رفتن به مطلب

کاربرد الگوریتم ژنتیک برای برنامه ریزی کنترل عیار در یک ذخیره بوکسیت


XMEHRDADX

ارسال های توصیه شده

d5xnk0d68u68fis26j8b.jpg

چكيده

 

اين مقاله الگوريتم ژنتيك را براي بهينه‌سازي برنامه‌ريزي كنترل عيار در يك ذخيره بوكسيت مورد بررسي قرار مي‌دهد. هدف از تحقيق اين است كه انحراف از عيار مورد قبول ماهانه در كاراكتر خاص به نام‌هاي AL2O3% (آلومينيوم) و SiO2% (سيليس) نسبت به خصوصيات كيفي آنها روي دوره زماني 2 ساله را مينمم كند. براي همين منظور، يك ناحيه از ذخيره براي برنامه‌ريزي كنترل عيار انتخاب شد. مديريت معدن به‌ويژه مايل بود كه حد متوسط مخصوص آلومينيوم و سيليس را براي دوره زماني معين با استخراج مواد از ناحيه مورد مطالعه ذخيره به‌دست آورد. با استفاده از الگوريتم ژنتيك، يك برنامه كنترل عيار ايجاد شد كه مسائل مركب زيادي از الگوريتم‌هاي متداول مانند برنامه‌ريزي پويا را توجيه مي‌كند. بعلاوه، الگوريتم ژنتيك تعداد زيادي از برنامه‌هاي كنترل عيار نزديك بهينه را در يك دوره زماني سريع ايجاد مي‌كرد كه مورد پيش رو، از جمله مواردي است كه براي مديريت معدن در يك موقعيت كاربردي داده شده مي‌تواند مناسب باشد. با استفاده از اين روش، 5 مورد از بهترين برنامه‌هاي كنترل عيار ايجاد شد.

 

واژه‌هاي كليدي: الگوريتم ژنتيك؛ كنترل عيار

 

 

1. مقدمه

 

طراحي و زمان‌بندي عمليات معدن روباز يك چالش هميشگي براي صنعت معدن را مطرح مي‌كند. اجراي يك طراحي و زمان‌بندي توليد موثر معدن روباز، مهم‌ترين اهميت را در انجام عمليات معدنكاري سطحي دارد. اثر طراحي و زمان‌بندي توليد نتيجه عمده‌اي براي يك مديريت معدن در تصميمات سرمايه‌اي معدن، طراحي و برنامه‌ريزي توليد، عمليات معدني مانند يك كنترل عيار، اتوماسيون و توليد معدن دارد. زمان‌بندي توليد معدن روباز توسعه سكانس استخراجي بلوك‌هاي معدني است كه از شرايط اوليه ذخيره به محدوده پيت نهايي ختم مي‌شود. هدف اصلي برنامه‌ريزي يك سكانس استخراجي اين است كه چه بخش‌هايي از ذخيره و باطله و در چه دوره زماني معدنكاري شوند، چنان كه شرايط مختلف شامل كنترل عيار، به‌طور همزمان ارضاء شوند. سختي كار بيرون آوردن بهترين سكانس استخراجي است كه بتواند عوارض را براي تعداد خيلي بيشتري از شرايط مختلف بلوك‌هاي معدني كه ممكن است در طول يك دوره برنامه‌ريزي مشخص شوند، به‌وجود بياورد. تلاش‌هاي مختلفي براي نشان دادن مسائل زمان‌بندي به‌طور موثر ايجاد شده است. يك روش ساده كه براي ايجاد يك برنامه زمان‌بندي توليد مورد بررسي قرار گرفته بود، روش سعي و خطا با استفاده از گرافيك متقابل است (فرانكلين 1985، هلدينگ و استوكز 1990). اگر چه كه روش ساده و به‌طور كلي مقبول است، در هر صورت ممكن نيست كه همه تركيب‌ها را در يك زمان كوتاه رسيدگي و آناليز كرد، بنابراين، اغلب آنها به‌طور عملي بازنگري شدند تا با شرايط يك زمان‌بندي مطابقت كنند. در اين خصوص تكنيك تحقيق در عمليات (O.R.) براي مسائل زمان‌بندي توليد براي انتخاب سكانس استخراجي به كار برده شد. از بين تكنيك‌هاي مختلف O.R براي زمان‌بندي توليد معادن روباز، برنامه‌ريزي خطي، توجه تعداد زيادي از مهندسين معدن را به خود جلب كرده است. در اوايل سال 1967 يك مدل زمان‌بندي معدن روباز كوتاه‌مدت با استفاده از اصول روش برنامه‌ريزي خطي به وسيله كيم (1967) فرموله و حل شد. در هر صورت يك محدوديت اصلي استفاده از اين تكنيك‌ها اين است كه بايد تعداد محدوديت‌ها كم باشد. پيچيدگي استخراج معدن روباز چند پله‌اي مخصوصا شرايط اولويت‌بندي ممكن است به يك مدل برنامه‌ريزي خطي خيلي بزرگ منتهي شود كه مي‌تواند براي حل در بهترين حالت عملي پرخرج باشد. برنامه‌ريزي هدف يكي ديگر از تكنيك‌هاي تحقيق در عمليات است كه براي جمع‌آوري معيارهاي هدف چند منظوره در زمان‌بندي توليد گسترش يافته است (كاندا 1990، اسميت و توي 1994). از برنامه‌ريزي عدد صحيح نيز براي برنامه‌ريزي توليد استفاده شده است. در هر صورت به پيچيدگي الگوريتم‌هاي حل، اين تكنيك كمتر در زمان‌بندي معدن روباز استفاده مي‌شود. يك شاخه از مدل برنامه‌ريزي عدد صحيح برنامه‌ريزي عدد صحيح 1 ـ 0 است كه در آن هر متغير فقط ارزش صفر و يا يك دارد. زمان حل مدل برنامه‌ريزي عدد صحيح 1 ـ 0 با افزايش تعداد متغيرها به‌طور نمايي افزايش پيدا مي‌كند. (فاتاس و ‌همكاران 1993). در هر صورت تكنيك‌هاي تحقيق در عمليات بالا اغلب براي برنامه‌ريزي توليد كوتاه‌مدت به كار برده مي‌شوند تا مساله زمان‌بندي را در وجود محدوديت‌هاي استخراج مختلف نشان دهند. متعاقبا محققان مختلفي تلاش كرده‌اند تا الگوريتم‌هاي زمان‌بندي بهينه در زمان‌بندي توليد بلندمدت معدن را بر مبناي برنامه‌ريزي پويا، تئوري گراف و مفهوم وزن دهي موقعيت درخواست شده (گارسون 1987) گسترش دهند. هر تلاش براي ايجاد زمان‌بندي توليد با استفاده برنامه‌ريزي پويا به يك تحقيق جامع و نتايج در يك تعداد زيادي از گزينه‌هاي مركب نياز دارد. به‌عنوان مثال در يك مدل بلوكي كوچك شامل آرايه 20*20*20 (800) بلوك براي اين‌كه در دوره زماني بالاي 10 بار زمان‌بندي شود، به ميليارد تبديل نياز است. حتي بعد از يك چنان محاسبه بزرگي ممكن است به‌دست آوردن جواب به‌خاطر محدوديت‌هاي استخراجي قابل استفاده نباشد. تعداد بلوك‌ها در يك ذخيره واقعي مي‌تواند چنان زياد باشد كه ممكن است يك فضاي جست‌وجوي بزرگ ايجاد كند كه با تكنولوژي كامپيوتري فعلي مقدور به حل آن نباشيم. اين مقاله براي حل زمان‌بندي توليد در يك زمان تقريبا عملي با ارجاع ويژه به كنترل عيار، الگوريتم ژنتيك را مورد بررسي قرار مي‌دهد.

 

هدف از استفاده الگوريتم ژنتيك اين است كه با استفاده از اين روش يك مرتب‌سازي بلوك‌ها به صورت بهينه بسرعت و فقط بعد از امتحان يك بخش كوچكي از فضاي جست‌وجو ايجاد مي‌شود، بنابراين اين روش مي‌تواند مشكل مساله تركيبي بزرگي را كه از روش برنامه‌ريزي پويا به وجود آمد بر طرف كند.

لینک به دیدگاه

2. الگوريتم ژنتيك براي برنامه‌ريزي كنترل عيار

الگوريتم‌هاي ژنتيك (ga) شايسته خيلي معروفي در تعداد زيادي مناطق علمي شامل معدنكاري هستند. الگوريتم‌هاي ژنتيك روش‌هاي تحقيق بر مبناي مكانيك ژنتيك و انتخاب طبيعي هستند (گلدبرگ 2000). اين روش‌ها بسرعت بعد از فقط بخش كوچكي از فضاي جست‌وجو به جوا‌ب‌هاي بهينه همگرا مي‌شوند و به‌طور موفقيت‌آميز براي مسائل بهينه‌سازي پيچيده در مهندسي به كار برده شده‌اند. الگوريتم يك بقاي مصنوعي از شيوه آزمايش مناسب با فرآيند ژنتيك مانند توليد مثل، پيوند و جهش براي ايجاد يك جواب بهتر از يك تكرار به تكرار ديگر و در نتيجه رسيدن به يك جواب بهينه است. يك نمايش مختصر از عمليات الگوريتم ژنتيك براي مساله مرتب كردن بلوك‌ها در شكل يك نشان داده شده كه در اين مطالعه اين روش براي زمان‌بندي سكانس استخراجي بلوك‌هاي معدنكاري براي كنترل عيار بهينه به كار برده شده و عمليات زير براي ايجاد سكانس استخراجي با استفاده از الگوريتم ژنتيك انجام شده است.

 

 

2 ـ 1 توليد زمان‌بندي تصادفي

 

فرآيند ga با ايجاد يك جمعيت از زمان‌بندي‌هاي تصادفي امكان‌پذير شروع مي‌شود. تعداد اعضاي جمعيت يكي از پارامترهاي قابل كنترل در سيستم است كه در روش كار به دقت انتخاب مي‌شود. تا كارآيي الگوريم ژنتيك افزايش يابد. در مطالعه فعلي زمان‌بندي‌هاي منفرد با انتخاب تصادفي بلوك‌هاي معدنكاري به‌طوري كه زمان‌بندي‌هاي منفرد محدوديت‌هاي ترتيب استخراج را رعايت كنند، ايجاد مي‌شود.

 

 

2 ـ 2. تعيين ارزش زمان‌بندي‌ها

 

براي هر يك از زمان‌بندي‌ها در جمعيت يك صلاحيت محاسبه مي‌شود. با توجه به تابع هدف، صلاحيت‌ها براي زمان‌بندي‌هاي منفرد تعيين مي‌شود. تابع هدف براي اين مطالعه به‌عنوان يك جمع انحرافات عيار از مشخصات عيار كانه مورد نظر براي كل دوره زمان‌بندي انتخاب مي‌شود.

 

 

2ـ3. توليد زمان‌بندي‌هاي جديد (توليد نسل زمان‌بندي‌ها)

 

در مرحله توليد نسل همه زمان‌بندي‌هاي منفرد براي توليد نسل جديد زنده مي‌مانند يا با هم خانواده هستند. با استفاده از تكنيك احتمالاتي، يك نسل جديد با توجه به اين‌كه زمان‌بندي‌هاي نسل قبلي با صلاحيت‌هاي سازگار بهتر يك شانس بيشتري براي زنده ماندن نسبت به زمان‌بندي‌هاي با صلاحيت نامرغوب‌تر دارند، آفريده مي‌شوند. در اين مرحله بقاي روش آزمايش مناسب به‌كار گرفته مي‌شود. امكان اين‌كه چندين بار از يك زمان‌بندي مناسب در توليد نسل‌هاي بعدي استفاده شود وجود دارد. مرحله توليد نسل در اين‌كه بايد مطمئن شد كه گوناگوني ژني به مقدار كافي از يك توليد نسل به توليد نسل ديگر رعايت شود، حساس است، همچنين بايد مطمئن شد كه با اجازه به زمان‌بندي‌هاي خوب براي توليد نسل بيشتر نسبت به زمان‌بندي‌هاي بد يك نتيجه بهينه كه به قدر كافي سريع به‌دست آمده همگرا مي‌شود.

 

 

2 ـ 4. پيوند زمان‌بندي‌ها

 

در جريان پيوند، زمان‌بندي‌هاي انتخاب شده به‌طور تصادفي و بر اساس احتمالاتي به تيم‌هاي دو نفره تقسيم مي‌شوند معمولا 70 درصد زمان‌بندي‌ها پيوند داده مي‌شوند. و 30 درصد باقي مي‌مانند. سپس هر يك از زمان‌بندي‌ها در تيم‌هاي دو نفره انتخاب شده با پيوند بخش معيني از زمان‌بندي با هم اصلاح مي‌شوند. پيوندي كه در جفت پيوند داده شده ديده مي‌شود مشخصات زمان‌بندي اصلاح شده را دارد. بعضي از زمان‌بندي‌ها كه صلاحيت بهتري داشته باشد، شانس آنها براي بقا در توليد نسل‌هاي بعدي بيشتر است. در حقيقت برخي ديگر از زمان‌بندي‌ها كه صلاحيت بدتري دارند شانس آنها براي بقاي كمتر است.

 

 

2 ـ 5. جهش زمان‌بندي‌ها

 

جهش نيز بر يك اساس احتمالاتي انجام مي‌شود. به‌عنوان يك نتيجه خانه‌هاي خيلي كمي از زمان‌بندي‌ها با يك روش تصادفي اصلاح مي‌شوند. اين كار به رعايت تنوع ژن كمك مي‌كند و از اين‌كه سيستم به يك جواب بهينه محلي كاذب منتهي شود جلوگيري مي‌كند، بنابراين الگوريتم ژنتيك يك جواب بهينه كلي ايجاد مي‌كند.

 

 

2ـ6. نرماليزه‌سازي (امكان‌پذيري) زمان‌بندي‌ها

 

هر دو پيوند و جهش؛ زمان‌بندي‌هايي را نتيجه مي‌دهند كه محدوديت‌هاي زمان‌بندي را نقض مي‌كنند و بعد از هر يك از اين عمليات، زمان‌بندي‌هاي توليد شده با تغييراتي به زمان‌بندي‌هاي امكان‌پذير نرماليزه مي‌شوند. براي مثال، محدوديت‌هاي ترتيب استخراجي در طول عمليات جهش و پيوند نقض مي‌شوند. با استفاده از عمليات نرمال‌سازي زمان‌بندي‌ها به محدوده‌هاي كوچك‌تر اصلاح مي‌شوند تا جواب امكان‌پذير ايجاد شود. همه مراحل بالا براي ايجاد يك جواب بهينه در طول يك مثال ساده در شكل 2 نشان داده شده است.

 

شكل 2 به‌طور واضح طرز عمل مرحله به مرحله الگوريتم ژنتيك براي جست‌وجوي يك زمان‌بندي بهينه را نشان مي‌دهد.

 

فرآيند با ايجاد يك جمعيت اوليه از زمان‌بندي‌هاي تصادفي شروع مي‌شود. شكل نشان مي‌دهد كه يك جمعيت اوليه با پنج رديف انتخاب شده و هر رديف شامل 5 ژن است. ارزش هر ژن انحراف از عيار در يك دوره زماني مخصوص را نشان مي‌دهد كه انحراف از عيار تجمعي هر زمان‌بندي به‌عنوان صلاحيت هر رشته به كار مي‌رود. ايجاد يك جمعيت جديد با توليد نسل شروع مي‌شود. مخزن جفت‌گيري براي ايجاد نسل بعدي با انتخاب تصادفي رشته‌ها بر اساس وزن دهي مشتق شده از صلاحيت رشته‌ها، ساخته مي‌شود.

 

در شكل 2، رشته‌هاي 1، 4 و 5 بدون تيير در مخزن جفت‌گيري رونوشت مي‌شوند و رشته 3 دوبار رونوشت مي‌شود، در حالي‌كه رشته 2 اصلا رونوشت نمي‌شود. در يك مخزن فعال، عمل پيوند در يك محل تصادفي از آنها قرار مي‌گيرد. در شكل 2، انتخاب تصادفي جفتها، به يك جفت‌گيري رشته 1 با رشته 2 و رشته 3 با رشته 5 منتهي شده است. رشته 4 جفت‌گيري نشده است. عملگر ديگر، جهش، در ژن با اساس ژني اجرا مي‌شود. تعداد خلي كمي احتمال جهش از يك توليد نسل به توليد نسل ديگر وجود دارد. در شكل 2 يك ژن (مدور شده) تحت عمل جهش قرار گرفته و ارزش آن از 3 به 2 تغيير كرده كه با توليد نسل زير عمل پيوند و جهش جمعيت جديد ايجاد مي‌شود و صلاحيت‌ها دوباره محاسبه مي‌شوند. نتايج اين مرحله منفرد از توليد نسل نشان مي‌دهد كه انحراف از عيار متوسط (صلاحيت) جمعيت نهايي كاهش يافته است.

لینک به دیدگاه

3. مطالعه موردي

 

تحقيق در يك ذخيره بوكسيت انجام شده، ذخيره روي يك منطقه به مساحت 16 كيلومتر مربع گسترده شده كه براي راحتي عملياتي، ذخيره به بلوك‌هاي شمالي، مركزي و جنوبي تقسيم شده است. بلوك مركزي به دو بخش به نام‌هاي بخش I و II تقسيم شده است. تحقيق حاضر روي بخش II بلوك مركزي انجام شده است. بلوك مركزي ذخيره يك بخش پيوسته از مقاطع خاك سرخ است و به وسيله هوازدگي شيميايي در جاي خود در يك منطقه گرمسير پوشيده شده است. در معدن، مقطع بوكسيت خاك سرخ در شكل تعداد زيادي چين‌هاي ملايم در محل است و با بيرون‌زدگي‌هاي ناهموار نشسته، تقريبا سنگ اوليه صاف و شسته شده، پراكنده شده است. متوسط ضخامت كانه از 12 تا 14 متر تغيير مي‌كند. كارمندهاي كنترل كيفيت در معدن به سختي از يك قانون علمي براي استخراج بلوك‌هاي معدن پيروي مي‌كنند. در هر صورت آنها نيازهاي ضروري جمع‌آوري خصوصيات كيفي خود را بر اساس نياز مشتري احراز مي‌كنند، بنابراين آنها براي برآورد هدف كيفي مطلوب خود، منطقه‌اي را كه مي‌تواند به‌طور بهينه روي يك دوره زماني 2 ساله استخراج شود، را انتخاب مي‌كنند. در همين راستا، روش الگوريتم ژنتيك براي ايجاد يك برنامه زمان‌بندي بهينه براي شيوه‌هاي كنترل عيار مورد تحقيق قرار گرفت. قبل از هر چيز براي ايجاد يك برنامه زمان‌بندي، يك مدل بلوكي زمين، اما براي منطقه مورد مطالعه با استفاده از داده‌هاي 179 گمانه اكتشافي از معدن و با استفاده از تكنيك كريجينگ معمولي به‌دست آورده شد. مدل پشنهادي بر مبناي كيفيت دو كاراكتر AL2O3% و SiO2% به‌دست آمده بود، بنابراين، مدل عيار بر مبناي تخمين عيار AL2O3% و SiO2% بلوك‌ها در يك اندازه 10×70 متر مربع تهيه شد. در مدل 98 بلوك وجود داشت كه مي‌توانند در يك دوره زماني 2 ساله با 4 بلوك در هر ماه استخراج شوند. هدف اين است كه يك زمان‌بندي كه انحراف از عيار معقول ماهيانه براي دوره زماني 2 ساله را مينمم خواهد كرد، به‌دست آورده شود. به‌طور كلي گسترش فضايي بوكسيت نشان مي‌دهد كه تغيير عيار در بلوك‌هاي استخراجي خيلي زياد نيست. عقيده بر اين است كه تغيير در خصوصيات زمان‌بندي كم خواهد بود. يك برنامه كامپيوتري به زبان C براي ايجاد يك زمان‌بندي بهينه با استفاده از الگوريتم ژنتيك تهيه شد. فرآيند با توليد يك مجموعه از زمان‌بندي‌هاي تصادفي امكان‌پذير كه محدوديت‌هاي ترتيب استخراج را ارضا مي‌كنند، شروع مي‌شود. محدوديت اين است كه يك بلوك مي‌تواند استخراج شود فقط اگر يكي از بلوك‌هاي اطرافش قبلا استخراج شده باشد. ياد آوري مي‌شود كه اين ذخيره، يك ذخيره صاف با ضخامت متوسط 12 تا 14 است، بنابراين مواد در يك برش‌هاي منفرد يا بعضي اوقات در دو برش استخراج مي‌شوند. در حالت دوم برش، بخش پاييني كانه بلافاصله بعد از استخراج بخش بالايي كانه استخراج مي‌شود.

 

 

3ـ1. زمان‌بندي كنترل عيار با استفاده از الگوريتم ژنتيك

 

براي اين منظور، فرض بر اين است كه تمام مواد بلوك استخراجي بتوانند در يك دوره زماني منفرد استخراج شود. زمان‌بندي ذخيره روي يك دوره زماني 24 ماهه با هدف جمع‌آوري خصوصيات كيفيت AL2O3% و SiO2% در هر دوره ماهانه بود. حد نصاب كيفيت براي % AL2O3 و % 3 براي SiO2 % تعيين شده است، بنابراين تابع برازنده زمان‌بندي‌ها چنان انتخاب مي‌شود كه انحراف عيار قطعي از خصوصيات كيفيت در هر دوره زماني كه از مينمم كردن انحراف تجمعي قطعي روي كل دوره زماني به‌دست مي‌آيد، مينمم شود. براي شروع فرآيند، 50 زمان‌بندي تصادفي چنان ايجاد مي‌شوند كه هر زمان‌بندي يك رشته يا كروموزوم ژني را نشان مي‌دهد. از آنجا كه زمان‌بندي براي 24 ماه تهيه شده بود، طول رشته ژني 24 ژن بود. هر ژن كروموزوم (زمان‌بندي) يك ارزش انحراف از عيار در طول ماه نسبت به مشخصات كيفي هدف را مي‌گيرد. ارزش برازنده هر زمان‌بندي با انحراف از عيار تجمعي كه از جمع انحرافات از عيار ماهيانه روي دوره زماني 24 ماهه به‌دست مي‌آيد، محاسبه شده و به‌عنوان صلاحيت زمان‌بندي يا كروموزوم اطلاق مي‌شود. در مرحله بعد از ارزش برازنده زمان‌بندي براي توليد نسل زمان‌بندي‌هاي جديد استفاده مي‌شود. انتخاب بر مبناي يك تكنيك احتمالي به نام انتخاب مانده تصادفي بدون جايگزيني (گلبرگ 2000) است به‌طوري كه زمان‌بندي‌هاي با ارزش برازنده كمتر داراي حق اولويت بالاتري براي انتخاب دارند (با توجه به اين‌كه مساله بهينه‌سازي در اينجا مينمم كردن انحراف عيارتجمعي است). بعد از انتخاب زمان‌بندي‌ها، آنها به‌طور تصادفي جفت مي‌شوند تا براي ايجاد زمان‌بندي‌هاي جديد توسط عملگر پيوند، خصوصيات آنها تعويض مي‌شود. در عمل پيوند، يك نقطه برش براي پيوند به صورت تصادفي در طول رشته انتخاب مي‌شود. در ابتدا دو نقطه برش براي عمل پيوند جست‌وجو مي‌شد. در هر صورت، با توجه به نرخ افزايش خطاي محدوديت‌هاي آن، برش تك نقطه‌اي براي عمل پيوند حفظ مي‌شود. همچنين عمل پيوند با توجه به احتمال 7/0 از كل فضايي كه بايد عمل پيوند بگيرد، انجام مي‌شود. در جريان عمل پيوند، زمان‌بندي‌هاي جديد خصوصيات هر دوي زمان‌بندي‌هاي اوليه را با توجه به موقعيت نقطه برش براي پيوند دريافت مي‌كنند. در صورت اتفاقي در عمل پيوند ممكن است زمان‌بندي‌هاي فرزند ارزش زمان‌بندي‌هاي والدين را دريافت كنند. عمل جهش بعضي اوقات با توجه به اين‌كه احتمال جهش حدود 001/0 است، اجرا مي‌شود. در جريان عمل جهش ارزش يك ژن به‌طور دلخواه تغيير مي‌كند. بعد از اين‌كه زمان‌بندي‌هاي جديد ساخته شدند، آنها براي توليد يك مجموعه زمان‌بندي بعدي، اما ده مي‌شوند. اين فرآيند به صورت تكراري ادامه مي‌يابد و در نهايت موقعي كه جواب از نظر كيفي براي 200 تكرار بيشتر بعد از رسيدن به حالت نهايي تغيير نكند، فرآيند آن يك حالت نهايي خاتمه مي‌يابد.

 

 

3 ـ 2. بحث و نتيجه‌گيري

 

الگوريتم ژنتيك براي يك تعداد امتحان اجرا مي‌شود. نتيجه ارايه شده در اينجا حاصل يك امتحان خوب است. در اين آزمايش، آناليز مجموعه 50 زمان‌بندي تصادفي اوليه نشان مي‌دهد كه متوسط ارزش برازنده زمان‌بندي‌ها 62/36 بود و بهترين و بدترين زمان‌بندي‌ها داراي ارزش به ترتيب 39/32 و 72/40 بودند. بعد از اجراي برنامه براي 36 توليد نسل، بهترين مجموعه زمان‌بندي‌ها به‌دست آمد و متوسط ارزش برازنده، بهترين و بدترين زمان‌بندي به ترتيب 64/34، 5/28 و 5/39 بودند. خصوصيات 5 مورد از بهترين زمان‌بندي‌ها همراه با زمان‌بندي راهنما مطالعه شده است. شكل‌هاي 3 و 4 انحرافات از عيار ماهيانه متغيرهاي AL2O3% و SiO2% را روي دوره زماني دو ساله با توجه به 6 زمان‌بندي نشان مي‌دهد. از شكل 3 مشخص مي‌شود كه اگر چه نوسانات AL2O3% براي زمان‌بندي‌هاي 2 و 3 ناسازگار است، اما در آنجا بعضي ارزش‌هاي پيك اتفاقي رخ مي‌دهد كه زمان‌بندي را به داشتن ارزش برازنده بالاتر از زمان‌بندي‌هاي 1، 4 و 5 مسترد مي‌كند. به عبارت ديگر، انحرافات AL2O3% براي زمان‌بندي راهنما نسبتا نامنظم‌تر از الگوريتم ژنتيك مبني بر زمان‌بندي‌ها است. شكل 4 نشان مي‌دهد كه تغييرات SiO2% كم و بيش براي همه زمان‌بندي‌ها به استثناي زمان‌بندي راهنما يكسان است به‌طوري كه بعضي ارزش‌هاي پيك به‌طور اتفاقي رخ مي‌دهد. شكل‌هاي 5 و 6 انحرافات عيار متغيرهاي AL2O3% و SiO2% را از عيارهاي مشخص شده 5/42 درصد براي آلومينيوم و 3 درصد براي سيليس ارايه مي‌دهد. شكل 5 نشان مي‌دهد كه انحرافات عيار AL2O3% براي زمان‌بندي راهنما ماكزيمم است، در مقايسه زمان‌بندي‌هاي ديگر كم و بيش الگوهاي يكساني را نشان مي‌دهد. به‌علاوه از شكل 6 مشخص مي‌شود كه انحرافات عيار SiO2% روي كل دوره زماني براي همه زمان‌بندي‌ها منفي است (زير تراز 3 درصد). شكل 7 انحرافات از عيار تجمعي هر دوي متغيرهاي AL2O3% و SiO2% را براي 6 زمان‌بندي ارايه مي‌دهد. از اين شكل مشخص مي‌شود كه انحراف عيار تجمعي براي زمان‌بندي 5 مينمم است. از سوي ديگر زمان‌بندي‌هاي يك، 2، 3 و 4 كم و بيش الگوهاي يكساني را دارند. براي زمان‌بندي راهنما، منحني انحراف عيار بالاي زمان‌بندي‌هاي ديگر است كه نشان مي‌دهد كه انحراف عيار زمان‌بندي راهنما ارزش ماكزيمم را به‌دست مي‌آورد. شكل 8 سكانس استخراجي را براي يكي از 5 الگوريتم ژنتيك بر مبني زمان‌بندي ارايه مي‌دهد. در اين راستا مديريت معدن قادر خواهد بود كه به‌طور عملي در امكان‌پذيري براي كاربرد زمان‌بندي‌هاي بهينه مختلف ايجاد شده از الگوريتم ژنتيك با مقايسه خصوصيات عمومي آنها تصميم بگيرد. با مطالعه خصوصيات مشخصه مختلف زمان‌بندي‌ها، مديريت معدن بايد قادر باشد كه به‌طور عملي در امكان‌پذيري كاربرد يك زمان‌بندي عملي براي عمليات كنترل عيار خود تصميم بگيرد.

لینک به دیدگاه

4. خلاصه و جمع‌بندي

 

در اغلب اوقاتي كه زمان‌بندي‌هاي بهينه با تكنيك‌هاي رياضي زياد ايجاد مي‌شوند، موقعي كه آنها به كاربردهاي واقعي تغيير مي‌كنند كه تعداد زيادي محدوديت‌هاي عملياتي را نقض مي‌كند و غيرعملي هستند، همچنين قابل ذكر است كه زمان‌بندي توليد معدن بهترين الگوي استخراج شده به وسيله يك تيم از مهندسان با تجربه است كه قادر هستند كه متقاعد كنند كه فقط زمان‌بندي‌هاي امكان‌پذير ايجاد شوند. يك نياز براي نشانه‌گذاري اين مسائل به‌طور شايسته لازم است. يك كاربرد تكنيك هوش مصنوعي يعني الگوريتم ژنتيك پتانسيلي براي يك روش واقع‌بينانه براي حل توليد نسل زمان‌بندي‌هاي ممكن عملي پيشنهاد مي‌كند. به‌كارگيري روش‌هاي تكراري و جست‌وجوي يك بخش فضاي جست‌وجو با استفاده از الگوريتم ژنتيك مي‌تواند گزينه‌هاي ضعيف را دور انداخته و گزينه‌هاي خوب را باقي نگه دارد. گزينه‌هاي خوب بتدريج اصلاح شده و در نهايت جست‌وجو، يك تعداد جواب‌هاي نزديك بهينه را ارايه مي‌دهد. در اين مطالعه، كاربرد الگوريتم ژنتيك براي زمان‌بندي توليد در يك معدن بوكسيت به منظور كنترل عيار مورد تحقيق قرار مي‌گيرد. هدف اصلي براي اين مطالعه موردي اين بود كه يك زمان‌بندي كه مي‌تواند انحراف از عيار از خصوصيات كيفيت آنها روي زمان را مينمم كند، ايجاد شود. يك تعداد از زمان‌بندي‌هاي تصادفي كه بتدريج براي دستيابي به جواب بهتر بعد از يك تعدا د تكرارهاي خوب اصلاح مي‌شوند، توليد مي‌شوند. در نهايت، پنج مورد از بهترين زمان‌بندي‌ها ارايه شده و ويژگي‌هاي آنها مطالعه مي‌شود. هم اكنون براي مديريت معدن مهم است كه روي اين‌كه كدام زمان‌بندي براي كاربرد عملي‌اش شايسته‌ترين خواهد بود، تصميم بگيرد. اگر چه نتايج اوليه تحقيق به‌طور كامل دلگرم كننده هستند، به هر حال نتايج فقط بر مبناي يك محدوديت تكنيكي اصلي به‌نام محدوديت استخراج است. تحقيقات بيشتر براي تركيب محدوديت‌هاي عملياتي كاربردي براي ايجاد زمان‌بندي‌هاي تقريبا ممكن بيشتر مورد نياز است.

 

 

سيدمحمدرضا حسيني / دانشجوي كارشناسي ارشد فرآوري مواد معدني دانشگاه شهيد باهنر كرمان

لینک به دیدگاه

به گفتگو بپیوندید

هم اکنون می توانید مطلب خود را ارسال نمایید و بعداً ثبت نام کنید. اگر حساب کاربری دارید، برای ارسال با حساب کاربری خود اکنون وارد شوید .

مهمان
ارسال پاسخ به این موضوع ...

×   شما در حال چسباندن محتوایی با قالب بندی هستید.   حذف قالب بندی

  تنها استفاده از 75 اموجی مجاز می باشد.

×   لینک شما به صورت اتوماتیک جای گذاری شد.   نمایش به صورت لینک

×   محتوای قبلی شما بازگردانی شد.   پاک کردن محتوای ویرایشگر

×   شما مستقیما نمی توانید تصویر خود را قرار دهید. یا آن را اینجا بارگذاری کنید یا از یک URL قرار دهید.

×
×
  • اضافه کردن...