عنوان

توسعه الگوریتم هوشمند برنامه‌ریزی تولید بلند مدت معادن روباز با استفاده از مفهوم تجمیع بلوک‌ها

Number

۵۰۴۵پ

.Language of Text, Soundtrack etc

فارسی

Title Proper

توسعه الگوریتم هوشمند برنامه‌ریزی تولید بلند مدت معادن روباز با استفاده از مفهوم تجمیع بلوک‌ها

General Material Designation

[پایان نامه]

First Statement of Responsibility

نوشین آزادی

Name of Publisher, Distributor, etc.

صنعتی سهند

Date of Publication, Distribution, etc.

۱۴۰۲

Specific Material Designation and Extent of Item

۱۶۵ص.

Other Physical Details

مصور، جدول، نمودار

Accompanying Material

CD

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

مهندسی معدن- استخراج معدن

Date of degree

۱۴۰۲/۰۶/۰۱

Text of Note

مسأله برنامه¬ریزی تولید بلند مدت به دلیل پیچیدگی و تأثیر قابل توجه آن بر موفقیت و سودآوری پروژه¬های استخراج معادن روباز، در چند دهه اخیر به طور گسترده مورد مطالعه قرار گرفته است. روش¬های حل آن را می¬توان به مجموعه روش¬های تحقیق در عملیات و ریاضی، ابتکاری و فراابتکاری طبقه¬بندی کرد. روش¬های تحقیق در عملیات و ریاضی مسأله مورد مطالعه را در ذخایر کوچک تا متوسط و در یک زمان محاسباتی معقول حل می¬کنند. با این حال، حل این مسأله در قالب مدل¬های ریاضی، برای به دست آوردن یک راه¬حل عملی برای ذخایر بزرگ مقیاس با تمام محدودیت-های تکنیکی و عملیاتی، ممکن است منجر به متغیرهای تصمیم¬گیری زیادی شود، به عبارت دیگر، مسأله NP-hard است. رویکردهای مختلفی برای حل این مشکل ارائه شده است که می¬توان به تجمیع بلوک¬ها به واحدهای بزرگتر برای کاهش تعداد متغیرهای تصمیم¬گیری و یا محاسبه تقریبی راه¬حل بهینه با استفاده از رویکردهای فراابتکاری، اشاره کرد. این رویکردها مانند الگوریتم ژنتیک می¬توانند راه-حل¬های بهینه یا نزدیک بهینه را برای مسائل بهینه¬سازی در یک زمان معقول پیدا کنند.در این رساله از تکنیک فراابتکاری الگوریتم ژنتیک برای حل تقریبی مسأله مورد مطالعه استفاده شده¬است. تفاوت ساختار کروموزوم مربوط به الگوریتم ژنتیک در این رساله باعث شده¬است تا بتوان محدودیت¬های دسترسی را در قالب کروموزوم تعریف کرد. الگوریتم ژنتیک با ساختار جدید جهت برنامه¬ریزی تولید بلند مدت در معدن فسفات اسفوردی و یک کانسار فرضی استفاده شد. اگرچه ارزش خالص فعلی حاصل اندکی از مقدار بدست آمده توسط مدل برنامه¬ریزی خطی عدد صحیح آمیخته کمتر است، اما سرعت محاسباتی این الگوریتم در مقایسه با مدل ریاضی، بیشتر است. همچنین در این رساله، یک الگوریتم تجمیع ابتکاری سه مرحله¬ای ارائه شده است. با اعمال الگوریتم تجمیع ابتکاری ارائه شده بر روی بخشی از مدل بلوکی مربوط به معدن فسفات اسفوردی، دو مدل بلوکی بازسازی شده با خوشه¬هایی به اندازه 5 و 10 بلوک ایجاد شد. با حل مسأله برنامه¬ریزی تولید بلند مدت توسط مدل برنامه¬ریزی خطی عدد صحیح آمیخته براساس این دو مدل بلوکی تجمیع شده، مدت زمان اجرا در مدل بلوکی خوشه¬بندی شده با اندازه خوشه 5 از 3 ساعت به 43 ثانیه و در مدل بلوکی با اندازه خوشه 10 به 4/29 ثانیه کاهش یافت.همچنین، با اعمال الگوریتم ژنتیک برروی مدل بلوکی خوشه¬بندی شده توسط الگوریتم ابتکاری تجمیع، نتایج به مراتب بهتری نسبت به برنامه¬ریزی تولید با الگوریتم ژنتیک در مدل بلوکی اصلی بدست آمد. دلیل این امر نیز کاهش فضای جستجو در الگوریتم ژنتیک است. بعد از برنامه¬ریزی تولید با این روش، پیوستگی و تمرکز عملیات ایجاد شده در درون محدوده نهایی مانع از جابجایی¬های مداوم تجهیزات معدنکاری در بخش¬های مختلف گردید. نتایج عددی حاصل از اعمال روش¬های مذکور برروی مدل بلوکی ذخیره Kd، اثبات کننده صحت نتایج می¬باشد، به طوریکه ارزش خالص فعلی در مدل بلوکی خوشه¬بندی شده با اندازه خوشه 3 بلوک در مدت زمان کوتاه¬تری، به اندازه 012/0 % نسبت به مدل بلوکی اصلی بهبود یافته است.

Text of Note

Long-term production scheduling is a fundamental subject in the planning of open pit mines, which starts with making a discrete representation of the deposit known as a block model. The studied problem is about the ultimate pit limit's blocks that should be extracted in the mining life to maximize the net present value of the mining operation. Also, technical and operational constraints must be observed to schedule the blocks.The issue of the long-term production scheduling has been widely studied in recent decades due to its complexity and significant impact on the success and profitability of open-pit mining projects. Its solution methods can be classified into operational research and mathematical, heuristic, and meta-heuristic methods. Research methods in operations research and mathematics models refer to techniques based on mathematics and finally get the best answer to the problem. These methods can solve the studied problem in small to medium size deposits and in a reasonable computational time. However, solving this problem to obtain a practical solution for large-scale deposits with all technical and operational constraints, by mathematical models, may lead to many decision variables that make it difficult to solve in a reasonable time frame. In other words, the problem is NP-hard; that is, the computational time to reach the optimal solution is not acceptable. Various approaches have been presented to solve this issue, which can be mentioned by changing the mathematical structure of the problem or aggregating blocks into larger units to reduce the number of constraints and decision variables. Also, the optimal solution can be calculated approximately to deal with this problem on large-scale deposits. Meta-heuristic approaches can play an important role in dealing with such situations; These approaches, like the genetic algorithm, can find optimal or near-optimal solutions for optimization problems in a reasonable time.In this thesis, the genetic algorithm is used for the approximate solution of the studied problem in a reasonable time. The difference in the chromosome structure related to the genetic algorithm in this thesis has caused the precedence constraints to be defined in the form of this structure. Therefore, this eliminates the need to use a normalization step. Because after applying the crossover and mutation operators, there is no change in the final slope of the pit. By applying the genetic algorithm with a new structure to plan the long-term production scheduling of the Esfordi phosphate mine and a hypothetical deposit, although the net present value is slightly less than the value obtained by the mixed integer linear programming method, but the genetic algorithm is faster.Also, a heuristic aggregation algorithm is proposed to aggregate the blocks in clusters. So the number of decision-making variables is reduced in mathematical models after clustering; Then these models can be used to solve the problem of long-term production scheduling in large-scale deposits. This aggregation technique also has the ability to evaluate the correctness of the clustering. By applying the heuristic aggregation algorithm on the block model related to the Esfordi phosphate mine two aggregated block models were created to evaluate this algorithm. These block models have 5 and 10 blocks in each cluster. For example, the experimental time in the model with five blocks in each cluster was reduced from 3 hours to 43 seconds by solving the problem of long-term production scheduling by mixed integer linear programming based on this aggregated model.Also, after aggregating the blocks with the heuristic aggregation algorithm and then scheduling the production with the genetic algorithm, optimal results were obtained compared to when the genetic algorithm was applied to the original block model; This is because of the reducing the search space in the genetic algorithm. Also, the mining equipment's extra movements in different sectors were prevented due to the continuity and concentration of operations within the ultimate pit limit after scheduling the production with this method. The numerical results obtained from the application of the mentioned methods on the Kd block model prove the results, so that the current net present value in the clustered block model with three blocks in each cluster in a shorter time is improved 0.012% compared to the original block model.

Variant Title

Development of an Intelligent Algorithm for Open Pit Mine Long-term Production Scheduling Using the Concept of Block Aggregation

برنامه‌ریزی تولید بلند مدت

معادن روباز

ذخایر بزرگ مقیاس

الگوریتم ژنتیک

Subject Term

برنامه‌ریزی تولید بلند مدت، معادن روباز، ذخایر بزرگ مقیاس، مدل بلوکی، تجمیع بلوکها، الگوریتم ژنتیک

Subject Term

long-term production scheduling, open pit mines, large-scale deposits, block model, blocks aggregation, genetic algorithm

آزادی، نوشین

Entry Element

میرزائی نصیرآباد

Entry Element

موسوی

Part of Name Other than Entry Element

، حسین

Part of Name Other than Entry Element

، امین

Relator Code

استاد راهنما

Relator Code

استاد مشاور

Entry Element

صنعتی سهند

Country

ایران

Agency

دانشگاه صنعتی سهند

Call Number

معدن، ۵۰۳۱۸، ۱۴۰۲

p

TF

92029

a

Y