Escolar Documentos
Profissional Documentos
Cultura Documentos
Ouro Preto - MG
Maio de 2001
CARMO, FREDERICO AUGUSTO ROSA DO
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.
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
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
iv
4.5.7 – Algoritmo de Wilke e Wrigth.................................................. 82
7 – CONCLUSÕES.................................................................................................... 102
7.1 – Sobre Otimização.................................................................................... 102
7.2 – Sobre o programa Otimopit..................................................................... 105
7.3 –Sugestões para Trabalhos Futuros........................................................... 106
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
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.
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.
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.
2
Capítulo 1 - Introdução
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
Capítulo 1 - Introdução
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
Capítulo 1 - Introdução
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.
5
Capítulo 1 - Introdução
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
Capítulo 1 - Introdução
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
Capítulo 1 - Introdução
8
CAPÍTULO 2
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
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
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
♦ Métodos Convencionais;
♦ Métodos Estatísticos;
♦ Métodos Geoestatísticos.
12
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
Área de Influência;
Polígonos;
Seções Transversais;
Triângulos;
Inverso da Distância.
13
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
14
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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. 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
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
17
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
18
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
a) Fatores Mercadológicos
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.
b) Fatores Geológicos
19
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
c) Fatores Geotécnicos
20
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
21
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
d) Fatores Tecnológicos
22
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
e) Fatores Operacionais
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
23
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
g) Fatores Ambientais
24
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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.
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
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
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:
c) Limitações econômicas:
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.
26
Capítulo 2- Representação do Corpo de Minério e Estimativa de Reservas
27
CAPÍTULO 3
3.1.1 - Generalidades
Minério
toneladade estéril
SR = , (4)
toneladade minério
29
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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)).
30
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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.
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.
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
Onde:
Wt = estéril retirado num dado período de tempo ‘t’,
Ot = minério retirado no mesmo período de tempo‘t’.
32
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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)
33
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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:
♦ 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.
3.2.1 - 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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
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
38
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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).
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
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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)
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.
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
controlada pelo máximo ângulo de talude permitido para as bordas ou limites do modelo
de blocos.
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.
41
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
(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
44
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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.
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
46
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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).
48
Capítulo 3 – Métodos Clássicos de Retirada de Minério
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
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
4.1.1 – Generalidades
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
51
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
52
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
4.2.1- Generalidades
53
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
Um ramo em uma árvore enraizada são as raizes das subárvores ou ramos formadas por
si só e seus descendentes.
4.2.2- Definições
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.
54
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
55
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
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.
p T(X-Z)
T(Z)
Xp
m
Xq
Xk Xr
X0
57
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
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.
58
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
Yt X-Yt
xk xl
xm
xp
x0
Figura 4.5- Máximo fechamento do grafo
Fonte: Modificado de LERCHS E GROSSMANN, 1964
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
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:
60
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
Em ambos casos o programa prossegue com o 1o ciclo de instruções até que todos os
blocos de minério tenham sido examinados.
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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):
i
(11 )
M ij = ∑
k = 1
m kj
62
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
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
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
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
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 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
64
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
i
M ij = ∑
n = 0
m nj (14 )
66
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
68
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
i 2 9 9 9 2
0 14 14 14 2
71
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
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
72
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
73
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
74
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
76
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
k-1 k
BSi
Si
SBSi
SSBSi
i
Bloco (i,j,k)
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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 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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
1 2 3 4
-2 -2 -2 -3
5 6
5 5
79
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
o o o
(oo) (oo) o (oo) (oo) o
(oo) o (oo)
5 6
o (5)
(5)
o
S
(3,1)
T
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)
80
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
(4,3)
T
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)
2 2
1
(oo) (oo) o (oo) (oo)
3
(oo) 1 (oo)
5 6 (S,1)
(3,-1)
5 (5)
(5)
4
S
(-,oo)
81
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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.
Tem-se a fórmula:
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
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
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
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
83
Capítulo 4 - Métodos de Otimização Utilizando a Proposta de Lerchs e Grossmann
Estes últimos algoritmos apresentados, segundo Dowd e Onur (1993), não apresentam
restringido a uma série de falhas que pode conduzir a soluções degeneradas. Wilke e
84
CAPÍTULO 5
5.1.1 – Generalidades
Ótimo Projeto
Para λ = λ0
T
FIGURA 5.1 – Curva simplificada de Q e T
FONTE: Modificada de BONGARÇON & GUIBAL, 1982
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
Capítulo 5 – Novas tendências de Otimização
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
Capítulo 5 – Novas tendências de Otimização
] λ3 , λ4]
] λ2 , λ3]
Λ ( p ) = λ3
] λ1, λ2]
Λ( p ) = λ 2
Λ( p ) = λ1
88
Capítulo 5 – Novas tendências de Otimização
($)
1a
2a
3a
Q-λT = γ
(Tempo)
5.2.1 – Generalidades
89
Capítulo 5 – Novas tendências de Otimização
Os casos abaixo, representam alguns exemplos reais das variáveis mais utilizadas para
se otimizar uma jazida em quarta dimensão:
90
Capítulo 5 – Novas tendências de Otimização
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.
91
CAPÍTULO 6
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.
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.
93
Capítulo 6 – O Programa de Otimização Otimopit
94
Capítulo 6 – O Programa de Otimização Otimopit
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.
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
Capítulo 6 – O Programa de Otimização Otimopit
dados basta clicar em “Carregar Dados” e escolher o arquivo que se deseja carregar no
programa.
96
Capítulo 6 – O Programa de Otimização Otimopit
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
Capítulo 6 – O Programa de Otimização Otimopit
98
Capítulo 6 – O Programa de Otimização Otimopit
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.
99
Capítulo 6 – O Programa de Otimização Otimopit
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
Capítulo 6 – O Programa de Otimização Otimopit
101
CAPÍTULO 7
CONCLUSÕES
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.
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
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.
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
_____________________________________________________Capítulo 7 - Conclusões
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
_____________________________________________________Capítulo 7 - Conclusões
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.
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.
105
_____________________________________________________Capítulo 7 - Conclusões
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.
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
_____________________________________________________Capítulo 7 - Conclusões
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.
Valor
Teor de Encargos
Econômico
Minério Financeiros
do Bloco
Parametrização
das Reservas
Simulação de Otimização da
Equipamentos Jazida
Simulação da
Produção
107
_____________________________________________________Capítulo 7 - Conclusões
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
[03] BASU, A. J. & McFADZEAN, B. (1997). Strategic planning in open pit mine
optimisation. SME annual meeting, Preprint 97-131, Denver, Colorado, 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.
[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.
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.
[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.
[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.
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.
[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.
[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.
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.
[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.
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 .
114
Metodologias para o Planejamento de Cavas Finais de
Minas a Céu Aberto Otimizadas
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
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