Modelo de optimización estocástica de leyes de corte para una compañía minera aurífera

Abstract

Una de las variables de decisión más estudiada en la bibliografía técnica minera en relación con su estimación y optimización es la ley de corte, en la que la función objetivo más aceptada ha sido la maximización del Valor Presente Neto (VPN). Sin embargo, un número considerable de proyectos mineros determinan sus leyes de corte a través del uso de modelos determinísticos que no permiten realizar un análisis basado en la incertidumbre. En el presente trabajo se formula un modelo de optimización estocástica de leyes de corte para un depósito aurífero, considerando los riesgos e incertidumbres propias de la actividad minera, con el propósito de maximizar el VPN del proyecto de una compañía con operaciones mineras subterráneas. La metodología seleccionada para el modelo corresponde a la optimización estocástica implícita, que utiliza un enfoque híbrido el cual combina un algoritmo metaheurístico (Algoritmo Genético) y la simulación de Montecarlo. La validación del modelo se realizó utilizando datos reales para verificar su aplicabilidad industrial y proporcionar una alternativa a los modelos tradicionales comúnmente utilizados hasta la fecha. El modelo formulado presentó una vida más corta del proyecto y una ley de corte dinámica en el tiempo, lo que se traduce en ingresos anuales variables. En cuanto a rentabilidad, se presentó un incremento de 21,142,372 USD al comparar la media del VPN del modelo estocástico con el VPN del modelo determinístico. Los resultados obtenidos demuestran los beneficios de aplicar este tipo de modelos a escala industrial para aumentar el valor de los proyectos. (Texto tomado de la fuente]

One of the most studied decision variables in the technical mining literature regarding its estimation and optimization is the cut-off grade, where the most accepted objective function has been the maximization of NPV (Net Present Value). However, a considerable number of mining projects determine their cut-off grades using deterministic models that do not facilitate analysis based on uncertainty. In this study, a stochastic optimization model for cut-off grades is formulated for a gold deposit, taking into account the risks and uncertainties inherent in mining activities, with the purpose of maximizing the project's NPV for a company with underground mining operations. The selected methodology for the model is implicit stochastic optimization, employing a hybrid approach that combines a metaheuristic algorithm (Genetic Algorithm) and Monte Carlo simulation. The model's validation is conducted using real data to verify its industrial applicability and to offer an alternative to the commonly employed traditional models. The formulated model exhibits a shorter project life and a dynamic cut-off grade over time, resulting in variable annual revenues. Regarding profitability, a 21,142,372 USD increase is observed when comparing the mean NPV of the stochastic model with that of the deterministic model. These findings demonstrate the advantages of applying such models on an industrial scale to enhance project value.