A New Mathematical Model for Production Scheduling in Sub-level Caving Mining Method
محل انتشار: مجله معدن و محیط زیست، دوره: 11، شماره: 3
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 250
فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JMAE-11-3_009
تاریخ نمایه سازی: 21 اردیبهشت 1400
چکیده مقاله:
Production scheduling in underground mines is still a manual process, and achieving a truly optimal result through manual scheduling is impossible due to the complexity of the scheduling problems. Among the underground mining methods, sub-level caving is a common mining method with a high production rate for hard rock mining. There are limited studies about long-term production scheduling in the sub-level caving method. In this work, for sub-level caving production scheduling optimization, a new mathematical model with the objective of net present value (NPV) maximization is developed. The general technical and operational constraints of the sub-level caving method such as opening and developments, production capacity, sub-level mining geometry, and ore access are considered in this model. Prior to the application of the scheduling model, the block model is processed to remove the unnecessary blocks. For this purpose, the floating stope algorithm is applied in order to determine the ultimate mine boundary and reduce the number of blocks that consequently reduces the running time of the model. The model is applied to a bauxite mine block model and the maximum NPV is determined, and then the mine development network is designed based on the optimal schedule.
کلیدواژه ها:
نویسندگان
M. Shenavar
Faculty of Mining and Metallurgy Engineering, Amirkabir University of Technology, Tehran, Iran
M. Ataee-pour
Faculty of Mining and Metallurgy Engineering, Amirkabir University of Technology, Tehran, Iran
M. Rahmanpour
School of mining, college of engineering, University of Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :