ORIGINAL PAPER
Simultaneous integrated optimization for underground mine planning: application and risk analysis of geological uncertainty in a gold deposit
Jie Hou 1  
,   Guoqing Li 1  
,   Nailian Hu 1  
,   Hao Wang 1  
 
More details
Hide details
1
University of Science and Technology Beijing, China
CORRESPONDING AUTHOR
Guoqing Li   

University of Science and Technology Beijing, China
Submission date: 2018-10-14
Final revision date: 2019-01-12
Acceptance date: 2019-01-28
Publication date: 2019-06-28
 
Gospodarka Surowcami Mineralnymi – Mineral Resources Management 2019;35(2):153–174
 
KEYWORDS
TOPICS
ABSTRACT
The main optimized objects in underground mines include: stope layout, access layout and production scheduling. It is common to optimize each component sequentially, where optimal results from one phase are regarded as the input data for the next phase. Numerous methods have been developed and implemented to achieve the optimal solution for each component. In fact, the interaction between different phases is ignored in the tradition optimization models which only get the suboptimal solution compared to the integrated optimization model. This paper proposes a simultaneous integrated optimization model to optimize the three components at the same time. The model not only optimizes the mining layout to maximize the Net Present Value (NPV), but also considers the extension sequence of stope extraction and access excavation. The production capacity and ore quality requirement are also taken into account to keep the mining process stable in all mine life. The model is validated to a gold deposit in China. A two-dimensional block model is built to do the resource estimation due to the clear boundary of the hanging wall and footwall. The thickness and accumulation of each block is estimated by Ordinary Kriging (OK). In addition, the conditional simulation method is utilized to generate a series of orebodies with equal possibility. The optimal solution of optimization model is carried out on each simulated orebody to evaluate the influence of geological uncertainty on the optimal mining design and production scheduling. The risk of grade uncertainty is quantified by the possibility of obtaining the expected NPV. The results indicate that the optimization model has the ability to produce an optimal solution that has a good performance under the uncertainty of grade variability.
METADATA IN OTHER LANGUAGES:
Polish
Zintegrowany model optymalizacji planowania robót górniczych w podziemnych kopalniach: analiza ryzyka i niepewności geologicznej w złożach złota
kopalnia podziemna, planowanie robót górniczych, zintegrowana optymalizacja, niepewność geologiczna, programowanie całkowitoliczbowe
Główne optymalizowane obiekty w kopalniach podziemnych to parametry struktury przodka wybierkowego, optymalnego udostępnienia oraz planowanie robót górniczych. Powszechne jest optymalizowanie każdego komponentu po kolei, przy czym optymalne wyniki jednej fazy są uważane za dane wejściowe dla następnej. Opracowano i wdrożono wiele metod w celu uzyskania optymalnego rozwiązania dla każdego komponentu. W rzeczywistości interakcja między różnymi fazami jest ignorowana w tradycyjnych modelach optymalizacji, które prowadzą do nieoptymalnych rozwiązań w porównaniu ze zintegrowanym modelem optymalizacji. Niniejszy artykuł przedstawia zintegrowany model optymalizacji optymalizujący trzy komponenty w tym samym czasie. Model nie tylko optymalizuje układ wydobywczy, aby zmaksymalizować wartość bieżącą netto (NPV), ale także uwzględnia parametry przodka wybierkowego oraz wkopu udostępniającego złoże. Aby utrzymać proces wydobycia na stałym poziomie przez cały czas trwania eksploatacji, pod uwagę brane są również zdolności produkcyjne oraz wymagania dotyczące jakości rudy. Omawiany model jest opracowany na potrzeby złoża złota w Chinach. Powstały dwuwymiarowy model blokowy do oszacowania zasobów ze względu na wyraźną granicę między skrzydłem wiszącym a spągowym. Grubość i akumulacja każdego bloku jest szacowana za pomocą krigingu zwyczajnego (OK). Dodatkowo wykorzystywana jest warunkowa symulacja w celu generowania szeregu złóż rudy. Optymalny model optymalizacji jest przeprowadzany na każdym symulowanym złożu w celu oceny wpływu niepewności geologicznej na optymalne planowanie robót górniczych i produkcji. Ryzyko odnośnie do niepewności jakości złoża jest kwantyfikowane przez możliwość uzyskania oczekiwanej wartości bieżącej netto (NPV). Wyniki wskazują, że model optymalizacji ma zdolność do tworzenia optymalnego rozwiązania w warunkach niepewności.
 
REFERENCES (29)
1.
Alford, C. 1996. Optimisation in underground mine design. International Journal of Rock Mechanics and Mining Sciences and Geomechanics Abstracts, 220A.
 
2.
Ataee-Pour, M. 2000. A heuristic algorithm to optimise stope boundaries.
 
3.
Ataee-Pour, M. 2005. A critical survey of the existing stope layout optimization techniques. Journal of Mining Science 41(5), pp. 447–466.
 
4.
Ataee-Pour, M. 2004. Optimisation of stope limits using a heuristic approach. Mining Technology 113, pp. 123–128.
 
5.
Bastante et al. 2004 – Bastante, F., Taboada, J. and Ordóñez, C. 2004. Design and planning for slate mining using optimisation algorithms. Engineering Geology 73(1–2), pp. 93–103.
 
6.
Brazil, M. and Grossman, P. 2008. Access layout optimization for underground mines. Australian Mining Technology Conference, Queensland.
 
7.
Brazil et al. 2003 – Brazil, M., Lee, D., Van Leuven, M., Rubinstein, J., Thomas, D. and Wormald, N.J.M.T. 2003. Optimising declines in underground mines. Mining Technology 112, pp. 164–170.
 
8.
Brazil, M. and Thomas, D.A. 2007. Network optimization for the design of underground mines. 49, pp. 40–50.
 
9.
Carlyle, W.M. and Eaves, B.C. 2001. Underground planning at stillwater mining company. INFORMS Journal on Applied Analytics 31(4), pp. 50–60.
 
10.
Dimitrakopoulos et al. 2002 – Dimitrakopoulos, R., Farrelly, C. and Godoy, M. 2002. Moving forward from traditional optimization: grade uncertainty and risk effects in open-pit design. Journal Mining Technology 111(1), pp. 82–88.
 
11.
Dimitrakopoulos et al. 2007 – Dimitrakopoulos, R., Martinez, L. and Ramazan, S. 2007. A maximum upside/minimum downside approach to the traditional optimization of open pit mine design. Journal of Mining Science 43(1), pp. 73–82.
 
12.
Dimitrakopoulos, R. and Ramazan, S. 2004. Uncertainty based production scheduling in open pit mining. SME Trans 316, pp. 106–112.
 
13.
Dimitrakopoulos, R. 1998. Conditional simulation algorithms for modelling orebody uncertainty in open pit optimisation. International Journal of Surface Mining, Reclamation and Environment 12(4), pp. 173–179.
 
14.
Ding et al. 2004 – Ding, B., Pelley, C. and De Ruiter, J. 2004. Determining underground stope mineability using dynamic block value assignment approach. Mine Planning and Equipment Selection 2004: Proceedings of the Thirteenth International Symposium on Mine Planning and Equipment Selection, Wrocław, Poland, 1–3 September 2004, 2004. CRC Press, 19.
 
15.
Dowd et al. 2016 – Dowd, P., Xu, C. and Coward, S. 2016. Strategic mine planning and design: some challenges and strategies for addressing them. Journal Mining Technology 125(1), pp. 22–34.
 
16.
Godoy, M. and Dimitrakopoulos, R. 2011. A risk quantification framework for strategic mine planning: Method and application. Journal of Mining Science 47(2), pp. 235–246.
 
17.
Kuchta et al. 2004 – Kuchta, M., Newman, A. and Topal, E. 2004. Implementing a production schedule at LKAB’s Kiruna Mine. Interfaces 34(2), pp. 124–134.
 
18.
Little et al. 2013 – Little, J., Knights, P., Topal, E. 2013. Integrated optimization of underground mine design and scheduling. Journal of the Southern African Institute of Mining and Metallurgy 113(10), pp. 775–785.
 
19.
Little et al. 2008 – Little, J., Nehring, M. and Topal, E. 2008. A new mixed-integer programming model for mine production scheduling optimisation in sublevel stope mining. Proceedings-Australian Mining Technology Conference. Twin Waters. The Australasian Institute of Mining and Metallurgy.
 
20.
Martinez, M.A. and Newman, A.M. 2011. A solution approach for optimizing long-and short-term production scheduling at LKAB’s Kiruna mine. European Journal of Operational Research 211(1), pp. 184–197.
 
21.
Nehring et al. 2012 – Nehring, M., Topal, E., Kizil, M., Knights, P. 2012. Integrated short-and medium-term underground mine production scheduling. Journal- South African Institute of Mining and Metallurgy 112(5), pp. 365–378.
 
22.
Nehring et al. 2010 – Nehring, M., Topal, E. and Little, J. 2010. A new mathematical programming model for production schedule optimization in underground mining operations. Journal of The South African Institute of Mining and Metallurgy 110(8), 437–446.
 
23.
Newman et al. 2010 – Newman, A.M., Rubio, E., Caro, R., Weintraub, A. and Eurek, K. 2010. A review of operations research in mine planning. Interfaces 40(1), pp. 222–245.
 
24.
O’Sullivan, D. and Newman, A. 2015. Optimization-based heuristics for underground mine scheduling. European Journal of Operational Research 241(1), pp. 248–259.
 
25.
Osanloo et al. 2008 – Osanloo, M., Gholamnejad, J. and Karimi, B. 2008. Long-term open pit mine production planning: a review of models and algorithms. International Journal of Mining Reclamation and Environment 22(1), pp. 3–35.
 
26.
Ovanic, J. and Young, D. 1999. Economic optimization of open stope geometry. 28th international APCOM symposium. Colorado school of Mines, Golden, Colorado. USA, pp. 855–862.
 
27.
Ramazan, S. and Dimitrakopoulos, R. 2004. Traditional and new MIP models for production scheduling with in-situ grade variability. International Journal of Surface Mining Reclamation and Environment 18(2), pp. 85–98.
 
28.
Sandanayake et al. 2015 – Sandanayake, D. S. S., Topal, E. and Asad, M. W. A. 2015. A heuristic approach to optimal design of an underground mine stope layout. Applied Soft Computing 30, pp. 595–603.
 
29.
Topal, E. and Sens, J. 2010. A new algorithm for stope boundary optimization. Journal of Coal Science and Engineering 16(2), pp. 113–119.
 
eISSN:2299-2324
ISSN:0860-0953