Exploring stochastic optimization in open pit mine design

Over recent years, new methods have been developed to integrate uncertainty into the optimization of life-of-mine (LOM) production planning. This thesis makes use of two stochastic optimization methods: simulated annealing (SA) and stochastic integer programming (SIP); which are implemented in the context of the requirements of mining applications through the use of stochastic simulation to model uncertainty. For the case of SA, the second chapter of the thesis documents the case of a copper deposit where ten simulated realizations are sufficient to provide stable LOM optimization results. In addition, the study shows that the selected true optimal pit limits are larger than the ones derived through conventional optimization. Stochastically optimized pit limits are found to be about 17% larger, in terms of total tonnage, than the conventional (deterministic) optimal pit limits. The difference adds one year of mining and approximately 10% of additional net present value (NPV) when compared to the NPV of conventional optimal pit limits and a production schedule generated stochastically with the same SA algorithm. In the third chapter of the thesis, the SIP based optimizer is used with the purpose of integrating uncertainty into the process of pushback design. Results show the sensitivity of the NPV to the design of starting and intermediate pushbacks, as well as the pushback design at the bottom of the pit. The new approach yielded an increment of ~30% in the NPV when compared to the conventional approach. The differences reported are due to the different scheduling patterns, the waste mining rate and an extension of the pit limits which yielded an extra ~5.5 thousand tonnes of metal.Depuis quelques années, de nouvelles méthodes ont été développées pour intégrer l'incertitude dans l'optimisation de la planification de la production de la vie-de-mine i.e. life-of-mine (LOM). Cette thèse se sert de deux méthodes d'optimisation stochastique : recuit simulé (RS) et programmation en nombres entiers stochastique (SIP); les deux méthodes sont programmées dans le cadre des besoins des applications d'exploitation de la simulation stochastique et modélisation d'incertitude. Pour le cas de RS, le deuxième chapitre de la thèse décris le cas d'un dépôt de cuivre où dix réalisations simulées sont suffisantes pour fournir des résultats stables d'optimisation de LOM. En outre, l'étude prouve que les véritables limites optimales choisies de mine sont plus grandes que celles dérivées par l'optimisation conventionnelle. Des limites stochastiquement optimisées de mine s'avèrent environ 17% plus grandes, en termes de tonnage total, que les limites optimales (déterministes) conventionnelles de mine. La différence ajoute un an d'exploitation et approximativement 10% de valeur nette additionnel (NPV) une fois comparée au NPV des limites optimales conventionnelles de mine et une cédule de production produit stochastiquement avec le même algorithme de RS. Dans le troisième chapitre de la thèse, l'optimiseur basé sur SIP est utilisé en vue d'intégration de l'inceritude dans le processus de la conception de fosses emboîtées. Les résultats montrent la sensibilité du NPV à la conception de fosses emboîtées de commencement et intermédiaires aussi bien que la conception de la fosse emboîtée du fond de la mine. La nouvelle approche a produit une augmentation de ~30% dans le NPV une fois comparée à l'approche conventionnelle. Les différences rapportées sont dues aux différents cédules de production, du taux de décapage du stérile et d'une extension des limites de la mine qui ont produit ~5.5 mille tonnes supplémentaire