فرشاد نژادشاه محمد - گروه معدن-مرکز آموزش عالی شهید باکری- دانشگاه ارومیه

در برنامه‌ریزی معادن از نقطه‌نظر تولید و افزایش بهره‌وری برای ایجاد مسائلی که به جواب‌های بهینه و دقیق برسد باید تمام محدودیت‌های فنی و عملیاتی در مدل‌سازی وارد شوند. ایجاد چنین مدل‌هایی که در بیشتر مواقع با تابع هدف حداکثر سازی ارزش خالص فعلی همراه است منجر به مسائل ریاضی با ابعاد بزرگ می‌شود که حل این مدل‌ها با دستگاه‌های رایانه‌ای فعلی زمان پردازش ( CPU) زیادی را نیاز دارد بنابراین در این تحقیق الگوریتم خوشه‌بندی با شاخص شباهت چندمرحله‌ای با استفاده از فرمول‌بندی‌های ریاضی توسعه داده‌شده است که ابعاد مسائل ریاضی را از طریق کاهش تعداد متغیرهای تصمیم به نحوی کاهش دهد که ضمن عدم وابستگی به ضرایب اهمیت وزنی در شاخص شباهت، برنامه‌ریزی‌های تولید را با کمترین خطا و کاهش شدید در زمان اجرای مسئله اجرا کند. به‌منظور ارزیابی نتایج این خوشه‌بندی از 2478 بلوک استخراجی استفاده شد این بلوک‌ها در طی 3 مرحله، ابتدا در 10 سپس 40 و درنهایت در 109 خوشه، طبقه‌بندی شدند. جهت ارزیابی نتایج خوشه‌بندی، از روش MILP و با استفاده از نرم‌افزار CPLEX و MATLAB به برنامه‌ریزی ریاضی تولید پرداخته شد. نتایج این تحقیق نشان داد که زمان اجرا با کاهش 86 درصدی در مدل خوشه‌بندی نسبت به مدل بدون خوشه‌بندی همراه بوده است درحالی‌که مقدار تابع هدف فقط 8/1 درصد اختلاف در دو مدل نشان داده است.

خوشه‌بندی, شاخص شباهت چندمرحله‌ای, برنامه‌ریزی تولید, MILP معادن روباز و زیرزمینی