângulos de talude para os diferentes materiais que sobrepõem ao bloco nas
diferentes direções até a superfície. O caso de um talude 1:1 para a esquerda e 1:2 para a
direita é ilustrado para o bloco ‘S’ na figura 3.7.
s s s s s s s s s s
s s s s s s s
s s s s
S
FIGURA 3.7 – Processo de lavra de um bloco e formação do cone invertido para o

talude 1:1 e 1:2
FONTE: Modificado de WRIGHT, 1990WRIGHT, 1990
3.2.3 - Método dos cones flutuantes (positivos móveis)
O algoritmo dos cones positivos móveis é um algoritmo de simulação no sentido de que

a determinação do projeto da cava é afetada pela simulação do cone mínimo removível.
O algoritmo pode ser escrito como se segue:
1. Deve-se começar a partir da superfície e procura-se por blocos de minério. Blocos

de minério normalmente terão valores econômicos de bloco positivos.
38
2. Constrói se os cones mínimos removíveis em tais blocos de minério, conforme

comentado anteriormente e ilustrado na figura 3.6 e 3.7.
3. Se a soma dos valores econômicos dos blocos (Σ VEB) de todos os blocos contidos
em um dado cone, incluindo o bloco de minério em questão, for positiva, considera-
se o cone removido (= mineração simulada).
4. Continua-se o processo de busca até que todos os blocos de minério do modelo de

blocos tenham sido examinados.
5. A cava final é obtida pela interseção de todos os cones de valor econômico positivo.
3.2.4 - Falhas no projeto de cavas ótimas pelo método dos cones positivos móveis
A ordem para a procura de blocos de valor econômico tem um papel importante no

método.
Considere a figura 3.8-a e assuma que a procura por blocos de minério comece na linha
i = 4. Então o primeiro bloco de minério a ser examinado será o bloco (4,4). O valor do
cone com base no bloco (4,4) será (5 + 7 + 2 – 13 = +1). Mas a remoção do cone
baseada no bloco (4,4) irá de fato remover todos os outros blocos de valores
econômicos positivos na seção e o valor da cava será +1.
39
1 2 3 4 5 6 7 8 j
1 -1 -1 -1 -1 -1 -1 -1 -1 i
2 -2 -1 -1 -1 2 -1 -1 -2
3 -3 -3 -1 7 -1 -1 -3 -3
4 -4 -4 -4 5 -1 -4 -4 -4
(a)
1 2 3 4 5 6 7 8 j
1 -1 -1 -1 -1 -1 -1 -1 -1 i
2 -2 -1 -1 -1 2 -1 -1 -2
3 -3 -3 -1 7 -1 -1 -3 -3
4 -4 -4 -4 5 -1 -4 -4 -4
(b)
1 2 3 4 5 6 7 8 j
1 -1 -1 -1 -1 -1 -1 -1 -1 i
2 -2 -1 -1 -1 2 -1 -1 -2
3 -3 -3 -1 7 -1 -1 -3 -3
4 -4 -4 -4 5 -1 -4 -4 -4
(c)
FIGURA 3.8 – Técnica do cone móvel
Sabe-se, entretanto, que uma cava com valor +2 pode ser projetada na seção transversal
mostrada na figura 3.8 (c). Logo, o método dos cones móveis positivos pode falhar no
projeto de cavas ótimas verdadeiras dependendo da direção utilizada na procura de
blocos de valor econômico positivo.
Mesmo nos casos onde a procura por blocos de minério começa pelo topo e continua até
os níveis mais baixos, o método dos cones positivos móveis não pode garantir o
encontro da cava ótima.
3.2.5 - Limitações da cava gerada
Para uma representação de um ângulo de talude de 1:1, os blocos ao redor das bordas do
modelo de blocos têm que ser excluídos da análise. A razão para isso é que tais blocos
não podem ser extraídos em função das restrições dos ângulos de talude e da extensão
do modelo de blocos.
Na prática, o processo de exclusão de blocos que não podem ser fisicamente lavrados de
um dado modelo de blocos é referido como limitação da cava maior. Esta limitação é
40
controlada pelo máximo ângulo de talude permitido para as bordas ou limites do modelo
de blocos.
3.2.6 - Ângulos de taludes variáveis em 2D
O uso de uma restrição de talude de 1:1 simplifica a situação de ângulos de taludes tanto
para o método dos cones móveis quanto para os algoritmos de projeto de cava de
programação dinâmica. Evidentemente, o projeto de uma cava em um modelo de blocos
que encerra diferentes tipos de rocha terá que considerar as várias restrições de ângulos
máximos de talude para cada tipo de material.
3.3 - Algoritmo de Korobov
O algoritmo de Korobov (apud Dowd e Onur (1993)) é um algoritmo baseado em um

cone que aloca os valores de blocos positivos contra os blocos negativos ou igual a zero
que estão contidos nos cones de extração de blocos positivos.
Um cone de extração é designado a todo bloco positivo no modelo de blocos e os

valores de blocos positivos no interior de cada cone formado, são alocados aos valores
de blocos negativos dentro do cone até que não reste nenhum bloco negativo ou até que
os valores dos blocos positivos tenham sido todos alocados. Se, quando a distribuição
for completada, o bloco positivo no qual o cone de extração é baseado permanece
positivo, este cone de extração é aceito como membro de um conjunto de solução ótima.
Quando um cone de extração ainda apresentar blocos com valores positivos após a
distribuição, esses valores são somados ao conjunto de soluções e o algoritmo começa
novamente desde o princípio com valores dos blocos originais restabelecidos aos blocos
que não tenham ainda sido extraídos do modelo de blocos. Se um cone de extração está
vazio, o bloco positivo é somado à solução e o algoritmo continua no nível atual ou
caminha para o próximo nível.
41
O método pode ser explicado melhor por meio de um exemplo simples, bidimensional.
São assumidos, por simplicidade, de ângulos de talude de 45º em todas as direções e os
blocos são quadrados. Os valores de blocos iniciais são mostrados em figura 3.9. Há
dois números em cada bloco: o superior é o número do bloco e o número de abaixo
designa o valor do bloco.
1 2 3 4 5 6 7 8 9 10 11
1 2 3 4 5 6 7 8 9 10 11
1 1 -1 -1 -1 1 1 -2 -2 1 1 1
12 13 14 15 16 17 18 19 20
2 2 -1 -1 -1 -1 1 1 1 1
21 22 23 24 25 26 27
3 -2 -1 2 2 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4 4
FIGURA 3.9 – Exemplo de Modelos de Blocos

FONTE: Modificado de DOWD & ONUR, 1993
O procedimento começa com o primeiro bloco (no mais alto) nível. Todos blocos com
valores positivos (blocos 1, 5, 6, 9, 10 e 11) são removidos para o nível 1 e somados ao
conjunto de soluções, o valor dos blocos é igual a seis (6) unidades. Os blocos somados
são mostrados na figura 3.10.
No nível 2 há cinco blocos positivos (12, 17, 18, 19 e 20). O cone de extração de bloco
12 inclui blocos 1, 2 e 3, com o bloco 1 já removido. É alocado um valor de +1 do bloco
12 para o bloco 2, e deixa bloco 2 com um valor de 0 (zero) e bloco 12 com um valor de
+1. O valor remanescente +1 do bloco 12 é alocado então contra bloco 3, e deixa bloco
3 com um valor de 0 (zero) e bloco 12 com um valor de 0 (zero). Nos mesmos cones
são estabelecidos para os blocos são 17-20 e os valores positivos destes blocos são
alocados contra os valores dos blocos negativos dentro desses cones de extração. O
resultado destas distribuições é mostrado no caso 2 da figura 3.10 e na figura 3.11.
Como o bloco 20 permanece positivo e seu cone de extração está vazio, é somado ao
conjunto de solução que agora tem um valor de 7. Como nenhum dos blocos restantes
em nível 2 são positivos, o próximo passo é somar o nível 3, como mostrado no caso 3.
Para nível 3 são alocadas as duas unidades do bloco 23 contra blocos 4 e 14, e deixam
todos os três blocos com valores de 0 (zero). São alocadas as duas unidades de bloco 24
para os blocos 15 e 16 e deixam os valores de todos os três blocos com valores de zero
(caso 4). Não há nenhum bloco positivo à esquerda no nível 3 após os valores positivos
42
dos blocos 23 e 24 terem sidos alocados, assim nenhum bloco adicional pode ser
somado ao conjunto de solução nesta fase. Nível é 4 é somado então aos outros níveis
(caso 5).
Agora considere bloco 30. Dos blocos dentro do cone de extração de bloco 30 (3, 4, 7,
8, 14-18, 23, 24 e 25), só os blocos 8 e 25 têm valores negativos e duas unidades do
bloco 30 é alocado contra estes dois blocos, como mostrado no caso 5. Depois da
distribuição o bloco 30 permanece positivo (+2), assim são somados este bloco e todos
os blocos dentro de seu cone de extração ao conjunto de solução. O valor líquido deste
cone de extração, dado que os bloco 5, 6 e 9 já foram lavrados, é zero; o valor da cava
líquida permanece em 7. Como o cone de extração para bloco 30 não está vazio, o
algoritmo inicia novamente com os valores originais restabelecidos para todos os blocos
não removidos.
O nível 1 é somado agora; não há blocos positivos e, assim, nada pode ser removido.
Nível 2 é somado (caso 6). O cone de extração de bloco 19 está vazio e este bloco é
somado à solução e origina um valor de cava líquida de 8. Bloco 2 é o único bloco
dentro do cone de extração de bloco positivo 12 e uma unidade do anterior é alocada
contra o anterior. Bloco 12 e seu cone de extração são removidos e originam um valor
de cava líquida de 9 (caso 7).
Finalmente, o nível 4 é somado (caso 8). Bloco 26 é alocado uma unidade do bloco 31 e
o bloco 27 é alocado a uma unidade do bloco 32 (caso 9). Como os blocos 31 e 32
permanecem positivos depois da distribuição, eles e os seus blocos nos cones de
extração são somado ao conjunto de solução e dando a forma de cava final mostrada no
caso 10. O valor da cava líquida é 15 e os blocos não lavrados que permanecem no
modelo de bloco são 13, 21, 22, 28 e 29.
Logo após o método ter sido apresentado foi percebido que o algoritmo não alcançou a
solução ótima em todos os casos. Para alguns tipos de modelos de bloco a solução ótima
é perdida pelo algoritmo. O primeiro bloco positivo que é encontrado está em nível 3
43
(bloco 11), as três unidades de qual são alocados contra blocos 1, 2 e 3, como mostrado
na figura 3.12(a).
CASO 1 1 2 3 4 5 6 7 8 9 10 11
1 2 3 4 5 6 7 8 9 10 11
1 -1 -1 -1 -2 -2
12 13 14 15 16 17 18 19 20
2 2 -1 -1 -1 -1 1 1 1 1
21 22 23 24 25 26 27
3 -2 -1 2 2 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4 4
CASO 2
1 2 3 4 5 6 7 8 9 10 11
1 0 0 -1 0 -2
12 13 14 15 16 17 18 19 20
2 0 -1 -1 -1 -1 0 0 0 1
21 22 23 24 25 26 27
3 -2 -1 2 2 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4 4
CASO 3
1 2 3 4 5 6 7 8 9 10 11
1 0 0 -1 0 -1
12 13 14 15 16 17 18 19 20
2 0 -1 -1 -1 -1 0 0 0
21 22 23 24 25 26 27
3 -2 -1 2 2 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4 4
CASO 4
1 2 3 4 5 6 7 8 9 10 11
1 0 0 0 0 -1
12 13 14 15 16 17 18 19 20
2 0 -1 0 0 0 0 0 0
21 22 23 24 25 26 27
3 -2 -1 0 0 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4 4
1 2 3 4 5 6 7 8 9 10 11
1 0 0 0 0 0
12 13 14 15 16 17 18 19 20
2 0 -1 0 0 0 0 0 0
21 22 23 24 25 26 27
3 -2 -1 0 0 0 -1 -1
28 29 30 31 32
4 -1 -1 2 4 4
CASO 5
1 2 3 4 5 6 7 8 9 10 11
1 -1
12 13 14 15 16 17 18 19 20
2 0 -1 1
21 22 23 24 25 26 27
3 -2 -1 0 0 0 -1 -1
28 29 30 31 32
4 -1 -1 2 4 4
CASO 6
1 2 3 4 5 6 7 8 9 10 11
1 0
12 13 14 15 16 17 18 19 20
2 0 -1
21 22 23 24 25 26 27
3 -2 -1 0 0 0 -1 -1
28 29 30 31 32
4 -1 -1 2 4 4
FIGURA 3.10 – Modelo de blocos sendo otimizado

44
1 2 3 4 5 6 7 8 9 10 11
1
12 13 14 15 16 17 18 19 20
2 -1
21 22 23 24 25 26 27
3 -2 -1 -1 -1
28 29 30 31 32
4 -1 -1 4 4
CASO 8
1 2 3 4 5 6 7 8 9 10 11
1
12 13 14 15 16 17 18 19 20
2 -1
21 22 23 24 25 26 27
3 -2 -1 0 0
28 29 30 31 32
4 -1 -1 3 3
CASO 9
1 2 3 4 5 6 7 8 9 10 11
1
12 13 14 15 16 17 18 19 20
2 -1
21 22 23 24 25 26 27
3 -2 -1
28 29 30 31 32
4 -1 -1
FIGURA 3.11 – Modelo de blocos otimizados

O cone de extração do bloco 12 tem um valor de –1, que é o valor de cava líquida nesta
fase. Os algoritmos começam agora novamente desde o princípio com os valores
originais restabelecidos aos blocos não removidos. Há dois blocos com valores
negativos (1 e 7) no cone de extração para bloco 11 e, depois de distribuição (figura
3.12(c)), o bloco 11 permanece positivo. O Bloco 11 e os blocos dentro de seu cone de
extração, com um valor líquido de +1, são somados ao conjunto de solução. A solução
produzida pelo algoritmo é, dessa forma, lavrar todos os blocos a um lucro líquido de
zero.
O cone de extração do bloco 12 contém seis blocos agora com valores negativos, cada
um deles se torna zero depois da distribuição dos valores do bloco 12 (figura 3.12(b)).
Depois da distribuição bloco 12 tem um valor de +1 e é junto com seu cone de extração
somado ao conjunto de solução (figura 3.12(c)).
45
O erro é causado por blocos que são comuns a ambos os cones de extração. Blocos 2, 3,
4, 8 e 9 são blocos comuns. Blocos 1 e 7 só são membros do cone de extração 1 e não
são compartilhados pelo cone de extração 2. Se o procedimento de distribuição
começasse com estes blocos não comuns, o erro não aconteceria. Assim, se dois ou mais
cones têm blocos em comum, a distribuição deve ser feita primeiro contra os blocos não
comuns; distribuição contra blocos comuns só é feita após os valores de todos os blocos
negativos não comuns for reduzido a zero.
A simplicidade e tempo de computação rápido do algoritmo de Korobov fazem dele

uma alternativa ao algoritmo de Lerchs-Grossmann, contanto que possa ser corrigido
para produzir soluções ótimas. Isto pode ser alcançado pelas medidas seguintes. Se um
bloco positivo permanece positivo depois da distribuição, uma checagem deveria ser
feita para determinar se quaisquer dos blocos em seu cone de extração foram alocados
valores através de outros cones. Se não, são somados o bloco e seu cone de extração à
solução. Se eles têm valores positivos, os valores são relocados de tal um modo que a
todos os blocos não comuns são alocados valores antes de qualquer distribuição ser feita
contra blocos comuns.
1 2 3 4 5 6
1 2 3 4 5 6
1 -1 -1 -1 -1 -1 -1
7 8 9 10
2 -1 -1 -1 -1
11 12
3 3 7
(a) 1 2 3 4 5 6 (b) 1 2 3 4 5 6
1 2 3 4 5 6 1 2 3 4 5 6
1 0 0 0 -1 -1 -1 1 0 0 0 0 0 0
7 8 9 10 7 8 9 10
2 -1 -1 -1 -1 2 -1 0 0 0
11 12 11 12
3 0 7 3 0 1
1
1 0
7
2 0
11
3 (c) 1
FIGURA 3.12 – Passos do algoritmo de Korobov

46
O número de procuras de cone é significativamente reduzido por meio de caminhos que

definem vínculos entre blocos de valor zero em um cone de extração e qualquer bloco
negativo esboça um cone cruzado.
3.4 – Correção do Algoritmo de Korobov
O algoritmo de Korobov pode ser corrigido para produzir soluções ótimas (Dowd e
Onur(1993) apud Pereira (2000)). Isto pode ser alcançado pelas seguintes medidas. Se
um bloco positivo permanecer positivo depois da distribuição, uma averiguação deverá
ser feita para determinar se a quaisquer dos blocos em seu cone de extração foram
distribuídos valores através de outros cones. Se não, são somados o bloco e seu cone de
extração ao conjunto de soluções. Se eles possuem valores positivos, os valores são
redistribuídos de um tal modo que todos os blocos não comuns sejam distribuídos
valores antes de qualquer distribuição ser feita em favor dos blocos comuns.
Segundo Dowd e Onur o número de procuras do cone é significativo reduzido por meio
de caminhos que definem ligações entre blocos de valor igual a zero em um cone de
extração e algum bloco de valor negativo presente em um cone de interseção. O
algoritmo corrigido é demonstrado por meio de um exemplo tridimensional, como pode
ser visto na figura 3.13 (a).
Neste exemplo há dois níveis e o ângulo de talude é de 450 . As dimensões do bloco são
as mesmas em todas as direções. Neste exemplo, os cones de extração para os blocos do
nível 2 são definidos por nove blocos do nível 1 para um bloco positivo do nível 2. O
cone de extração para o bloco positivo (i, j, 2) no nível 2 consiste de blocos (m, n, 1),
onde m=i-1, i+1 e n=j-1, j+1.
Como não há bloco positivo no nível 1, a procura se desenvolve para o nível 2 e começa
do bloco (2, 2, 2). Como este é o primeiro cone do modelo, será chamado de cone 1. Os
blocos membros para o cone 1 são os blocos (m, n, 1), onde m =1, 3 e n= 1, 3. O
47
procedimento anterior é executado para os demais blocos positivos do nível 2 que são
numerados como cones de número 2 a 9.
A distribuição original é mostrada na figura 3.13 (b), onde cada bloco tem dois
números, o número superior representa o cone para o qual o valor do bloco foi
distribuído e o número inferior representa o valor líquido do bloco depois da
distribuição.
O cone número 9 contém oito blocos para os quais foram distribuídos valores por outros
cones. Para os blocos (3, 3, 1), (3, 4, 1) e (4, 3, 1) foram distribuídos valores para o cone
número 5, os blocos (3, 5, 1), (4, 4, 1) e (4, 5, 1) foram distribuídos valores para o cone
número 6 e os blocos (5, 3, 1) e (5, 4, 1) foram distribuídos valores para o cone número
8.
O cone número 5 é o primeiro a ser considerado. Todos os blocos deste cone que são
comuns ao cone de número 9 são eliminados e uma reavaliação é feita para determinar
se quaisquer dos blocos restantes do cone número 5 são negativos. Não há blocos
negativos, mas alguns blocos são encontrados por terem distribuído valores para os
cones de números 2, 3 e 4. Então o cone número 3 é considerado para determinar se há
algum bloco negativo que não está em comum com a interseção dos cones de números 5
e 9. Há dois blocos : (1, 4, 1) e (1, 5, 1).
Um caminho foi agora estabelecido a partir do valor positivo do cone de extração

número 9, passando pelos cones número 5 e 3 e terminando em um bloco negativo. O
caminho em termos de números de blocos é: (5, 5, 1), (3, 3, 1), (2, 3, 1) e (1, 4, 1). Este
caminho define a redistribuição: o valor (+1) que foi previamente distribuído para o
bloco (2, 3, 1) pelo cone número 3 é redistribuído para o bloco (1, 4, 1). O valor (+1)
que foi previamente distribuído para o bloco (3, 3, 1) pelo cone número 5 é
redistribuído para o bloco (2, 3, 1). Para o bloco (3, 3, 1) é distribuído um valor de +1
do cone número 9 ( i.e. bloco (4, 4, 2)). Como não há nenhum valor positivo à esquerda
no modelo de blocos o algoritmo é finalizado.
48
A forma final do resultado é mostrada na figura 3.13 (c). Nota-se que um caminho
alternativo para um bloco negativo poderia ter sido definido pelo cone número 2, ou
seja, (5, 5, 1), (3, 3, 1), (2, 2, 1) e (4, 4, 1). Quando vários caminhos alternativos estão
disponíveis, a escolha pode ser feita por qualquer um dos caminhos existentes. Segundo
Dowd e Onur (1993) o algoritmo sempre conduzirá à mesma solução.
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
1 2 3 1 2 3 3
1 -1 -1 -1 -1 -1 1 0 0 0 -1 -1 1 0 0 0 0 -1
1 2 3 5 6 1 2 3 5 6
2 -1 -1 -1 -1 -1 2 0 0 0 0 0 2 0 0 0 0 0
4 4 5 5 6 4 4 5 5 6
3 -1 -1 -1 -1 -1 3 0 0 0 0 0 3 0 0 0 0 0
4 4 5 6 6 4 4 5 6 6
4 -1 -1 -1 -1 -1 4 0 0 0 0 0 4 0 0 0 0 0
7 7 8 8 9 7 7 8 8 9
5 -1 -1 -1 -1 -1 5 0 0 0 0 0 5 0 0 0 0 0
1 2 3 1 2 3
2 2 2 2 2 0 0 0 2 0 0 0
4 5 6 4 5 6
3 4 4 4 3 0 0 0 3 0 0 0
7 8 9 7 8 9
4 2 2 2 4 0 0 0 4 0 0 0
FIGURA 3.13 – Correção do Algoritmo de Korobov

O algoritmo de Korohov corrigido consiste em quatro partes: (1) distribuição inicial dos
valores dos blocos positivos; (2) determinação dos blocos contra os quais foram
alocados valores dos blocos positivos previamente; (3) determinação do valor mínimo a
ser alocado se um bloco foi alocado valores por mais de um bloco positivo; e (4)
relocação dos valores dos blocos.
O programa mantém todos os blocos positivos não lavrados na memória a menos que
eles sejam somados à solução ótima. Conseqüentemente, a exigência de memória
depende do número de blocos positivos que não são fazem parte da solução.
49
CAPÍTULO 4
MÉTODOS DE OTIMIZAÇÃO UTILIZANDO A

PROPOSTA DE LERCHS E GROSSMANN
4.1 - ANÁLISE DE REDES
4.1.1 – Generalidades
Antes de descrever os algoritmos, deve-se conhecer algumas terminologia das redes,

para o entendimento de como foi formulada a resolução do problema de abertura de
cava de minerações.
De acordo com a teoria dos grafos, segundo Hiller e Lieberman (1988) um grafo
consiste num conjunto de pontos de junção chamados de nós (ou vértices), com certos
pares de nós unidos por linhas chamadas de ramos (ou arcos). Uma cadeia de nós i e j
são uma seqüência de ramos conectando estes dois nós. Um grafo é conectado se existir
uma cadeia conectando cada par de nós. Um ciclo é uma cadeia conectando um nó a ele
mesmo sem retornar nos seus passos. Uma árvore é um grafo conectado que não contém
nenhum ciclo. Um ramo de um grafo é dito ser orientado se existir um sentido de
direção atribuído ao ramo, de modo que um nó é considerado o ponto de origem e outro
nó o ponto de destino. Um grafo orientado é aquele em que todos os ramos estão
orientados. Um nó numa rede é chamado de fonte [S] se cada um de seus ramos tiver
uma orientação tal que o fluxo se mova para fora do nó. Similarmente, ele é chamado de
destino [T] se todos os seus ramos estiverem orientados em sua direção (Houlden
(1962)).
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
4.1.2 – Teorema do fluxo máximo e corte mínimo
Um teorema importante conhecido da teoria das redes é o teorema do fluxo máximo e

corte mínimo. O problema do fluxo máximo é um problema de programação linear e
pode ser resolvido pelo método simplex (Armstrong (1998)). Um corte pode ser
definido como qualquer conjunto de ramos orientados contendo pelo menos um ramo
de todo o caminho da fonte até o destino (ver figura 4.1). O valor do corte é a soma das
capacidades de fluxo dos ramos (na direção especificada) do corte (Bienstock (1998)).
O fluxo em uma rede possui certa analogia com o escoamento de água de origem S a um
destino T, através de uma rede de tubulação. A capacidade de cada ramo corresponde à
vazão máxima de água através da tubulação correspondente, sendo que o escoamento
obedece às restrições de escoamento. Assim, o teorema do fluxo máximo e corte
mínimo define que, para qualquer rede com uma fonte e destino, o fluxo viável máximo
da fonte até o destino é igual ao valor do corte mínimo para todos os cortes da rede
(Hiller e Lieberman (1988)).
O problema da cava ótima é bem representado na direção do gráfico G = (V,A) sendo

definido como a reunião de um conjunto V de elementos Vj (j = 1,2,...,n) chamados de
nós de G, com um conjunto A de pares de elementos de x, chamados de ramos do
grafo. Cada bloco i correspondente a um nó e a cada nó é atribuindo um “peso” bi na
rede, que representa o valor individual do bloco. O valor da rede é computado ao valor
assegurado do minério no bloco, vindo o custo de extração quando os blocos sozinhos
são extraídos. Isto quer dizer que o fluxo máximo possível seria a soma dos valores de
todos os blocos de minério, mas não é possível somente a retirada de blocos de minério.
Algumas restrições para a retirada dos blocos de minério, devem ser feitas e também a
seqüência desta retirada também deve ser obedecida. Este relacionamento precedente é
determinado por requerimento da estabilidade de taude. Supondo, assim, que o bloco i
não é extraído antes do bloco j, e o bloco j não é extraído antes do bloco k (Lerchs e
Grossmann (1965) apud Hustrulid e Kuchta (1995)).
Decidindo qual bloco será extraído, a ordem de maximizar o lucro é equivalente a

encontrar o máximo “peso”, ajustando o fechamento do nó. Quando o ajuste do nó é
51
fechado, todo o conteúdo posterior ao nó, também é fechado. Semelhante ajuste é

chamado fechamento máximo em G (ver figura 4.1). Formalmente, o problema de
fechamento máximo de grafo e o problema de abertura de cavas de minas são os
mesmos.
O algoritmo Lerchs e Grossmann em duas dimensões funciona na prática e é

interessante na teoria. Em primeira mão a indústria ficou satisfeita com sua
performance. O algoritmo é baseado em aproximações de alguns algoritmos de fluxo
máximo. Os algoritmos mais eficientes conhecidos naquela época eram as variações do
algoritmo push-relabel, descritos por Hochbaum (1997), de complexidade O=(mn log
n2/m) e O=(mn + n2+ε) para qualquer ε>0, respectivamente para m e n os números de
arcos e nós nos gráficos. A complexidade é importante pois é um critério analítico
utilizado para avaliar a eficiência de um programa, este critério não leva em
consideração as especificações do equipamento utilizado para executar o programa.
FIGURA 4.1 – Corte mínimo para máximo fechamento em grafos

FONTE: HOCHBAUM, 1997
52
4.2 - ALGORITMO LERCHS E GROSSMANN
4.2.1- Generalidades
A verdadeira revolução em otimização de aberturas de cavas de minas surgiu em 1965,

com o aparecimento do algoritmo idealizado por Helmut Lerchs e Ingo F. Grossmann e
desde esta data muitos autores o desenvolveram e muitas técnicas de programação lhe
foram aplicadas. Neste trabalho é apresentada a técnica da aplicação da teoria dos
grafos.
Considere o grafo fechado G = (V,A). Será necessário se referir a ramos como

extremidades, independentemente, da direção deles, [u,v] indicam que uma extremidade
que representa qualquer um (u,v) ou (v,u). Uma extremidade [i,j] é dita que é adjacente
aos nós i e j. (v1, v 2,..., vk) indicam um caminho direcionado de v1 para vk. Quer dizer,
(v1,v2),..., (vk-1, vk) ε A. [v1, v 2,..., vk] denotando um caminho unidirecional de v1 para
vk . Sendo, (v1,v2),..., (vk-1, vk) ε A (Valente (1982)).
Subgráficos acíclicos (unidirecionados) serão chamados de árvores ou ramos. A posição

da raiz está em cima da árvore e as folhas em baixo (seguindo o consenso geral na
literatura de algoritmos, mas o oposto para as convicções arborísticas). O pai (o
antepassado imediato) de um nó i ε V é o nó imediatamente adjacente ao i no único
(unidirecional) caminho da raiz para i. Os filhos (os descendentes imediatos) de i são
todos os nós para os quais i é o (único) pai. Outros nós no caminho da raiz para i estão
se dirigindo aos seus antepassados e aos seus sucessores não imediatos para os quais i é
um antepassado dirigido aos seus descendentes.
O algoritmo de Lerchs e Grossmann trabalha com um grafo estendido que inclui um nó

de raiz r, formando um arco com capacidade infinita e vai de r para todos os nós de V.
Uma árvore estendida no grafo é uma floresta em (V,A).
53
Um ramo em uma árvore enraizada são as raizes das subárvores ou ramos formadas por
si só e seus descendentes.
4.2.2- Definições
Como será mostrado, o algoritmo de Lerchs e Grossmann é um algoritmo dual para o

problema de fechamento máximo e corte mínimo que trabalha com a solução ótima
possível. Sua relação para fluxo máximo é bastante evidente.
Uma interpretação do algoritmo de Lerchs e Grossmann é que ele identifica no grafo de

fechamento uma floresta envergando dois tipos de árvores. Um tipo são as árvores
fortes que são árvores D com propriedades que são C(s,D) > C(D,t), ou peso total do nó
que é positivo. As outras árvores na floresta são chamadas fracas. A forma das árvores
fortes são o ajuste que a fonte candidata fixou como o corte. Este ajuste necessariamente
não é fechado, mas seu peso total pode exceder só o valor do máximo fechamento, que
é uma solução ótima.
A cada repetição o algoritmo cria uma árvore no gráfico estendido, chamada de uma
árvore normalizada. A árvore é construída com a propriedade de fechamento máximo,
sendo o ajuste desta árvore de fácil identificação. Este ajuste não é fechado
necessariamente no gráfico G = (V, A) e seu valor é só maior que o ajuste de ótimo
fechado no grafo G. Cada repetição do algoritmo consiste em identificar
impossibilidades na forma de violações do fechamento e atualizar a árvore enquanto é
reduzido o vazio entre o valor da solução ótima e a ótima solução possível.
A árvore normalizada criada está enraizada em um nó “dummy” r e enverga todos os

nós de V. Sendo e = [p, q] um ramo em T tal que aquele p é o pai (antecessor) de q. O
ramo e define um ramo Tq, a subárvore enraizada a q, e apoiar sua massa da qual é a
soma dos pesos nós em Tq, b(Tq).
54
Um ramo da árvore ou aponta para a raiz (acima) ou aponta para longe da raiz (abaixo).
Lerchs e Grossmann (1964) usaram a anotação de p-ramo e m-ramo, onde p e m
representam valores positivos e negativos respectivamente.
p-forte
-4 -1
1 -2
2 5
p-fraco
m-fraco
-4 -1 3
m-forte
Xo
Figura 4.2 – Definição das extremidades fortes e fracas

FONTE: Modificado de LERCHS E GROSSMANN, 1965
No grafo da figura 4.2, tem-se um nó “dummy” X0 e o ramo “dummy” (Xo, Xi). O

algoritmo inicia-se com a construção da árvore T0 em G e T0 é então transformado em
sucessivas árvores T1, T2, ..., Tn seguindo a normalização, até não ser mais possível à
transformação. O máximo fechamento está vindo pelos vértices dos ajustes da
identificação dos ramos da árvore final.
As árvores construídas durante o processo interativo são caracterizadas por produzir

algumas propriedades. Cada ramo ek (arco ak) de uma árvore T define um ramo,
chamado de Tk =(Xk, Ak). É também conveniente escrever Xk para a raiz (origem) do
ramo Tk. A massa Mk do ramo Tk é a soma das massas de todos os nós de Tk. Esta
massa está associada com um ramo ek (arco ak) suportando a massa Mk.
A árvore T com a origem X0 e o ramo ek (ramoTk) é caracterizada pela orientação dos

ramos ak com o respectivo X0, e ek é chamado de ramo-p (plus) se são pontos ak na
55
direção do ramo Tk, se for um nó terminal para ak , então é a parte do ramo Tk, sendo
chamado de ramo-p. Se os pontos do ramo ak seguem para o ramo Tk, então ek é
chamado de ramo-m (minus) e Tk de ramo-m. Similarmente, todos os ramos são
divididos em duas classes: ramos-p e ramos-m. Assim são mostradas todas as distinções
entre ramos fortes e fracos. Um ramo-p é forte se suporta uma massa que é estritamente
positiva e um ramo-m é forte se suporta uma massa nula ou negativa. Ramos que não
são fortes são ditos fracos. Um nó Xi é dito forte, se existe pelo menos um ramo de T
junto com Xi de raiz X0. Nós que não são fortes são ditos fracos. Finalmente, uma
árvore é normalizada se a raiz X0 é comum quando todos os ramos são fortes. Qualquer
árvore T do grafo G pode ser normalizada pela substituição dos ramos (xk, xp) de um
ramo-p forte com um ramo “dummy” (x0, xp), o ramo (xq, xr) de um ramo-m forte por
um ramo “dummy” (x0, xq) e repetir o processo até que todos os ramos fortes tenham
X0 em um de seus ramos.
A árvore na figura 4.3 é obtida pela normalização da árvore da figura 4.2. Note que
todos os ramos “dummmy” são ramos-p e todos os ramos fortes da árvore normalizada
são também ramos-p.
-4 -1
1 -2
2 5
-4 -1 3
Xo
Figura 4.3 – Procura Final dos ramos de uma árvore normalizada
FONTE: Modificado de LERCHS E GROSSMANN, 1965
O grafo G considera como o resultado, o aumento obtido do grafo pela adição do grafo
original um nó “dummy” X0 com uma massa negativa e um ramo “dummy” (x0, xi),
56
unindo X0 a todos nós Xi. Porque X0 não pode partir para qualquer fechamento de G,
sem que o mesmo seja máximo, a introdução do ramo “dummy” (x0, xi) não afeta o
problema. Portanto o nó X0 é a raiz de todas as árvores consideradas.
A normalização de árvores apresenta algumas propriedades segundo Lerchs e

Grossmann (1964):
Propriedade 1: Se um nó xk pertence ao máximo fechamento Z de uma árvore

normalizada T, então todos os nós Xk do ramo Tk, também pertencem a Z (ver figura
4.4).
Prova:
Como prova, demonstra-se que se um nó, dito xr, de um ramo Tk não pertence a Z ,
então Z não é o fechamento máximo.
Sendo T(Z) e T(X-Z) os subgrafos de T definidos pelos vértices de Z e X-Z,

respectivamente.
p T(X-Z)
T(Z)
Xp
m
Xq
Xk Xr
X0
Figura 4.4 – Definição do melhor caminho

Fonte: Modificado de LERCHS E GROSSMANN, 1965
Todos os ramos A* de T que uniram os nós de X-Z, como os nós de Z tem um nó

terminal em Z, e Z é o fechamento de T. O último ramo de A* é um ramo-m porque a
junção da cadeia x0 até xr tem que revisar xk e assim conter um dos ramos de pelo
menos de A*. A primeira semelhança entre xk e xr é um ramo-m. Sendo eq =[ xp ,xq] um
57
ramo-m com xpεZ e xqεX-Z (possível xp= xk e/ou xq= xr ). Tq é um ramo-m de T. Sendo
Tq’ um componente de T(X-Z) contido no nó xq. O ramo de A* conectado ao ramo de
Tq’ do nó de Z, com exceção de [xq, xp], são todos ramos-p em T, caso contrário haveria
ciclo em T. Por isso Tq’ é um ramo obtido pela remoção do ramo-p vindo do ramo-m Tq
de T. Conseqüentemente T é normalizado. A massa Tq é estritamente positiva, a massa
de qualquer ramo-p de Tq é negativa ou nula. Portanto, a massa Tq’ é estritamente
positiva e Z não é o fechamento máximo (o fechamento Z+Xq’ possuí massa maior).
Esta é a completa prova.
Propriedade 2: O máximo fechamento de uma árvore normalizada T é o conjunto Z

ajustado de seus nós fortes.
Foi notado que qualquer ramo-p de T é um sub-grafo fechado de T, mas que um ramo-
m não é um sub-grafo fechado de T, esta propriedade segue a diretamente a propriedade
1. Se a árvore não possuí um nó forte, ou seja, não há um ramo forte, então o
fechamento máximo e o ajuste vazio Z -φ.
Teorema 1: Se em um grafo orientado G é possível construir uma árvore normalizada

tal que o ajuste Y de nós fortes de T é o fechamento de G, então Y é o fechamento
máximo de G.
Prova: Deve-se usar o seguinte argumento: Se S=(X, A*) é um grafo parcial de G e se

Z e Y são o fechamento máximo de S e G, respectivamente, tem-se, MZ≥MY. Podendo
achar o fechamento de Y em G do grafo parcial S de G para o qual Y é o fechamento
máximo, porque Y é maior que o fechamento máximo em T. Devido T ser um grafo
parcial de G, e devido Y ser o fechamento máximo de T (propriedade 2), provando
assim o teorema. Se, em particular, o ajuste do nó forte para a normalização de uma
árvore de G é vazio, então o fechamento máximo de G é vazio ajustando Y=φ.
58
4.2.3 – Passos do Algoritmo
Construída a árvore normalizada T0 em G, entra-se em um processo iterativo. A iteração

de ordem t +1 transforma a árvore normalizada Tt em uma nova árvore normalizada
Tt+1. Cada árvore Tt = (X,At) é caracterizada pelo ajuste dos ramos At e o ajuste Yt de
seus nós fortes. O processo termina quando Y é o fechamento de G. As iterações t +1,
apresentando os seguintes passos:
1 – Se existe um ramo (xk, xl) em G, tal que Yk ε Yt e xl ε X-Yt, ir para o passo 2, caso
contrário ir para o passo 4.
2 – Determinar xm, a raiz de um ramo forte que contém xk. Construir uma árvore Ts
pela substituição do ramo (x0, xm) de Tt pelo ramo (xk, xl). Ir para o passo 3.
3 – Normalizar Ts. Produzindo Tt +1. Ir para o passo 1.
4 – Terminar. Yt é o fechamento máximo de G. (Ver figura 4.5).
Yt X-Yt
xk xl
xm
xp
x0
Figura 4.5- Máximo fechamento do grafo
4.2.4 – Aplicação do Algoritmo LG no método dos cones flutuantes
A aplicação isolada deste método está na origem das primeiras tentativas históricas de
otimização de cavas, tentativas infrutíferas até que o aparecimento do algoritmo Lerchs
e Grossmann permitiu resolver problemas, na data ainda não satisfatoriamente
resolvidos, dos clássicos métodos de cones flutuantes. Assim, passa-se diretamente à
exposição do método dos cones flutuantes aplicando o algoritmo, já sob o ponto de vista
prático.
59
O cone de um bloco (nó) genérico vk é um sub-grafo fechado do grafo inicial G e o

conjunto vk dos seus blocos (nós) é um fecho do grafo G.
Por outro lado dada uma árvore A (sub-grafo de G) que contenha o cone do bloco vk,
este identifica-se com o ramo Rk podendo ser forte ou fraco consoante a massa global
(valor total) dos nós que constituem (cone forte ou fraco). O método identifica e
conserva em memória os sucessivos cones fortes e fracos.
Os sucessivos cones vão sendo transformados com adições e subtrações de blocos tal
como na normalização das árvores construídas no algoritmo LG.
Os sucessivos passos do método podem ser separados em quatro partes ou ciclos de

programação. As quatro partes diferenciáveis no método permitem a identificação de
fechos, cones fracos e fortes e realizam as transformações descritas no algoritmo LG.
O primeiro grupo de instruções permite a identificação dos blocos de minério existentes

no depósito (blocos para os quais a função objetivo tem valor positivo).
O segundo ciclo só intervém quando é encontrado um bloco de minério e pesquisa a

existência de blocos suprajacentes que pertencem ao cone do bloco de minério não
identificando no primeiro grupo de instruções e que não tenham sido previamente
desmontados. Por definição, os blocos suprajacentes a um dado bloco de minério, são
aqueles cujo desmonte é necessário para efetuar o desmonte desse bloco.
O terceiro grupo de instruções efetua a normalização dos cones fortes e fracos. Este
terceiro ciclo só intervém quando o bloco subrajacente é, por sua vez, membro de um
cone fraco cujos vértices ou blocos constitutivos permanecem em memória. Neste caso,
três situações podem ocorrer:
1- O valor do cone forte do bloco inicial somado com o do bloco suprajacente é

negativo ou nulo. Neste caso, o cone forte não consegue suportar mais um bloco
60
suprajacente e passa a fraco e o programa prossegue com a pesquisa de outro bloco

de minério (vide 1ociclo);
2- O valor total do cone forte do bloco inicial com o do bloco interceptado é positivo,
mas o cone fraco a que pertence este bloco continua fraco mesmo sem ter que o
suportar. Neste caso o bloco suprajacente é arrastado pelo cone do bloco inicial,
desligando-se do cone fraco e o programa prossegue com o 2o ciclo de instruções,
que pesquisa novo bloco suprajacente;
3- O valor total do cone forte do bloco inicial com o do cone fraco a que pertence o
bloco suprajacente, é positivo. Neste caso ambos os cones podem suportar os blocos
suprajacentes e os blocos do cone fraco passam a pertencer ao cone forte do bloco
inicial. O programa prossegue com a execução de 2o ciclo de instruções (pesquisa de
blocos suprajacentes pertencentes ao cone e não desmontado);
4- O quarto ciclo de instruções garante que o cone forte do bloco inicial seja um fecho
do grafo inicial G. Isto porque os cones fracos interceptados pelo cone forte podem
não ser completos, isto é, podem não atingir a superfície . No caso de tal acontecer o
programa reentra no 2o ciclo de instruções e a rotina continua através do 2o, 3o e 4o
ciclos até que o cone forte passe a fraco com demasiados blocos suprajecentes ou até
que o fecho esteja completo. Neste caso todos os blocos pertencentes ao cone forte
inicial são desmontados.
Em ambos casos o programa prossegue com o 1o ciclo de instruções até que todos os
blocos de minério tenham sido examinados.
O programa executa ainda um 5o ciclo de instruções cuja a finalidade é detectar a

existência de cones fracos que, devido ao fato de alguns dos seus blocos terem sido
arrastados por cones fortes e desmontados, podem passar a forte e serem eles próprios
desmontados.
4.2.5 - Método de Otimização Manual aplicando Lerchs e Grossmann
Até ao aparecimento do algoritmo LG a otimização de cavas finais sempre foi feita por
um método manual de tentativas; "nele se procurava, através de tentativas, chegar a uma
61
cava que deveria ser interessante e, se viesse a aparecer muito estéril dentro desta cava,
ela deveria ser fechada (em nova tentativa) para desmontar minério de maior teor e
menos estéril, mas se o contrário, houvesse possibilidade de alargar mais a cava, tal
também deveria ser feito (em nova tentativa) e assim sucessivamente até se alcançar
uma cava final satisfatória” (Valente (1982)).
O problema da otimização de uma cava final (a 2D ou 3D) não tem, na prática, uma
solução analítica fácil de ser obtida. O que tem resultado no aparecimento de variados
algoritmos heurísticos e variados métodos aproximados de resolução. Por isto, o grande
mérito da modificação de Johnson é admitir que se passa a descrever, passo a passo
(válido para os casos a 2D e 3D embora a descrição seja para 2D):
1- Uma vez descretizada a jazida em blocos tecnológicos apropriadamente avaliados,

para cada bloco (i,j) define-se a quantidade mij = vij – cij (na verdade, trata-se de um
verdadeiro “ benefício” de cada bloco, pôr si só);
2- Calcula-se o valor Mij acumulado para cada coluna considerada, ou seja :
i
(11 )
M ij = ∑
k = 1
m kj
3 - Procura-se o caminho ótimo que representa o contorno da cava para a seção

considerada, na procura desse caminho usam-se as relações abaixo:
Poj = 0 Æ primeira linha zerada
Pij = Mij + max K {(Pi+k,j-1)}, com : k = -1, 0 , +1 (12)
Pmax = maxKPik
A otimização está assim garantida, sendo preciso notar que:

i) Pij representa a contribuição máxima possível das colunas 1 a j, para qualquer pit
viável que contenha o elemento (i,j);
ii) Caso o valor máximo de P na primeira linha seja positivo, então a cava ótima é
obtida seguindo-se os arcos da direita para esquerda e
62
iii) Com pequenos ajustes manuais é possível obter a cava final ótima a 3D.
Pode-se acompanhar um exemplo de otimização de uma seção (2D), pelas figuras 4.6 à
4.12. Estas figuras foram apresentadas originalmente por Lerchs e Grossmann, em seu
artigo, mas foram modificadas neste trabalho para melhor compreensão. Os valores
líquidos (NV), originalmente foram -4 unidades monetárias para bloco de estéril e 12
unidades monetárias para bloco de minério.
-4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4
-4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4
-4 -4 -4 -4 -4 -412 12 12 12 -4 -4 -4 -4
-4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4
FIGURA 4.6 - Modelo de blocos com a delimitação do corpo de minério

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 -4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4
2 -4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4 -4 -4 -4
3 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4
4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4
5 -4 -4 -4 8 12 12 0 -4 -4 -4
6 -4 -4 0 12 12 8 -4 -4 -4
7 -4 -4 8 12 12 0 -4
8 -4 0 12 12 8 -4
9 -4 8 12 12 0
FIGURA 4.7 – Modelo de blocos com os valores para a otimização

A otimizaçãoé iniciada fazendo-se a soma dos valores das colunas. Assim, para o bloco
da linha 4 e coluna 7, M47 , tem-se:
4
M47 = ∑mk 7 = m17 + m27 + m37 + m47 =12+12+12+12 = 48
k =1
63
Uma nova seção, então é formada, com os valores de Mij, podendo ser vista na figura
abaixo:
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 -4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
2 -8 -8 -8 -8 -8 8 24 24 8 -8 -8 -8 -8 -8 -8 -8 -8 -8
3 -12 -12 -12 -12 4 32 36 20 -8 -12 -12 -12 -12 -12 -12 -12
4 -16 -16 0 32 48 32 0 -16 -16 -16 -16 -16 -16
5 -20 -4 28 56 44 12 -16 -20 -20 -20 -20
6 Pij ==P22 = m
i
−8 -8 24 56 56 24 -8 -24 -24 -24
7
M ij ∑
k =1
kj 20 52 64 36 4 -24 -28
8 16 48 64 48 16 -16 -32
P0 j = 0
9 60 56 28 -4 -32
FIGURA 4.8 - Cava sendo otimizada

O próximo passo é escolher o bloco a esquerda de máximo valor, que será somado com
o bloco original, obtendo-se o Pij.
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 -4 -4 -4 -4 8 20 44 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
2 -12 -12 -12 4 32 60 8 -8 -8 -8 -8 -8 -8 -8 -8 -8
3 -24 -24 -8 36 72 20 -8 -12 -12 -12 -12 -12 -12 -12
4 -40 -24 24 84 32 0 -16 -16 -16 -16 -16 -16
5 -44 4 80 44 12 -16 -20 -20 -20 -20
6  Pi −1, j −1 -20 60 56 24 -8 -24 -24 -24
7 P =  32 64 36 4 -24 -28
ij M ij + max  Pi , j −1
8  64 48 16 -16 -32
9  Pi +1, j −1 60 56 28 -4 -32
FIGURA 4.9 - Escolha do máximo valor Pij
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 -4 -4 -4 -4 -4 8 20 44 60 76 92 96 104 108 104 104 100 96 92
2 -8 -12 -12 -12 -12 4 32 60 80 96 100 108 112 108 108 100 96 92
3 -12 -24 -24 -24 -8 36 72 104 108 116 120 116 116 104 96 88
4 -40 -40 -24 24 84 116 128 132 128 128 116 104 88
5 -60 -44 4 80 128 148 144 144 132 120 100
6 -68 -20 60 136 160 164 152 140 120
7 -48 32 124 172 176 164 144
8 0 96 172 188 172
9 60 152 200
FIGURA 4.10 - Procura do maior P1k

64
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0
1 -4 -4 8 20 44 60 76 92 96 104 108
2 -12 4 32 60 80 96 100 108 112
3 -8 36 72 104 108 116 120
4 24 84 116 128 132
5 80 128 148
6 136
7
8
9
FIGURA 4.11 – Cone gerado a partir da aplicação do algoritmo

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0
1 -4 -4 8 12 12 0 -4 -4 -4 -4 -4
2 -4 0 12 12 8 -4 -4 -4 -4
3 -4 8 12 12 0 -4 -4
4 0 12 12 8 -4
5 8 12 12
6 12
7
8
9 Soma Acumulativa -12 -8 24 80 136 148 132 120 112 108
FIGURA 4.12 – Cava final gerada a partir da aplicação do algoritmo

4.3 – Angulos de taludes variáveis
O processo de otimização está condicionado, logicamente, à escolha dos ângulos de

talude da cava. Mudanças nos ângulos de talude requerem modificações no número de
combinações para seleção dos blocos. Exemplificando, para o caso em que a relação
vertical/ horizontal seja de 2:1, com o “caminho”a ser percorrido da esquerda para a
direita, tem-se a seguinte relação :
 Pi − 2 , j − 1

 Pi − 1, j − 1

Pij = M ij + Max  Pi , j − 1 (13 )

 Pi + 1, j − 1
 Pi + 2 , j − 1

65
Sendo os valores de P, M e Mij definidos como anteriormente.
O uso do angulo de talude 1:1 é uma simplificação do processo. Evidentemente o

projeto e por conseguinte angulo de talude da cava final no modelo de blocos é
determinado principalmente pelas características geomecânicas das rochas. Isto se deve
principalmente a direções preferenciais das descontinuidades presentes no maciço
rochoso. Os ângulos de talude máximos admissíveis podem variar com a localização,
orientação, e elevação da região considerada no interior da cava.
O modelo de programação dinâmica mais completo e que leva em consideração

múltiplos angulos de talude pode ser representado pelas seguintes relações:
i
M ij = ∑
n = 0
m nj (14 )
P ij = M ij + Max {P i+ r , j−1 } (15 )
Com j= 1,2,... e r = -na, -na+1,...,nb

Onde :
Mij, mij e Pij = definidos anteriormente neste capítulo;
r = limite do talude da coluna vizinha;
na , nb = O numero máximo de blocos, acima e abaixo do bloco (i,j), que serão
extraidos junto com o bloco (i,j) seguindo suas restrições.
4.4 – Algoritmo Lerchs e Grossmann em 2 ½ D
O algoritmo de seção transversal de Lerchs e Grossmann (programação dinâmica

bidimensional) tem os benefícios da velocidade extrema e, sob definições simples de
talude de cava, gera uma geometria exata de cava de seção transversal ótima.
Infelizmente, esta última qualidade só é valida para cavas bidimensionais. Em geral, as
geometrias de cava de seção transversal podem variar drasticamente de uma seção
66
transversal para outra adjacente. Quer dizer, a viabilidade de talude de cava só é

satisfeita na direção das seções transversais.
Como previamente mencionado, viabilidade para seção transversal, enquanto ignora

restrições de talude de cava de seção transversal para seção transversal adjacente,
representa um exemplo de uma definição de talude de cava menos rigorosa. Assim, o
Teorema Fundamental do Contorno (Limite) pode ser posto em prática.
O Teorema Fundamental do Contorno (Limite) pode ser interpretado como segue.

Dado um modelo econômico de blocos e uma geometria inicial de cava praticável, um
modelo de blocos modificado pode ser construído eliminando todos os blocos que
pertencem à geometria inicial. Se a cava de seção transversal é ótima, para o modelo de
blocos modificado e deste modelo não é retirado mais nenhum bloco, então a cava
inicial é uma cava de limite (contorno) externo (uma cava máxima).
Segue um algoritmo de contorno iterativo em três passos baseado nesta interpretação.
Passo 0 – Inicializa-se o algoritmo definindo a geometria de cava atual praticável como

conjunto de blocos de ar ou seja aqueles blocos que possuem valores econômicos igual
a zero. Assim, o modelo de blocos modificado da primeira interação é o próprio modelo
de blocos econômico.
Passo 1 - Para cada seção transversal do atual modelo de blocos modificado, calcula-se
a cava de seção transversal ótima. Se a união destas cavas de seções transversais ótimas
não contêm nenhum bloco, deve-se parar; a geometria de cava atual praticável é uma
geometria de contorno (limite) externo.
Passo 2 - Todos os blocos que pertencem à união das cavas de seções transversais
ótimas pertencem à cava do contorno (limite) externo. A cava praticável atual é
modificada para incluir estes blocos. Desde que esta cava não seja necessariamente uma
cava praticável (cavas ótimas bidimensionais necessariamente não se alinham
adequadamente de uma certa seção transversal para outra adjacente). Um processo
67
chamado “extrator” é levado a cabo para obter-se viabilidade (praticabilidade). Neste

processo, são investigados todos os blocos não incluídos na geometria da cava atual
praticável. Caso um determinado bloco sobreponha-se a outro pertencente à geometria
da cava atual praticável aquele deverá também ser incluído, resultando em uma nova
geometria da cava.
Passo 3 - O modelo de blocos será, de novo, modificado de forma que todos os blocos
indesejáveis na geometria da cava atual praticável sejam eliminados. Considerando que
no processo “extrator” podem ser liberados previamente alguns materiais submarginais
(ou seja aqueles materiais que podem retornar a uma condição de minério). Os passos
1,2 e 3, eventualmente podem ser repetidos.
A natureza interativa deste algoritmo deve ser enfatizada. Só depois que o passo 1 não
produzir mudança alguma é que o algoritmo pode ser propriamente finalizado.
Em muitos casos, este algoritmo simples de contorno produz resultados aceitáveis.

Porém, devido ao fato de blocos positivos precisarem ser usados para se contrapor aos
blocos de estéril em suas seções transversais especificas, os contornos gerados podem
não representar resultados satisfatórios.
4.5 – ALGORITMOS MODIFICADOS
4.5.1 – Algoritmo Johnson e Sharp
Johnson e Mickle (1970) e Johnson e Sharp (1971) desenvolveram uma extensão do

algoritmo de programação dinâmica bidimensional de Lerchs e Grossman a qual foi
apresentada para resolver o problema de limite da cava final. Esta extensão, embora
freqüentemente mencionada como um algoritmo de programação dinâmica
tridimensional completo, é intitulado com mais precisão como um algoritmo 2 ½ D.
68
As vantagens da extensão de Johnson para o problema de limite da cava final são,

principalmente, a facilidade e velocidade de implementação em um computador e sua
capacidade para, pelo menos parcialmente, calcular em três dimensões. A desvantagem
principal é que a solução obtida pode não ser fisicamente possível (praticável). Embora,
devido à falta de espaço de aplicabilidade, a extensão de Johnson não obtevesse muito
uso desde sua introdução, é extremamente bem adaptada para modificação de um
algoritmo de contorno final. Computacionalmente, a extensão de Johnson é muito
próxima do algoritmo de programação dinâmica 2-D original. Porém, em uma aplicação
de contorno, tem uma vantagem sobre as aproximações de contornos de seção
Transversais desde que se considere interações perpendiculares para a direção de corte
transversal.
O algoritmo de contorno que usa a aproximação de programação dinâmica 2 ½-D segue

os passos anteriores do algoritmo de contorno iterativo (pág. 67), com a exceção do
Passo 1, considerar a união das cavas de cortes transversais ótimas, a cava calculada
pelo algoritmo de programação dinâmica 2 ½ - D é aplicado ao modelo de bloco
modificado usado. Se a cava resultante não contém nenhum bloco, o algoritmo é
finalizado; caso contrário, os passos 2 e 3 necessitam ser executados. Novamente, este é
um processo interativo. A modificação imposta por Johnson e Sharp pode ser expressa
pela equação:
S iq = ∑
ij
M ij
(16)
Onde Siq é a soma dos valores econômicos dos blocos do contorno ótimo da cava,
esboçado na seção e Mij já foi definido anteriormente neste capitulo. Pode se ter uma
melhor idéia deste método, pelo exemplo da figura 4.13 a seguir:
69
0 1 2 3 4 5 6 7 k j
0 0 0 0 0 0 0 0 i
0
1 -5 -2 2 -2 -5 K=1
0 1 2 3 4 5 6
0 0 0 0 0 0 0 0 K=2
1 -5 2 5 2 -5
2 5 2
2
0 1 2 3 4 5 6 7
K=3
0 0 0 0 0 0 0 0 0
1 -5 2 5 2 -5
2
2 5 2
3
5
0 1 2 3 4 5 6 7
K=4
0 0 0 0 0 0 0 0 0
1 -5 2 5 2 -5
2 5 2
2
0 1 2 3 4 5 6 7
0 0 0 0 0 0 0 0 K=5
0
1 -5 -2 2 -2 -5
FIGURA 4.13 – Valores econômicos dos mijk
FONTE: Modificado de JOHNSON E SHARP
70
Fazendo-se a análise pelo algoritmo, tem-se primeiramente o calculo de Siq para cada
seção, como pode ser visto na figura 4.14 para a seção k=3.
q=3
-5 2 5 2 -5
i =1 Siq = 9
q=4
-5 2 5 2 -5
i =2 Siq = 14
2 5 2
q=9
-5 2 5 2 -5
i =3 Siq = 13
2 5 2
FIGURA 4.14 – Nível ótimo para a seção k =3

Portanto, para esta seção tem-se a cava ótimo com valor de Siq = 14, e o próximo passo
pode ser acompanhado nas figuras 4.15 e 4.16:
q
i 2 9 9 9 2
0 14 14 14 2
-12 -13 -13 -13 -12
FIGURA 4.15 – Cava ótima longitudinal

71
0 1 2 3 4 5 6 7 k j
0 0 0 0 0 0 0 0 i
0
1 -5 -2 2 -2 -5 Bloco (i,q) = (1,1)
K=1
0 1 2 3 4 5 6
0 0 0 0 0 0 0 0 K=2
1 -5 2 5 2 -5 Bloco (i,q) = (2,2)

2 5 2
2
0 1 2 3 4 5 6 7
K=3
0 0 0 0 0 0 0 0 0
1 -5 2 5 2 -5 Bloco (i,q) = (2,3)
2
2 5 2
3
5
0 1 2 3 4 5 6 7
K=4
0 0 0 0 0 0 0 0 0 Bloco (i,q) = (2,4)
1 -5 2 5 2 -5
2 5 2
2
0 1 2 3 4 5 6 7
Bloco (i,q) = (1,5)

0 0 0 0 0 0 0 0 Valor da cava = 46
0
1 -5 -2 2 -2 K=5
-5
FIGURA 4.16 – Solução ótima usando Johnson e Sharp
72
Obtém-se finalmente a representação tridimensional do algoritmo, pela combinação das

seções transversais com as seções longitudinais. Assim o algoritmo tem a vantagem de
permitir algumas suavizações em problemas onde ocorre esboço de seções que não são
susceptíveis de ajustes. Para um deposito mineral de estrutura simples e alongada a
aplicação deste algoritmo pode resultar na obtenção da cava ótima.
4.5.2 - Algoritmo de Contorno das Seções Transversais
Este algoritmo de contorno é bem parecido como algoritmo de Contornos de Projeção 2

½-D. Utiliza um algoritmo 2-D modificado de Lerchs-Grossman. Novamente, só o
Passo 1 requer modificação; Passos 0, 2 e 3 permanecem inalterados. O algoritmo de
contorno das seções transversais pode ser explicado como segue. Para cada bloco (i, j,
k) no inventário do modelo de bloco econômico, o valor líquido da cava de seção
transversal ótima (seções transversais de leste-oeste) necessariamente contendo o bloco
(i, j, k) em seu contorno é calculado. O valor de cada bloco é representado por Vijk.
Logo, para toda seção transversal na direção perpendicular (seções transversais norte-
sul), calcula-se a cava bidimensional ótima que usa os valores de Vijk como os valores
de soma da coluna (Mijk) no algoritmo 2-D de Lerchs-Grossman. Todo bloco que
pertence a uma cava bidimensional ótima pertence à cava de contorno externo. Se não
há nenhum bloco nesta classe o algoritmo para; caso contrário, o algoritmo continua
como antes.
O cálculo do Vijk é uma simples aplicação dupla do algoritmo de programação dinâmica

bidimensional de Lerchs-Grossman. Na notação do artigo de Lerchs-Grossman (1965):
"Pij é a contribuição máxima possível da coluna 1 para j para qualquer cava possível que
contenha o elemento (i,j) neste contorno". Se o procedimento esboçado é realizado duas
vezes para cada seção de corte, uma vez da esquerda para a direita e uma vez da direita
para a esquerda, então Vijk pode ser calculado como:
Vijk = PijkL + PijkR + M ijk (17)
73
Onde: Pijk L é Pij calculado da esquerda para direita; Pijk R é o Pij calculado da direita para
a esquerda; e, Mijk é, como no artigo de Lerchs-Grossman, "o lucro obtido extraindo
uma única coluna com elemento (i, j, k) da sua base ".
Note o que este cálculo realiza. Pijk L é a contribuição máxima da coluna 1 para a coluna
j, inclusive, para qualquer cava possível que contenha o bloco (i, j, k) em seu contorno
R
(limite). Semelhantemente, Pijk é a contribuição máxima da última coluna para a
coluna j, novamente incluindo a coluna j, para qualquer cava possível que contenha o
bloco (i, j, k) no seu contorno, Mijk, é somado nas duas vezes. Assim, se Mijk é
subtraído da soma, o resultado desejado é alcançado.
Um cálculo semelhante ao do Vijk é feito no passo 10 do algoritmo apresentado por

Johnson e Mickle (1970). Os valores de Vijk podem ser interpretados fisicamente como
os valores da cava bidimensional ótima, sujeito à exigência de que os blocos (i, j, k)
permaneçam na margem da cava. Note que estes os valores de Vijk são calculados para
todos os blocos no modelo.
4.5.3 – Algoritmo de Contorno de Seções Transversais modificado
Este algoritmo é uma versão ligeiramente modificada da técnica anterior. É o algoritmo

mais programado e executado neste tipo de trabalho.
A modificação afeta somente os valores Vijk. Da maneira previamente descrita, são

calculados valores de Vijk iniciais. Então, para cada bloco no modelo, o valor Vijk é
fixado igual ao mínimo dos valores Vijk e Mijk iniciais.
Esta pequena modificação pode melhorar significativamente a natureza dos contornos

gerados.
74
4.5.4 - Limites Internos
Até agora, somente algoritmos de limites externos foram discutidos. Esta omissão foi
intencional, ou na verdade, os algoritmos de limites internos e externos são quase
idênticos.
Antes de discutirmos as especificações dos algoritmos usados para realizar os limites

internos, um conceito fundamental deve ser difundido. O problema do limite da cava
final pode ser abstratamente visto como a quebra do modelo de blocos em dois distintos
grupos que satisfazem as restrições físicas da lavra: os blocos a serem lavrados
compreendem um grupo, e o outro é composto pelos blocos que permanecem in situ.
Normalmente, o objetivo é expresso em termos de maximização da soma dos valores
dos blocos a serem minerados; contudo, um enunciado equivalente do objetivo é
minimizar a soma dos valores dos blocos que permanecem no terreno.
Os algoritmos de limites internos são idênticos aos algoritmos de limites externos, com
alterações pequenas . Com algumas mudanças, pode ser percebido que um limite
externo nos blocos que permanecem no terreno é equivalente a um limite interno nos
blocos que serão lavrados. Reconhecendo este fato, o algoritmo do limite interno nada
mais é que o modelo de bloco girado de forma invertida e a execução do algoritmo de
limite externo nos valores dos blocos negativos. Neste caso, todos os blocos que
permanecem no terreno (ficam para trás) após o término do algoritmo pertencem a uma
cava de limite interno (um cava mínima). Note: desde que o limite interno está
necessariamente contido pela cava do limite externo, somente os blocos pertencentes à
cava de limite externo devem ser investigados através do procedimento de limite
interno.
75
4.5.5 –Algoritmo Contorno de Programação Dinâmica 3-D de Koenigsberg
Koesnigsberg propôs um verdadeiro algoritmo de limite da cava final baseado na

programação dinâmica tridimensional. Este algoritmo usa um otimizador eficaz, e
extremamente rápido sobre um conjunto rígido de suposições. Porém, como qualquer
algoritmo de programação dinâmico é repetitivo e possui um grau extremo de
conformidade própria. Restrições de talude da cava devem ser consistentes ao longo do
modelo, e estas são altamente ligadas à geometria dos blocos. Assim, um talude de cava
generalizado não é possível diretamente.
Enquanto esta restrição modela rigorosamente os contornos (limites), a aplicabilidade

do algoritmo para o problema de limite da cava final ótima, não reduz seu valor como
um algoritmo de contorno. Definindo as restrições efetivas de talude da cava tais que
elas sejam mais rigorosas que a definição de talude de cava de interesse, o algoritmo
pode ser usado como o procedimento do Passo 1 do algoritmo da rotina de contorno.
Ainda seriam requeridas o aumento de passos existentes e repetições múltiplas, mas o
resultado final necessariamente seria mais justo.
Diferente do caso bidimensional, quando os blocos que são vizinhos próximos

correspondem a uma única coluna na direção anterior ao bloco, no caso tridimensional
(algoritmo de Koenigsberg) os blocos vizinhos correspondem a quatro colunas as quais
exercem influência na direção dos valores do bloco (i,j,k), como mostra a figura 4.17:
Si na coluna (j-1,k) = Ao lado de i

BSi na coluna (j-1,k-1) = Atrás do lado de i
SBSi na coluna (j,k-1) = Do lado de atrás do lado de i
SSBSi na coluna (j+1,k-1) = Do lado do lado de trás do lado i
76
k-1 k
BSi
Si
SBSi
SSBSi
i
Bloco (i,j,k)
FIGURA 4.17 - Colunas Vizinhas do bloco i

FONTE: WRIGTH, 1990
 PSi , j −1,k

− PSBS ( Si ), j −1,k −1 + PBSi , j −1,k −1 (18)
Pijk = M ijk + Max 
− PS ( BSi ), j ,k −1 + PSBSi , j ,k −1
− P
 S ( SBSi ), j +1,k −1 + PSSBSi , j +1,k −1
Onde:
Pijk = Ótimo valor da cava considerando que o bloco bijk é o último bloco a ser
analisado. Este é o valor ótimo do bloco bijk.
77
Mijk = Valor da coluna de blocos vindos dos blocos bijk . É o calculo em alguns casos
das colunas em duas dimensões.
Pijk = Valores dos vizinhos do bloco (i,j,k).
O problema de programação dinâmica trimensional é equivalente ao problema de

programação linear, cujo objetivo da função Pijk é definido por:
Pijk = max Σ mi’j’k’Xi’j’k’ (19)
4.5.6 – Algoritmo do Fluxo em Cadeia
O modelo de fluxo em cadeia para a determinação dos limites finais da cava são
baseados na teoria da cadeia do máximo fluxo e mínimo corte. A solução da técnica foi
inicialmente desenvolvida por Johnson (1968). O problema foi formulado
semelhantemente aos nós em cadeia e são comparados a blocos em 3D do modelo de
blocos. Os arcos são gerados representando o angulo de talude requerido da cava
restringido à seqüência da mina possível. Então, cada nó é definido por um indicador
variável Xn do programa inteiro. Os arcos positivos são conectados em uma cadeia
(minério em potencial) e os demais nós com valores negativos (estéril) que são
melhores removidos na ordem minerar o nó do minério. Estes arcos são representados
pelos seguintes constrangimentos.
A formulação básica do fluxo em cadeia foi mostrada por Johnson (1968) e Barnes
(1982), como também a bipartição do fluxo em cadeia, que é de fácil solução a partir da
teoria do máximo fluxo. O ajuste básico do procedimento gráfico do fluxo em cadeia é
mostrado nas figuras 4.18 a 4.22, considerando-se as seguintes restrições.
1- Todos os blocos de valores positivos (minério em potencial) são ajustados para cima
do lado esquerdo da cadeia e conectados a um nó fonte imaginário.
2- Todos os blocos de valores negativos (blocos de estéril) são ajustados para cima do
lado direito da cadeia e conectados a um nó sumidouro, imaginário.
78
3- Os arcos são drenados para cada bloco positivo e todos blocos de estéril tanto os
extraídos antes dos blocos de valores positivos. Em 3D, isto garante a geometria do
angulo de talude da cava e as restrições são mantidas.
4- A capacidade do arco de um nó de uma fonte imaginária de cada nó positivo (bloco

de minério) é comparado com retorno financeiro da mineração (extração) e
processamento do bloco.
5- A capacidade do arco do bloco de estéril do nó de um sumidouro imaginário é

comparado com o custo de extração e remoção do bloco.
6- A capacidade do arco de conecção entre os blocos positivos e os demais blocos de

estéril são ajustados para o infinito.
A bipartição do fluxo em cadeia é resolvida naturalmente por uma maximização severa

do algoritmo de fluxo. A finalização da cava começa definindo a remoção de todos os
blocos conectados pôr arcos que pertencem ao máximo fluxo e ao mínimo corte. Se uma
classificação do algoritmo é usada, ela simplesmente mede todas as classificações dos
blocos no final da interação da mina.
1 2 3 4
-2 -2 -2 -3
5 6
5 5
FIGURA 4.18 – Exemplo do Modelo de Blocos em 2 D

FONTE: Modificado de UNDERWOOD e TOLWINSKI (1997)
79
(2) (2) (2) o (2) o

o o
1 2 3 4
o o o
(oo) (oo) o (oo) (oo) o
(oo) o (oo)
5 6
o (5)
(5)
o
S
(5 ) Sobre salto da capacidade em cinco unidades

0 Fluxo de zero unidades
FIGURA 4.19- Configuração Representando o Fluxo em Cadeia
(3,1)
T
(2) (2) (2) 1 (3) o

2 2
1 2 3 (6,5) 4
2 2
(oo) (oo) o (oo) o
(oo) o
(oo) 1 (oo)
5 6
(S,5)
5 (5)
(5)
o
S
(-,oo)
FIGURA 4.20- Iniciação do Fluxo em Cadeia

80
(4,3)
T
(2) (2) (2) 1 (3) o

2 2
1 2 3 4 (6,4)
2 2
1
(oo) (oo) o (oo) (oo)
o
(oo) 1 (oo)
5 6 (S,4)
5 (5)
(5)
1
S
(-,oo)
FIGURA 4.21- Fluxo em Cadeia depois da Interação

(2) (2) (2) 2 (3) 3

2 2
(5,1) 1 (6,1) 2 (6,1) 3 (6,1) 4
2 2
1
(oo) (oo) o (oo) (oo)
3
(oo) 1 (oo)
5 6 (S,1)
(3,-1)
5 (5)
(5)
4
S
(-,oo)
FIGURA 4.22- Fluxo em Cadeia com o Máximo Fluxo

81
Uma aproximação geral da cava final mostra que é verdadeira a produção de uma ótima
cava. O método requer significantes recursos computacionais e emprega alguns
entendimentos matemáticos avançados. Hanson (1986) apresentou uma modificação
que reduziu os recursos computacionais.
4.5.7 – Algoritmo de Wilke e Wrigth
Um problema de degeneração encontrado no algoritmo 3D de Koenigsberg foi

solucionado por Wilke e Wrigth (1984) com o uso de incrementos na forma de remoção
mínima dos cones de cada bloco. Foi necessária uma nova formulação e a regressão da
fórmula para o valor do bloco na cava.
Porém, o procedimento básico na programação dinâmica em 2D foi preservado e

permanece válido. O valor da cava Pijk e o valor do bloco bijk, é calculado do valor da
remoção do cone, acima e incluindo os blocos bijk, somados ao melhor valor vizinho da
cava compatível com o bloco bijk. Isto é o melhor, porém, o fechamento do bloco sem
valor é contado mais uma vez. Assim, todos os valores de blocos, mijk, que estão
contidos em ambos cones removíveis, Cijk, e os valores de seus respectivos vizinhos são
Pi-1,j±1,k, Pi,j±1,k, Pi+1, j±1,k.
Tem-se a fórmula:
Pijk = Cijk + Max {IPL – IML} (20)
Onde:
Pijk = Ótimo valor da cava no bloco bijk;
Cijk = Remoção mínima do cone do bloco bijk;
IPL = PL, j±1,k que é igual ao valor da cava no bloco bL, j±1,k para L = i-1 , L = i e L = i+1;
IML = PL, j±1, k ∩ Cijk que é igual a soma de todos valores de blocos econômicos
com a interseção da cava no bloco bL, j±1,k e a remoção mínima do cone do bloco
bijk para L = i-1 , L = i e L = i+1;
82
Portanto tem-se:
 IPi −1 − IM i −1
 (21)
Pijk = C ijk + Max  IPi − IM i
 IP − C
 i +1 ijk
Este algoritmo pode ser mostrado pelo das figuras 4.23 a 4.25:
J
0 1 2 3 4 5 6 7 8 9
i
0 0 0 0 0 0 0 0 0 0 0
1 -3 -3 -3 -3 -3 -3 -3 -3
2 8 8 8 8 8 8
3 -1 -2 -1 -2
4 2 1
FIGURA 4.23 – Valores Econômicos dos Blocos

FONTE: WRIGTH, 1990
J
0 1 2 3 4 5 6 7 8 9
i
0 0 0 0 0 0 0 0 0 0 0
1 -3 -3 -3 -3 -3 -3 -3 -3
2 -1 -1 -1 -1 -1 -1
3 8 7 8 7
4 17 15
FIGURA 4.24 – Valores Econômicos dos Cones

FONTE: WRIGTH, 1990
i j 0 1 2 3 4 5 6 7 8 9
0 0 0 0 0 0 4 9 14 19 24
1 -3 -3 -3 4 9 14 19 24
2 -1 4 9 14 19 24
3 8 12 18 22
4 17 21
FIGURA 4.25 – Cava Final

FONTE: WRIGTH, 1990
83
A diferença entre o caso bidimensional e tridimensional é incremento da matriz Cijk,

para o caso tridimensional, conforme abaixo:
 Pi −1, j ±1,k − Pi −1, j ±1,k ∩ C ijk


Pijk = C ijk + Max  Pi , j ±1,k − Pi , j ±1,k ∩ C ijk (22)

 Pi +1, j ±1,k − C ijk
Sendo os valores de Pijk, Cijk definidos de acordo com a equação 20.
Estes últimos algoritmos apresentados, segundo Dowd e Onur (1993), não apresentam
uma solução ótima. A formulação de Koeningsberg foi verdadeiramente o primeiro
algoritmo de programação dinâmica tridimensional para otimização de cava, mas é
restringido a uma série de falhas que pode conduzir a soluções degeneradas. Wilke e
Wrigtht propuseram uma modificação à formulação de Koeningsberg que nem sempre
produz uma solução não degenerada.
84
CAPÍTULO 5
NOVAS TENDÊNCIAS DE OTIMIZAÇÃO
5.1 – PARAMETRIZAÇÃO DE RESERVAS
A parametrização de um projeto de mineração se fundamenta na utilização dos

conceitos da geoestatística para otimizar o aproveitamento de uma dada jazida. Tal
parametrização está centrada em três parâmetros: - a tonelagem V do material extraído,
a tonelagem T de minério selecionado vindo do tratamento e o metal contido Q. Como é
evidente, esses parâmetros estão ligados a fatores geológicos e tecnológicos. Assim, na
maioria dos casos, os projetos correspondem a pares de valores (V,T) com a
maximização da variável Q para a obtenção da economia ótima. Isto é devido ao fato do
maior lucro, na formulação usada pelas companhias mineradoras, se baseia no
incremento da função Q e na diminuição das funções V e T.
Segundo Valente (1982?), a função de parametrização é a substituição da procura de

uma cava ótima final pela determinação de uma função chamada Λ (x,y,z). Esta função
terá um valor numérico para cada bloco tecnológico da jazida em estudo. Este valor será
o “parâmetro” do bloco com as coordenadas (x,y,z) e aquela função passará a ser
chamada “função parametrização”.
Então a função de parametrização das reservas possibilita o ajuste de famílias de curvas

da função F de um projeto ótimo (Qimax , Ti, Vi) correspondente a vários valores de Ti e
Vi. O projeto ótimo elegido estará dentro da família F e é o mais lucrativo, como pode
ser visto na figura 5.1.
Capítulo 5 – Novas tendências de Otimização
Família de linhas ^ max

Q Q-λT = F
Q
Qmax
Perdas por análise convexa
Ótimo Projeto
Para λ = λ0
T
FIGURA 5.1 – Curva simplificada de Q e T
FONTE: Modificada de BONGARÇON & GUIBAL, 1982
5.1.2 – Parametrização de uma cava
A função de parametrização idealizada por Matheron visa substituir a procura de uma

cava ótima final pela determinação de uma função que terá um valor numérico para
cada bloco.
O “parâmetro” definidor de cada bloco pode ser qualquer (teor, conteúdo metálico,
lucro, etc) mas habitualmente é o seu “beneficio”, o qual é função de uma variável
econômica λ qualquer (teor de corte, etc) por hipótese. Esta função (que se passa a
representar por W(λ)) é dita monótona. Se λ é um custo, por exemplo, o beneficio do
bloco decrescerá quando λ aumenta. Conseqüentemente, se λ1>λ2 a cava ótima
correspondente à λ1 estará incluída na cava ótima correspondente à λ2.
Suponha-se que se determine para cada bloco P (com as coordenadas x,y,z) um valor
numérico Λ(p) tal que, para um dado λ0 :
- O bloco P pertence a cava ótima se Λ(p)≥λ0.
- O bloco P não pertence a cava ótima se Λ(p)< λ0.
86
Conhecendo esta função Λ(p), pode-se determinar de imediato a cava ótima

correspondente à λ0. É o conjunto de todos os blocos P da jazida para os quais se tem
Λ(p)≥λ0.
Pode-se, também, estudar a variabilidade da cava em termos de um outro parâmetro µ

(preço de venda, por exemplo). E assim, sucessivamente, até se alcançar a totalidade das
variáveis integrantes da “função beneficio” considerada.
Assim, para cada λi considerado há uma cava ótima possível de ser encontrada pelo
algoritmo como também para λ=λj e λ=0. Devido ao fato da jazida estar representada
por um número finito de blocos, haverá um número finito de cavas ótimas. Como
existem infinitos números reais positivos entre 0 e λj, existirão intervalos de variação de
λ para os quais não haverá variação da cava ótima.
Logo, a partir de um certo valor λj, existirá um número finito de cavas ótimas distintas,
cada uma correspondente a todos os valores de λ de um intervalo ] λi , λi+1], sendo que
cada intervalo é aberto à esquerda porque de λi obtém-se o benefício final para a cava ]
λi-1 , λi] e para a cava ] λi , λi+1]. Finalizando, obtém-se duas cavas, e opta-se pela maior
que será sempre a cava em que há a maximização do valor da jazida (ver figura 5.2).
87
] λ3 , λ4]
] λ2 , λ3]
Λ ( p ) = λ3
] λ1, λ2]
Λ( p ) = λ 2
Λ( p ) = λ1
FIGURA 5.2 – Cavas obtidas pela parametrização

FONTE: Modificada de BONGARÇON & GUIBAL, 1982
A parametrização de reservas deve ser usada juntamente com o algoritmo de Lerchs e

Grossamann para promover soluções de contorno final de uma cava. Assim, alguns
fluxos de caixa serão gerados. Um exemplo pode ser visto na figura 5.3, onde a primeira
seqüência (linha preta) representa o melhor resultado do ponto de vista financeiro, pois
significa o adiamento de remoção de estéril e antecipação de resultados pela lavra com
teores de corte decrescentes. Porém, esse critério pode vir a ser conflitante com a
necessidade operacional relativa ao número de frentes disponíveis com materiais
distintos que permitam a manutenção da “estacionarização” conforme especificado pelo
processo de beneficiamento e com as condições de espaço operacional para que os
custos e a produtividade não sejam afetados negativamente. O problema pode-se tornar
muito complexo, à medida que aumenta muito o número de parâmetros, podendo se
tornar sem solução.
88
($)
1a
2a
3a
Q-λT = γ
(Tempo)
Figura 5.3 – Sucessivos Fluxos de Caixa

FONTE : Modificada de LERCHS E GROSSMANN, 1964
Uma nova função de parametrização chamada parametrização temporal, dirigida à

resolução de problemas de planejamento técnico-econômico onde λ varia com o tempo,
vem sendo desenvolvida por especialistas no assunto.
5.2 – OTIMIZAÇÃO EM QUARTA DIMENSÃO
A otimização em quarta dimensão, na verdade, pode ser considerada como a análise da

melhor alternativa para a retirada de minério. Tal otimização combina a otimização
proposta por Lerchs e Grossmann, a parametrização de cavas, o caráter multi-elementar
da jazida e os fatores financeiros, através de análises de riscos, associadas a decisões de
gerenciamento, para se obter o teor de corte da mina. Através destas análises são
geradas várias cavas possíveis.
89
Assim, o processo de otimização em quarta dimensão requer os seguintes passos:
1 – Um modelo de blocos, que contenha:

• Tamanhos de blocos regulares;
• Massa de cada bloco;
• Identificação de cada tipo de minério e estéril;
• Metal contido em cada bloco;
• Ajuste dos fatores de custo de minerar e processar o minério.
2 – Um modelo financeiro, geralmente obtido de uma planilha eletrônica, que contenha:

• Preço unitário do metal;
• Custo por tonelada, para a extração de minério e estéril, bem como seu
processamento. Preferencialmente este custo deve ser em relação a um bloco;
• Ajuste de custos, que varia para cada tipo de rocha;
• Ajuste dos custos para o transporte do estéril vindo da extração e do
processamento.
3 – Ângulos e orientações de taludes requeridos para a manutenção da estabilidade da

cava a longo prazo.
O planejamento e otimização da cava na lavra a céu aberto é um processo iterativo, e

requer muitas “tentativas” para a escolha da melhor opção, sendo que cada alternativa
selecionada pode conduzir a um “resultado” diferente e até inesperado em termos da
cava final planejada. Por isso deve se sempre trabalhar com prudência e bom senso na
escolha da(s) melhor(es) alternativa(s).
5.2.2 – Variáveis Utilizadas na Otimização em Quarta Dimensão
Os casos abaixo, representam alguns exemplos reais das variáveis mais utilizadas para
se otimizar uma jazida em quarta dimensão:
90
Caso A – Maximização dos lucros, quando se paga royalty por tonelada processada.
Caso B – Preços dos produtos alocados, taxas e preço simples de commodity durante a
otimização.
Caso C – Quantificação dos custos de processo, que são afetados pelos elementos que
não são desejados no minério.
Caso D – Despesas de exploração abaixo da cava atual, quantificada através do uso de
simulação.
Caso E – Estratégias alternativas, para quantificar novas cavas de outros corpos de
minério.
Caso F – Relocação das infra-estruturas da mina, que requer um grande capital
adicional a ser gasto, podendo ser simulada durante a otimização.
Caso G - Alternativas de enceerramento, estratégias para o fechamento da mina.
Caso H – Análise sensitiva de preços, variações de preços de extração e processamento
de minerais.
Caso I – Quantificação das vantagens do aumento de produção nos processos de
extração e processamento durante a vida da mina.
Um erro lastimável é assumir-se que um determinado modelo econômico de blocos é

absoluto e imutável. Bongarçon (1993) apresentou esta situação de uma maneira
simples, mas precisa:
"Na otimização de um projeto mineiro, a escolha de parâmetros técnicos e de

planejamento de produção força o engenheiro de minas a tomar decisões,
desenvolver estratégias e calcular os riscos envolvidos muito tempo antes de todos
os detalhes do problema serem completamente determinados. Em alguns casos,
flutuações de dados tornam impossível assumir valores precisos (o preço de
mercado dos metais, por exemplo) e em outros, os dados só estão disponíveis na
última hora..."
91
CAPÍTULO 6
O PROGRAMA DE OTIMIZAÇÃO OTIMOPIT
6.1 – Apresentando o programa Borland-Delphi
Programar em Windows sempre foi algo extremamente complicado e acessível apenas a

programadores dispostos a investir muito tempo em programação. O Windows usa o
conceito de GUI (Graphics User Interface), que embora seja muito familiar para
usuários do Unix, é novidade para usuários do DOS. O uso de um sistema GUI implica
em aprender vários conceitos que são estranhos ao usuário de um sistema baseado em
texto como o DOS. Para complicar um pouco mais, o Windows é um sistema multi-
tarefa, e as aplicações são orientadas a eventos, o que implica em aprender um novo
estilo de programação. Finalmente, o programador tinha que ter alguma familiaridade
com as centenas de funções oferecidas pelo Windows.
Felizmente, as linguagens visuais chegaram para mudar esta situação. Foi só com elas
que o Windows conseguiu atingir objetivos de ser um sistema amigável e de fácil
utilização também para os programadores, que sempre tiveram que pagar a conta da
facilidade de uso para o usuário. O Delphi vem com um compilador capaz de gerar um
código executável pelo diretamente Windows, proporcionando uma velocidade de
execução de 5 a 20 vezes maior que as linguagens interpretadas. Além disso, vem
também com um gerenciador de banco de dados completo e um gerador de relatórios.
Existem muitas diferenças entre a programação em DOS e a programação em Windows.

Quando se programa em DOS, o programa é responsável pelo fluxo de processamento.
Capítulo 6 – O Programa de Otimização Otimopit
Tem que se definir claramente não só que instruções, mas também em que ordem estas
instruções devem ser executadas. Em Windows não é bem assim, o programa não
controla o fluxo de processamento, mas responde e trata eventos que ocorrem no
sistema.
Desde que a primeira versão do Delphi foi lançada, em 1995, esta ferramenta tem se
mostrado como a melhor escolha no desenvolvimento para Windows. Numa correlação
com outros ambientes de programação, podemos dizer que o Delphi tem o poder do
C++, e a facilidade do Visual Basic.
A principal vantagem do Delphi está na linguagem usada, Object Pascal, que é uma
evolução do Pascal padrão. A linguagem Pascal surgiu no final dos anos 60 e, até hoje,
é usada como uma das primeiras linguagens de programação para estudantes de
computação. Em 1984, a empresa Borland lançou o Turbo Pascal, que se firmou como o
melhor compilador de Pascal do mercado. E, a partir de então, o Turbo Pascal, passou a
incluir novos recursos nesta linguagem, como Units e Objetos, até a ascensão do
Windows quando foi lançado o Turbo Pascal for Windows. Finalmente, foi lançado o
Borland Pascal, cuja linguagem é considerada a primeira versão da Object Pascal. Na
sua versão atual, usada pelo Delphi, a Object Pascal é uma linguagem poderosa, sólida e
respeitada, sem perder sua facilidade peculiar.
No Delphi, a criação de aplicativos começa com a montagem de componentes em

janelas, como se fosse um programa gráfico. O usuário também pode utilizar
componentes desenvolvidos por terceiros ou criar seus próprios componentes.
O Delphi vem com todas as ferramentas necessárias para a manipulação de bancos de

dados dBase e Paradox, além de uma versão do Interbase, permitindo a criação de
aplicativos com banco de dados sem a necessidade de aquisição de outro programa. O
Delphi também tem acesso a bases de dados como Foxpro, Access, InFormix,
SYBASE, Oracle, SQL Server e DB2, além de qualquer outro banco de dados para
Windows compatível com ODBC.
93
As características principais do programa Delphi são:
• Compilador/otimizador de código mais rápido do mercado, gerando executáveis

rápidos e puros;
• Totalmente orientado a objetos e com suporte a threads e OLE Automation;
• Baseado em componentes, com facilidade de criação de componentes nativos, além
de controles ActiveX, inclusive com disponibilidade do código fonte dos
componentes padrão;
• Programação two-way, utilização de métodos visuais ou diretamente sobre o
código;
• Suporte a manipulação de exceções, que permite criar aplicações mais robustas e
com maior segurança;
• Acesso rápido e seguro a bancos de dados através do Borland Database Engine,
com facilidades de manipulação de dados;
• Criação de relatórios no próprio executável, com utilização de componentes
nativos;
• Capacidade de criação de aplicações multi-tier, com objetos distribuídos;
• Suporte a código in-line, em assembly;
• Capacidade de criação de outros tipos de utilitários, como DLL’s, Screen Saver’s e
aplicações CGI;
• Literatura diversificada;
• Fluxo de programação baseado em eventos;
6.2- O Programa Otimopit
O otimizador de cavas de minerações originado a partir desta dissertação foi

denominado Otimopit. Foi desenvolvido utilizando a linguagem de programação Delphi
versão 4.0 no início de seu desenvolvimento, mas a versão final foi totalmente
convertida para o Delphi 5.0. Este programa trabalha em ambiente Windows 95, 98 e
Windows NT.
94
O programa Otimopit possuí seis otimizadores de cavas de mineração. Em duas

dimensões tem-se o otimizador baseado na teoria de Lerchs e Grossmann, resolvendo o
problema de fluxo máximo e corte mínimo. Os outros otimizadores em duas dimensões
são o Cone Flutuante e o Cone Móvel, sendo que a diferença entre os dois é
basicamente na direção de procura da melhor cava. Em terceira dimensão tem-se o
otimizador Otimopit 2D e ½ proposta de Johnson e Sharp (1971), o otimizador Otimopit
3D Wilke-Wrigth, que é um otimizador vindo da teoria de Wrigth (1990) e o outro
otimizador é o Otimopit 3D Koenigsberg baseado na teoria de Koenigsberg (1982).
A tela principal do programa pode ser vista na figura 6.1. A partir desta tela, todos os
cálculos são feitos. Depois de aberto o programa o primeiro passo a ser feito é carregar
os dados do modelo de blocos. O botão “Entrada de Dados” deve ser pressionado.
FIGURA 6.1 – Tela de Abertura do Programa Otimopit
Em seguida, aparecerá uma sub-tela, como é mostrada na figura 6.2. Esta tela carregará
os dados vindos de um arquivo texto, ou seja com extensão *.txt ou um arquivo criado
em um editor de dados, que será carregado com a extensão *. fre. Para carregar estes
95
dados basta clicar em “Carregar Dados” e escolher o arquivo que se deseja carregar no
programa.
FIGURA 6.2 – Entrada de Dados do Programa Otimopit
O formato dos arquivos de entrada de dados é comentado a seguir: Os arquivos de

dados são regidos de certas normas, estas normas são as seguintes:
O primeiro dado é o número do bloco separado por um ponto e vírgula, como é
mostrado na figura 6.3.
O segundo dado é a coordenada X do bloco ou a posição na direção Leste Æ Oeste
do bloco, deve-se inserir todos os dados nesta direção para uma coordenada Y e Z
fixas, por exemplo os valores dos blocos, cujas às coordenadas são (0,0,0), (1,0,0),
(2,0,0) e (3,0,0), ou seja, percorrer-se toda a direção de uma seção fixa em uma
mesma coluna.
O terceiro dado é a coordenada Y do bloco ou a posição na direção Norte Æ Sul do
bloco, deve-se inserir todos os dados nesta direção para uma coordenada Z fixa, por
exemplo os valores dos blocos, cujas às coordenadas são (0,0,0), (1,0,0), (2,0,0),
(3,0,0), (0,1,0), (1,1,0), (2,1,0), (3,1,0), (0,2,0), (1,2,0), (2,2,0), (3,2,0).
96
O quarto dado é a coordenada Z do bloco ou a posição na direção do nível de

altitude do bloco.
Da quinta a décima posição devem ser inseridos os valores econômicos dos blocos
ou os teores de cada bloco, sendo que para um tipo de jazida multi-elementar cada
coluna deve conter um tipo diferente de rocha.
FIGURA 6.3 – Exemplo de um Arquivo de Entrada de Dados Para o Programa
Se os dados carregados no programa são dados de teores de cada bloco, deve-se calcular
os valores econômicos de cada bloco. Isto é feito através do botão “Calculo do
Benefício”, como pode ser visto na figura 6.4. Os valores de centavos devem ser
separados por vírgula.
97
FIGURA 6.4 – Cálculo do Valor Econômico do Bloco
O próximo passo é escolher o método de otimização desejado. Para os métodos em duas

dimensões, é gerada uma saída gráfica na tela principal e uma saída através de uma sub-
tela contendo os valores econômicos da otimização (ver figura 6.5).
FIGURA 6.5 – Cava em Duas Dimensões
98
Para dados em três dimensões, antes de otimizar é necessário apertar o botão iniciar,
depois de escolher o método de otimização, é gerada uma cava em planta na tela
principal do programa como pode ser visto na figura 6.6.
FIGURA 6.6 – Cava em Planta
Os dados também podem ser visualizados através da “Visualização em 3D”, onde a

uma visualização da topografia, dos blocos retirados e da cava final, como e mostrado
na figura 6.7 e na figura 6.8.
99
FIGURA 6.7 – Cava Final em 3D
FIGURA 6.8 –Blocos Retirados em 3D
Uma terceira forma de visualização pode ser obtida através, do botão Relatório (ver
figura 6.9), o relatório apresentado, possui saída de dados, através da impressora,
através de um arquivo *.txt, através de um arquivo *.qrp e através de um arquivo *.csv.
100
FIGURA 6.9 – Relatório Final do Programa Otimopit
101
CAPÍTULO 7
CONCLUSÕES
7.1 – Sobre Otimização
Existe uma dificuldade que é comum em quase todos os algoritmos de otimização de cava
final de mineração. O limite que envolve a cava com alto valor líquido presente não pode
ser determinado até que os valores dos blocos sejam conhecidos. Geralmente, os valores
dos blocos não podem ser conhecidos até que a seqüência de lavra seja especificada e a
seqüência de lavra não pode ser especificada até que os limites da cava estejam disponíveis.
Na teoria, a programação dinâmica é capaz de resolver o problema e produzir uma solução

ótima. Na prática, contudo, o número de combinações possíveis dos blocos aumenta
enormemente, fazendo com que a aplicação rigorosa do algoritmo em três dimensões seja
impraticável, isto é uma falha comum da programação dinâmica em muitas das aplicações
na indústria mineral
Uma outra solução seria parametrizar a geometria final de uma cava de mineração, segundo
a teoria desenvolvida por Matheron. Neste caso se divide o problema de otimizar uma cava
em duas partes a parte técnica e a econômica. O objetivo é a maximização da quantidade
de metal (mineral, recurso, etc). Esta hipótese esta baseada na observação de que na
maioria das funções de rendimento, de forma complexa, aumenta com a quantidade de
recursos e que a cava de um corpo de minério particular pode então ser definido por um
número mínimo de parâmetros técnicos: quantidade de metal (recurso), tonelagem total e
_____________________________________________________Capítulo 7 - Conclusões
tonelagem selecionada. Embora o método produza soluções paramétricas que são

inteiramente consistentes, ele não é rigorosamente ótimo.
A qualidade e aceitação dos planos referentes ao planejamento de mina, hoje em dia, são
tais que os gerentes e administradores perguntam, quase habitualmente, antes de qualquer
proposta ser submetida à aprovação, se a cava da mina foi otimizada. Mas um grande
questionamento deve ser feito: “otimizar” e "melhor" são sinônimos no contexto do
planejamento de lavra?
Segundo Lane (WHITTLE, 1997) otimizar é uma palavra que vem sendo gradualmente
aceita como descrição de um conjunto de técnicas que introduzem modelos matemáticos
analíticos dentro das atividades de planejamento de mina. Por outro lado, o significado de
melhor é, em última instância, filosófico. É bastante difícil obter um acordo no que pode ser
denominado como o melhor planejamento final de uma cava. Para se obter isto é necessário
um consenso de opiniões entre profissionais de diversas áreas (deste a parte técnica de lavra
e tratamento de minérios até economistas e diretores) todos com grande experiência em sua
área de atuação. Na melhor das hipóteses, a definição de “melhor” é muito confusa e tentar
fazer comparações diretas de planos ótimos em relação a melhores planos.
Em termos da aproximação da geometria obtida pela otimização no planejamento da mina,

o ponto principal é que a otimização é uma atividade analítica e na verdade não formulará
uma estratégia, pois ela será refinada no planejamento a curto prazo, onde a quantidade e a
qualidade de informações são bem melhores. Além disso, o modelagem dos blocos sempre
envolve um grau de compromisso entre realidade e comodidade. A pergunta é, que preço,
em termos de realismo, pode ser pago para chegar a uma representação que seja viável na
prática.
Ainda, segundo Lane, em respeito aos modelos de corpo de minério para o planejamento
final, são adotados, normalmente, blocos regulares como uma representação de um corpo
de minério. Mas de que modo estes valores deveriam ser atribuídos aos blocos, quando, a
maioria deles nem mesmo contém qualquer valor amostrado? Comumente, um padrão de
103
variações de teor é alcançado subdividindo o depósito, primeiro, em regiões que são

geologicamente homogêneas, e, depois, buscando um procedimento de interpolação
determinística (por exemplo Krigagem). Infelizmente, porém, isto não reflete a realidade
da variabilidade inerente dentro de um depósito, principalmente em um bloco em particular.
Em termos de modelo de mina, a maior atenção se concentra, em geral, em delinear o limite

(contorno ou geometria) final cava, porque isto tem demonstrado ser o problema mais
tratável. O problema mais geral é como programar produção em relação ao tempo, desde a
superfície virgem até o limite final. Este é um grande exercício computacional que está
além da capacidade das máquinas atuais, ou não? Como exemplo tem-se, o simulador de
fluxo utilizado pelas empresas petrolíferas.
Também são usados, comumente, modelos financeiros para planejamento na mineração. O

orçamento, avaliações econômicas e as técnicas de otimização freqüentemente se referem a
critérios econômicos que requerem projeções de fluxo monetário de caixa. Porém, está-se a
atua sobre várias áreas de prognóstico que são de confiabilidade muito duvidosa. Por
exemplo, nada é mais imprevisível que a cotação do preço de certos metais. Um critério
comumente adotado no planejamento de mina é o valor líquido presente de fluxo de caixa
para uma dada operação. Mas ainda a aproximação pelo valor líquido presente pode
representar um conceito muito intuitivo (como tantos modelos econométricos). Estimativas
de dados de mercado, por exemplo, tendem a não ser processadas. As definições dos dados
pertinentes ao modelo de blocos também requerem muito cuidado e meditação, pois a tarefa
de atribuir os custos para os blocos, em estudos de cava a céu aberto, não é um exercício
simples, porque, geralmente, não são calculados os custos em relação ao tempo. Deveria ser
utilizado modelos estocásticos de previsão de preços.
A grande pergunta que deve ser feita então, é como lidar com estas incertezas.
Aproximações atuais para otimização exigem cálculos da média de teores e de preços e
culminam em um plano de lavra reto e limitado. Porém, é possível calcular as
conseqüências de suposições diferentes, como teor e variações econômicas (análises de
sensibilidade) e é até mesmo possível refazer o plano completamente para suposições
104
diferentes, mas raramente são empreendidos tais exercícios por causa da quantidade de
trabalho envolvida. Ainda assim, nenhumas destas aproximações mostram alguma
flexibilidade dentro do próprio plano de lavra.
Um dos mais consistentes e significantes, problemas para o planejamento de lavra é como

se adaptar as flutuações de preços. É fácil dizer que produção deveria ser aumentada em
tempos de preços altos e vice-versa. Assim, qualquer mudança tática na produção assume
uma medida de flexibilidade no plano de lavra.
O que deve ser discutido é que qualquer implemento (adaptação) na produção em relação
ao preço é uma forma de especulação. Entretanto, qualquer política em condições de
incertezas é especulativa na medida que o resultado não é precisamente previsível. Mesmo
assim, as implicações comerciais e financeiras de políticas diferentes provavelmente são
supremas, embora possam ser melhorados os prospectos de períodos longos, algumas
perguntas nesta fase devem ser respondidas, tais como, a operação pode permitir o corte na
produção quando o preço é baixo? Pode-se sobreviver sem produção? A empresa ficaria
vulnerável? Como esta ação afetará o mercado? Um fechamento temporário é uma
estratégia prática?
Raramente são vistas tais perguntas, como uma parte integrante de um estudo de
planejamento de longo prazo. Certamente, técnicas de otimização não podem começar a
reivindicar a produção de melhores planos até que eles incorporem a incerteza e ao mesmo
tempo responda a esta incerteza, explicitamente, de algum modo.
7.2 – Sobre o programa Otimopit
O programa de otimização Otimopit (Otimo de otimizar e Pit de cava), foi concebido

através da interpretação de algoritmos teóricos, extraídos de formulas matemáticas de
diversos artigos. Os algoritmos de duas dimensões são bem rigorosos e não apresentam
falhas em relação à otimização. Já os algoritmos em três dimensões respondem com alguma
imprecisão aos dados inseridos. É notório que estes algoritmos apresentam falhas de
105
degeneração, algumas dais quais descritas por Dowd (1993), principalmente no que tange a
restrição de ângulos de taludes no seu fechamento. Estas falhas são amenizadas quando é
inserido um numero de blocos de pelo menos duas vezes o tamanho do corpo de minério,
pois assim o algoritmo consegue se adaptar melhor a escolha do melhor caminho.
Em relação ao tempo de calculo os algoritmos implementados pelo estudo, apresentaram

boa resposta, isto se deve ao nosso ver, à evolução da tecnologia computacional na
atualidade e ao fato do programa ter sido desenvolvido numa linguagem de alto
desempenho em ambiente Windows, foram testados vários modelos de blocos, com
variações do numero total de blocos entre 160 e 55.000 blocos, sendo que o programa
apresentou resultados satisfatórios. Este programa pode ser assim utilizado para o ensino
didático em universidades e escolas técnicas para o aprendizado de otimização de cavas e
também por pequenas empresas, que não dispõem de capital para aquisição de um
programa comercial.
7.3 – Sugestões para Trabalhos Futuros
Os algoritmos discutidos nesta dissertação, podem ser considerados como o primeiro passo
para que possamos trabalhar com otimização de depósitos minerais, mas não se deve parar
por aqui, pois muita coisa pode ser feita. A primeira delas seria a correção dos ângulos de
taludes, ou seja, buscar uma das duas opções: um algoritmo de solução matemática, que
realmente resolva o problema de otimização, ou um arranjo na matriz final de otimização.
Neste caso o algoritmo perderia a sua condição de otimizador, pois não estaria baseado
numa expressão matemática oriunda da pesquisa operacional.
Deve-se estar atento também para a utilização dos conceitos de parametrização de reservas
e “previsão” de preços (simulação estocástica) do mercado mineral. Entretanto, o que é
mais importante, para se otimizar uma jazida mineral, é a construção de um otimizador
verdadeiro. Este seria composto com algumas informações que não são utilizadas hoje em
dia, como capacidade de processamento da planta de beneficiamento, com as perspectivas
106
de produção e ainda as perspectivas das tendências de custos, para cada ano de atividade da
mina. Uma simulação dos equipamentos de lavra, bem como, os custos de renovação de
equipamentos, são fatores importantes que devem ser usados na otimização. Assim o valor
econômico do bloco de minério, poderia ser melhor avaliado. Os custos atualmente são
retirados de dados históricos. Este novo otimizador faria os passos apresentados na figura
7.1.
Preço do Custos de Custos de

Minério Tratamento Mineração
Valor
Teor de Encargos
Econômico
Minério Financeiros
do Bloco
Parametrização
das Reservas
Simulação de Otimização da
Equipamentos Jazida
Simulação da
Produção
FIGURA 8.1 – Fluxograma de um Otimizador
Os custos de mineração, processamento e transporte do minério (que são retirados de dados

históricos), mais os encargos financeiros (juros, taxas, etc.), o preço e o teor do minério,
resultam o valor econômico do bloco, a partir destes dados é feita a parametrização de
reservas e a partir disto é feita a otimização da jazida. O próximo passo é fazer a simulação
da produção durante toda a vida da mina e com estes dados em mãos deve ser feita à
simulação de equipamentos e seus custos durante o desenvolvimento da mina
(principalmente em relação ao aumento da distancia da frente de lavra e o britador e custos
107
de renovação de frota). Uma nova interação deve ser feita, pois cada bloco agora terá um
valor econômico em função do tempo em que será retirado. Assim deve-se fazer iterações
até que se atinja um valor fixo no modelo de blocos.
108
REFERÊNCIAS BIBLIOGRÁFICAS
[01] ARMONY, M. (1998). Informática aplicada ao planejamento e redução de custos na

lavra. Curso Profissional, Ietec - Instituto de Educação Tecnológica, Belo Horizonte.
[02] ARMSTRONG, R. D. et al. (1998). Strongly polynomial dual simplex methods

for the maximum flow problem. Mathematical Programming, v.80, p.17-33,
França.
[03] BASU, A. J. & McFADZEAN, B. (1997). Strategic planning in open pit mine
optimisation. SME annual meeting, Preprint 97-131, Denver, Colorado, Estados
Unidos.
[04] BIENSTOCK, D. et al. (1998). Minimum cost capacity installation for

multicommodity network flows. Mathematical Programming, v.81, p.177-199,
França.
[05] BONGARÇON, D. F. & GUIBAL, D. (1982). Algorithms for Parametrizing

Reserves under Different Geometrical Constraints. 17 th Application of
Computers and Operations Research in the Mineral Industry, p.297-309,
Berkeley, Estados Unidos.
[06] BONGARÇON, D.F. (1993). Myth and reality: a status report on computer
open pit optimization algorithms in the 90’s. França.
[07] CARMO, F. A. R & CURI, A. (1998). Projeto e planejamento de lavra a céu aberto
pôr meio do “Csmine” e “VarioC” da Mina de Caulim de Vermelho Novo e da
Jazida Fosfática de Monte Raso. CNPq -Conselho Nacional de Pesquisa, Ouro Preto.
[08] CHARBONNEAU, D.J. (1991). Application of the whittle 4D pit optimizing
program for mineral resource evaluation. Computer Applications in the
Mineral Industry, Vancouver, Canadá.
[09] COSTA, J.F.C.L. (1997). Developments in recoverable reserves estimation and

ore body modelling; Tese de Doutorado Department of Earth Sciences and to the
Committee of Graduate Studies of the University of Queensland, Australia.
[10] COSTA, R. R. (1979). Projeto de mineração. 1a ed. Ouro Preto: Universidade Federal de
Ouro Preto,vol.1 e 2, Ouro Preto.
[11] CRAWFORD, J. T. & HUSTRULID, W. A. (1979). Open pit mining planning and
desing. American Institute of Mining, Metallurgical, and Petroleum Engineers, Inc.,
UMI, Brooks on Demand, New York, Estados Unidos.
[12] CRAWFORD, J. T. & DAVEY, R. K. (1979). Case Study In Open-Pit Limit Analysis.
Computer Methods for the 80's in the Mineral Industry, p. 311-318, New York, Estados
Unidos.
[13 ] DOWD, P.A & ONUR, A.H. (1993). Open pit optimization, part 1: optimal open pit
design. Transation institution of Mining and Metallurgy, p. A95-A100, Estados Unidos.
[14] DOWD, P.A & ONUR, A.H. (1993). Open pit optimization, part 2: production
scheduling and inclusion of roadways. Transation institution of Mining and
Metallurgy,. P. A100-A103, Estados Unidos.
[15] GOLSINKI, T.S. & TOLWINSKI, B. (1995).Long term open pit scheduler. Mine
Planning and Equipament Selection, p.265-270, Balkerma, Rotterdam, Holanda.
[16] GUERRA, P. A. G. (1988). Geoestatística Operacional. Ministério das Minas e Energia

Departamento Nacional da Produção Mineral, Brasília.
[17] HILLER, F, S. & LIEBERMAN, G. J.(1988). Operational Research. University Stanford,

Stanford, Inglaterra.
110
[18] HOCHBAUM, D. S. (1997). A new-old algorithm for minimum cut and maximum flow
in closure graphs. Department of Industrial Engineering and Operations Research and
Walter A. Hass School of Business, University of California, Berkeley, Estados Unidos.
[19] HOCHBAUM, D. S & CHEN, A. (1998) Performance analysis and best

implementations of old and new algorithms for the Open-Pit Mining Problem.
Department of Industrial Engineering and Operations Research and Walter A. Hass
School of Business, University of California, Berkeley, Estados Unidos.
[20] HOULDEN, B. T. (1962). Some Techniques of Operational Research. Londres,

Inglaterra.
[21] HUSTRULID, W. & KUCHTA, M. (1995). Open pit mine planning & design;
Fundamentals. Colorado School of Mines,. vol. 1, Colorado, Estados Unidos.
[22] HUSTRULID, W. & KUCHTA, M. (1995). Open pit mine planning & design CSMINE
software; Package. Colorado School of Mines, Colorado, vol. 2, Estados Unidos.
[23] KIM, Y. C. (1979). Open-Pit Limits Analysis. Computer Methods for the 80's in the
Mineral Industry, p. 297-303. New York, Estados Unidos.
[24] KOENIGSBERG, E. (1982). The Optimum Contours of an Open Pit Mine: An

Application of Dynamic Programming. 17 th Application of Computers and Operations
Research in the Mineral Industry, p. 274-287, Berkeley, Estados Unidos.
[25] KOSKINIEMI, B. C. (1979). Hand methods. Open pit mining planning and desing,
p.189-194, New York, Estados Unidos.
[26] LEMMIEUX, M. (1979). Moving Cone Optimizing Algorithm. Computer Methods for
the 80's in the Mineral Industry, p. 329-345p, New York, Estados Unidos.
[27] LERCHS, H. & GROSSMANN, L. F. (1965). Optimum Design of Open-Pit Mines.

Transactions, Canadian Mining and Metallurgical Bulletin, v. 58, p.47-54, Canadá.
111
[28] MICHAELSON, S. D. & BUCKLEY, R. E. (1973). Planning and Engineering Design of
Open Pits and Quarries. S.M.E. - Soc. of Mining Engineers, Mining Engineering
Handbook, p. 17.8 - 17.10, Denver, Colorado, Estados Unidos.
[29] NILSSON, D. (1997). Optimal Final Pit Depth: Once Again. Mining Engineering, vol.
49, no 1 , p. 71-72, Estados Unidos.
[30] ORLIN, J. B. (1997). A polynomial time primal network simplex algorithm for
minimum cost flows. Mathematical Programming, vol. 78, p. 109-129, França.
[31] PANA, M. T. & DAVEY, R. K. (1973). Pit Planning and Design. S.M.E. - Soc. of
Mining Engineers, Mining Engineering Handbook, p. 17.10 - 17.19, Denver, Colorado,
Estados Unidos.
[32] PINTO, L.R (1999). Metodologia de análise do planejamento de lavra de minas a

céu aberto baseada em simulação das operações de lavra; Tese de Doutorado
do Programa de Pós-Graduação de Engenharia da Universidade Federal do Rio de
Janeiro - Engenharia de Produção, Rio de Janeiro.
[33] PRENN, N.B. (1996). Case studies in open pit design using Lerchs-Grossmann pit
optimization. SME annual meeting, Preprint 96-21, Phoenix, Arizona, Estados
Unidos.
[34] RUDENO, V. (1981). Determination of optmum cutoff grades. 16 th Application of

Computers and Operations Research in the Mineral Industry, Sidney, Austrália.
[35] SOKKALINGAM, P. T. et al. (1997). A new pivot selection rule for the network
simplex algorithm. Mathematical Programming, v.78, p. 149-158, França.
[36] STANLEY, B. T. (1979). Mineral Model Construction: Principes of Ore-Body

Modeling. Open pit mine planning and design, New York, Estados Unidos.
112
[37] STEWART, D.H.(1991). Aspects of pit optimisation, pit, planning and
scheduling. Paper for presentation AT ACADS Conference, Kalgoorlie, Estados
Unidos.
[38] STUKE, H. J. (1970). Some General Formulae for the Geometry of Open-Cast Mines.
Planning Open Pit Mines, p.133-142, Estados Unidos.
[39] TULP, T. (1994). Application of Whittle Four-D to Risk Management in Pit

Optimisation; 4th Large Open Pit Mining Conference, p.183-193, Perth, Austrália, 1994.
[40] UNDERWOOD, R. & TOLWINSKI, B. (1997). Mathematical programming viewpoint

for solving the ultimate pit problem. Colorado School of Mines, Colorado, Estados
Unidos.
[41] VALENTE, J. M. G. P. (1982). Geomatemática – Lições de Geoestatística. Fundação

Gorceix, vol. 1-8, Ouro Preto.
[42] WHEELER, A. (1997). The shape of things to come at Bjorkdal Whittle Four-D
optimisation software at work. Mining Maazine, p.128-130, Esatados Unidos.
[43] WHITTLE, D. (1997). The relationship between economic design objectives and
reserves estimates. Resource to reserve inputs seminar, p. 27-29, Melbourne, Austrália.
[44] WHITTLE, J. (1989). The Facts and fallacies of open pit optimization. manuscrito,
Melbourne, Austrália.
[45] WHITTLE, J. (1988). Beyond optimization in open pit design. Proceedings of the First
Canadian Conference on Computer Application in the Mineral Industry, p. 331-337,
Laval University, Quebec, Canadá.
[46] WHITTLE, J.& ALFORD, C.G. (1986). Application of Lerchs-Grossmann pit

optimization to the design of open pit mines. Proceedings of the AusIMM/IE Newman
Combined Group, Large Open Pit Mining Conference, p.201-207, Austrália.
113
[47] WHITTLE, J. (1990). Open pit optimization. Surface Mining, 2nd edition, Society for
mining metallurgy and exploration inc, p. 470-475, Estados Unidos.
[48] WHITTLE, J. & ROZMAN, L. (1991). Open pit design in the 90s. Minopit’91, Australian
Institute of mining & metallurgy, p. 13-19p, Sidney, Australia.
[49] WHITTLE, J.& WHARTON, C. (1995). Optimizing cut-off grades. Whittle Conference,
Perth, Austrália .
[50] WRIGHT, E. A. (1990). Open Pit Mine Design Models; Alemanha.
114
Metodologias para o Planejamento de Cavas Finais de
Minas a Céu Aberto Otimizadas
Frederico Augusto Rosa do Carmo

Doutorando do Instituto de Geociências, UNICAMP
E-mail: Fred@ige.unicamp.br
Adilson Curi
Prof. Dr. do Departamento de Engenharia de Minas, UFOP
E-mail: curi@degeo.ufop.br
RESUMO ABSTRACT
O propósito do projeto de uma cava The project of final optimum open
final ótima é determinar os contornos pit mine is to determine the contours
de uma mina a céu aberto, baseando-se of an open pit mine, based on an
em um modelo econômico e com exigências economic model and creating viability
de viabilidade técnicas e econômicas demands to obtain the maximum possible
para se obter o máximo possível de of net value. This is done essentially
renda líquida. Tal projeto é in a computer based in the use of an
essencialmente feito em um computador algorithm that is applied to a three
fundamentando-se na implementação de um dimensional model of blocks in an ore
algoritmo, que é aplicado a um modelo body. The first computerized algorithm,
de blocos tridimensional em um corpo de published in 1965 by Lerchs and
minério. O primeiro algoritmo Grossmann, was generated from one of
computadorizado foi publicado em 1965 the most active operational research’s
por Lerchs e Grossmann, ele resolve o in mining. Although this algorithm was,
problema equivalente ao corte mínimo e for at least 25 years, the only
o problema de fluxo de máximo. Muitas demonstrable rigorous method to arrive
das razões para a lenta aceitabilidade at a great form of optimum pit, it is
do algoritmo de Lerchs e Grossmann se still not used broadly in the industry.
deve as praticabilidades do uso e It is accepted as the test in front of
implementação: dificuldade na all the other algorithms, because it
programação, dificuldade de solves the equivalent problem at the
incorporação de restrições como taludes minimum cut and maximum flow. Many of
variáveis e estradas, longo tempo de the reasons for the small acceptability
execução através de computadores e of the algorithm of Lerchs and
dificuldade de entender o método. Este Grossmann in the begining due to the
trabalho apresenta alguns algoritmos de practice use and implemention:
resolução de problemas de otimização de difficulty in programming, difficulty
aberturas de cavas finais de minas a of incorporation of such restrictions
céu aberto, enfatizando o algoritmo like variable slopes and roads, long
Lerchs e Grossmann.Um programa baseado time of execution for computation and
em vários algoritmos de otimização foi difficulty of understanding the method.
construído na linguagem de programação This paper has an objective, to present
Delphi. some algorithms of resolution of
problems optimum of final open pit
Palavras-chaves:planejamento de mina, mines, emphasizing the Lerchs and
otimização de cavas. Grossmann algorithm. A software basead
on several optmum algorithms was built
in the programming language Delphi.
1.Introdução aberto no final de sua Grossmann (1965) apud
vida útil, buscando a Hustrulid e Kuchta, 1995).
Durante a explotação a maximização do lucro. Eles
céu aberto, o terreno está definem a extensão das Decidindo qual bloco
continuamente sendo esca- reservas lavráveis e a será extraído, a ordem de
vado até atingir o limite quantidade de material ma-ximizar o lucro é equi-
inferior da cava final. O estéril a ser retirado e valente a encontrar o
contorno final da cava da depositado. Normalmente máximo “peso”, ajustando o
mina é determinado antes marcam a fronteira limite fechamento do nó. Quando o
do começo da operação da além da qual a explotação ajuste do nó é fechado,
mina, ou seja, na fase de de um dado depósito não todo o conteúdo posterior
projeto. será mais econômica. Os ao nó, também é fechado.
limites da cava na Semelhante ajuste é
A fase de planejamento superfície delimitam uma chamado fechamento máximo
da cava de uma mina geral- fronteira dentro da qual em G. Formalmente, o
mente apresenta os seguin- as estruturas de problema de fechamento
tes elementos: a)Ensaios; superfície da mina, tais máximo de grafo e o
b)Geologia; c)Tonelagem e como plantas de beneficia- problema de abertura de
extensão das reservas do mento e escritórios da cavas de minas são os
minério; d)Topografia; mina, não devem ser mesmos.
e)Equipamentos de minera- locados.
ção; f)Fatores econômicos Uma interpretação do
referentes aos custos de algo-ritmo de Lerchs e
operação; g)Capital a ser Gross-mann é que ele
investido; h)Lucro; i)Ti- 2. Metodologia identifica no grafo de
pologia do minério; j)Li- fechamento uma floresta
mites finais da cava; O problema da cava ótima envergando dois tipos de
k)Teor de corte; l)Relação é bem representado na árvores. Um tipo são as
estéril/minério; m)Escala dire-ção do gráfico G = árvores fortes que são
de produção; n)Taludes da (V,A) sendo definido como árvores D com propriedades
cava; o)Altura dos bancos; a reunião de um conjunto V que são C(s,D) > C(D,t),
p)Estradas; q)Caracterís- de elementos Vj (j = ou peso total do nó que é
ticas do minério; r)Condi- 1,2,...,n) chamados de nós posi-tivo. As outras
ções hidrológicas do de G, com um conjunto A de árvores na floresta são
terreno; s)Limites da pares de elementos de x, chamadas fracas. A forma
propriedade e t)Consi- chamados de ramos do das ar-vores fortes são o
derações mercadológicas. grafo. Cada bloco i ajuste que a fonte
correspondente a um nó e a candidata fixou como o
Hall (1975) elaborou uma cada nó é atribuindo um corte. Este ajuste nece-
lista (aprimorada por “peso” bi na rede, que ssariamente não é fechado,
Taylor (1977) e Lee (1984) representa o valor in- mas seu peso total pode
e apud Hustrulid & Kuchita dividual do bloco. O valor exceder só o valor do má-
(1995)) completa de ele- da rede é computado ao va- ximo fechamento, que é
mentos que devem ser lor assegurado do minério uma solução ótima.
checados na fase de no bloco, vindo o custo de
planejamento da cava. extração quando os blocos A cada repetição o algo-
sozinhos são extraídos. ritmo cria uma árvore no
Assim, um aspecto funda- Isto quer dizer que o flu- gráfico estendido, chamada
mental no desenvolvimento xo máximo possível seria a de uma árvore normalizada.
de qualquer projeto de soma dos valores de todos A árvore é construída com
mineração a céu aberto é a os blocos de minério, mas a propriedade de fecha-
determinação das reservas não é possível somente a mento máximo, sendo o
minerais explotáveis, ob- retirada de blocos de ajuste desta árvore de
tidas através dos então minério. Algumas restri- fácil identificação. Este
chamados limites finais da ções para a retirada dos ajuste não é fechado nece-
cava. O problema dos limi- blocos de minério, devem ssariamente no gráfico G =
tes finais da cava é de ser feitas e também a se- (V, A) e seu valor é só
suma importância para a qüência desta retirada maior que o ajuste de
prática da mineração a céu também deve ser obedecida. ótimo fechamento no grafo
aberto, como tem sido evi- Este relacionamento pré- G. Cada repetição do
dente pela atenção que ele cedente é determinado por algoritmo consiste em
tem recebido no mundo requerimento da estabi- identificar as impossibi-
todo. lidade de taude. Supondo, lidades na forma de vio-
assim, que o bloco i não é lações do fechamento e
Os limites finais da extraído antes do bloco j, atualizar a árvore emquan-
cava definem o tamanho e a e o bloco j não é extraído to é reduzido o vazio en-
forma de uma mina a céu antes do bloco k (Lerchs e tre o valor da solução
ótima e a ótima solução substituição do ramo (x0, e 3D embora a descrição
possível. xm) de Tt pelo ramo (xk, seja para 2D):
xl). Ir para o passo 3.
A árvore normalizada 3 – Normalizar Ts. 1- Uma vez descretizada a
t +1
criada está enraizada em Produzindo T . Ir para o jazida em blocos
um nó “dummy” r e enverga passo 1. tecnológicos apropria-
todos os nós de V. Sendo e 4 – Terminar. Yt é o damente avaliados, para
= [p, q] um ramo em T tal fechamento máximo de G. cada bloco (i,j)
que aquele p é o pai (Ver figura 1). define-se a quantidade
(antecessor) de q. O ramo mij = vij – cij (na
e define um ramo Tq, a verdade, trata-se de um
subárvore enraizada a q, e verdadeiro “ benefício”
apoiar sua massa da qual é xk X-Yt de cada bloco, pôr si
a soma dos pesos nós em
Tq, b(Tq). Yt xl só);
2- Calcula-se o valor Mij
Um ramo da árvore ou xm xp acumulado para cada
aponta para a raiz (acima) coluna considerada, ou
ou aponta para longe da seja :
raiz (abaixo). Lerchs e
Grossmann (1964) usaram a x0 i
anotação de p-ramo e M ij = ∑
k = 1
m kj
m-ramo, onde p e m repre-
sentam valores positivos e Figura 1- Máximo fechamento
negativos respectivamente. do grafo 3 - Procura-se o caminho
Fonte: Modificado de LERCHS E ótimo que representa o
No grafo, tem-se um nó GROSSMANN, 1964 contorno da cava para a
“dummy” X0 e o ramo seção considerada, na
“dummy” (Xo, Xi). O procura desse caminho
algoritmo inicia-se com a Até ao aparecimento do usam-se as relações
0
construção da árvore T em algoritmo LG a otimização abaixo:
G e T0 é então transformado de cavas finais sempre foi Poj = 0 Æ primeira linha
em sucessivas árvores T1, feita por um método manual zerada
T2, ..., Tn seguindo a de tentativas; "nele se Pij = Mij + max K
{(Pi+k,j-1)},
normalização, até não ser procurava, através de tem- com : k = -1, 0 , +1
mais possível à trans- tativas, chegar a uma cava
formação. O máximo fecha- que deveria ser inte- Pmax = maxKPik
mento está vindo pelos ressante e, se viesse a
vértices dos ajustes da aparecer muito estéril A otimização está assim
identificação dos ramos da dentro desta cava, ela garantida, sendo preciso
árvore final. deveria ser fechada (em notar que:
nova tentativa) para i) Pij representa a
Construída a árvore desmontar minério de maior contribuição máxima
normalizada T0 em G, teor e menos estéril, mas possível das colunas
entra-se em um processo se o contrário, houvesse 1 a j, para qualquer
iterativo. A iteração de possibilidade de alargar pit viável que
ordem t +1 transforma a mais a cava, tal também contenha o elemento
árvore normalizada Tt em deveria ser feito (em nova (i,j);
uma nova árvore nor- tentativa) e assim su- ii) Caso o valor máximo
malizada Tt+1. Cada árvore cessivamente até se alcan- de P na primeira
t t
T = (X,A ) é caracterizada çar uma cava final satis- linha seja positivo,
pelo ajuste dos ramos At fatória” (Valente (1982)). então a cava ótima é
t
e o ajuste Y de seus nós obtida seguindo-se
fortes. O processo termina O problema da otimização os arcos da direita
quando Y é o fechamento de de uma cava final (a 2D ou para esquerda e
G. As iterações t +1, 3D) não tem, na prática, iii) Com pequenos ajustes
apresentando os seguintes uma solução analítica manuais é possível
passos: fácil de ser obtida. O que obter a cava final
1 – Se existe um ramo (xk, tem resultado no apa- ótima a 3D.
recimento de variados al-
xl) em G, tal que Yk ε Yt e goritmos heurísticos e Pode-se acompanhar um
xl ε X-Yt, ir para o passo variados métodos apro- exemplo de otimização de
2, caso contrário ir para ximados de resolução. Por uma seção (2D), pelas
o passo 4. isto, o grande mérito da figuras 2 à 7. Estas
2 – Determinar xm, a raiz modificação de Johnson é figuras foram apresentadas
de um ramo forte que admitir que se passa a originalmente por Lerchs e
contém xk. Construir uma descrever, passo a passo Grossmann, em seu artigo,
árvore Ts pela (válido para os casos a 2D
mas foram modificadas Uma nova seção, então é ângulos de talude da cava.
neste trabalho para melhor formada, com os valores de Mudanças nos ângulos de
compreensão. Os valores Mij, podendo ser vista na talude requerem
líquidos (NV), original- figura 4: modificações no número de
mente foram -4 unidades combinações para seleção
monetárias para bloco de O próximo passo é dos blocos. Exempli-
estéril e 12 unidades escolher o bloco a ficando, para o caso em
monetárias para bloco de esquerda de máximo valor, que a relação vertical/
minério. que será somado com o horizontal seja de 2:1,
A otimizaçãoé iniciada bloco original, obtendo-se com o “caminho”a ser
fazendo-se a soma dos o Pij. percorrido da esquerda
valores das colunas. para a direita, tem-se a
Assim, para o bloco da O processo de otimização seguinte relação :
linha 4 e coluna 7, M47 , está condicionado,
tem-se: logicamente, à escolha dos
4
M47 = ∑mk 7 = m17 + m27 + m37 + m47 =12+12+12+12= 48
k =1
-4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
-4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 -4
1 -4 -4 -4 -4 8 20 44 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4
-4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 2 -12 -12 -12 4 32 60 8 -8 -8 -8 -8 -8 -8 -8 -8 -8
-4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 -4 3 -24 -24 -8 36 72 20 -8 -12 -12 -12 -12 -12 -12 -12
-4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 -4 4 -40 -24 24 84 32 0 -16 -16 -16 -16 -16 -16
12 -4 5 -44 4 80 44 12 -16 -20 -20 -20 -20
-4 -4 -4 -4 -4 12 12 12 -4 -4 -4 -4
6  Pi −1, j −1 -20 60 56 24 -8 -24 -24 -24
-4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 -4 
7 P = M ij + max  Pi , j −1 32 64 36 4 -24 -28
-4 -4 -4 -4 -4 -412 12 12 12 -4 -4 -4 -4 8
ij
64 48 16 -16 -32

-4 -4 -4 -4 -4 -4 -4 12 12 12 12 -4 -4 -4 9  Pi +1, j −1 60 56 28 -4 -32
FIGURA 2 - Modelo de blocos com a FIGURA 5 - Escolha do máximo valor Pij

delimitação do corpo de minério Fonte: Modificado de LERCHS E GROSSMANN, (13 )
1964
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1 -4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
2 -4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4 -4 -4 -4 1 -4 -4 -4 -4 -4 8 20 44 60 76 92 96 104 108 104 104 100 96 92
3 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 2 -8 -12 -12 -12 -12 4 32 60 80 96 100 108 112 108 108 100 96 92
3 -12 -24 -24 -24 -8 36 72 104 108 116 120 116 116 104 96 88
4 -4 -4 -4 0 12 12 8 -4 -4 -4 -4 -4
4 -40 -40 -24 24 84 116 128 132 128 128 116 104 88
5 -4 -4 -4 8 12 12 0 -4 -4 -4
5 -60 -44 4 80 128 148 144 144 132 120 100
6 -4 -4 0 12 12 8 -4 -4 -4
6 -68 -20 60 136 160 164 152 140 120
7 -4 -4 8 12 12 0 -4 7 -48 32 124 172 176 164 144
8 -4 0 12 12 8 -4 8 0 96 172 188 172
9 -4 8 12 12 0 9 60 152 200
FIGURA 3 – Modelo de blocos com os FIGURA 6 - Procura do maior P1k

valores para a otimização Fonte: Modificado de LERCHS E GROSSMANN,
1964
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
1 -4 -4 -4 -4 -4 8 12 12 0 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 1 -4 -4 8 20 44 60 76 92 96 104 108
2 -8 -8 -8 -8 -8 8 24 24 8 -8 -8 -8 -8 -8 -8 -8 -8 -8 2 -12 4 32 60 80 96 100 108 112
3 -12 -12 -12 -12 4 32 36 20 -8 -12 -12 -12 -12 -12 -12 -12 3 -8 36 72 104 108 116 120
4 -16 -16 0 32 48 32 0 -16 -16 -16 -16 -16 -16 4 24 84 116 128 132
5 -20 -4 28 56 44 12 -16 -20 -20 -20 -20 5 80 128 148
6 i
-8 24 56 56 24 -8 -24 -24 -24
M Pijij ==P22 =m
−8 6 136
7 ∑
k =1
kj 20 52 64 36 4 -24 -28 7
8 16 48 64 48 16 -16 -32 8
P0 j = 0
9 60 56 28 -4 -32 9
FIGURA 4- Cava sendo otimizada FIGURA 7 – Cone gerado a partir da

Fonte: Modificado de LERCHS E GROSSMANN, aplicação do algoritmo
1964 Fonte: Modificado de LERCHS E GROSSMANN,
1964
cava final. Esta extensão, interativo. A modificação
 Pi − 2 , j − 1 embora freqüentemente men- imposta por Johnson e
 cionada como um algoritmo Sharp pode ser expressa
 Pi − 1, j − 1 de programação dinâmica pela equação:
 tridimensional completo, é
Pij = M ij + Max  Pi , j − 1
intitulado com mais

 Pi + 1, j − 1 precisão como um algoritmo
2 ½ D.
S iq = ∑
ij
M ij
 Pi + 2 , j − 1

As vantagens da extensão
Sendo os valores de P, M de Johnson para o problema Onde Siq é a soma dos
e Mij definidos como de limite da cava final valores econômicos dos
anteriormente. são, principalmente, a blocos do contorno ótimo
facilidade e velocidade de da cava, esboçado na seção
O uso do angulo de talude implementação em um compu- e Mij já foi definido
1:1 é uma simplificação do tador e sua capacidade anteriormente neste capi-
processo. Evidentemente o para, pelo menos parcial- tulo.
projeto e por conseguinte mente, calcular em três
angulo de talude da cava dimensões. A desvantagem Este algoritmo de
final no modelo de blocos principal é que a solução contorno é bem parecido
é determinado obtida pode não ser fisi- como algoritmo de
principalmente pelas camente possível (praticá- Contornos de Projeção 2 ½-
características geomecâ- vel). Embora, devido à D. Utiliza um algoritmo 2-
nicas das rochas. Isto se falta de espaço de apli- D modificado de Lerchs-
deve princi-palmente a cabilidade, a extensão de Grossman. Novamente, só o
direções preferenciais das Johnson não obtevesse mui- Passo 1 requer modi-
descontinuidades presentes to uso desde sua intro- ficação; Passos 0, 2 e 3
no maciço rochoso. Os dução, é extremamente bem permanecem inalterados. O
ângulos de talude máximos adaptada para modificação algoritmo de contorno das
admissíveis podem variar de um algoritmo de contor- seções transversais pode
com a localização, orien- no final. Computacional- ser explicado como segue.
tação, e elevação da mente, a extensão de Para cada bloco (i, j, k)
região considerada no Johnson é muito próxima do no inventário do modelo de
interior da cava. algoritmo de programação bloco econômico, o valor
dinâmica 2-D original. líquido da cava de seção
O modelo de programação Porém, em uma aplicação de transversal ótima (seções
dinâmica mais completo e contorno, tem uma vantagem transversais de leste-
que leva em consideração sobre as aproximações de oeste) necessariamente
múltiplos angulos de talu- contornos de seção contendo o bloco (i, j, k)
de pode ser representado Transversais desde que se em seu contorno é
pelas seguintes relações: considere interações calculado. O valor de cada
Com j= 1,2,... e r = -na, perpendiculares para a bloco é representado por
-na+1,...,nb direção de corte Vijk. Logo, para toda seção
i transversal. transversal na direção
M ij = ∑
n = 0
m nj perpendicular (seções
{P }
O algoritmo de contorno transversais norte-sul),
P ij = M ij + Max i+ r , j−1 que usa a aproximação de calcula-se a cava
programação dinâmica 2 ½- bidimensional ótima que
Onde : D segue os passos usa os valores de Vijk como
Mij, mij e Pij = definidos anteriores do algoritmo de os valores de soma da
anteriormente; contorno iterativo, com a coluna (Mijk) no algoritmo
r = limite do talude da exceção do Passo 1, 2-D de Lerchs-Grossman.
coluna vizinha; considerar a união das Todo bloco que pertence a
na , nb = O numero máximo cavas de cortes uma cava bidimensional
de blocos, acima e abaixo transversais ótimas, a ótima pertence à cava de
do bloco (i,j), que serão cava calculada pelo contorno externo. Se não
extraidos juntos. algoritmo de programação há nenhum bloco nesta
dinâmica 2 ½ - D é classe o algoritmo para;
Johnson e Mickle (1970) aplicado ao modelo de caso contrário, o
e Johnson e Sharp (1971) bloco modificado usado. Se algoritmo continua como
desenvolveram uma extensão a cava resultante não antes.
do algoritmo de progra- contém nenhum bloco, o
mação dinâmica bidi- algoritmo é finalizado; O cálculo do Vijk é uma
mensional de Lerchs e caso contrário, os passos simples aplicação dupla do
Grossman a qual foi 2 e 3 necessitam ser algoritmo de programação
apresentada para resolver executados. Novamente, dinâmica bidimensional de
o problema de limite da este é um processo Lerchs-Grossman. Na
notação do artigo de BSi na coluna (j-1,k-1) =
Lerchs-Grossman (1965): Koesnigsberg propôs um Atrás do lado de i
"Pij é a contribuição verdadeiro algoritmo de SBSi na coluna (j,k-1) =
máxima possível da coluna limite da cava final Do lado de atrás do lado
1 para j para qualquer baseado na programação de i
cava possível que contenha dinâmica tridimensional. SSBSi na coluna (j+1,k-1)
o elemento (i,j) neste Este algoritmo usa um = Do lado do lado de trás
contorno". Se o otimizador eficaz, e ex- do lado i
procedimento esboçado é tremamente rápido sobre um
realizado duas vezes para conjunto rígido de
cada seção de corte, uma suposições. Porém, como  PSi , j −1,k
vez da esquerda para a qualquer algoritmo de pro- 
− PSBS ( Si ), j −1,k −1 + PBSi , j −1,k −1
direita e uma vez da gramação dinâmico é repe- Pijk = M ijk + Max 
direita para a esquerda, titivo e possui um grau − PS ( BSi ), j ,k −1 + PSBSi , j ,k −1
então Vijk pode ser extremo de conformidade − P
calculado como: própria. Restrições de  S ( SBSi ), j +1, k −1 + PSSBSi , j +1,k −1
talude da cava devem ser
consistentes ao longo do Onde:
Vijk = PijkL + PijkR + M ijk modelo, e estas são alta-
mente ligadas à geometria Pijk = Ótimo valor da
Onde: Pijk L é Pij calculado dos blocos. Assim, um ta- cava considerando
da esquerda para direita; lude de cava generalizado que o bloco bijk é o
Pijk R é o Pij calculado da não é possível direta- último bloco a ser
direita para a esquerda; mente. analisado. Este é o
e, Mijk é, como no artigo valor ótimo do bloco
de Lerchs-Grossman, "o Enquanto esta restrição bijk.
lucro obtido extraindo uma modela rigorosamente os
única coluna com elemento contornos (limites), a Mijk = Valor da coluna de
(i, j, k) da sua base ". aplicabilidade do algo- blocos vindos dos
ritmo para o problema de blocos bijk . É o
Note o que este cálculo limite da cava final calculo em alguns
realiza. Pijk L
é a ótima, não reduz seu valor casos das colunas
contribuição máxima da como um algoritmo de em duas dimensões.
coluna 1 para a coluna j, contorno. Definindo as Pijk = Valores dos
inclusive, para qualquer restrições efetivas de ta- vizinhos do bloco
cava possível que contenha lude da cava tais que elas (i,j,k).
o bloco (i, j, k) em seu sejam mais rigorosas que a
contorno (limite). definição de talude de ca- O problema de programação
Semelhantemente, Pijk R é a va de interesse, o algo- dinâmica trimensional é
contribuição máxima da ritmo pode ser usado como equivalente ao problema de
última coluna para a o procedimento do Passo 1 programação linear, cujo
coluna j, novamente do algoritmo da rotina de objetivo da função Pijk é
incluindo a coluna j, para contorno. Ainda seriam definido por:
qualquer cava possível que requeridas o aumento de Pijk = max Σ mi’j’k’Xi’j’k’
contenha o bloco (i, j, passos existentes e
k) no seu contorno, Mijk, repetições múltiplas, mas 3 – Programa Otimopit
é somado nas duas vezes. o resultado final nece-
Assim, se Mijk é subtraído ssariamente seria mais Um otimizador de cavas de
da soma, o resultado justo. minerações foi originado
desejado é alcançado. através destas equações,
Diferente do caso sendo denominado Otimopit.
Um cálculo semelhante ao bidimensional, quando os Foi desenvolvido utili-
do Vijk é feito no passo 10 blocos que são vizinhos zando a linguagem de
do algoritmo apresentado próximos correspondem a programação Delphi versão
por Johnson e Mickle uma única coluna na 4.0 no início de seu
(1970). Os valores de Vijk direção anterior ao bloco, desenvolvimento, mas a
podem ser interpretados no caso tridimensional versão final foi
fisicamente como os (algoritmo de Koenigsberg) totalmente convertida para
valores da cava os blocos vizinhos o Delphi 5.0.
bidimensional ótima, correspondem a quatro
sujeito à exigência de que colunas as quais exercem O programa Otimopit
os blocos (i, j, k) influência na direção dos possuí seis otimizadores
permaneçam na margem da valores do bloco (i,j,k): de cavas de mineração. Em
cava. Note que estes os duas dimensões tem-se o
valores de Vijk são otimizador baseado na
calculados para todos os Si na coluna (j-1,k) = Ao teoria de Lerchs e
blocos no modelo. lado de i Grossmann, resolvendo o
problema de fluxo máximo e proposta de Johnson e A tela principal do
corte mínimo. Os outros Sharp (1971), o otimizador programa pode ser vista na
otimizadores em duas Otimopit 3D Wilke-Wrigth, figura 6.1. A partir desta
dimensões são o Cone que é um otimizador vindo tela, todos os cálculos
Flutuante e o Cone Móvel, da teoria de Wrigth (1990) são feitos. Depois de
sendo que a diferença e o outro otimizador é o aberto o programa o
entre os dois é Otimopit 3D Koenigsberg primeiro passo a ser feito
basicamente na direção de baseado na teoria de é carregar os dados do
procura da melhor cava. Em Koenigsberg (1982). modelo de blocos. O botão
terceira dimensão tem-se o “Entrada de Dados” deve
otimizador Otimopit 2D e ½ ser pressionado.
O formato dos arquivos de entrada de
dados é comentado a seguir: Os
arquivos de dados são regidos de
certas normas, estas normas são as
seguintes:
O primeiro dado é o número do bloco
separado por um ponto e vírgula.
O segundo dado é a coordenada X do
bloco ou a posição na direção Leste
Æ Oeste do bloco, deve-se inserir
todos os dados nesta direção para
uma coordenada Y e Z fixas, por
exemplo os valores dos blocos,
cujas às coordenadas são (0,0,0),
(1,0,0), (2,0,0) e (3,0,0), ou
seja, percorrer-se toda a direção
de uma seção fixa em uma mesma
coluna.
O terceiro dado é a coordenada Y do
FIGURA 8 – Tela de Abertura do Programa bloco ou a posição na direção Norte
Otimopit
Æ Sul do bloco, deve-se inserir
todos os dados nesta direção para
uma coordenada Z fixa, por exemplo
Em seguida, aparecerá uma sub-tela, os valores dos blocos, cujas às
como é mostrada na figura 9. Esta tela coordenadas são (0,0,0), (1,0,0),
carregará os dados vindos de um (2,0,0), (3,0,0), (0,1,0), (1,1,0),
arquivo texto, ou seja com extensão (2,1,0), (3,1,0), (0,2,0), (1,2,0),
*.txt ou um arquivo criado em um (2,2,0), (3,2,0).
editor de dados, que será carregado
com a extensão *. fre. Para carregar O quarto dado é a coordenada Z do
estes dados basta clicar em “Carregar bloco ou a posição na direção do
Dados” e escolher o arquivo que se nível de altitude do bloco.
deseja carregar no programa.
Da quinta a décima posição devem ser
inseridos os valores econômicos dos
blocos ou os teores de cada bloco,
sendo que para um tipo de jazida
multi-elementar cada coluna deve
conter um tipo diferente de rocha.
Se os dados carregados no programa são
dados de teores de cada bloco, deve-se
calcular os valores econômicos de cada
bloco. Isto é feito através do botão
“Calculo do Benefício”, como pode ser
visto na figura 10. Os valores de
centavos devem ser separados por
vírgula.
FIGURA 9 – Entrada de Dados do Programa

Otimopit
FIGURA 10 – Cálculo do Valor Econômico do
Bloco FIGURA 12 – Relatório Final do Programa
Otimopit
O próximo passo é escolher o método
de otimização desejado. Para os
métodos em duas dimensões, é gerada 4- Conclusões
uma saída gráfica na tela principal e
uma saída através de uma sub-tela Existe uma dificuldade que é comum
contendo os valores econômicos da em quase todos os algoritmos de
otimização (ver figura 6.5). otimização de cava final de mineração,
Os dados também podem ser visualizados pois o limite que envolve a cava com
através da “Visualização em 3D”, onde alto valor líquido presente não pode
a uma visualização da topografia, dos ser determinado até que os valores do
blocos retirados e da cava final, como bloco sejam conhecidos, os valores dos
e mostrado na figura 11. blocos não podem ser conhecidos até
que a seqüência de lavra seja
especificada e a seqüência de lavra
não pode ser especificada até que os
limites da cava não estejam
disponíveis.
Otimizar é uma palavra que vem sendo
gradualmente aceitada como descrição
de um conjunto de técnicas que
introduzem modelos matemáticos
analíticos dentro das atividades de
planejamento de mina. Por outro lado,
o significado de melhor é, em última
instância, filosófico. É bastante
difícil obter um acordo no que pode
ser denominado como o melhor
planejamento final de uma cava. Para
se obter isto é necessário um consenso
FIGURA 11 – Cava Final em 3D de opiniões entre profissionais de
diversas áreas (deste a parte técnica
Uma terceira forma de visualização de lavra e tratamento de minérios até
pode ser obtida através, do botão economistas e diretores) todos com
Relatório (ver figura 12), o rela- grande experiência em sua área de
tório apresentado, possui saída de atuação. Na melhor das hipóteses, a
dados, através da impressora, através definição de “melhor” é muito confusa
de um arquivo *.txt, através de um e tentar fazer comparações diretas de
arquivo *.qrp e através de um arquivo planos ótimos com melhores planos.
*.csv.
Em termos de modelo de mina, a maior
atenção se concentrou em delinear o
limite (contorno ou geometria) final
cava porque isto demonstrou o problema
mais tratável. O problema mais geral é
como programar produção em relação ao
tempo, desde a superfície virgem até o
limite final é um grande exercício
computacional além da capacidade de restrição de ângulos de taludes no seu
máquinas atuais. fechamento. Estas falhas são
amenizadas quando é inserido um numero
Também são usados comumente modelos de blocos de pelo menos duas vezes o
financeiros na mineração para tamanho do corpo de minério, pois
planejamento, orçamento e avaliações assim o algoritmo consegue se adaptar
econômicas e as técnicas de otimização melhor a escolha do melhor caminho.
freqüentemente se referem a critérios
econômicos que requerem projeções de Em relação ao tempo de calculo os
fluxo monetário de caixa. Porém, deve- algoritmos implementados pelo estudo,
se combater várias áreas de apresentaram boa resposta, isto se
prognóstico que são de confiabilidade deve ao nosso ver, à evolução da
muito duvidosa, por exemplo nada é tecnologia computacional na atualidade
mais duvidoso que a previsão do preço e ao fato do programa ter sido
do metal. Um critério comumente desenvolvido numa linguagem de alto
adotado no planejamento de mina é o desempenho em ambiente Windows, foram
valor líquido presente de fluxo de testados vários modelos de blocos, com
caixa que surge de uma operação. Mas variações do numero total de blocos
ainda a aproximação do valor líquido entre 160 e 55.000 blocos, sendo que o
presente (NPV) pode ser uma atração programa apresentou resultados
bem intuitiva (como tantos modelos satisfatórios. Este programa pode ser
econométricos). Estimativas de dados assim utilizado para o ensino didático
de mercado, por exemplo, tendem a não em universidades e escolas técnicas
ser processadas. As definições dos para o aprendizado de otimização de
dados pertinentes ao modelo de blocos cavas e também por pequenas empresas,
também requerem cuidado e meditação, que não dispõem de capital para
pois a tarefa de assinalar os custos aquisição de um programa comercial,
para os blocos, em estudos de cava a podendo ser adquirido, inclusive com o
céu aberto, não é um exercício código fonte, através dos autores, sem
simples, porque não são calculados os despesas.
custos em relação ao tempo.
Referências
A grande pergunta que deve ser feita CARMO, F.A.R. & CURI, A., Metodologias
então, é como lidar com estas para o Planejamento de Cavas Finais
incertezas. Aproximações atuais para de Minas a Céu Aberto Otimizadas,
otimização exigem cálculos da média de Dissertação de Mestrado, UFOP, 2001.
teores e de preços e culminam em um HUSTRULID, W. & KUCHTA, M. (1995).
plano de lavra reto e limitado. Porém, Open pit mine planning & design;
é possível calcular as conseqüências Fundamentals. Colorado School of
de suposições diferentes, como teor e Mines,. vol. 1, Colorado, Estados
Unidos.
variações econômicas (análises de DOWD, P.A & ONUR, A.H. (1993). Open
sensibilidade) e é até mesmo possível pit optimization, part 1: optimal
refazer o plano completamente para open pit design. Transation
suposições diferentes, mas raramente institution of Mining and Metallurgy,
são empreendidos tais exercícios por p. A95-A100, Estados Unidos
causa da quantidade de trabalho
envolvida. Ainda assim, nenhumas KOENIGSBERG, E. (1982). The Optimum
destas aproximações mostram alguma Contours of an Open Pit Mine: An
flexibilidade dentro do próprio plano Application of Dynamic Programming.
de lavra. 17 th Application of Computers and
Operations Research in the Mineral
O programa de otimização Otimopit Industry, p. 274-287, Berkeley,
Estados Unidos.
(Otimo de otimizar e Pit é igual a
cava, tradução do idioma inglês para
português), foi concebido através da LERCHS, H. & GROSSMANN, L. F. (1965).
Optimum Design of Open-Pit Mines.
interpretação de algoritmos teóricos, Transactions, Canadian Mining and
extraídos de formulas matemáticas de Metallurgical Bulletin, v. 58, p.47-
diversos artigos. Os algoritmos de 54, Canadá
duas dimensões são bem rigorosos e não
apresentam falhas em relação à UNDERWOOD, R. & TOLWINSKI, B. (1997).
otimização. Já os algoritmos em três Mathematical programming viewpoint
dimensões respondem com alguma for solving the ultimate pit problem.
imprecisão aos dados inseridos. É Colorado School of Mines, Colorado,
notório que estes algoritmos Estados Unidos.
apresentam falhas de degeneração, VALENTE, J. M. G. P. (1982).
algumas dais quais descritas por Dowd Geomatemática – Lições de
Geoestatística. Fundação Gorceix,
(1993), principalmente no que tange a vol. 1-8, Ouro Preto.

Metod Plan Cavas Finais FredFina

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Metod Plan Cavas Finais FredFina

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE OURO PRETO

ESCOLA DE MINAS DE OURO PRETO

Metodologias para o Planejamento de Cavas

Frederico Augusto Rosa do Carmo

Dissertação de Mestrado do Programa de Pós-

Área de Concentração: Planejamento de Lavra

Metodologias para o Planejamento de Cavas Finais

Orientador : Adilson Curi

1. Lavra de Mina a Céu Aberto. 2. Planejamento de

I. PPGEM/UFOP. II. Título. III. Curi, Adilson

À Deus, por me dado força para concluir esta dissertação.

Aos meus irmãos Francislene, Ana Flávia e Fillipe.

Aos meus sogros, Cyrineo e Cenira.

A Capes pelo suporte financeiro.

2 - REPRESENTAÇÃO DO CORPO DE MINÉRIO E ESTIMATIVA DE

3 - MÉTODOS CLÁSSICOS DE RETIRADA DE MINÉRIO............................ 28

4 - MÉTODOS DE OTIMIZAÇÃO UTILIZANDO A PROPOSTA DE

5 - NOVAS TENDÊNCIAS DE OTIMIZAÇÃO.................................................... 85

6 - O PROGRAMA DE OTIMIZAÇÃO OTIMOPIT............................................ 92

8 – BIBLIOGRAFIA ................................................................................................. 109

7.1 - Fluxograma de um Otimizador ...................................................................................... 107

A fase de planejamento da cava de uma mina geralmente apresenta os seguintes

Assim, um aspecto fundamental no desenvolvimento de qualquer projeto de mineração

1.2 – Modelo de Blocos

A otimização de uma cava de mineração, o projeto de uma mina e o planejamento de

A posição geométrica de um bloco é fixada com referência a um sistema de coordenada

ao processamento mineral. Assim, dados minerais, metalúrgicos e econômicos

Quanto às alternativas de aproveitamento do bem mineral Costa (1979) ( apud Pinto

• Aproveitamento de todo o depósito mineral, desprezando-se os aspectos econômicos

Com base em dados econômicos, geológicos e topográficos, faz-se a modelagem

O modelo de blocos faz a descrição da jazida em função do seu valor econômico

1.3 – Otimização da Cava de uma Mina

simulação incluem a técnica dos cones móveis. Os Métodos de programação dinâmica

O primeiro algoritmo para resolver problemas de abertura de cavas de minas foi

Vários algoritmos foram desenvolvidos durante os últimos anos para solucionar o

Dowd e Onur (1993) desenvolveram uma versão modificada do algoritmo de Koborov

Outros algoritmos heurísticos são os métodos de programação dinâmicos de Johnson e

A complexidade do algoritmo de Zhao e Kim nunca foi analisada, e não há nenhuma

Vallet propôs uma variante interessante do algoritmo de Lerchs e Grossmann. Em lugar

Huttagosol e Cameron formularam que o problema de cava a céu aberto é um problema

1.4 – Objetivos deste Trabalho

Esta dissertação tem como objetivo apresentar os algoritmos de resolução de problemas

Outro objetivo foi construção de um programa de otimização, para que, renunciemos a

Um terceiro objetivo e divulgar os métodos de otimização, pois a grande maioria das

1.5– Esboço desta Dissertação

Esta dissertação é dividida em 7 capítulos como segue:

REPRESENTAÇÃO DO CORPO DE MINÉRIO E

FIGURA 2.1- Modelo de blocos tridimensionais

FÍGURA 2.2 - Modelo de Blocos em seções gerado pelo programa Vulcan

2.2– Noções de Geoestátistica

O modelo de blocos promove as decisões de investimento, planejamento mineiro e

Segundo Guerra (1988) a geoestatística fornece uma série de ferramentas de modo a se

Os métodos de avaliação de reservas mais empregados podem ser classificados em três

2.2.1 – Métodos Convencionais

Os métodos convencionais ou geométricos são métodos manuais de estimação de

2.2.2 – Métodos Estatísticos

2.2.3 – Métodos Geoestatísticos

Os métodos geoestatísticos surgiram então para fundir o aspecto espacial (topológico) e

Recentes contribuições para o assunto de estimação com o uso da geoestatística revisam

Segundo Costa (1997), durante os últimos 20 anos a maioria das pesquisas de

- Método “Turning bands” para um conjunto de dados contínuos (Journel, 1974);

- Método sucessor da Simulação Gaussiana principalmente usado para variáveis

Outros desenvolvimentos em simulação geoestatística ajudaram a melhorar o