1دانشجوی کارشناسی ارشد، گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران
2دانشیار، گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران
3استادیار، گروه مهندسی معدن، دانشگاه تربیت مدرس، تهران، ایران
چکیده
نوسانهای عیاری خوراک کارخانه یکی از عوامل مهم در بازیابی کارخانه فرآوری است. به‌صورتی که هر چه این نوسانها کمتر باشد، بازدهی کارخانه افزایش می‌یابد. به منظور کاهش تغییرپذیری عیاری، انباشتگاه‌های همگن‌سازی در صنعت معدنکاری بهطور گسترده‌ای استفاده می‌شوند. جرم و تعداد لایه‌های سازنده انباشتگاه نقش بسزایی در میزان کاهش تغییرپذیری عیاری دارند. با افزایش جرم و تعداد لایه‌های تشکیل‌دهنده انباشتگاه، تغییرپذیری عیاری کاهش می‌یابد. هر چند این افزایش می‌تواند سبب افزایش پیچیدگی و هزینه‌های عملیاتی شود. در این پژوهش، به منظور پیش‌بینی تغییرپذیری عیاری در معدن انگوران از روش شبیه‌سازی زمین‌آماری استفاده شده است. در این راستا، ابتدا با استفاده از روش شبیه‌سازی گوسی متوالی، 25 تحقق هم‌احتمال عیاری با استفاده از نرم‌افزار SGeMS تولید و پس از آن مدل بلوکی مربوط به هر تحقق در نرم‌افزار DATAMINEساخته می‌شود. در مرحله بعد، با در نظر گرفتن برنامه‌ریزی تولید حاصل از نرم‌افزار NPV، بلوک‌های ارسالی به پایل مشخص می‌شوند. در پایان، تغییرپذیری عیاری برای ابعاد مختلف انباشتگاه و تعداد لایه‌های سازنده انباشتگاه تعیین شد. بر پایه نتایج به دست آمده، انباشتگاه با جرم 187 کیلو تن متشکل از 25 لایه دارای کمترین تغییرپذیری است.
Determination of optimal size of blending piles using geostatistical simulation- A real case study
نویسندگان [English]
S Foroughi1؛ M Monjezi2؛ M.R Khalesi3
1M.Sc. Student, Department of Mining Engineering, Tarbiat Modares University, Tehran, Iran
2Associated Professor, Department of Mining Engineering, Tarbiat Modares University, Tehran, Iran
3Assistant Professor, Department of Mining Engineering, Tarbiat Modares University, Tehran, Iran
چکیده [English]
Fluctuation of the grade of the ore feeding the processing plants is one of the most important factors in plant's recovery, so that plant efficiency increases as the fluctuations decrease. In order to reduce the grade variability, homogenization piles are largely used in mining industry. The mass and the number of layers in the pile have an important role in the rate of grade variability reduction. The grade variability decreases as the mass and the number of layers increase, although this increase can lead to an increase in operation complexity and costs. In this research, a method based on geostatistical simulations was used to predict grade variability in the Anguran mine. In this regard, 25 equi-probable grade realizations are first generated using the Sequential Gaussian Simulation method by SGeMS Software, then the block model for each realization is built in DATAMINE Software. In the next stage, the blocks that would be sent to the pile are specified taking into account the production planning (mine schedule) obtained from NPV Software. Finally, grade variability was determined for various pile sizes and number of forming layers. Based on the obtained results, piles with a mass of 187 kt and 25 layers have the lowest variability.
ابتدای صفحه