نوع مقاله: علمی - پژوهشی

نویسندگان

1 1. دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه تربیت مدرس، تهران،

2 . دانشگاه تربیت مدرس، تهران، ایران

3 دانشگاه تربیت مدرس، تهران

چکیده

در مطالعات امکان‌سنجی و برنامه‌ریزی کارخانه‌های فرآوری، روش‌ها و ابزارهای سریع و قابل اعتماد که امکان تخمین هزینه را فراهم کنند نقش مهمی بعهده دارند. هیدروسیکلون‌ها به عنوان یکی از انواع طبقه‌بندی کننده‌های موادمعدنی به‌سبب کارآیی بالایی که به‌ویژه در یک مدار بسته با آسیا دارند، از اهمیت زیادی برخوردارهستند. در این تحقیق، سعی شده مدلی جدید و کارآمد جهت تخمین هزینه‌های سرمایه‌ای و عملیاتی این تجهیزات ارائه شود. این مدل در قالب توابع هزینه تک و چندمتغیره توسعه داده شده‌است. در این راستا، متغیرهای فنی مؤثر بر هزینه مورد بررسی قرارگرفته و نحوه ورود صحیح آن به‌مدل‌ با آزمون‌های آماری مناسب سنجیده شده‌است. در تابع رگرسیون تک‌‌متغیره، قطر و یا ظرفیت دستگاه و در تابع چندمتغیره، هر دو متغیر به‌صورت همزمان به‌عنوان متغیر مستقل مورد استفاده قرار می‌گیرند. به‌منظور از بین‌بردن همبستگی بین متغیر‌های مستقل در تحلیل چند متغیره، از روش آنالیز مؤلفه‌های اصلی استفاده شده‌است. این تکنیک با بهره‌گیری از روابط خطی جدید بین متغیرهای اولیه، اقدام به‌حذف همبستگی بین متغیرهای مستقل ورودی به‌مدل می‌نماید. درادامه کارآیی هریک از این توابع با استفاده از میانگین نرخ خطای مطلق و بررسی باقیمانده‌ها ارزیابی شده‌است. به‌طور میانگین میزان خطای 75/6 و 08/4 درصد به‌ترتیب برای رگرسیون تک و چندمتغیره بدست آمده که میزان قابل قبولی در مطالعات امکان‌سنجی کارخانه‌های فرآوری است. همچنین توزیع نرمال باقیمانده‌های مدل، گواهی برکارآیی مدل‌های ارائه شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Capital and operating cost estimation for standard and negative pressure hydrocyclone

نویسندگان [English]

  • mahsa khoshfarman 1
  • ahmadreza sayadi 2
  • mohamadreza khalesi 3

کلیدواژه‌ها [English]

  • cost estimation
  • Hydrocyclone
  • Regression model
  • Principal Component Analysis

[1] Austin, L. G.; 1984; “Process Engineering of Size Reduction: Ball Mill”, Society of Mining Engineers of The American Institue of Mining and Petroleum Engineers Inc., 473-478.

[2] Wills B. A.; Tim N.; 2005; “Will’s mineral processing technology: An introduction to the practical aspects of ore treatment and mineral recovery”, 2th edition. Elsevier Ltd.

[3] King, R. P.; 2001; “Modeling and simulation of mineral processing systems”, Butter worth-Heinemann, 81-83.

[4] Wlodziniez J. T.; Wojciech, J.T.; 1990; “United States Patent”, Patent number 4927298, May 22

[5] Nematollahi, H.; 2008, Mineral processing, Tehran university Publication, 5th Edition, pp 270-275.

 [6] Akintoy, A.; 2000; “Analysis of Factors Influencing Project Cost Estimating Practice”, Construction Management and Economics, 77-89.

 [7] Niazi, A.; Dai, J. S.; Balabani, S.; Seneviratne, L.; 2006; “Product cost estimation: Technique classification and methodology review”, Journal of manufacturing science and engineering, Vol. 128, 563–575.

 [8]Mason, A.K.; Smith, A.E.; 1997; “Cost estimation predictive modeling: regression versus neural network”, Eng Eco. 42(2), 137-162

[9] Camm, T.W.; 1994; “Simplified cost models for prefeasibility mineral evaluations Mining Engineering”, Vol. 46, No.6, 559–562.

 [10] Mular, A.L.; Poulin, R.; 1998; “CAPCOSTS:A handbook for estimating mining and mineral processing equipment costs and capital expenditures and aiding mineral project evaluations”, Canadian mineral processors division of Canadian institute of mining, metallurgy and petroleum, Montreal, CIM Special Vol. 47, 319.

[11] O'Hara, T.A.; Suboleski, C.S.; 1992; “Costs and cost estimation, SME mining engineering handbook”, Society for mining, metallurgy and exploration, United State, Vol. 1, Chapter 6.3, 405-424.

[12] Pascoe, R.D.; 1992; “Capital and operating costs of minerals engineering plants:a review of simple estimation techniques”, Minerals engineering, Vol. 5, No. 8, 883-893.

[13] Prasad, L.; 1969; “Mineral processing plant design and cost estimation”, 3-15.

[14] USBM; 1987; “US Bureau of mines cost estimating system handbook”, Mining and beneficiation of metallic and nonmetallic minerals expected fossil fuels in the United States and Canada, United States Bureau of Mines, Denver, Colorado, Open file report 10-87.

[15] Sayadi, A.R.; Lashgari, A.; Paraszczak, J.; 2012; “Hard-rock LHD cost estimation using single and multiple regression based on principle component analysis”, Tunneling and underground space technology, Vol. 27, 133-141.

 [16] McNab, B.; et al.; 2009; “Processing of magnetite iron ores-comparing grinding options”, Perth, WA, 27-29 July.

[17] Loh, H. P.; et al.; 2002; “Processing equipment cost estimation final report”, Department of energy, United States, 5-39.

[18] Sayadi, A.R., Khalesi, M.R., Khoshfarman, M., 2013, A parametric cost model for mineral grinding mills, Minerals Engineering, in press.

[19] Grommers, H. E.; 2004; “Comparison of small hydro cyclones based on total process costs”, Mineral Engineering Journal 17, 581-589.

 [20] Info Mine; 2012; “Mining Cost Service Indexes”, <http://www.infomine.com>.

[21] Timm,Neil, H.; 2002; “ Applied multivariate analysis”,s.l: Springer-Verlag New York, Inc.

[22] Gujarati; 2004; “Basic econometrics”, Fourth Edition, The McGraw-Hill Company.

[23] Kaiser, H.F.; 1960; “The application of electronic computers to factor analysis”, Educ. Pschol. Meas. Vol. 20, 141-151. 

[24] Remer; S. D.; 2008; “An update on cost and scale-up factors”, International journal production economics, 333-346

[25] Everitt, B.; Hothorn, T.; 2002; “An introduction to applied multivariate analysis with R”, Springer Sience Business Media, 61-100.