Development of new metaheuristic tools for long term production scheduling of open pit mines

Khan, Asif; Lübbecke, Marco; Niemann-Delius, Christian

doi:urn:nbn:de:hbz:82-rwth-2015-053066

Development of new metaheuristic tools for long term production scheduling of open pit mines = Entwicklung neuer metaheuristischer Verfahren für die langfristige Produktionsplanung in Tagebaubetrieben

Khan, Asif

2016

Verantwortlichkeitsangabevorgelegt von Asif Khan

ImpressumAachen : Publikationsserver der RWTH Aachen University 2016

UmfangXII, 102 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2015

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2016

Genehmigende Fakultät
Fak05

Hauptberichter/Gutachter
Niemann-Delius, Christian (Thesis advisor) ; Lübbecke, Marco (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2015-08-31

Online
URN: urn:nbn:de:hbz:82-rwth-2015-053066
URL: http://publications.rwth-aachen.de/record/538444/files/538444.pdf
URL: http://publications.rwth-aachen.de/record/538444/files/538444.pdf?subformat=pdfa

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Ingenieurwissenschaften und Maschinenbau (frei) ; mine production scheduling (frei) ; stochastic optimization (frei) ; particle swarm optimization (frei) ; bat algorithm (frei) ; differential evolution (frei) ; geologic uncertainty (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Langfristige Produktionsplanung in Tagebauen ist eine großes und komplexes Optimierungsproblem, das seit 1960 ausgiebig in der Fachliteraturdiskutiert wird. Es ist darauf gerichtet, eine zeitliche Abfolge der Abbaublöcke bei der Gewinnung von mineralischen Rohstoffen im Tagebau zu ermitteln, die den Nettobarwert (Net Present Value, NPV) optimiert und gleichzeitig eine Reihe von physischen und betrieblichen Einschränkungen (constrains) erfüllen kann. Dabei wird im Allgemeinen die Modellierung des Erzkörpers in einem s.g.n. Blockmodell als ein Basis-Eingabe verwendet. Ein solches Blockmodell unterteilt eine Lagerstätte von gleichmäßig zugeschnittenen Blöcken in eine dreidimensionale Anordnung. In einem realen Großtagebau wird das Modell aus Tausende bis zu Millionen von Einzelblöcken gebildet, die in der Regel über einen Zeitraum von 5 bis 30 Jahren sequenziert werden müssen. Darauf entsteht ein großes kombinatorisches Optimierungsproblem (large combinatorial optimization problem).Die Arbeit entwickelt einen Handlungsrahmen bzw. ein Ablaufschema mit dem das genannte rechnerisch extrem umfangreiche Problem der Abbauoptimierung mit niedrigem bis mäßig Rechenaufwand gelöst werden kann. Um das Problem der Sequenzierung effizienter zu lösen wird es in eins der optimalen Teufebestimmung umgewandelt. Diese soll die optimale Tiefe für eine bestimmte Säule des Blockmodells, die in einem bestimmten Zeitraum abzubauen ist, bestimmen. Auf diese Weise wird der auf eine gesamte Ebene bezogene rechenintensive Entscheidungsprozess vermieden. Das Ablaufschema sieht dann die Verwendung von verschiedenen metaheuristische Verfahren vor, um den Raum für optimale bzw. nahezu optimale Lösungen zu bestimmen und so das Teufenproblem und damit das Problem der Sequenzierung zu lösen. Dazu werden verschiedene spezifische Operatoren wie „solution encoding“,“back transform“, „slope normalization“, etc. verwendet. Der vorgeschlagene Ablaufschema kann das Problem der Sequenzierung sowohl ohne als auch unter Einschluss der Unsicherheiten, die aus der geologischen und mineralogischen Qualitätsbestimmung der Blöcke entsteht, behandeln. Zum Vergleich der Tauglichkeit der verschiedenen metaheuristischen Verfahren Particle Swarm Optimization (PSO), Bat Algorithm (BA) und Differential Evolution(DE) wurden drei Fallstudien durchgeführt. Ziel der Fallstudien war es, die Fähigkeiten und die Effizienz des vorgeschlagenen Ablaufschemas und der jeweiligen Metaheuristiken zusammen mit ihren verschiedenen Varianten zu bestimmen. Der Vergleich des entwickelten Ablaufschemas und der metaheuristischen Verfahren mit solchen Ergebnissen, die für einfache Problemstellungen unter Verwendung von CPLEX ermittelt wurden zeigt, dass erstere sowohl was Rechenzeit als auch prozentuale Abweichung und Standardabweichung betrifft Lösungen deutlich schneller und in akzeptabler Qualität liefert.

Long term production scheduling of open pit mines is a large scale and complex optimization problem that has been extensively discussed in the technical literature since 1960s. It seeks to specify such an extraction sequence of ore and waste materials from the ground that maximizes the Net Present Value (NPV) of the operation while satisfying a set of physical and operational constraints. Block model representation of the orebody is commonly used as a basic input for this purpose. The block model discretize the ore deposit into a three dimensional array of regular sized blocks. A real sized open pit mine may contain thousands to millions of blocks of these blocks that may be needed to be scheduled over a time horizon typically ranging from 5 to 30 years which makes it a large combinatorial optimization problem. This thesis presents a framework that aims to handle the above mentioned computationally expensive problem of the open pit mines with low to moderate computational cost. To handle the scheduling problem more efficiently the proposed framework converts it into optimum depth determination problem. This so called optimum depth determination problem aims to find the optimum depth to be mined along a particular column of the block model in a certain period. In this way this framework helps to avoid computationally expensive scheduling decisions making process on the block level. The framework then uses a real valued / continuous population based metaheuristic technique to search the solution space for finding optimum or near to optimum solution of this so called optimum depth determination problem and consequently of the production scheduling problem. Different framework specific operators such as solution encoding, back transform, slope normalization etc. are also used during this process. The proposed framework can handle the production scheduling problem with or without the condition of grade uncertainty.Three different case studies have been carried out using Particle Swarm Optimization (PSO), Bat Algorithm (BA) and Differential Evolution (DE). The aim of these case studies was to determine the capabilities and efficiency of the proposed framework and of the respective metaheuristic technique along with of their different variants. By making comparison with the results obtained using CPLEX in terms of computational time and solution quality it was learnt that the proposed procedure can produce results of reasonable quality in relatively shorter period of time with smaller % gap and standard deviation.

OpenAccess:
PDF PDF (PDFA)
(additional files)