نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانشجو

2 عضو هیئت علمی

3 هیأت علمی-دانشگاه تربیت مدرس

چکیده

برنامهریزی تولید بلندمدت تأثیر بسزایی در ارزیابی اقتصادی پروژههای معدنی دارد. در برنامهریزی تولید استفاده از یک مدل بلوکی عیاری با
دقت بالا اهمیت ویژهای دارد. برای ایجاد مدل بلوکی عیاری انتخاب یک روش تخمین مناسب گامی مهم تلقی میشود. معمولاً برای تخمین عیار
در کانسارهای چند عنصره از روش کوکریجینگ ) CoKriging ( استفاده میشود اما این روش به دلیل وجود اثر هموارسازی، معمولاً با خطا همراه
است. برای حل این مسأله میتوان از روش سنتی شبیهسازی توأم متوالی گوسی ) SGCOSIM ( استفاده نکرد. اما این روش نیز به دلایلی مانند
استفاده از انواع مدلهای واریوگرام، پیچیدگی محاسبات، زمانبر بودن و دشواری اعتبارسنجی، جذابیت کمتری دارد. برای حل این مسأله،
میتوان با استفاده از روشهایی مانند تبدیل شرطی متوالی ) SCT ( و یا تحلیل مؤلفههای اصلی ) PCA (، همبستگی بین عناصر را حذف کرد.
ایراد اساسی در روشهای فوق عدم امکان حذف همبستگی در همه گامها است. برای این منظور در ابتدا میتوان از روش فاکتورهای
خودهمبستگی کمینه/بیشینه ) MAF ( همبستگی را حذف و در مرحله بعد، عناصر مستقل را با روش شبیهسازی متوالی گوسی ) SGS ،)
شبیهسازی کرد. در این پژوهش، کانسار سرب و روی گوشفیل به عنوان مطالعه موردی در نظر گرفته شده است. به منظور تخمین عیار از روش
کوکریجینگ و برای حذف همبستگی روش MAF مورد استفاده قرار گرفت و پس از آن برای شبیهسازی، روش SGS به کار گرفته شد. در
نهایت، مقایسه نتایج برنامهریزی تولید بلندمدت، برای مدلهای عیاری حاصل از روشهای تخمین و شبیهسازی انجام گرفت که بر اساس آن
NPV حاصل از روش کوکریجینگ، 44 درصد کمتر از NPV کمینه بهدست آمده از مدلهای شبیهسازیشده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

.Quantification of the Effect of Grade Uncertainty in the Production Planning of Two-Element Deposits

نویسندگان [English]

  • vali safari 1
  • masoud monjezi 2
  • Jafar Khademi Hamidi 3

2 Academic member

کلیدواژه‌ها [English]

  • Long-Term Production Planning
  • CoKriging
  • Minimum / Maximum Autocorrelation Factors
  • Sequential Gaussian Simulation
  • Grade Uncertainty

منابع
1 اصانلو، مرتضی.، 1319 ، "روشهای استخراج معادن -
سطحی"، انتشارات دانشگاه صنعتی امیرکبیر، جلد دوم،
ویرایش سوم.
2-Dimitrakopoulos, R., Farrelly, C. T., Godoy, M. C., 2002, “Moving forward from traditional optimization: grade uncertainty and risk effects in open-pit design”, Transactions of the Institutions of Mining and Metallurgy, Section A: Mining Technology, Vol. 111, pp. A82-A89.
3-Ravenscroft, P. J., 1992, “Risk analysis for mine scheduling by stochastic simulation”, Transactions of the Institutions of Mining and Metallurgy, Vol. 101, pp. A104- A108.
4-Journel, A.G., 1992, “Computer imaging in the minerals industry-Beyond mere aesthetics”, In APCOM Computer Applications in the Minerals Industries 23rd International Symposium, pp. 3-13.
5-Dimitrakopoulos, R., 1998, “Conditional simulation algorithms for modelling ore body uncertainty in open pit optimization”, International Journal of Mining, Reclamation and Environment, Vol. 12, pp. 173-179.
6-Smith, M., Dimitrakopoulos, R., 1999, “The influence of deposit uncertainty on mine production scheduling”, Int. J. of Mining,
ولی صفری 1، مسعود منجزی 2*، جعفر خادمی حمیدی 3 نشریه علمی_پژوهشی مهندسی معدن
22
Reclamation and Environment, Vol. 13, pp. 173-178.
7-Smith. M. L, 2001, “Integrating conditional simulation and stochastic programming: an application in production scheduling”, In Xie (Eds.), Computer applications in the minerals industries, Swet & Zeitlinger, pp. 203-208.
8-Ramazan. S., Dimitrakopoulos. R., 2004, “Traditional and new MIP models for production scheduling with in-situ grade variability”, Int. J. of mining, reclamation and environment, Vol. 18, pp. 85 – 98.
9-Gholamnejad, J., & Osanloo, M., 2007, “Incorporation of ore grade uncertainty into the push back design process”, Journal of the South African Institute of Mining & Metallurgy, Vol. 107, No. 3, pp. 177.
10-Armstrong, M., Galli, A., 2011, “A New Approach to Flexible Open Pit Optimization”, In E. Y. Baafi, R. J. Kininmonth, & I. Porter (Eds.), 35th APCOM symposium, Wollongong: AusIMM, pp. 253 – 263.
11-Lamghari, A. and Dimitrakopoulos, R., 2012, “A diversified Tabu search approach for the open-pit mine production scheduling problem with metal uncertainty”, European Journal of Operational Research, Vol. 222, No. 3, pp. 642-652.
12-Benndorf, J., Dimitrakopoulos, R., 2013, “Stochastic long-term production scheduling of iron ore deposits: integrating joint multi-element geological uncertainty”, Journal of Mining Science., Vol. 49, No. 1, pp. 79-94.
13-Koushavand, B., Askari Nasab, H., Deutsch, C., 2014, “A linear programming model for long-term mine planning in the presence of grade uncertainty and a stockpile”, International Journal of Mining Science and Technology 24, pp. 451–459.
14-Dimitrakopoulos, R., Leite, A., 2014, “Stochastic optimization of mine production scheduling with uncertain ore/metal/waste supply”, International Journal of Mining Science and Technology. Vol. 24, No. 6, pp. 755-762.
15-Soleymani Shishvan, M., Sattarvand, J., 2015, “long term production planning of open pit mines by ant colony optimization”, European Journal of Operational Research, Vol. 240, No. 3, pp. 825-836.
16 مدنی، حسن.، 1374 ، "مبانی زمینآمار"، دانشگاه -
صنعتی امیرکبیر، واحد تفرش .
17-Leuangthong, oy., Khan, K. Daniel., and Deutsch, Clayton. V., 2011, “Solved problems in Geostatistics”, John Wiley & Sons.
18-Benndorf, J., Dimitrakopoulos, R., 2007, “New Efficient Methods for Conditional Simulation of Large Ore bodies”, Ore body Modelling and Strategic Mine Planning. Vol. 14, pp. 61-67.
19-De- Vitry, C., Vann, j., Arvidson, H., 2007, “A Guide to Selecting the Optimal Method of Resource Estimation for Multivariate Iron Ore Deposits”, Iron Ore Conference. pp. 67-77.
20-Verly, G.W., 1993, “Sequential Gaussian CoSimulation: a simulation method integrating several types of information”, In Geostatistics Troia’92, Springer Netherlands, pp. 543-554.
21-Davis, B. M., Greenes, K. A, 1983, “Estimation using spatially distributed multivariate data: an example with coal quality”, Mathematical Geology, Vol. 15, No. 2, pp. 287-300.
22-Leuangthong, O., Deutsch, C. V, 2003, “Stepwise conditional transformation for simulation of multiple variables”, Mathematical Geology. Vol. 35, No. 2, pp. 155-173.
23-Davis, B. M., Greenes, K. RA, 1983, “Estimation using spatially distributed multivariate data: an example with coal quality”, Mathematical Geology. Vol. 15, No. 2, pp. 287-300.
24-Switzer, P., Green, A., 1984, “Min/Max Autocorrelation Factors for Multivariate Spatial Imagery”, in SIAM Institute for Mathematics and Society. pp. 13-16.
25-Rondon, O., 2012, “Teaching Aid: Minimum/Maximum Autocorrelation Factors for Joint Simulation of Attributes” Mathematical Geosciences. Vol. 44, No. 4, pp. 469-504.
26 صیادی، احمدرضا.، فتحیان پور، نادر.، موسوی، امینالله.، -
1391 ، "کاربرد شبیهسازی گوسی متوالی شرطی در
تعیین عدمقطعیت عیار بلوکهای تخمینی در معدن
فسفات اسفوردی"، نشریه روشهای تحلیلی و عددی در
مهندسی معدن. شماره 3، صفحه 44 تا 52 .
تأثیر عدمقطعیت عیار در برنامهریزی تولید بلندمدت ذخایر دو عنصری نشریه علمی_پژوهشی مهندسی معدن
23
27 آیتی، فریماه.، دهقانی، هنگامه.، مختاری، احمدرضا.، -
مجتهدزاده، سید حسین.، 1392 ، "مطالعات ژئوشیمیایی و
کانیشناختی سرب و روی گوشفیل"، نشریه علمی-
پژوهشی روشهای تحلیلی و عددی در مهندسی معدن. شماره
. 6، ص 13 تا 91
28-Dimitrakopoulos, R. and Fonseca, M.B., 2003, "Assessing risk in grade-tonnage curves in a complex copper deposit, northern Brazil, based on an efficient joint simulation of multiple correlated variables", Application of Computers and Operations Research in the Minerals Industries, South African Institute of Mining and Metallurgy. Pp.373-38.