کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6672453 | 1427592 | 2018 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Incorporation of geometallurgical modelling into long-term production planning
ترجمه فارسی عنوان
ترکیب مدل سازی ژئوممولژیکی به برنامه ریزی تولید درازمدت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدلسازی هندسی برنامه ریزی معدن درازمدت، حالت های عملکرد، بهینه سازی تصادفی،
ترجمه چکیده
تصمیمات استراتژیک برای توسعه یک ذخایر معدنی ناشی از عدم اطمینان زمین شناسی است، به دلیل کمبود نمونه های هسته مته. انتخاب تجهیزات متالورژی به ویژه بحرانی است، زیرا گزینه های پردازشی که برای بلوک های مختلف سنگ معدن در دسترس هستند، محدود می شود، حتی به دلیل اینکه ماهیت سپرده هنوز بسیار ناامن است. رویکردهای فعلی برای برنامه ریزی معدن درازمدت در رفع عدم قطعیت زمین شناختی موفقیت آمیز است، اما به اندازه کافی حالت های متناوب عملیات برای کارخانه فرآوری مواد معدنی را نشان نمی دهند و همچنین راهنمایی کافی برای توسعه گزینه های پردازش ارائه نمی دهند. با این وجود، پیشرفت های اخیر در بهینه سازی تصادفی و ساختار داده های کامپیوتری باعث شده است که چارچوبی بتواند حالت های عملیاتی را در الگوریتم های برنامه ریزی استراتژیک استراتژیک ادغام کند. گام بعدی منطقی این است که مدل های ژئومالالژیک را که ویژگی های کانی شناختی را به کار می برند مرتبط سازند، همانطور که در این مقاله توضیح داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی شیمی
مهندسی شیمی (عمومی)
چکیده انگلیسی
Strategic decisions to develop a mineral deposit are subject to geological uncertainty, due to the sparsity of drill core samples. The selection of metallurgical equipment is especially critical, since it restricts the processing options that are available to different ore blocks, even as the nature of the deposit is still highly uncertain. Current approaches for long-term mine planning are successful at addressing geological uncertainty, but do not adequately represent alternate modes of operation for the mineral processing plant, nor do they provide sufficient guidance for developing processing options. Nonetheless, recent developments in stochastic optimisation and computer data structures have resulted in a framework that can integrate operational modes into strategic mine planning algorithms. A logical next step is to incorporate geometallurgical models that relate mineralogical features to plant performance, as described in this paper.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Minerals Engineering - Volume 120, May 2018, Pages 118-126
Journal: Minerals Engineering - Volume 120, May 2018, Pages 118-126
نویسندگان
A. Navarra, T. Grammatikopoulos, K. Waters,