اخبار و اعلانات
آمار
| تعداد نشریات | 20 |
| تعداد شماره‌ها | 311 |
| تعداد مقالات | 2,565 |
| تعداد مشاهده مقاله | 2,844,945 |
| تعداد دریافت فایل اصل مقاله | 2,150,746 |
ارزیابی اقتصادی روش استخراج تخریب بلوکی با توجه به محدودیت عیار کارخانه فراوری | ||
| نشریه مهندسی منابع معدنی | ||
| مقاله 4، دوره 6، شماره 2 - شماره پیاپی 20، تیر 1400، صفحه 41-58 اصل مقاله (1.06 M) | ||
| نوع مقاله: علمی-پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30479/jmre.2020.12435.1369 | ||
| نویسندگان | ||
| محمد باقر فتحی* ؛ فرشاد نژادشاه محمد؛ سجاد چهره قانی | ||
| استادیار، گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه ارومیه، ارومیه | ||
| تاریخ دریافت: 23 دی 1398، تاریخ بازنگری: 03 تیر 1399، تاریخ پذیرش: 09 تیر 1399 | ||
| چکیده | ||
| برنامه‌ریزی تولید در روش تخریب بلوکی، مقدار تناژ استخراجی از هر دهانه تخلیه تا مقصد مشخص (کارخانه فرآوری) در هر دوره زمانی با اهداف برنامه‌ریزی را بیان می‌کند. یکی از مشکلات در برنامه‌ریزی تخریب بلوکی فقدان یکپارچگی پارامترهای اصلی طراحی است، بنابراین نیاز است مدلی توسعه یابد تا با استفاده از تمام عوامل موثر در تنظیم برنامه راهبردی معدن، زمان‌بندی تولید دقیق را ارایه کند. در این تحقیق مدل برنامه‌ریزی خطی عدد صحیح مختلط (MILP) به نحوی گسترش یافته است که تولید در روش تخریب بلوکی با توجه به محدودیت‌های عیار کارخانه فرآوری بررسی شود. محدودیت‌های حداقل و حداکثر عیار قابل قبول کارخانه فرآوری و همچنین محدودیت تولید عیار نسبی توسعه یافته در این تحقیق برنامه‌ریزی معدن را به سمتی سوق می‌دهد تا فرآیند استخراج واقعی به همراه کنترل ترقیق‌شدگی از دهانه‌های تخلیه انجام شود. نرم‌افزار CPLEX به عنوان چارچوب اجرای مدل MILP و نرم‌افزار MATLAB به عنوان زبان برنامه‌نویسی این تحقیق استفاده شده‌اند. نتایج اجرای مدل پیشنهادی بر روی 85 دهانه تخلیه که در طی 10 سال برنامه‌ریزی شده است نشان داد با اعمال محدودیت عیار کارخانه فرآوری به مدل MILP نسبت به حالتی که این محدودیت‌ها در مدل نباشند، فقط با کاهش 9% ازNPV محاسبه شده، عدم توزیع متناسب از متوسط عیار استخراجی بدون محدودیت کارخانه فرآوری 24% از حداکثر عیار دهانه‌های تخلیه است و با وجود محدودیت کارخانه فرآوری چنین توزیعی به 4% کاهش می‌یابد. همچنین تولید از معدن بر حسب عیار مجاز کارخانه فرآوری به خوبی رعایت شده است، بنابراین اعمال محدودیت‌های عیار کارخانه فرآوری به همراه سایر محدودیت‌های موثر در برنامه‌ریزی تولید، زمان‌بندی واقعی‌تری را ارایه کرده است. | ||
| کلیدواژه‌ها | ||
| محدودیت حداقل و حداکثر عیار کارخانه فراوری؛ محدودیت تولید عیار نسبی؛ برنامه ریزی تولید؛ MILP | ||
| عنوان مقاله [English] | ||
| Economical Assessment of Block Cave Method Respect to the Processing Factory Constraints | ||
| نویسندگان [English] | ||
| M.B. Fathi؛ F. Nezhadshahmohammad؛ S. Chehreghani | ||
| Assistant Professor, Dept. of Mining Engineering, Faculty of Engineering, Urmia University, Iran | ||
| چکیده [English] | ||
| Production planning defines the drawpoint extraction percentage in order to a deterministic destination (processing factory) according to scheduling objectives. One of the main problems in such planning is related to the lack of integration designing factors. So, there is a need to develop a model for mine scheduling using all factors influencing the strategic plan. In the current study, the Mixed Integer Linear Programming (MILP) has been developed according to metallurgical constraints. The maximum and minimum cut of grade as well as relative grade constraints are used to produce a real production from drawpoints according to the dilution control. The CPLEX software is used as a MILP solving framework, and also MATLAB to develop mathematical models. The application of the models based on metallurgical constraints was validated using 85 drawpoints over 12 periods. The results showed that in usual condition, the reduction of NPV was only 9% with the proportional non-distribution of average grade 24% of the maximum grade in the drawpoints, while by applying the metallurgical constraint this was reduced to 4%. Finally applying the metallurgical constraints with other operational constraints presented the real production planning. | ||
| کلیدواژه‌ها [English] | ||
| Maximum and minimum grade constraint, Relative grade constraint, Production planning, MILP | ||
| مراجع | ||
|
[1] Sloan, D. (1983). “Mine Management, Chapman and Hall”. London, ISBN 041224070X: 495. Topal, E. (2008). “Early start and late start algorithms to improve the solution time for long-term underground mine production scheduling”. Journal of the South African Institute of Mining and Metallurgy, 108: 99-107. Ahmed, H. M., Eberhardt, E., and Dunbar, W. S. (2014). “Interaction between block caving and rock slope deformation kinematics as a function of cave position and orientation of discontinuities”. Mining Technology, 123: 140-148. Susaeta, A., Rubio, E., Henríquez, J., and Pais, G. (2008). “Dilution behaviour at Codelco panel cave mines”. 5th International Conference and Exhibition on Mass Mining, Lulea Sweden, 9-20. Verdugo, R., and Ubilla, J. (2004). “Geotechnical analysis of gravity flow during block caving”. Professor of Geotechnical Engineering, University of Chile, Chile, 195-200. Brown, E. T. (2003). “Block caving geomechanics”. 1st Ed., Julius Kruttschnitt Mineral Research Centre, The University of Queensland Australia, pp. 515. Rubio, E. (2006). “Block cave mine infrastructure reliability applied to production planning”. NR13037 Ph.D., The University of British Columbia, Canada, pp. 142. Alford, C., Brazil, M., and Lee, D. (2007). “Optimization in Underground Mining”. In Handbook Of Operations Research In Natural Resources, Weintraub, A., Romero, C., Bjorndal, T., Epstein, R., and Miranda, J. Eds., Springer US., 561-577. Chanda, E. K. C., and Dagdelen, K. (1995). “Optimal blending of mine production using goal programming and interactive graphics systems”. International Journal of Surface Mining, Reclamation and Environment, 9(4): 203-208. Pourrahimian, Y., Askari-Nasab, H., and Tannant, D. (2013). “A multi-step approach for block-cave production scheduling optimization”. International Journal of Mining Science and Technology, 23(5): 739-750. Maybee, B. M. (2011). “A Risk-based Evaluation Methodology for Underground Mine Planning”. NR71893 Ph.D, Laurentian University, Canada, pp. 172. Riddle, J. (1976). “A Dynamic Programming Solution of a Block - Caving Mine Layout”. In Proceedings APCOM, International Symposium on the Application of Computers and Operations Research in the Minerals Industries, 767-780. Song, X. (1989). “Caving process simulation and optimal mining sequence at Tong Kuang Yu mine”. China, 386-392. Chanda, E. C. K. (1990). “An application of integer programming and simulation to production planning for a stratiform ore body”. Mining Science and Technology, 11(2): 165-172. Guest, A. R., Van Hout, G. J., and Von Johannides, A. (2000). “An Application of Linear Programming for Block Cave Draw Control”. MassMin. Brisbane, Australia, the Australasian Institute of Mining and Metallurgy, 461-468. Smith, M. L., and Rahal D. (2001). “Draw Control Optimisation in the Context of Production Scheduling”. 17th International Mining Congress and Exhibition of Turkey- IMCET2001, Turkey, 831-838. Rubio, E. (2002). “Long term planning of block caving operations using mathematical programming tools”. Mining and Mineral Process Engineering, the University of British Columbia, Master of Applied Science, pp. 126. Epstein, R., Goic, M., Weintraub, A., Catalan, J., Santibanez, P., Urrutia, R., Cancino, R., Gaete, S., Aguayo, A., and Caro, F. (2012). “Optimizing Long-Term Production Plans in Underground and Open-Pit Copper Mines”. Operations Research, 60(1): 4-17. Rahal, D., Smith, M., Smoljanovic and Hout, G., and Von Johannides, A. (2003). “The use of mixed integer linear programming for long-term scheduling in block caving mines”. Application of Computers and Operations Research ill the Minerals Industries, South African Institute of Mining and Metallurgy, 123-132. Smoljanovic, M., Rubio, E., and Morales, N. (2011). “Panel Caving Scheduling Under Precedence Constraints Considering Mining System”. 35th APCOM Symposium, Wollongong, NSW, Australia, 407-417. Pourrahimian, Y., Askari-Nasab, H., and Tannant, D. (2012). “Mixed-Integer Linear Programming formulation for block-cave sequence optimization”. International Journal of Mining and Mineral Engineering, 4(1): 26-49. Pourrahimian, Y., and Askari-Nasab, H. (2014). “An application of mathematical programming to determine the best height of draw in block-cave sequence optimization”. Mining Technology (Mining Technology IMM Transactions Section A), 123(3): 162-172. Alonso-Ayuso, A., Carvallo, F., Escudero, L. F., Guignard, M., Pi, J., Puranmalka R., and Weintraub, A. (2014). “Medium range optimization of copper extraction planning under uncertainty in future copper prices”. European Journal of Operational Research, 233(3): 711-726. Nezhadshahmohammad, F., Aghababaei, H., and Pourrahimian, Y. (2017). “Conditional draw control system in block-cave production scheduling using mathematical programming”. International Journal of Mining, Reclamation and Environment, 33(4): 1-24. Nezhadshahmohammad, F., Pourrahimian, Y., and Aghababaei, H. (2018). “Presentation of a multi-index clustering technique for the mathematical programming of block-cave scheduling”. International Journal of Mining Science and Technology, 28(6): 941-950. Rahal, D. (2008). “Draw Control in Block Caving Using Mixed Integer Linear Programming”. Ph.D, the University of Queensland, pp. 342. [27] نژادشاه محمد، ف.، فتحی، م. ب.؛ 1398؛ "ارائه روشی برای کنترل راستای پیشروی استخراج تخریب بلوکی". نشریه علمی مهندسی منابع معدنی، دوره پنجم، شماره1، ص 57-41. DOI: 10.30479/jmre.2019.10359.1246.
| ||
|
آمار تعداد مشاهده مقاله: 286 تعداد دریافت فایل اصل مقاله: 199 |
||