Modèles de planification minière court terme par programmation par contraintes dans un environnement incertain

L'environnement minier souterrain étant hautement incertain, les outils utilisés pour réaliser la planification des opérations d'une mine souterraine doivent être adaptés et tenir compte des sources d'incertitudes opérationnelles. La planification minière court terme correspond au processus d'ordonnancement d'activités et à l'affectation de ressources rares pour les réaliser sur des horizons de temps variant d'un jour à trois mois d'opérations. Plus particulièrement, elle est sensible aux variations de durées des activités ainsi qu'aux perturbations journalières liées aux bris potentiels des équipements. Actuellement, cette phase de planification est réalisée de façon manuelle sur le site étudié. Dans le présent mémoire, une approche robuste de planification court terme basée sur la génération de plusieurs scénarios a été implémentée afin de produire des séquences ordonnées et robustes d'activités à réaliser pour chacune des ressources disponibles. Elle permet aussi de minimiser l'impact potentiel d'une perturbation sur l'objectif des modèles développés. En effet, l'environnement souterrain étant hautement incertain et très contraint, de nombreux imprévus peuvent survenir et rendre les solutions des modèles déterministes sous-optimales en pratique. Ces modèles sont souvent trop optimistes, car ils ne tiennent pas compte de la variabilité plurifactorielle associée aux durées des opérations à réaliser et qui n'est pas connue à l'avance. Les modèles présentés sont adaptés à la planification de la production et au développement d'une mine d'or située au Canada utilisant la méthode d'exploitation des sous-niveaux abattus par forages de longs trous. Ces modèles sont testés sur des données réelles du site étudié (ou simulées) et sont modélisés en utilisant le paradigme de la programmation par contraintes qui est adaptée pour la résolution efficace de problèmes d'ordonnancement avec affections de ressources rares. En cas de problème majeur (bris majeur d'un équipement ou manque de main-d'œuvre, par exemple), des modèles basés sur une approche réactive permettent de réparer les solutions en tenant compte du problème survenu. Enfin, dans l'hypothèse de l'accès à des données en temps réel et pour estimer le gain d'avoir accès à ces données, des modèles en ligne ont été implémentés, décomposant le problème dans le temps et permettant de prendre des décisions en temps réel sur les opérations (lorsqu'une nouvelle information devient disponible).

Abstract

Underground mining being a highly uncertain environment, mining scheduling tools need to be adapted to deal with uncertainty sources in the operational mining domain. Short-term planning aims to schedule activities and solve an assignment problem to allocate resources to tasks on planning horizons ranging from one day to three months. The short-term plan is especially sensitive to variations of activities' duration as well as daily disturbances (poten-tially related to resource breakdowns). For now, the work schedule is produced manually on the studied site leading to sub-optimal operations. In this thesis, a short-term robust stochastic approach has been implemented based on the generation of multiple scenarios to produce an ordered robust sequence of activities for each available resource. It also enables to minimize the impact of disturbances on the objective of optimization models. Indeed, as the underground environment is highly uncertain and constrained, various disturbances may happen and lead to sub-optimal processes. Firstly, deterministic models have been implemented to evaluate the performances of the developed approach. These models are often too optimistic because they don't take into account the variability coming from multiple sources and associated to activities' duration. Implemented models are tested on real or simulated data sets of the studied site and are modeled thanks to constraint programming. The paradigm has been proved to be efficient to solve scheduling problems with scarce resources. In case of a major problem, such as a resource breakdown or a lack of manpower, models based on a reactive approach have been implemented and enable to repair existing solutions taking into account the original major problem and its main characteristics. Lastly, with the hypothesis of having access to real-time data to estimate the performance, online models have been implemented. The latter decompose the solving process over time and enable to take online decisions depending on the latest information about operations.