مقایسه ضریب تطبیق ناوگان حمل ونقل معدن مس سرچشمه با ناوگان حمل ونقل سایر معادن مورد بررسی
Keywords:
ضریب تطبیق, ناوگان ناهمگنAbstract
هدف صنعت معدن‌کاری، استخراج مواد معدنی جهت رفع نیاز مواد اولیه کارخانهها برای پاسخگویی به نیازهای جامعه و خلق ثروت برای یک کشور است. استخراج معدن شامل حفاری، انفجار، بارگیری و باربری میشود. در مسئله هزینه‌های استخراج معدن، بیشترین هزینه مربوطه به بخش بارگیری و باربری معدن میشود که برای مدیریت ناوگان حائز اهمیت است. ضریب تطبیق یک شاخص برای نشان دادن بهرهوری ناوگان شاول کامیون است. ناوگان شاول کامیون از نقطه نظر عملیاتی، نحوه تخصیص بهینه کامیون به شاول وارتباط بین شاول و کامیون از نظر تعداد سیکل کاری شاول از اهمیت بالایی برخوردار است. مقدار ضریب تطبیق برای معدن مس سرچشمه که این معدن از نظر جغرافیایی در 50 کیلومتری رفسنجان و 160 کیلومتری جنوب غرب کرمان قرار دارد در دو شیفت کاری داده های مورد نظر جمع آوری شده است که با توجه به داده ها مقدار ضرب تطبیق برابر0.4 و برای سایر معادنی که اطلاعات آن ها در دسترس بود مورد بررسی قرار گرفتهاند در این پژوهش در بازه 0.98 تا 1.2 قرار گرفته بودند. معادن از نظر طول مسافت حملونقل با یکدیگر تفاوت داشته اما ضریب تطبیق آنها نزدیک به یک بوده است. هرچه مقدار ضریب تطبیق به یک نزدیک تر باشد نشان دهنده این بود که دستگاه های بارگیری زمان کمتری برای رسیدن کامیون سپری کردهاند و بهرهوری ناوگان در سطح قابل قبولی قرار داشته است.
References
[1]Howard, J., “Introductory mining engineering,” Book Introductory mining engineering, Series Introductory mining engineering, ed., Editor ed.^eds., Academic Page, 2021, pp.
[2]Hai, D.V., “Optimization of truck and shovel for haulage system in the cao son mine, Viet Nam using queuing theory,” Prince of Songkla University, 2016.
[3]Zeng, W., Baafi, E., and Walker, D., “A simulation model to study bunching effect of a truck-shovel system”, International Journal of Mining, Reclamation and Environment, Vol. 33, pp. 102-117, 2019.
[4]Burt, C.N., and Caccetta, L., “Match factor for heterogeneous truck and loader fleets”, International Journal of Mining, Reclamation and Environment, Vol. 21, pp. 262-270, 2007.
[5]Dabbagh, A., and Bagherpour, R., “Investigating the Applicability of Imperialist Competitive Algorithm in the Problem of Allocating Truck to the Open Pit Mine”, Rudarsko-geološko-naftni zbornik, Vol. 34, 2019.
[6]Dabbagh, A., and Bagherpour, R., “Development of a match factor and comparison of its applicability with ant-colony algorithm in a heterogeneous transportation fleet in an open-pit mine”, Journal of Mining Science, Vol. 55, pp. 45-56, 2019.
[7]Indrajaya, F., Taruna, Y., Barus, J.P., Hutajulu, Y.Y., Fidayanti, N., and Adnyano, A.I.A., “Fleet Management Simulation Using Queuing Theory to Achieve Coal Production Targets”, International Journal, Vol. 8, 2020.
[8]Zhang, Y., Zhao, Z., Bi, L., Wang, L., and Gu, Q., “Determination of truck–shovel configuration of open-pit mine: a simulation method based on mathematical model”, Sustainability, Vol. 14, pp. 12338, 2022
[9]Dindarloo, S., Osanloo, M., and Frimpong, S., “A stochastic simulation framework for truck and shovel selection and sizing in open pit mines”, Journal of the Southern African Institute of Mining and Metallurgy, Vol. 115, pp. 209-219, 2015.
[10]Walker, S.C., Mine winding and transport, Elsevier, 2012.
[11]Nehring, M., Knights, P., Kizil, M., and Hay, E., “A comparison of strategic mine planning approaches for in-pit crushing and conveying, and truck/shovel systems”, International journal of mining science and technology, Vol. 28, pp. 205-214, 2018.
[12]Dzakpata, I., Knights, P., Kizil, M.S., Nehring, M., and Aminossadati, S.M., “Truck and shovel versus in-pit conveyor systems: a comparison of the valuable operating time”, Vol., 2016.
[13]Darling, P., SME mining engineering handbook, SME, 2011.
[14]Chaowasakoo, P., Seppälä, H., Koivo, H., and Zhou, Q., “Digitalization of mine operations: Scenarios to benefit in real-time truck dispatching”, International Journal of Mining Science and Technology, Vol. 27, pp. 229-236, 2017.
[15]Zeng, W., “A simulation model for truck-shovel operation”, Vol., 2018.
[16]Dabbagh, A., and Bagherpour, R., “Investigating the Applicability of Imperialist Competitive Algorithm in the Problem of Allocating Truck to the Open Pit Mine”, Rudarsko-geološko-naftni zbornik, Vol. 34, 2019.
[17]Ozdemir, B., and Kumral, M., “Simulation-based optimization of truck-shovel material handling systems in multi-pit surface mines”, Simulation Modelling Practice and Theory, Vol. 95, pp. 36-48, 2019.
[18]Cheng, J.E., “Match factor determination of excavator-truck combination in surface mining: Case study of merit pila coalfield, Sarawak”, Geological Behavior, Vol. 3, pp. 28-29, 2019.
[19]Indrajaya, F., Taruna, Y., Barus, J.P., Hutajulu, Y.Y., Fidayanti, N., and Adnyano, A.I.A., “Fleet Management Simulation Using Queuing Theory to Achieve Coal Production Targets”, International Journal, Vol. 8, 2020.
[20]Ghaziania, H.H., Monjezi, M., Mousavi, A., Dehghani, H., and Bakhtavar, E., “Design of loading and transportation fleet in open-pit mines using simulation approach and metaheuristic algorithms”, Journal of Mining and Environment, Vol. 12, pp. 1177-1188, 2021.
[21]Burt, C.N., “An optimisation approach to materials handling in surface mines”, Vol., 2008.
