Rio Tinto resolvió planes de minas a cielo abierto de décadas con búsqueda de gran vecindario

La planificación de minas a cielo abierto a lo largo de décadas de extracción produce modelos de optimización enormes y complejos: la secuenciación de fosos, la mezcla, los equipos y las leyes del mineral interactúan entre sí. Los solvers comerciales o bien agotan el tiempo o consumen toda la memoria, por lo que los planificadores recurrían a análisis manuales con pocos escenarios.

La búsqueda de gran vecindario del equipo resuelve el problema a la inversa: una heurística de ventana deslizante produce un plan factible inicial y, luego, resoluciones restringidas de programación entera mixta repetidas liberan solo un subconjunto de variables por iteración. Las estrategias de formación de vecindarios aprovechan la estructura del modelo para elegir qué variables liberar.

En funcionamiento en Rio Tinto, el enfoque resuelve grandes modelos de planificación a largo plazo que los solvers comerciales no podían manejar, reduciendo drásticamente los tiempos de resolución y permitiendo a los planificadores probar múltiples escenarios, generando millones de dólares en conocimientos de valor.

Fijar la mayoría de las variables; reoptimizar un vecindario cada vez

Fijar la mayoría de las variables hace que cada subproblema sea lo suficientemente pequeño para resolverse exactamente, mientras que iterar sobre distintos vecindarios evita las trampas locales en las que caería una sola pasada codiciosa.

Los vecindarios conscientes de la estructura (bloques, bancos, períodos de tiempo) liberan las variables que realmente interactúan, por lo que la iteración converge rápido.

La exploración de escenarios es el verdadero producto: los planificadores ahora pueden plantear 'qué pasaría si' en muchos futuros en lugar de racionar tres ejecuciones.

Cuando un modelo es demasiado grande para resolverlo, no reduzcas la pregunta: fija la mayor parte de la respuesta y vuelve a resolver un vecindario móvil de decisiones hasta que converja.

Publicado en el INFORMS Journal on Applied Analytics en 2026. Rio Tinto utiliza el marco para la planificación minera a largo plazo, y el artículo informa 'millones de dólares en conocimientos de valor' generados por la exploración de escenarios más rápida.