PROGRAMACIÓN DINAMICA PARA LA MAXIMIZACIÓN DE UNA

OPERACIÓN MINERA TRABAJADA POR EL MÉTODO DE OPEN PIT

S. Cabanillas, J. Arias, J. Salazar, J. Jamanca, J. Izquierdo
2° Asignatura: Investigación de Operaciones
Facultad de Ingeniería Geológica, Minera y Metalúrgica
Universidad Nacional de Ingeniería

Resumen
Las empresas mineras mantienen una política de maximizar la producción y minimizar las pérdidas para dar
continuidad a la operación, el uso de la Programación Dinámica resuelve el problema de maximización de un modelo
matemático dado, por lo tanto, esta herramienta puede ser empleada en una empresa minera de método
subterráneo, asimismo, el uso de este tipo tecnologías debe ser obligatorio para la correcta toma de decisiones y
de este modo garantizar la continuidad de la industria minera.
Abstrac
Mining companies maintain a policy of maximizing production and minimizing losses to give continuity to the
operation, the use of the simplex algorithm solves the problem of maximizing a given mathematical model, therefore,
this tool can be used in a mining company Underground method, likewise, the use of this type of technology must be
obligatory for the correct decision making and in this way guarantee the continuity of the mining industry.

INTRODUCCIÓN PRESENTACIÓN DEL PROBLEMA

La programación dinámica es otra de las técnicas de Las empresas mineras que explotan minerales por el
la investigación de operaciones que ofrece grandes método OPEN PIT mantienen una política de
ventajas en la solución de múltiples problemas del maximizar la producción y minimizar las pérdidas para
mundo industrial moderno. Fue desarrollada por de esta manera garantizar ganancias y continuidad en
Richard Bellman en 1953. la operación.
Es un procedimiento matemático diseñado Por lo tanto, se requiere establecer un procedimiento
principalmente para mejorar la eficiencia de cálculo de matemático para determinar los escenarios en la que
problemas de programación lineal seleccionados, se obtendrá las máximas ganancias, es decir, la
descomponiéndolos en subproblemas de menor máxima producción al menor costo. Con esta
tamaño y por consiguiente más factibles de calcular. información la gerencia de la mina podrá tomar
decisiones óptimas.
La programación dinámica normalmente resuelve el
problema en etapas mediante el criterio del principio OBJETIVO
de optimalidad. Los cálculos en las diferentes etapas
Maximizar producción de una empresa minera de
se enlazan a través de cálculos recursivos de manera
Open Pit por el método de PROGRAMACIÓN
que se genera una solución óptima factible a todo el
DINÁMICA.
problema. (Carlos Agreda 1994)
METODOLOGÍA
BELLMAN: Enuncio el siguiente teorema de
optimalidad: “Una política es óptima si en un periodo El presente documento es una investigación
o etapa dada, cualesquiera que sean las decisiones bibliográfica o documental del tipo informativa o
precedentes que queden por tomar, constituyen una exploratoria.
política optima teniendo en cuenta los resultados de
La metodología usada para el desarrollo del presente
las decisiones precedentes” (De atrás hacia delante).
documento fue dividida en las siguientes fases: 1.
Bellman, 1957 dice: “En una secuencia de decisiones
Elección del tema, 2. Introducción, 3. Presentación
óptimas toda subsecuencia de ser también óptima”.
del problema y Objetivos, 4. Metodología, 5.
Bhavanani y Chen: Enunciaron el dual Desarrollo del trabajo, 6. Conclusiones y resumen, 7.
correspondiente al teorema anterior y este es como Exposición.
sigue: “Una política optima tiene la propiedad de que
DESARROLLO DE LA INVESTIGACIÓN
cualesquiera que sean los estados y decisiones
siguientes; las decisiones precedentes deben Según H.A Taha: “La idea principal de la
constituir una política optima con respecto al estado Programación Dinámica es descomponer el problema
que sigue a la última decisión” (De adelante hacia en subproblemas (más manejables). Los cálculos se
atrás). realizan entonces recursivamente donde la solución
óptima de un subproblema se utiliza como dato de
entrada al siguiente problema. La solución para todo
el problema está disponible cuando se soluciona el
último subproblema. La forma en que se realizan los

1
cálculos recursivos depende de cómo se
descomponga el problema original. En particular,
normalmente los subproblemas están vinculados por
restricciones comunes. La factibilidad de estas Para la etapa 1:
restricciones comunes se mantiene en todas las 𝑄1 (𝑆1 , 𝑋1 ) = 𝑅1 (𝑆1 ,𝑋1 ) + 𝑓0 (𝑆0 )
iteraciones.”
𝑄1 (𝑆1 , 𝑋1 ) = 𝑅1 (𝑆1 ,𝑋1 ) + 𝑓0 [H (𝑆1 , 𝑋1 )]
𝑓0 (𝑆0 )=
DESARROLLO DE LA PROGRAMACION
DINAMICA
La formulación general de un problema de Para la
programación dinámica debe ser llevada a cabo etapa “n”:
teniendo en cuenta el esquema mostrado en la
siguiente figura.

De tal manera que se maximiza en base a Xn , el valor

que se tiene de “Rn ” y de “n-1 ” respectivamente.
La Programación Dinámica se clasifica en:
PROGRAMACIÓN DINAMICA DETERMINISTICA
En los problemas de programación dinámica
determinísticos “El estado en la etapa siguiente será
completamente determinado por el estado y la política
de decisión en la etapa presente o actual”. En general
un problema de programación dinámica
determinística puede ser descrito diagramáticamente
como se muestra en la ilustración , en donde en la
etapa n el proceso estará en algún estado Sn. Si se
toma una política de decisión Xn, entonces el proceso
FIGURA 1: mostrando la estructura básica para la pasara a un estado Sn+1 en la etapa (n+1). Tomando
formulación general de un problema de programación como base este punto el valor de la función objetivo
dinámica. para la política de decisión ha sido calculado
previamente y este es el siguiente:
∗
IDENTIFICACIÓN DE VARIABLES 𝑓𝑛+1 (Sn+1)

Para visualizar mejor los conceptos se debe llevar a La variable de decisión Xn también hará alguna
cabo la siguiente identificación de variables: contribución a la función objetivo. Combinando estas
dos cantidades de una manera adecuada se obtendrá
𝑆𝑁 = Variable de estado al inicio de la etapa N el valor de la función objetivo siguiente 𝑓𝑛 (Sn, Xn),
𝑋𝑁 = Variable de decisión de la etapa N comenzando en la etapa n.
Por otro lado, minimizando con respecto a Xn se
𝑅𝑁 (𝑆𝑁 , 𝑋𝑁 ) = Función de la utilidad de la etapa N,
obtendrá la siguiente relación matemática
siendo el estado inicial 𝑆𝑁 y la variable de decisión 𝑋𝑁 .
𝑓𝑛∗ (𝑆𝑛 ) = 𝑓𝑛 (𝑆𝑛 , 𝑋𝑛∗ )
𝑆𝑁 -1 = 𝑇𝑁 (𝑆𝑁 , 𝑋𝑁 ) = Función de la transformación del
estado. Determinara que el estado del proceso al y después de hacer esto para cada valor posible de
iniciar la siguiente etapa (N-1) es una función de 𝑆𝑁 Sn el procedimiento de solución, estará listo para
y 𝑋𝑁 . retroceder una etapa.
𝑓𝑛 (𝑆𝑁 ) = Representa la utilidad de todas las etapas
trabajando en forma óptima.
𝑄𝑁 (𝑆𝑁 , 𝑋𝑁 ) = Representa la utilidad de todas las
etapas restantes trabajando de la mejor manera, a
excepción de la etapa presente o actual.

ANÁLISIS Y DISCUSIÓN DE UN PROBLEMA

GENERAL DE PROGRAMACIÓN DINÁMICA PROGRAMACIÓN DINAMICA PROBABILISTICA
ETAPA POR ETAPA.
A comparación de la programación dinámica
Para la etapa “0” determinística, la transición al estado de una etapa
𝑄0 (𝑆0 , 𝑋0 ) = 𝑅0 (𝑆0 ,𝑋0 ) siguiente no se determina por el estado y la política de
decisión en la etapa actual. Ya que el estado de la
etapa siguiente dependerá de una variable aleatoria
que sigue una distribución de probabilidad y que
2
puede estar condicionado por el estado y la política de los ingresos en MM$ obtenidos por cada una de las
decisión en la etapa actual. La diferencia del decisiones posibles.
probabilístico con el determinístico es que los estados
y los retornos en cada etapa son probabilísticos.
 Volquetes \ Alma Alma Alma Alma
La estructura básica para la programación dinámica Almacén cén 1 cén 2 cén 3 cén 4
probabilística, se muestra diagramáticamente en la
figura, donde N denota el número de posibles estados Nº de volquetes = 0 0 0 0 0
en la etapa (n + 1); (P1,P2 , … PN) es la distribución Nº de volquetes = 1 5 6 4 7
de probabilidad de lo que el estado será, dados el
estado Sn y la variable de decisión Xn en la etapa n y Nº de volquetes = 2 11 10 12 10
Cί es la contribución resultante a la función objetivo de Nº de volquetes = 3 15 16 17 14
la etapa n.
Nº de volquetes = 4 21 - 22 23

Cuando la figura mostrada es expandida para incluir a

todos los posibles estados y variables de decisión en Tabla 1
todas las etapas, a veces esta es llamada un árbol de
decisión.
Restricciones:

1. Al Almacén 2 no se puede asignar 4

volquetes, sino que máximo 3 volquetes.
2. Al Almacén 3 ya se ha decidido asignar
exactamente 1 volquete de concentrado.
3. Un Volquetes no asignado no tiene valor
asignado.

Preguntas:

1. Se desea maximizar venta de concentrados

por estos envíos.

Por ejemplo, si el objetivo es minimizar la suma Solución:

esperada de las contribuciones de las etapas
individuales, la función objetivo quedaría:

Esta minimización es en base a los valores factibles

de Xn+1.
ETAPA 1:

Aplicación de Programación Dinámica

En una operación minera a tajo abierto, se desea
vender 4 o 5 volquetes que contienen concentrado
bulk a cuatro almacenes para su venta.
La máxima asignación para cada almacén es de
cuatro (4) volquetes. En la tabla1 se indica g(xi) como
3
  La diferencia del probabilístico con el
determinístico es que los estados y los
retornos en cada etapa son probabilísticos.

RECOMENDACIONES
ETAPA 2:  Transformar un problema de optimización
complejo en una secuencia de problemas
simples.
 . Consiste en SOLUCIONAR EL PRESENTE
suponiendo que en cada etapa futura siempre
se tomarán las soluciones correctas.
ETAPA 3:

BIBLIOGRAFÍA

ETAPA 4: Bellman, R (1977.) Dynamic Programing. Princenton

Unirpress, Princeton
Hillier, F. S., & Lieberman, G. J. (2010). Introducción
a la Investigaciòn de Operaciones (Novena
Si se desea enviar 4 volquetes, el óptimo es: MM$ 22 ed.). México D. F.: McGraw-Hill Companies,
Inc.
Mata Maciso, Y. J. (2014). Aplicación de la
La ruta óptima es: programacion entera al planeamiento
estrategico de la producción en la mina
condestable. Tesis para optar el Título
Profesional de Ingeniero de Minas,
Universidad Nacional de Ingeniería, Lima.
Es decir: Al Almacén-1 debe enviar 2 Volquetes, Ph D, Agreda, C. (1994). Investigaciòn de
al Almacén-2 debe enviar 0 Volquetes, al Operaciones - Teoría y Problemas. Lima.
Almacén-3 enviar 1 Volquete, y al Almacén-4 Taha, H. A. (2012). Investigación De Operaciones
enviar 1 Volquete. Con esto obtiene el máximo (Novena ed.). México: PEARSON
que es de MM$22. EDUCACIÓN.
Winston, W. L. (2005). Investigación de Operaciones
CONCLUSIONES - Aplicaciones y Algoritmos (Cuarta ed.).
México: International Thonson Editores S.A.
 Puede calcular una amplia gama de
problemas.
 Se basa en la recursión y el principio de
optimalizad.
 El resultado con Programación Dinámica nos
muestra escenarios más realistas, debido a
sus facilidades de utilizar los recursos, de
forma óptima etapa a etapa en función al
tiempo.
 Técnica matemática orientada a la solución
de problemas con decisiones secuenciales en
etapas sucesivas donde se debe minimizar el
coste total de dichas decisiones. En cada
etapa se valora no sólo el coste actual de
tomar una decisión sino los costes futuros que
se originan a partir de ella.
 El número de estados puede ser finito o
infinito.
 Las variables que actúan sobre la
Programación Dinámica Determinística son
predecibles.