Rio Tinto resolveu planos de mina a céu aberto de décadas com busca em grande vizinhança

O planejamento de mina a céu aberto ao longo de décadas de extração produz modelos de otimização enormes e complexos: sequenciamento de cava, blending, equipamentos e teores de minério interagem entre si. Solvers de prateleira ou estouram o tempo ou esgotam a memória, então os planejadores recorriam a análises manuais com poucos cenários.

A busca em grande vizinhança da equipe resolve o problema pelo caminho inverso: uma heurística de janela deslizante produz um plano viável inicial, e então repetidas resoluções de programação inteira mista restrita liberam apenas um subconjunto de variáveis por iteração. Estratégias de formação de vizinhança exploram a estrutura do modelo para escolher quais variáveis liberar.

Em operação na Rio Tinto, a abordagem resolve modelos de planejamento de longo prazo de grande porte que solvers comerciais não conseguiam tratar, reduzindo drasticamente os tempos de resolução e permitindo que os planejadores testem múltiplos cenários — gerando milhões de dólares em insights de valor.

Fixar a maioria das variáveis; reotimizar uma vizinhança a cada vez

Fixar a maioria das variáveis torna cada subproblema pequeno o suficiente para ser resolvido exatamente, enquanto a iteração por diferentes vizinhanças escapa das armadilhas locais que uma única passada gulosa encontraria.

Vizinhanças cientes da estrutura (blocos, bancadas, períodos de tempo) liberam as variáveis que de fato interagem, de modo que a iteração converge rápido.

A exploração de cenários é o verdadeiro produto: os planejadores agora podem perguntar 'e se' em muitos futuros em vez de racionar três execuções.

Quando um modelo é grande demais para resolver, não reduza a pergunta — fixe a maior parte da resposta e re-resolva uma vizinhança móvel de decisões até convergir.

Publicado no INFORMS Journal on Applied Analytics em 2026. A Rio Tinto usa o framework para planejamento de mina de longo prazo, com o artigo relatando 'milhões de dólares em insights de valor' gerados pela exploração de cenários mais rápida.