| Summary: | The maximization of mining project discounted cash flows by defining the best sequence of extraction of underground materials requires understanding the availability of uncertain metal quantities throughout the deposit. This thesis proposes two versions of a stochastic integer programming formulation based on surfaces to address the optimization of life-of-mine production scheduling, whereby the supply of metal is uncertain and described by a set of equally probable simulated orebody models. The first version of the proposed formulation maximizes discounted cash flows, controls risk of deviating from production targets and is implemented sequentially, facilitating production scheduling for relatively large mineral deposits. Applications show practical intricacies and computational efficiency. The second variant extends the first to a two-stage stochastic integer programming formulation that manages the risk of deviating from production targets. The sequential implementation is considered first for pit space discretization and it is followed by the life-of-mine production scheduling at a relatively large gold deposit. The case studies show the computational efficiency and suitability of the method for realistic size mineral deposits, with production targets controlled, risk postponed to later stages of production and improvements in expected NPV, when compared to deterministic industry practices. === La maximisation du flux de trésorerie actualisé des projets miniers fait en définissant la meilleure séquence d'extraction de matériaux souterrains exige une bonne compréhension de l'incertitude sur la disponibilité de la quantité de métal provenant du gisement souterrain. Ce mémoire propose deux formulations basées sur des surfaces afin d'optimiser la séquence d'extraction tout au long du projet où la quantité de métal est incertaine et décrite par un ensemble de simulations équiprobables. La première simulation maximise le flux de trésorerie actualisé, contrôle le risque d'écart par rapport aux objectifs de production et est implémentée de façon séquentielle, ce qui facilite la planification pour des gisements relativement grands. L'application de cette formulation sur des problèmes montre une complexité pratique et une efficacité computationnelle. La seconde formulation étend la première en une formulation stochastique en nombres entiers à deux étapes qui permet de gérer le risque d'écart par rapport aux objectifs de production. L'implémentation séquentielle considère d'abord une discrétisation du gisement puis génère une séquence d'extraction annuelle et est appliquée sur un dépôt d'or de grande taille. Les études de cas montrent l'efficacité computationnelle et une adaptation adéquate pour des problèmes de taille réelle avec des objectifs de production contrôlés, un risque reporté à des étapes ultérieures du développement et une amélioration dans la valeur nette actualisée comparée aux meilleures pratiques déterministes de l'industrie.
|
|---|
