|
Модель
дослідження зміни стану запасів для оптимізації багатопараметричних
процесів гірничого виробництва
А.О. Хорольський1*
1Відділення фізики гірничих процесів Інституту
геотехнічної механіки ім. М.С. Полякова Національної академії
наук України, м. Дніпро, Україна
*Відповідальний
автор: e-mаil: andreykh918@gmail.com
Фізико-технічні проблеми
гірничого виробництва, 2023, (25), 153-175.
https://doi.org/10.37101/ftpgv25.01.012
full text (pdf)
ABSTRACT (IN UKRAINIAN)
Мета. Розробити
новий підхід, щодо проєктування процесів, які
супроводжують освоєння родовищ корисних копалин. Це дозволить врахувати багатоманіття та різний ступінь впливу параметрів на
загальну ефективність.
Методи дослідження. Застосовано декомпозиційний підхід для оптимізації багатопараметричних процесів гірничого виробництва.
Мережеві моделі та алгоритми оптимізації на мережах та графах для пошуку
оптимальної стратегії освоєння родовищ корисних копалин. Модель дослідження
зміни стану запасів для проєктування
технологічних процесів, які супроводжують видобуток корисних копалин.
Результати. Було запропоновано
методику оптимізації параметрів освоєння родовищ корисних копалин на основі
представлення альтернативних варіантів технологічних процесів у вигляді
мережевої моделі. В залежності від типу корисної копалини, а також
доцільності збагачення відходів видобутку запропоновано дві стратегії проєктування. Якщо відходи доцільно збагачувати, то
необхідно максимізувати вартість тони гірської маси. Якщо відходи видобутку
недоцільно збагачувати, то необхідно мінімізувати витрати на видобуток тони
корисної копалини. Для підвищення ефективності експлуатації рудних родовищ
корисних копалин запропоновано застосовувати відходи видобутку у якості
складових сумішей для закладки виробленого простору. Обсяги робіт із
закладки виробленого простору визначаються на основі маржинального аналізу.
Для підвищення ефективності експлуатації вугільних родовищ запропоновано
мінімізувати кількість відходів, які надходять на поверхню. Було розглянуто
альтернативні варіанти експлуатації вугільного родовища та запропоновано
дві стратегії: одна полягає у мінімізації відходів, що передбачає
селективне виймання і закладку виробленого простору, а інша стратегія
полягає у максимізації вилучення супутніх корисних копалин, що передбачає комбайнове
виймання, розділення вантажопотоків, додаткове збагачення відходів.
Наукова новизна. Наукова новизна полягає
у розробці нового підходу, а також створенні моделей освоєння родовищ
корисних копалин. Наведено алгоритм проєктування
процес освоєння родовищ корисних копалин. Якщо відходи видобутку недоцільно
збагачувати то застосовуємо програмування альтернативного графу на мінімум,
що дозволить мінімізувати вартість видобутку 1 т корисної копалини, у
іншому випадку – програмування альтернативного графу на максимум, що
дозволить максимізувати вартість 1 т гірничої маси. Виконання цих умов
дозволить підвищити ефективність виробництва та знизити техногенне
навантаження на довкілля.
Практичне значення. Полягає у створенні
пакету прикладних програм для проєктування
процесів освоєння родовищ корисних копалин.
Ключові
слова:
стратегія, відходи виробництва, проєктування,
екологія, технологічна схема, граф, програмне забезпечення.
СПИСОК
ЛІТЕРАТУРИ
Amosha, O.I., Salli, V.I., Tryfonova,
O.V., & Symonenko, O.I. (2007). Kilʹkisni parametry
investytsiynoyi pryvablyvosti
vuhilʹnykh shakht.
Dnipropetrovsʹk: NHU. 110 p. (in Ukrainian)
2. Huang,
S., Li, G., Ben-Awuah,
E., Afum, B.O., & Hu,
N. (2020). A robust mixed
integer linear programming framework for underground cut-and-fill mining production scheduling. International Journal
of Mining, Reclamation and Environment, 34(6), 397-414.
https://doi.org/10.1080/17480930.2019.1576576
3. Khodayari,
F., & Pourrahimian, Y. (2016, October). Quadratic programming application in block-cave mining. In 1st International Conference on underground Mining, Santiago, Chile (pp. 427-438).
4. Topal,
J. L. E. (2011). Strategies to
assist in obtaining an optimal solution for an underground
mine planning problem using Mixed Integer Programming. International Journal of Mining and Mineral Engineering,
3(2), 152-172. https://doi.org/10.1504/IJMME.2011.042429
5. MacNeil,
J.A., & Dimitrakopoulos, R.G. (2017). A stochastic optimization formulation for the transition from open pit
to underground mining. Optimization
and Engineering,
18, 793-813. https://doi.org/10.1007/s11081-017-9361-6
6. Khorolskyi,
A., Hrinov, V., & Kaliushenko,
O. (2019). Network models
for searching for optimal economic and environmental strategies for field development.
Procedia Environmental
Science, Engineering and Management, 6(3),
463-471.
7. Balezentis,
T., Streimikiene, D., & Siksnelyte-Butkiene,
I. (2021). Energy storage
selection for sustainable energy development: The multi-criteria utility analysis based on the ideal
solutions and integer geometric programming for coordination degree. Environmental Impact
Assessment Review,
91, 106675. https://doi.org/10.1016/j.eiar.2021.106675
8. Hill,
A., Brickey, A.J., Cipriano,
I., Goycoolea, M., & Newman,
A. (2022). Optimization Strategies
for Resource-Constrained
Project Scheduling Problems
in Underground Mining. INFORMS Journal on Computing, 34(6),
3042-3058. https://doi.org/10.1287/ijoc.2022.1222
9. Özyurt,
M.C., & Karadogan, A. (2020). A new model based
on artificial neural networks and game theory
for the selection of underground mining method. Journal of Mining Science,
56, 66-78. https://doi.org/10.1134/S1062739120016491
10. Khorolskyi,
A., Hrinov, V., Mamaikin,
O., & Fomychova, L. (2020). Research into optimization model for balancing the technological flows at mining
enterprises. In E3S Web of Conferences
(Vol. 201, p. 01030). EDP Sciences.
https://doi.org/10.1051/e3sconf/202020101030
11. Petlovanyi,
M., Sai, K., Malashkevych,
D., Popovych, V., & Khorolskyi,
A. (2023, April). Influence
of waste rock dump placement
on the geomechanical state of underground mine workings. In IOP Conference Series: Earth and Environmental Science (Vol. 1156, No. 1, p. 012007). IOP Publishing.
DOI 10.1088/1755-1315/1156/1/012007
12. Kwinta,
A., & Gradka, R. (2020). Analysis
of the damage influence range generated by underground mining. International
Journal of Rock Mechanics and Mining Sciences, 128, 104263. https://doi.org/10.1016/j.ijrmms.2020.104263
13. Vayenas,
N., & Peng, S. (2014). Reliability
analysis of underground mining equipment using genetic algorithms: A case study of two mine
hoists. Journal
of Quality in maintenance Engineering, 20(1), 32-50. https://doi.org/10.1108/JQME-02-2013-0006
14. Zarębska,
K., Baran, P., Cygankiewicz,
J., & Dudzińska, A. (2012). Prognosticating fire hazards in goafs in Polish
collieries. AGH Drilling,
Oil, Gas, 29(4).
15. Yueze,
L., Akhtar, S., Sasmito,
A.P., & Kurnia, J.C. (2017). Prediction of air flow, methane,
and coal dust dispersion in a room and
pillar mining face. International Journal of Mining Science and Technology, 27(4),
657-662. https://doi.org/10.1016/j.ijmst.2017.05.019
16. Bazaluk,
O., Ashcheulova, O., Mamaikin,
O., Khorolskyi, A., Lozynskyi,
V., & Saik, P. (2022). Innovative
activities in the sphere of mining process
management. Frontiers
in Environmental Science, 304. https://doi.org/10.3389/fenvs.2022.878977
17. Hrinov,
V., & Khorolskyi, A. (2018). Improving the process of coal extraction based on the
parameter optimization of mining equipment.
In E3S Web of Conferences (Vol. 60, p. 00017). EDP Sciences.
https://doi.org/10.1051/e3sconf/20186000017
18. Saaty,
T.L., Vargas, L.G., Saaty,
T.L., & Vargas, L.G. (2013). The analytic network process (pp. 1-40). Springer US.
19. Balusa,
B.C., & Singam, J. (2018). Underground mining method selection using WPM and PROMETHEE. Journal of the Institution of Engineers (India): Series D, 99,
165-171. https://doi.org/10.1007/s40033-017-0137-0
20. Balusa,
B.C., & Gorai, A.K. (2019). A comparative study of various multi-criteria decision-making
models in underground mining method selection. Journal of The Institution of Engineers (India): Series D, 100,
105-121. https://doi.org/10.1007/s40033-018-0169-0
21. Liang,
W., Zhao, G., Wu, H.,
& Chen, Y. (2019). Assessing
the risk degree of goafs
by employing hybrid TODIM method under uncertainty. Bulletin of Engineering Geology and the Environment,
78, 3767-3782. https://doi.org/10.1007/s10064-018-1340-4
22. Pak, M.
C., Han, U. C., & Kim,
D. I. (2022). Suitable Mining
Method Selection using HFGDM-TOPSIS Method: a Case Study of an Apatite
Mine. Journal
of Mining and Environment, 13(2),
357-374. https://doi.org/10.22044/jme.2022.11713.2163
23. Alavi,
I., & Alinejad-Rokny, H. (2011). Comparison of Fuzzy AHP and Fuzzy TOPSIS methods for plant species
selection (case study: reclamation plan of sungun
Copper Mine; Iran). Australian journal of basic and applied
sciences, 5(12), 1104-1113.
24. Sahoo,
S., Dhar, A., Kar, A.,
& Ram, P. (2017). Grey
analytic hierarchy process applied to effectiveness evaluation for groundwater potential zone delineation. Geocarto International,
32(11), 1188-1205. https://doi.org/10.1080/10106049.2016.1195888
25. Yang,
W., Xia, X., Pan, B., Gu, C., & Yue, J. (2016).
The fuzzy comprehensive evaluation of water and
sand inrush risk during underground mining. Journal of Intelligent & Fuzzy Systems, 30(4), 2289-2295. DOI: 10.3233/IFS-151998
26. Pérez,
J., Jimeno, J. L., & Mokotoff,
E. (2006). Another potential
shortcoming of AHP. Top, 14, 99-111. https://doi.org/10.1007/BF02579004
27. Paravarzar,
S., Pourrahimian, Y., Askari-Nasab,
H., & Emery, X. (2021). Short-term
underground mine planning: a review. International Journal
of Mining and Mineral Engineering, 12(1), 1-33. https://doi.org/10.1504/IJMME.2021.114902
28. Reinhart,
R., Dang, T., Hand, E.,
Papachristos, C., & Alexis,
K. (2020, May). Learning-based
path planning for autonomous exploration of subterranean environments. In 2020 IEEE International
Conference on Robotics and Automation (ICRA) (pp.
1215-1221). IEEE. https://doi.org/10.1109/ICRA40945.2020.9196662
29. Li, S., Huang, Q., Hu, B., Pan, J., Chen, J., Yang, J., & Yu, H.
(2023). Mining method optimization of difficult-to-mine complicated
orebody using Pythagorean fuzzy sets and TOPSIS method. Sustainability,
15(4), 3692. https://doi.org/10.3390/su15043692
30. Erdogan,
G., & Yavuz, M. (2017, December).
Application of Three Existing Stope Boundary Optimisation Methods in an Operating
Underground Mine. In IOP Conference Series: Earth and Environmental Science (Vol. 95, No. 4, p. 042077). IOP Publishing.
DOI 10.1088/1755-1315/95/4/042077
31. Brazil,
M., & Grossman, P. (2008, September).
Access layout optimization
for underground mines. In Australian Mining Technology Conference, Queensland, 119-128.
32. Emdini Gliwan, S., & Crowe, K.
(2022). A Network Flow Model for Operational
Planning in an Underground Gold Mine. Mining, 2(4), 712-724.
https://doi.org/10.3390/mining2040039
33. Bellman,
R.E. (2010). Dynamic programming. Princeton university press. https://doi.org/10.1515/9781400835386
34. Burfield,
C. (2013). Floyd-Warshall algorithm. Massachusetts Institute of Technology.
35. Weber,
A., Kreuzer, M., & Knoll,
A. (2020, May). A generalized
Bellman-Ford algorithm for application in symbolic optimal control. In 2020 European Control Conference (ECC)
(pp. 2007-2014). IEEE. https://doi.org/10.23919/ECC51009.2020.9143743
36. Broumi,
S., Bakal, A., Talea,
M., Smarandache, F., & Vladareanu,
L. (2016, November). Applying
Dijkstra algorithm for solving neutrosophic shortest path problem. In 2016 International conference on advanced mechatronic systems (ICAMechS) (pp. 412-416). IEEE. https://doi.org/10.1109/ICAMechS.2016.7813483
37. Khorolskyi,
A.O. (2021). Naukovi osnovy
obgruntuvannia mezh oblasti ratsionalnoho proiektuvannia pry vidpratsiuvanni rodovyshch korysnykh kopalyn. Fyzyko-tekhnycheskye problemy
hornoho proyzvodstva,
(23), 149-173. (In Ukrainian).
https://doi.org/10.37101/ftpgp23.01.011
38. Khorolskyi,
A.O. (2022). Rezulʹtaty doslidzhenʹ
iz rozrobky systemy pidtrymky pryynyattya rishenʹ dlya proyektuvannya protsesiv osvoyennya rodovyshch korysnykh kopalyn. Journal of Donetsk Mining Institute, 2(51),
122-135. https://doi.org/10.31474/1999‐981X‐2022‐2‐122‐135 (in Ukrainian)
39.
Гріньов В.Г., Хорольський
А.О. (2022). Визначення
доцільності
відпрацювання родовищ на
стадії передпроєктних досліджень раціональної
стратегії їх освоєння. Мінеральні ресурси України, №2,
С. 12-17. https://doi.org/10.31996/mru.2022.2.12-17
40.
Хорольський А.О. (2023). Проєктування
процесів освоєння родовищ корисних копалин на основі дослідження зміни
стану запасів. Наукові праці ДонНТУ. Серія
«Гірничо-геологічна», 1(29), 83-97. https://doi.org/10.31474/2073-9575-2023-1(29)-83-97
|
