La planification de la production en carrière à ciel ouvert joue un rôle critique dans la maximisation des retours économiques tout en respectant les contraintes environnementales et opérationnelles. Cependant, l'utilisation généralisée de logiciels propriétaires et de cadres déterministes rigides limite souvent l'accessibilité, l'évolutivité et l'adaptabilité, en particulier pour les opérations à petite et moyenne échelle. Cette étude présente un modèle de planification de production évolutif et durable développé entièrement en Python, utilisant des bibliothèques open-source pour combler cette lacune. Le modèle utilise la programmation linéaire en nombres entiers pour optimiser la séquence d'extraction des blocs de minerai, maximisant la valeur actuelle nette (VAN) tout en respectant les relations de priorité, les limites de capacité de production et les pénalités environnementales intégrées dans les évaluations des blocs. En utilisant des données synthétiques de modélisation de blocs, le cadre a réalisé des retours simulés dépassant 1,6 milliard USD, avec des outils de visualisation intégrés incluant des diagrammes 3D, des histogrammes et des boîtes à moustaches, améliorant l'interprétation des résultats. La conception modulaire et transparente des modèles permet une adaptation facile à différents contextes miniers et scénarios de planification. En éliminant la dépendance à des plateformes coûteuses et en intégrant la durabilité dans le processus d'optimisation, ce travail contribue à une alternative pratique, techniquement rigoureuse et accessible pour la planification moderne des mines. Il soutient la transition plus large vers des systèmes de planification intelligents, responsables et inclusifs, alignés sur les attentes environnementales, sociales et de gouvernance (ESG).
Lotsu et al. (Fri,) ont étudié cette question.