اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 360 |
| تعداد مقالات | 2,962 |
| تعداد مشاهده مقاله | 3,780,576 |
| تعداد دریافت فایل اصل مقاله | 2,554,244 |
ارائه مدل برنامه‌ریزی خطی برای کمینه‌سازی تناژ-مسافت انتقال مواد اولیه و محصولات نهایی در زنجیره صنعت سنگ ایران | ||
| نشریه مهندسی منابع معدنی | ||
| مقاله 3، دوره 3، شماره 1، خرداد 1397، صفحه 29-46 اصل مقاله (1.84 M) | ||
| شناسه دیجیتال (DOI): 10.30479/jmre.2018.1389 | ||
| نویسندگان | ||
| رضا شکورشهابی* 1؛ اشکان قاسمی دولت آبادی2؛ محسن گلیجانی3 | ||
| 1استادیار، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی(ره)، قزوین | ||
| 2کارشناسی ارشد مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی(ره)، قزوین | ||
| 3کارشناس ارشد صنایع معدنی، وزارت صنعت معدن و تجارت، تهران | ||
| تاریخ دریافت: 30 خرداد 1397، تاریخ پذیرش: 30 خرداد 1397 | ||
| چکیده | ||
| اصولا در زنجیره صنعت سنگ تزیینی، هزینه حمل و نقل سنگ خام استخراج شده از معدن به کارخانجات سنگبری و سپس انتقال سنگ فرآوری شده به صورت پلاک و اسلب به بازار مصرف، تاثیر عمده‌ای بر قیمت تمام شده محصول نهایی دارد. در این تحقیق با هدف حداقل‌سازی تناژ انتقال در کل زنجیره، هریک از اجزای زنجیره شامل معادن، کارخانجات فرآوری و بازار مصرف به ده قطب اصلی تقسیم شد و مدل برنامه‌ریزی خطی بر اساس تابع هدف مینیمم‌سازی توام تناژ حمل مواد اولیه از قطب‌های معدنی به قطب‌های فرآوری و انتقال سنگ فرآوری شده از کارخانجات به قطب‌های بازار برای تامین مصرف مورد نیاز طراحی شد. محدودیت‌های مدل بر اساس تناسب دو به دو ظرفیت‌های تولید در طول زنجیره تولید تعریف شد. پس از حل مدل با نرم‌افزار Games، تناژ ارسالی بهینه دو به دو بین قطب‌ها در قالب سناریوی پایه 1 محاسبه شد. همچنین دو سناریوی مجزا در زمینه افزایش 20 درصدی ظرفیت تولید هر قطب معدنی و افزایش 20 درصدی ظرفیت قطب‌های مصرف و فرآوری تعریف شد. سناریوی دوم موجب کاهش متوسط حمل به ازای هرتن محصول به میزان 3/9 درصد می‌شود، اما تاثیر مثبتی بر افزایش نسبت‌های بهره‌برداری از ظرفیت تولید قطب‌های معدنی و فرآوری ندارد. سناریوی سوم موجب افزایش نسبت بهره‌برداری از ظرفیت قطب‌های معدنی می‌شود، اما با افزایش 28 درصدی مسافت کلی حمل سنگ خام از معدن به بازار و افزایش 8/2 درصدی مسافت حمل هر تن محصول در طول زنجیره، موجب افزایش هزینه تمام شده و کاهش رقابت‌پذیری محصول نهایی می‌شود. | ||
| کلیدواژه‌ها | ||
| معادن و کارخانجات سنگ تزیینی؛ برنامه‌ریزی خطی؛ زنجیره تولید سنگ؛ کمینه‌سازی انتقال مواد؛ نرم‌افزار Games | ||
| عنوان مقاله [English] | ||
| A linear programming model to minimizing Tonage-distance of raw materials and final products shipment in Iran's decorative stone industry chain | ||
| نویسندگان [English] | ||
| R. Shakoor Shahabi1؛ A. Ghasemi Dolat Abadi2؛ M. Golijani3 | ||
| 1Assistant Professor, Dept. of Mining Engineering, Imam Khomeini International University | ||
| 2M.Sc Mining Engineering Graduated, Imam Khomeini International University | ||
| 3Mineral Industry Expert Engineer, MIMT | ||
| چکیده [English] | ||
| Basically, in the chain of the decorative stone industry, the cost of transporting the excavated rock from mine to the rock cutting factories, and then shipping of the processed plate and slab stone to the market places has a major impact on the finished product price. In this research, firstly, each of the decorative stone chain components including mines, rock cutting factories and consumer markets in Iran was divided into 10 main poles. Then, the linear programming model for minimization of total transporting tonnage and distances of raw rock from poles to processing poles and processed slab from mine to trade materials and transferring processed rocks from factories to market poles were defined. The constraints of the model were defined based on the proportion of production capacities in poles throughout the production chain. After solving the model with the GAMS software, the optimal delivery tonnage between the poles as scenario 1 was calculated. Also, two separate scenarios have been defined in terms of 20 percent increase in production capacity of mine poles and 20 percent increase in consumption and processing capacity poles. The second scenario reduces the average shipments per unit product by 3.9 %, but it has no positive impact on the utilization ratio of the production capacity in mine and factory poles. The third scenario improves the utilization rate of the mines poles, however increases the total shipment of the raw material from the mine to the factory by 28%, and also increases the average distance per unit product along the chain by 8.2%. This scenario could lead to increasing the unit production cost and reducing the competitiveness of the final product. | ||
| کلیدواژه‌ها [English] | ||
| Decorative stone, Linear programming, Stone production chain, material shipment, GAMS Software | ||
| مراجع | ||
|
[1] Winkler, E. (2013). “Stone in architecture: properties, durability”. Springer Science & Business Media, 1-31. [2] احمدی؛ 1395؛"؛"ارائه راهکارهای بازاریابی مبتنی بر اثربخشی برای افزایش صادرات صنعت سنگ ساختمانی ایران". مهندسی منابع معدنی، دوره 2، ص 53-67. [3] Ghorbani, M. (2013). “The Position of Iranian3. Mining Industry in the World, in The Economic Geology of Iran”. Springer, 297-332. [4] Fouladgar, M. M., Yazdani-Chamzini, A., and Zavadskas, E. K. (2011). “An integrated model for prioritizing strategies of the iranian mining sector: Irano kasybos sektoriaus strategijų prioriteto nustatymo integruotas modelis”. Technological and Economic Development of Economy, 17(3): 459-483. [5] Tahernejad, M., Ataei, M., and Khalokakaie, R. (2012). “Selection of the best strategy for Iran’s quarries: SWOT-FAHP method”. Journal of Mining and Environment, 3(1): 1-13. [6] .احمدی؛ 2015؛"راهکارهای بهبود مراحل زنجیره تولید صنعت سنگ ساختمانی کشور ایران-مطالعه میدانی: صنعت سنگ تراورتن منطقه محلات". مهندسی منابع معدنی. [7] وزارت صنعت، معدن و تجارت؛ 1394؛ "صنعت معدن و تجارت به روایت آمار و اطلاعات گزارش شماره 12 (عملکرد 1393)". دفتر آمار و فرآوری داده ها. [8] وزارت صنعت، معدن و تجارت؛ 1392؛ "ععملکرد 8 ساله بخش صنعت معدن و تجارت(1384-1391)". دفتر آمار و فرآوری داده‌ها. [9] آقاجانی، ح.؛ 1375؛ "کاربرد برنامه ریزی خطی–مدل حمل و نقل–در بهینه سازی سیستم حمل ونقل". فصلنامه دانش مدیریت، شماره 31 و32 ، ص 114-119. [10] لاپرت، ژ.؛ 1392؛ "تحقیق در عملیات و بهینه‌سازی: گذشته، حال و آینده". فصلنامهآموزشمهندسیایران،دوره 58، ص 137-158. [11] سهرابی، ب.؛ 1381؛ "تحقیق در عملیات و هوش مصنوعی: ابزارهای مناسبی برای حل مسائل بهینه سازی ترکیبی". فصلنامه دانش مدیریت، دوره 57، ص 109-116. [12] اورعی،ک.؛ احمدی، م.؛ عاصی، ب.؛ 1385؛ "مدل برنامه ریزی آرمانی فازی به منظور بهینه سازی کارآیی سیستم حمل معادن روباز". فصلنامه امیرکبیر، دوره 71، شماره 46،، ص61-69. [13] ماکویی، ا.؛ تیموری، ا.؛ سرکیسیان، آ.؛ 1389؛"توسعه مدل ریاضی برنامه ریزی حمل و نقل در معادن روباز با هدف بهبود بهره وری". نشریه بین المللی مهندسی صنایع و مدیریت تولید، دوره 3، شماره 12، ص 81-92. [14] Mohtasham, M., H. Mirzaei Nasirabad, and A. Mahmoodi Markid, 2017. “Development of a goal programming model for optimization of truck allocation in open pit mines”. Journal of Mining and Environment, 8(3): p. 359-371. [15] Bajany, D., Xia, X., and Zhang, L. (2017). “A MILP Model for Truck-shovel Scheduling to Minimize Fuel Consumption”. Energy Procedia, 105: 2739-2745. [16] حقیر چهره‌قانی، س.؛ خدایاری،.ع. ا.؛ حسینی، م.؛ 1386؛"بهینه سازی تخصیص و گسیل کامیون در سامانه ترابری معدن مس سرچشمه". دانشکده فنی دانشگاه تهران، دوره 14، شماره 3، ص 287-296. [17] Chang, Y., Ren, H., and Wang, S. (2015). “Modelling and optimizing an open-pit truck scheduling problem”. Discrete Dynamics in Nature and Society, 2015: 1-8. [18] آزادی، ن.؛ 1393؛ "بهبود اندازه ناوگان حمل و نقل معدن مس سونگون با استفاده از روش شبیه‌سازی". مدل سازی در مهندسی، دوره 21، شماره 93، ص99-110. [19] افندی زاده، ش.؛ شاه نظری، م.؛ 1385؛ "بررسی و ارزیابی شرایط تعادلی عرضه و تقاضا برای حمل کالا از مبادی ورودی به مناطق مصرف".پژوهشنامه حمل و نقل، دوره 3، شماره 2، ص 75-84. [20] محمدزاده، ج.؛ 1387؛"مدل بهینه حمل و نقل فرآورده های سوختی (بنزین) از پالایشگاه ها و مبادی ورودی کشور به انبارهای شرکت نفت". فصلنامه دانش مدیریت، دوره 44، ص 125-140. [21] شفیع پور عمرانی، ب.؛ رشیدی کمیجانی، ع.؛ جمالی فیروزآبادی، ک.؛ 1394؛"بهینه سازی حمل و نقل گاز طبیعی مایع با در نظر گرفتن تنوع محصول". پژوهشگردوره 12، شماره 37، ص 45-56. [22] کوپاهی، م.؛ کیانی، غ.؛ 1385؛ "تعیین برنامه بهینه حمل و نقل گندم در ایران با استفاده از روش برنامه ریزی خطی". مجله علوم کشاورزی ایران، دوره 73، شماره 2، ص 127-135. [23] فارسی‌مقدم، ا.؛ 1391؛"طراحی مدل بهینه فروش سیمان با استفاده از الگوریتم حمل و نقل (مطالعه: کارخانه سیمان سیستان )". پایان نامه کارشناسی ارشد، دانشکده مدیریت و حسابداری، دانشگاه سیستان و بلوچستان. [24] اصغرپور، م.؛ هاشمی، ذ.؛ 1383؛"طراحی مدل ریاضی شبکه حمل و نقل شرکت پست ج.ا.ا". فصلنامه دانش مدیریت، دوره 71، شماره 3، ص 29-48. [25] رشیدی، ع.؛ توکلی، ز.؛ 1396؛"یک مدل ریاضی برای بهینه سازی زنجیره تامین گاز مایع با درنظر گرفتن نفتکش های میانی". فصلنامه علمی-پژوهشی مهندسی حمل و نقل. [26] Montiel, L., and Dimitrakopoulos, R. (2015). “Optimizing mining complexes with multiple processing and transportation alternatives: An uncertainty-based approach”. European Journal of Operational Research, 247(1): 166-178. [27] Chen, M., and Wang, W. (1997). “A linear programming model for integrated steel production and distribution planning”. International Journal of Operations & Production Management, 17(6): 592-610. | ||
|
آمار تعداد مشاهده مقاله: 881 تعداد دریافت فایل اصل مقاله: 1,902 |
||