بررسی سیستم توزيع مناسب شاول کامیون و ارائه ضريب تطبیق در معدن مس سرچشمه
کلمات کلیدی:
ناوگان ناهمگن, ضریب تطبیق, سیستم توزیع, مدیریت ناوگان, روش های ابتکاریچکیده
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. در بین روش های حملونقل، روش کامیون شاول متداول ترین روش در بین معادن روباز است که از نظر هزینه 50 تا 60 درصد هزینه های معدنکاری را به خود اختصاص داده است. بارگیری با ماشین‌آلات شاول و لودر انجام میشود. در مبحث باربری می‌توان به چند روش که در معادن سطحی مورداستفاده قرار می‌گیرد اشاره کرد. حمل مواد توسط نوار نقاله، نقاله هوایی، ریلی و کامیون انجام میشود. در این پژوهش 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 هستند. ضریب تطبیق یک شاخص برای نشان دادن بهرهوری ناوگان شاول کامیون است. مقدار ضریب تطبیق برای ناوگان حملونقل 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. با توجه به کامیونهای پیمانکاران و وجود تنها یک سنگشکن اولیه باعث شد که زمان انتظار کامیونهای معدن مس سرچشمه در صف سنگشکن افزایش پیدا کند. در نتیجه شاولها باید در انتظار رسیدن کامیونها برای بارگیری باشند. بررسی دادههای برداشت شده از ناوگان این نتیجه را تأیید کرد. در بررسیهای انجام شده، 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. دلیل انتظار کامیونها عدم نظارت بر عملیات بارگیری و باربری میباشد. سیستم توزیع مناسب کامیونها برای کاهش انتظار زمان شاولها استفاده از روش کاهش زمان انتظار شاول که در دسته بندی روش های ابتکاری قرار دارد پیشنهاد شد.
مراجع
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- Chaowasakoo, P., “Matching truck-and-shovel operations in open-pit mines using statistical data-dispatching strategies, match factor, and age-based maintenance”, Vol., 2017.
7- 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.
8- 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.
9- Zeng, W., “A simulation model for truck-shovel operation”, Vol., 2018.
10- 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.
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.
