پیوندهای مفید
آمار
| تعداد نشریات | 8 |
| تعداد شماره‌ها | 432 |
| تعداد مقالات | 5,608 |
| تعداد مشاهده مقاله | 7,283,388 |
| تعداد دریافت فایل اصل مقاله | 6,119,560 |
کاربرد الگوریتم مرغابی در برنامه‌‌ریزی تولید بلندمدت معادن روباز | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 6، دوره 57، شماره 1، 1404، صفحه 113-138 اصل مقاله (1.28 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2025.22880.8064 | ||
| نویسندگان | ||
| سجاد رستمیان؛ مجید عطائی پور* ؛ زینب جهانبانی | ||
| دانشکده مهندسی معدن، دانشگاه صنعتی امیرکبیر، تهران، ایران | ||
| چکیده | ||
| تعیین محدوده نهایی بهینه و برنامه‌‌ریزی تولید معدن همواره یکی از چالش‌‌های اصلی حوزه فعالیت‌‌های معدنی بوده است. این دو مسئله، تعیین‌‌کننده مولفه‌‌های موثر در معدنکاری و تصمیم‌‌گیری‌‌های خرد و کلان پروژه معدنی به‌‌ویژه برنامه‌‌ریزی تولید است. مساله برنامه‌‌ریزی تولید معادن روباز با استفاده از روش‌‌های دقیق و روش‌‌های هوش مصنوعی قابل محاسبه می‌‌باشد. روش‌‌های دقیق معمولا به نتیجه‌‌ای بهتر و بهینه خواهند رسید، اما در مسایل بزرگ با تعداد بلوک‌‌های زیاد ممکن است با زمان حل بسیار بالایی قادر به پاسخ‌‌گویی به مساله باشد. در این شرایط بهتر است از الگوریتم‌‌های هوش جمعی یا تکاملی برای تعیین محدوده نهایی و برنامه‌‌ریزی تولید استفاده کرد. بهینه‌‌سازی مساله برنامه‌‌ریزی تولید شبیه به مسایل بهینه‌‌سازی دیگر بوده و با استفاده از یک منطق الگوریتمی در نرم‌‌افزار متلب قابل حل هستند. در این تحقیق از الگوریتم کشتل در متلب برای بهینه‌‌سازی برنامه‌‌ریزی تولید استفاده شده است. ابتدا الگوریتم کشتل برای حل مساله دو بعدی و سه بعدی پیاده‌‌سازی شده و در نهایت معدن مس سونگون به عنوان مطالعه موردی انتخاب و نتایج حل مساله برنامه‌‌ریزی تولید با الگوریتم کشتل و نرم‌‌افزار NPV Scheduler مقایسه شده است. نتایج نشان می‌‌دهد که استفاده از الگوریتم کشتل در مسئله برنامه‌‌ریزی تولید اختلاف 1/8 درصدی با نرم افزار NPV Scheduler دارد. مقایسه الگوریتم کشتل با نتایج الگوریتم گرشون و برنامه‌‌ریزی پویا در برنامه‌‌ریزی تولید دوبعدی و مقایسه نتایج حاصله از الگوریتم کشتل با نرم‌‌افزار NPV Scheduler در مسائل سه بعدی نشان‌‌دهنده کارایی مناسب آن در حل این مسائل است. | ||
| کلیدواژه‌ها | ||
| برنامه‌‌ریزی تولید؛ بهینه‌‌سازی؛ الگوریتم فراکاوشی کشتل (مرغابی)؛ معدن مس سونگون | ||
| موضوعات | ||
| استخراج معدن | ||
| عنوان مقاله [English] | ||
| Application of Keshtel Algorithm for Long Term Production Planning in Open Pit Mines | ||
| نویسندگان [English] | ||
| Sajjad Rostamian؛ Majid Ataee-pour؛ Zeinab Jahanbani | ||
| Department of Mining Engineering, Amirkabir University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| Ultimate pit limit optimization and production mine planning have always been the main challenges in the field of mining activities. The production mine planning can be determined through accurate methods and artificial intelligence techniques. While exact methods provide better and optimal results, they may require significant time to answer the problem due to the large number of blocks involved. In such cases, it is more suitable to use collective algorithms or a planned approach to determine the production mine planning. Production mine planning is similar to other optimization problems that can be addressed using logical algorithms in MATLAB software. In this study, Keshtel's algorithm, implemented in MATLAB, is utilized to optimize the production mine planning. Initially, Keshtel's algorithm is employed to solve two-dimensional and three-dimensional problems. Subsequently, the Songun Copper Mine is chosen as a case study and the results of determining the production mine planning by Keshtel's algorithm are compared with the findings of NPV Scheduler software. The outcomes show that Keshtel's algorithm, used to determine the production mine planning of the Songun Copper Mine, differs by only 1.8% when compared to the NPV Scheduler software. Moreover, the comparison of Keshtel's algorithm with the results of Gershon in two-dimensional production mine planning, as well as the comparison with NPV Scheduler software in three-dimensional problems, demonstrates its efficiency in solving these issues effectively. | ||
| کلیدواژه‌ها [English] | ||
| Production Mine Planning, Optimization, Keshtel Algorithm | ||
| مراجع | ||
|
[1] M. Samavati, D. Essam, M. Nehring, R. Sarker, Production planning and scheduling in mining scenarios under IPCC mining systems, Computers & Operations Research, 115 (2020) 104714. [2] K. Tolouei, E. Moosavi, A.H.B. Tabrizi, P. Afzal, A.A.J.J.o.C.S.U. Bazzazi, Improving performance of open-pit mine production scheduling problem under grade uncertainty by hybrid algorithms, 27(9) (2020) 2479-2493. [3] A.A. Mousavi Nogholi, Optimisation of open pit mine block sequencing, Queensland University of Technology, 2015. [4] M.A.-p. Sajjad Rostamian, Mostafa Hajiaghaei Keshteli, Application the Keshtel algoritm for long term production planning in open pit mines, Amirkabir University of Technology, Tehran, 2021. [5] K.J.P.o.t.t.A. Dagdelen, Optimum open pit mine production scheduling by Lagrangian parameterization, (1986) 127-142. [6] M.J.I.J.o.M. Gershon, G. Engineering, Heuristic approaches for mine planning and production scheduling, 5(1) (1987) 1-13. [7] B.D.a.D. Schofield, Open-pit design and scheduling by use of genetic algorithms, Transactions of the Institution of Mining and Metallurgy. Section A. Mining Industry, vol. 103, 1994 (1994). [8] P.K. L. Caccetta, Open pit mine production scheduling, in APCOM 98: Computer Applications in the Mineral Industries International Symposium, (1998) pp. 65-72. [9] A. Akaike, "Strategic planning of Long term production schedule using 4D network relaxation method," PhD Dissertation, Colorado School of. [10] L. Caccetta, S.P.J.J.o.g.o. Hill, An application of branch and cut to open pit mine scheduling, 27(2) (2003) 349-365. [11] S. Ramazan, R.J.S.T. Dimitrakopoulos, Recent applications of operations research and efficient MIP formulations in open pit mining, 316 (2004). [12] M. Menabde, G. Froyland, P. Stone, G. Yeates, Mining schedule optimisation for conditionally simulated orebodies, in: Advances in applied strategic mine planning, Springer, 2018, pp. 91-100. [13] M. Kumral, P.J.J.o.t.O.R.S. Dowd, A simulated annealing approach to mine production scheduling, 56(8) (2005) 922-930. [14] M.P. Fontes, Influência do nível freático no sequenciamento de lavra aplicado ao planejamento estratégico de lavra, (2016). [15] S.J.E.J.o.O.R. Ramazan, The new fundamental tree algorithm for production scheduling of open pit mines, 177(2) (2007) 1153-1166. [16] N. Boland, I. Dumitrescu, G. Froyland, A.M.J.C. Gleixner, O. Research, LP-based disaggregation approaches to solving the open pit mining production scheduling problem with block processing selectivity, 36(4) (2009) 1064-1089. [17] J.A. Ferland, J. Amaya, M.S. Djuimo, Application of a particle swarm algorithm to the capacitated open pit mining problem, in: Autonomous robots and agents, Springer, 2007, pp. 127-133. [18] S. Javad, Long-term open-pit planning by ant colony optimization, Doctoral dissertation, University Heidelberg, 2009. [19] D. Bienstock, M. Zuckerberg, Solving LP relaxations of large-scale precedence constrained problems, in: International Conference on Integer Programming and Combinatorial Optimization, Springer, 2010, pp. 1-14. [20] C. Myburgh, K. Deb, Evolutionary algorithms in large-scale open pit mine scheduling, in: Proceedings of the 12th annual conference on genetic and evolutionary computation, 2010, pp. 1155-1162. [21] E. Moreno, D. Espinoza, M.J.E.n.i.d.m. Goycoolea, Large-scale multi-period precedence constrained knapsack problem: a mining application, 36 (2010) 407-414. [22] H. Askari-Nasab, Y. Pourrahimian, E. Ben-Awuah, S.J.J.o.M.S. Kalantari, Mixed integer linear programming formulations for open pit production scheduling, 47(3) (2011) 338-359. [23] H. Eivazy, H.J.I.J.o.M. Askari-Nasab, M. Engineering, A hierarchical open-pit mine production scheduling optimisation model, 4(2) (2012) 89-115. [24] R. Chicoisne, D. Espinoza, M. Goycoolea, E. Moreno, E.J.O.R. Rubio, A new algorithm for the open-pit mine production scheduling problem, 60(3) (2012) 517-528. [25] A. Lamghari, R.J.E.J.o.O.R. Dimitrakopoulos, A diversified Tabu search approach for the open-pit mine production scheduling problem with metal uncertainty, 222(3) (2012) 642-652. [26] G. L’Heureux, M. Gamache, F.J.M.T. Soumis, Mixed integer programming model for short term planning in open-pit mines, 122(2) (2013) 101-109. [27] M.J.A.S.C. Kumral, Optimizing ore–waste discrimination and block sequencing through simulated annealing, 13(8) (2013) 3737-3744. [28] A. Mousavi, E. Kozan, S.J.I.e.n.-t.a.i.i.s. Liu, Integrated approach to optimize open-pit mine block sequencing, (2014) 83-98. [29] M.S. Shishvan, J.J.E.J.o.O.R. Sattarvand, Long term production planning of open pit mines by ant colony optimization, 240(3) (2015) 825-836. [30] A. Noruzi, M. Ataee-pour, Feasibility study of the application of artificial bee colony algorithm in mine production planning, Amirkabir University of Technology, 2017 (in Persian). [31] O. Rivera Letelier, D. Espinoza, M. Goycoolea, E. Moreno, G. Muñoz, Production scheduling for strategic open pit mine planning: a mixed-integer programming approach, Operations Research, 68(5) (2020) 1425-1444. [32] R. Lotfian, J. Gholamnejad, Y. Mirzaeian Lardkeyvan, Effective solution of the long-term open pit production planning problem using block clustering, Engineering Optimization, 53(7) (2021) 1119-1134. [33] J. Savolainen, R. Rakhsha, R. Durham, Simulation-based decision-making system for optimal mine production plan selection, Mineral Economics, 35(2) (2022) 267-281. [34] G. Turan, A.H. Onur, Optimization of open-pit mine design and production planning with an improved floating cone algorithm, Optimization and Engineering, 24(2) (2023) 1157-1181. [35] M.H.-A. Keshtli, Integrated scheduling of rail production and transportation in the supply chain, Amirkabir University of Technology, 2015. [36] W.A. Hustrulid, M. Kuchta, R.K. Martin, Open pit mine planning and design, two volume set & CD-ROM pack, CRC Press, 2013. [37] V. Dadi, J. Sattarvand, Effects of the volatility of input parameters on cut-off grade optimisation, a case study of Sungun copper mine, International Journal of Mining and Mineral Engineering, 7(1) (2016) 64-77. | ||
|
آمار تعداد مشاهده مقاله: 662 تعداد دریافت فایل اصل مقاله: 467 |
||