تحلیل ناوگان شاول کامیون معدن مس سرچشمه با استفاده از ضریب تطبیق
Keywords:
مواد معدنی, ذغال سنگ, مس سرچشمهAbstract
در بین روشهای مختلف حملونقل مواد معدنی یا باطله روش شاول کامیون کارآمدترین سیستم حملونقل مواد است. از نقطه نظر عملیاتی، نحوه تخصیص بهینه کامیون به شاول از اهمیت بالایی برخوردار است. دلیل این کارآمد بودن این روش میتوان به انعطاف پذیردر برابر مسیرهای کوتاه و طولانی و کار کردن در شرایط مختلف آب و هوایی است. استخراج معدن شامل حفاری، انفجار، بارگیری و باربری میشود که در مسئله هزینه‌های استخراج معدن، بیشترین هزینه مربوطه به بخش بارگیری و باربری معدن میشود که برای مدیریت ناوگان حائز اهمیت است. روش شاول - کامیون متداولترین روش در روشهای حملونقل است. ضریب تطبیق یک شاخص برای نشان دادن بهرهوری ناوگان شاول کامیون است علاوه بر این با توجه به مقدار ضریب تطبیق میتوان تخمینی از تعداد مناسب کامیون در ناوگان بدست آورد. ناوگان ناهمگن شاول - کامیون معدن مس سرچشمه که از 16 شاول و 38 کامیون تشکیل شده مورد بررسی قرار گرفت. این بررسی نشان داد که در هرشیفت 6 یا 7 شاول مشغول به کار بودنند که مقدار ضریب تطبیق برابر مقدار ضریب تطبیق برای ناوگان حملونقل معدن مس سرچشمه برابر با 4/0 است. نتیجهی مقدار ضریب تطبیق نشان داد که تعداد کامیون در ناوگان کافی نیست و شاولها منتظر کامیون‌ها هستند. میانگین زمان انتظار شاولها 404 ثاینه، زمان انتظار کامیون برای بارگیری 290 ثانیه و زمان انتظار کامیون در صف سنگ شکن 317 ثانیه به دست آمد.
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]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.
[5]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.
[6]Walker, S.C., Mine winding and transport, Elsevier, 2012.
[7]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.
[8]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.
[9]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.
[10]Darling, P., SME mining engineering handbook, SME, 2011.
[11]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.
[12]Chaowasakoo, P., Seppälä, H., Koivo, H., and Zhou, Q., “Improving fleet management in mines: The benefit of heterogeneous match factor”, European Journal of Operational Research, Vol. 261, pp. 1052-1065, 2017.
[13]Zeng, W., “A simulation model for truck-shovel operation”, Vol., 2018.
[14]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.
[15]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.
[16]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.
[17]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.
[18]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.
[19]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.
[20]Burt, C.N., “An optimisation approach to materials handling in surface mines”, Vol., 2008.
