Algoritmos genéticos en la Programación a cielo abierto con Evolution
Existen muchos métodos para resolver problemas complejos. Un número significativo de ellos confía en técnicas “clásicas” tales como programación dinámica, búsqueda local o técnicas heurísticas.
Las técnicas clásicas se basan en la manipulación de una sola solución. Para acelerar los cálculos, el mismo problema se puede resolver usando más computadores o utilizando un procesamiento paralelo. Sin embargo, todo lo que se obtiene son más soluciones del problema en menos tiempo, pero ninguna solución exacta.
Por otro lado, existen los algoritmos genéticos. Lo bueno de utilizar este procedimiento es la eficiencia que posee para encontrar soluciones a problemas de gran complejidad, en un tiempo razonable. Además tiene la capacidad de ejecutarlos con una población de soluciones en paralelo.
Lo importante de esto, es que se está simulando el proceso evolutivo en un espacio y tiempo determinado. Con esto, cada solución está luchando o compitiendo contra las otras soluciones para garantizar que se pueda utilizar en generaciones futuras.
El aspecto clave aquí es que la implicación de cada una de las soluciones de la competencia está consciente de las otras soluciones dentro de toda la población. Es por eso que dentro de las mejores soluciones, se incluyen soluciones “malas” para que sea sustentable en el tiempo.
Evolution, mediante algoritmos genéticos permite maximizar el Valor Presente Neto mediante una programación ágil y dinámica. El profesional puede evaluar rápidamente escenarios de programación para presentar las mejores opciones para el desarrollo del yacimiento. Minimiza el riesgo de cometer errores debido a la alta auditibilidad del sistema.
Los planificadores mineros posteriormente pueden tomar decisiones eficientes en cuanto a la programación para reducir los costos y maximizar la utilización de recursos.
Evolution genera múltiples programas a partir de una única ejecución de simulación, además utiliza todo el conjunto de datos para planificar a lo largo de los horizontes de planificación. Esto ayuda a garantizar la consistencia del tonelaje y la ley a lo largo de la vida de la mina.
Mediante Evolution Strategy está la posibilidad de agregar más restricciones globales, de productos y de procesos para ayudar a direccionar la programación. Además, se adicionan mejoras en la reportabilidad. Con Evolution Origin los nuevos algoritmos proporcionan a los ingenieros opciones adicionales al configurar y optimizar las flotas de equipos.
Gracias a Evolution, poder cumplir objetivos múltiples es fácil mediante los algoritmos genéticos, lo que permite imitar la realidad lo más fielmente posible sin hacer suposiciones o simplificaciones.
Si tiene alguna pregunta sobre el contenido de este artículo o desea obtener más información acerca de las soluciones mencionadas, ingrese aquí.
