اخبار و اعلانات

 آمار

تعداد نشریات38
تعداد شماره‌ها1,240
تعداد مقالات8,994
تعداد مشاهده مقاله7,844,942
تعداد دریافت فایل اصل مقاله4,706,584
ضیایی, جواد, مینری, امین. (1399). شبیه سازی مبتنی بر تصمیم گیری چند معیاره برای مسئله انتخاب ناوگان ترابری، مطالعه موردی معدن مس زاغدره. پدافند الکترونیکی و سایبری, 1(4), 77-89.
جواد ضیایی; امین مینری. "شبیه سازی مبتنی بر تصمیم گیری چند معیاره برای مسئله انتخاب ناوگان ترابری، مطالعه موردی معدن مس زاغدره". پدافند الکترونیکی و سایبری, 1, 4, 1399, 77-89.
ضیایی, جواد, مینری, امین. (1399). 'شبیه سازی مبتنی بر تصمیم گیری چند معیاره برای مسئله انتخاب ناوگان ترابری، مطالعه موردی معدن مس زاغدره', پدافند الکترونیکی و سایبری, 1(4), pp. 77-89.
ضیایی, جواد, مینری, امین. شبیه سازی مبتنی بر تصمیم گیری چند معیاره برای مسئله انتخاب ناوگان ترابری، مطالعه موردی معدن مس زاغدره. پدافند الکترونیکی و سایبری, 1399; 1(4): 77-89.

شبیه سازی مبتنی بر تصمیم گیری چند معیاره برای مسئله انتخاب ناوگان ترابری، مطالعه موردی معدن مس زاغدره

علوم و فنون سازندگی
دوره 1، شماره 4 - شماره پیاپی 2، اسفند 1399، صفحه 77-89    اصل مقاله (520.5 K)
نوع مقاله: مقاله پژوهشی
نویسندگان
جواد ضیایی* 1؛ امین مینری2
1هلدینگ صنعت و معدن، موسسه معدن، قرارگاه سازندگی خاتم الانبیا
2هلدینگ صنعت و معدن، تهران، ایران
تاریخ دریافت: 06 بهمن 1399،  تاریخ بازنگری: 30 بهمن 1399،  تاریخ پذیرش: 02 اسفند 1399 
چکیده
بهطورکلی عملیات ترابری معادن به عنوان یکی از حلقه های اساسی در زنجیره ارزش تولید محصولات معدنی به شمار می رود که حدود 50 درصد از هزینه های عملیاتی معادن روباز را شامل می شود. بنابراین، می توان به اهمیت و ضرورت تدوین الگویی جامع برای ارزیابی عملیات ترابری با توجه به شاخص های مؤثر بر عملیات پی برد. به دلیل وجود عوامل کیفی و کمی زیادی که در مسئله انتخاب تجهیزات ترابری دخیل هستند، تصمیم گیری در این خصوص نیازمند داشتن نگرشی جامع و نوین است. در این پژوهش، روش شبیه‌سازی مبتنی بر تصمیم‌گیری چند معیاره برای مسئله انتخاب ناوگان ترابری پیشنهاد می‌شود که رویکردی ترکیبی و دو مرحله ای است. در مرحله اول، یک رویکرد ترکیبی مبتنی بر نظریه‌های مجموعه فازی و راف پیشنهاد می‌شود. در مرحله دوم، یک مدل شبیه‌سازی رویداد گسسته برای سیستم ترابری ساخته می‌شود و ارزیابی‌های مورد نیاز جهت تعیین ابعاد و تعداد بهینه تجهیزات انجام می‌گیرد. معدن مس زاغدره به عنوان مطالعه موردی برای ارزیابی عملکرد الگوریتم‌های پیشنهادی استفاده شد. نتایج تصمیم‌گیری چند شاخصه نشان دادند که سیستم بیل مکانیکی-کامیون بهترین سیستم ترابری برای این معدن است. سپس، شبیه‌سازی رویداد گسسته برای این سیستم ترابری توسعه داده شد و سناریوهای مختلفی با توجه به تغییرات در طول مسیر ترابری و قابلیت دسترسی ماشین‌آلات ارزیابی شد. نتایج نشان دادند که افزایش قابلیت دسترسی تجهیزات از 80 درصد به 90 سبب کاهش 1 کامیون شده است که این مورد نشان دهنده اهمیت این عامل بر روی کارایی و بهره وری عملیات ترابری است.
کلیدواژه‌ها
شبیه‌سازی؛ تصمیم‌گیری چند معیاره؛ ناوگان ترابری؛ نظریه مجموعه راف؛ نظریه مجموعه فازی
عنوان مقاله [English]
Multi-Criteria Decision-Making (MCDM)-based Simulation for Haulage Fleet Equipment Selection, A Case Study of Zaghdare Copper Mine
نویسندگان [English]
Javad Ziaei1؛ Amin Moniry2
1Industry and mining holding, Khatam-al Anbiya Construction Headquarters
2industry and mining holding, Tehran, Iran
چکیده [English]
Generally, mine haulage operation is taken into account as one of the substantial links in the value chain of mineral production. Indeed, the haulage operation consists of about fifty percent of the operating costs in open-pit mines. Therefore, a comprehensive model should be developed for evaluating haulage operation considering principal indicators. Since there are various qualitative and quantitative factors affecting the haulage equipment selection, it is essential to develop a holistic and novel approach for the decision-making process. In this study, a multi-criteria decision-making (MCDM)-based simulation is proposed for haulage equipment selection, which is a two-step approach. In the first step, an integrated approach is developed based on fuzzy and rough set theories. In the second step, a discrete-event simulation is established for characterizing the haulage operation system. Thus, the optimal size and number of equipment are specified by evaluating several what-if scenarios. Zaghdare Copper Mine is considered as a case study for assessing the performance of the proposed algorithm. The results of the multi-criteria decision-making process revealed that the hydraulic excavator-truck system is associated with the best haulage system in this mine. A discrete-event simulation is developed for configuring and analyzing the selected haulage system. Different what-if scenarios were developed based on changing haulage distances and equipment availability. Consequently, the optimal number of trucks was computed for each scenario. The results revealed that an increase in the availability of the equipment (from 80 to 90%) leads to the reduction of the number of the required trucks.
کلیدواژه‌ها [English]
Simulation, Multi-Criteria Decision-Making, Haulage Fleet, Rough Set Theory, Fuzzy Set Theory
مراجع
[1] A. Lashgari, A. Sayadi, and M. Yavari, «Development
of a shovel-truck fleet selection for
minimizing haulage operation unit cost», Mining
Engineering Journal, vol. 9, pp. 109-117, 2015 (In
Persian).##
[2] N. e. Çelebi, «An equipment selection and cost
analysis system for openpit coal mines,» International
Journal of Surface Mining, Reclamation and
Environment, vol. 12, pp. 181-187, 1998.##
[3] C. Burt, L. Caccetta, and P. Welgama, «Models
for Mining Equipment Selection,» presented at the
International Congress on Modelling and Simulation,
Modelling and Simulation Society of Australia
and New Zealand: Canberra, 2005.##
[4] L. Zhang and X. Xia, «An integer programming
approach for truck-shovel dispatching problem in
open-pit mines,» Energy Procedia, vol. 75, pp.
1779-1784, 2015.##
[5] C. H. Ta, A. Ingolfsson, and J. Doucette, «A linear
model for surface mining haul truck allocation
incorporating shovel idle probabilities,» European
Journal of Operational Research, vol. 231, pp. 770-
778, 2013.##
[6] A. Salama, J. Greberg, and H. Schunnesson,
«The use of discrete event simulation for underground
haulage mining equipment selection,» International
Journal of Mining and Mineral Engineering,
vol. 5, pp. 256-271, 2014.##
[7] E. Bozorgebrahimi, R. Hall, and G. Blackwell,
«Sizing equipment for open pit mining–a review of
critical parameters,» Mining Technology, vol. 112,
pp. 171-179, 2003.##
[8] M. Clarke, B. Denby, and D. Schofield, «Decision
making tools for surface mine equipment selection,
» Mining Science and Technology, vol. 10,
pp. 323-335, 1990.##
[9] C. Kirmanli and S. Ercelebi, «An expert system
for hydraulic excavator and truck selection in
surface mining,» Journal of the Southern African
Institute of Mining and Metallurgy, vol. 109, pp.
727-738, 2009.##
[10] A. Haidar, S. Naoum, R. Howes, and J. Tah,
«Genetic algorithms application and testing for
equipment selection,» Journal of Construction Engineering
and Management, vol. 125, pp. 32-38,
1999.##
[11] A. Chamzini-Y and S. Shariati, «Selection of
material handling equipment system for surface
mines by using a combination of fuzzy MCDM
models,» International Research Journal of Applied
and Basic Sciences, vol. 5, pp. 1501-1511,
2013.##
[12] A. A. Bazzazi, M. Osanloo, and B. Karimi,
«Optimal open pit mining equipment selection
using fuzzy multiple attribute decision making approach,
» Archives of Mining Sciences, vol. 54, pp.
301-320, 2009.##
[13] A. Basçetin, «An application of the analytic
hierarchy process in equipment selection at Orhaneli
open pit coal mine,» Mining Technology, vol.
113, pp. 192-199, 2004.##
[14] E. Torkamani and H. Askari-Nasab, «A linkage
of truck-and-shovel operations to short-term
mine plans using discrete-event simulation,» International
Journal of Mining and Mineral Engineering,
vol. 6, pp. 97-118, 2015.##
[15] R. Faraji, «A comparison between linear programming
and simulation models for a dispacthing
system in open pit mines,» École Polytechnique de
Montréal, 2013.##
[16] H. Shidpour, C. Da Cunha, and A. Bernard,
«Group multi-criteria design concept evaluation
using combined rough set theory and fuzzy set theory,
» Expert Systems with Applications, vol. 64,
pp. 633-644, 2016.##
[17] MH. Arman, J. Salehi Sadaghiyani, S. Mojdehi,
and A. Nazarli, «Measuring pair wised comparisons
matrix inconsistency ratio in fuzzy hierarchical
structure», Industrial Management Studies, vol.
10, pp. 94-117, 2012 (In Persian).##
[18] I. Mahdavi, N. Mahdavi-Amiri, A. Heidarzade,
and R. Nourifar, «Designing a model of fuzzy
TOPSIS in multiple criteria decision making,» Applied
Mathematics and Computation, vol. 206, pp.
607-617, 2008.##
[19] C. Kahraman, U. Cebeci, and D. Ruan,
«Multi-attribute comparison of catering service
companies using fuzzy AHP: The case of Turkey,»
International journal of production economics, vol.
87, pp. 171-184, 2004.##
[20] G. S. Fishman, Discrete-event simulation:
modeling, programming, and analysis: Springer
Science & Business Media, 2013.##
[21] T. Altiok and B. Melamed, Simulation modeling
and analysis with Arena: Academic press,
2010.##
[22] S. Brailsford and N. Hilton, «A comparison of
discrete event simulation and system dynamics for
modelling health care systems,» 2001.##
[23] InfoMine. «Mine and Mill Equipment Cost
Calculator», http://calc.costs.infomine.com, 2020.##
[24] R. Ritter, «Contribution to the capacity determination
of semi-mobile in-pit crushing and conveying
systems,» Technische Universität Bergakademie
Freiberg, 2016.##
[25] RPMGlobal, «Talpac Software Package»,
https://www.rpmglobal.com/softwares/talpac-
hl-desktop/, 2020.##
آمار
تعداد مشاهده مقاله: 571
تعداد دریافت فایل اصل مقاله: 469