The stochastic optimization of long and short-term mine production schedules incorporating uncertainty in geology and equipment performance
Bibliographic record
Abstract
La cédulation de la production minière consiste à définir la séquence d'extraction et le mode de traitement du minerai, discrétisé en un modèle de blocs, au sein de différentes fenêtres et échelles de temps. Ces dernières répondent à des objectifs distincts et sont soumises à des contraintes techniques et opérationnelles différentes. La planification minière à long terme vise habituellement à définir la production annuelle de la mine jusqu'à la fin de l'exploitation et pour cela cherche à maximiser la valeur actuelle nette du projet tout en satisfaisant les capacités d'extraction et de traitement. La planification à court terme cherche quant à elle à déterminer une séquence d'extraction à une échelle de temps plus courte puisqu'elle se concentre sur quelques mois, semaines ou même jours de production uniquement. En général, l'objectif est alors de maximiser la satisfaction des cibles de production définies par la planification à long terme tout en considérant des contraintes opérationnelles plus détaillées. Historiquement, ce type d'optimisation considère l'hypothèse d'une connaissance parfaite des paramètres incertains. Cependant, les études sur la planification stochastique montrent qu'intégrer l'incertitude dans l'optimisation de la production des mines est en mesure d'augmenter significativement la valeur économique d'un projet, tout en minimisant le risque de déviation par rapport aux cibles de production. Ce mémoire explorera les gains que permettent d'obtenir des considérations stochastiques dans la planification des mines lors d'une optimisation à long et à court terme.On présente d'abord une étude portant sur la planification minière à long terme d'un projet d'extraction d'éléments de terres rares (ETR) prenant en compte l'incertitude géologique dans le cadre d'une optimisation stochastique. L'incertitude concernant les teneurs des terres rares est modélisée en utilisant une technique de simulation-conjointe efficace pour préserver les relations inter-éléments. L'approche proposée évite l'utilisation conventionnelle de la teneur en oxydes de terres rares totales. La planification stochastique obtenue est comparée à une planification dite déterministe générée avec un optimiseur conventionnel. Les gains de la solution stochastique sont divers: une augmentation de 20% de la valeur actuelle nette espérée; une meilleure utilisation de la capacité de l'usine de traitement; et un concentré de minerai de qualité supérieure en termes de contraintes de mélanges des ETR. La deuxième étude propose une formulation stochastique qui vise à simultanément optimiser l'allocation de l'équipement et la planification de la production à court terme en prenant de nouveau en compte l'incertitude géologique mais également l'incertitude sur la performance de l'équipement. L'approche proposée complète certaines limitations de précédents travaux en planification stochastique à court terme, notamment en: incorporant l'optimisation du mouvement et de l'emplacement des pelleteuses; en générant des scénarios de performance de l'équipement plus réalistes; en présentant une nouvelle approche pour définir des contours d'extraction plus pratiques; et en proposant des améliorations de stratégies d'optimisation afin de résoudre plus efficacement des problèmes de grandes dimensions. Le modèle est appliqué à un complexe minier d'extraction de cuivre et est comparé à une approche traditionnelle, déterministe, où la même formulation est résolue en utilisant uniquement les paramètres moyens pour la géologie et la performance des équipements au lieu d'un ensemble de simulations. La solution stochastique s'avère être plus efficace pour contrôler le risque de déviation des cibles de tonnages de chaque destination de traitement. De plus, l'intégration de la variabilité de la performance de l'équipement permet à l'optimiseur stochastique de générer une séquence d'extraction pour laquelle les objectifs de production sont beaucoup plus susceptibles d'être atteints.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".