“在接近真理与完全错误之间，我宁愿选择前者。” 位于加拿大蒙特利尔的麦吉尔大学（McGill University）的采矿、金属及材料工程学教授罗索斯·迪米特莱克保罗斯（Roussos Dimitrakopoulos）如是说。他基于此理论而建立的采矿分析系统已经引起了高风险的金属采矿业的广泛关注，其中包括那些身经百战、历经沧桑的矿业公司。

金属开采：构建采矿模型提升了矿井作业的价值。
据麦吉尔大学采矿系的统计数据，上世纪90年代，采矿业从繁荣走向萧条，其间有73%的北美矿业公司破产。其中原因并非仅仅在于他们选择了错误的开采地点，这些企业无力预测矿井作业中的不确定性也是败因之一，他们无法跟上市场盛衰变化的节拍。

采矿业务的内在危险性促使8家矿业公司每年分别给迪米特莱克保罗斯的随机采矿规划实验室（Stochastic Mine Planning Laboratory）投资5万美元，而这些公司的资产占据了全球采矿资本总额的一半。其中一家，位于澳大利亚昆士兰的BHP比利登公司（BHP Billiton）表示，由于采用蒙特利尔实验室的分析系统，其采矿业务的产值提升了5%~20%。该公司不仅是全球第二大铜生产商，同时也是三大镍生产商之一；此外，它还开采铝、锰和钛等金属。

“随机”意味着不确定，而迪米特莱克保罗斯将不确定性作为其分析模型的主体。就采矿而言，该模型的作用在于：在矿井中，实行定期采样，并依据这些样品的量建立矿体模型。确定每个样本的平均产量，就能得到更准确的矿井分布图，但产量预测永远都不可能完全精确。迪米特莱克保罗斯在模型分析中采用柱状图，因此可用多个而非单一数据点描述一个样本，从而显示一系列可能的数值，而无需指明到底哪个是正确的。

迪米特莱克保罗斯的实验室用Fortran或C++函数表示其研究成果，以说明如何确定现有采矿系统中的不确定因素。矿业公司既可以将之重新写入自己的应用软件中，也可将之作为插件植入其现有软件中。而迪米特莱克保罗斯可作为顾问对公司的IT雇员进行培训，指导其使用编码。

迪米特莱克保罗斯和实验室的员工一道，借助他在地层矿石分布方面的学识，并利用一家矿业公司提供的样本数据，确定出该矿井矿体的大致产量。比如，从数吨的铜矿中可以提取出几盎司的金子。他介绍说，就小型模型而言，“我们能凭之推断出作业过程中可以提取的每种金属的等级和比例。”他们还将市场变化的不确定性纳入到模型之中，以使其金属产量与市场行情相符。

“经济繁荣刺激了市场对于碱金属（Base Metal）的需求。” 迪米特莱克保罗斯解释道，“近年来，中国和印度进口了大量铜、铁等原材料。”自2003年起，钢材价格始终居高不下，持续时间之长远超过经济学家的预测。在上海和其他中国城市进行的旷日持久的建筑工程使用了大量的钢材。最近，钢材价格已经开始回落。

如果矿井作业一味地追求尽快尽可能多地提取金属，很可能会弄巧成拙。因为这会导致此类金属大量流向市场，从而令之贬值，结果是矿井在尚存有大量余矿时即被废弃。麦吉尔大学随机矿实验室构造的模型建议，当市场需求不大时，可适当地在矿井中那些不确定性较高或低产量的区域进行开采，这样可以确保与市场相应的低产量；反之也一样。如此操作，可以提高矿井的总价值，迪米特莱克保罗斯分析道。