Die Planung von Tagebauminen über Jahrzehnte des Abbaus erzeugt enorme, komplexe Optimierungsmodelle: Grubenabfolge, Mischung, Ausrüstung und Erzgehalte wirken alle zusammen. Standard-Solver laufen entweder in ein Timeout oder erschöpfen den Speicher, sodass die Planer auf manuelle Analysen mit wenigen Szenarien zurückgriffen.
Die Large Neighborhood Search des Teams löst das Problem auf umgekehrtem Weg: Eine Heuristik mit gleitendem Fenster erzeugt einen ersten zulässigen Plan, dann geben wiederholte eingeschränkte Mixed-Integer-Lösungen pro Iteration nur eine Teilmenge der Variablen frei. Strategien zur Bildung von Nachbarschaften nutzen die Struktur des Modells, um auszuwählen, welche Variablen freigegeben werden.
Im Live-Betrieb bei Rio Tinto löst der Ansatz große langfristige Planungsmodelle, die kommerzielle Solver nicht bewältigen konnten, verkürzt die Lösungszeiten drastisch und ermöglicht es Planern, mehrere Szenarien zu testen – und erzeugt Erkenntnisse im Wert von Millionen Dollar.
Die meisten Variablen fixieren; jeweils eine Nachbarschaft neu optimieren
Wenn die meisten Variablen fixiert werden, ist jedes Teilproblem klein genug, um exakt gelöst zu werden, während die Iteration über verschiedene Nachbarschaften die lokalen Fallen umgeht, in die ein einzelner gieriger Durchlauf geraten würde.
Strukturbewusste Nachbarschaften (Blöcke, Strossen, Zeiträume) geben die Variablen frei, die tatsächlich interagieren, sodass die Iteration schnell konvergiert.
Die Szenario-Erkundung ist das eigentliche Produkt: Planer können nun über viele Zukunftsszenarien hinweg „Was wäre wenn“ fragen, statt drei Läufe rationieren zu müssen.
Wenn ein Modell zu groß zum Lösen ist, verkleinere nicht die Frage – fixiere den größten Teil der Antwort und löse eine wandernde Nachbarschaft von Entscheidungen neu, bis sie konvergiert.
2026 im INFORMS Journal on Applied Analytics veröffentlicht. Rio Tinto nutzt das Framework für die langfristige Minenplanung, wobei das Paper berichtet, dass durch die schnellere Szenario-Erkundung „Erkenntnisse im Wert von Millionen Dollar“ entstanden.
DEN BELEGEN FOLGEN
Die Quellen
- Long-Term Open-Pit Mine Planning with Large Neighborhood Search INFORMS Journal on Applied Analytics (IDEAS/RePEc) · ideas.repec.org
- Long-Term Open-Pit Mine Planning with Large Neighborhood Search INFORMS Journal on Applied Analytics (PubsOnLine) · pubsonline.informs.org