طراحی و به کارگیری سیستم خبره در ارزیابی بهره‌وری معادن

افزایش رقابت پذیری معادن مستلزم بهبود بهره وری و کارایی است. روش مدیریت چهار مرحله ای چرخه بهره وری شامل اندازه گیری، تحلیل، برنامه ریزی و بهبود بهره وری یکی از رایج ترین روش ها در حوزه مدیریت بهره وری در سطح بنگاه است. نرم افزارهای بهره وری عمدتا محدود به مرحله اندازه گیری و به ندرت تحلیل داده ها است و ارایه برنامه های بهبود عمدتا به صورت دستی توسط کارشناسان بهره وری انجام می گیرد که بسیار زمان بر است. روش هوشمند سیستم خبره می تواند در رفع این نقص مفید باشد. این روش بر اساس رویکرد مدیریت دانش، تشخیص مشکل، انتخاب راه حل، فرآیند تصمیم گیری و استفاده بهتر از زمان را تسهیل می کند. در این تحقیق، یک سیستم خبره مبتنی بر قاعده همراه با یک رابط کاربر گرافیکی برای اندازه گیری، ارزیابی و ارایه سیاست بهبود بهره وری در معادن مطابق با چرخه مدیریت بهره وری طراحی و پیاده سازی شده است. سیستم خبره شامل مجموعه قواعد مرتبط با نحوه محاسبه و تحلیل شکاف بهره وری و موتور استنتاج بر مبنای تحلیل قواعد پیشرو است. سیاست های کلان بهبود بر اساس شاخص های کمی و کیفی ارایه می شود. برای ارزیابی متغیرهای موثر و تعیین اهمیت نسبی این سیاستها، یک سیستم استنتاج فازی مبتنی بر نظرات خبرگان نیز پیاده سازی شده است. برای بررسی کارکرد سیستم، از داده های یک مجتمع تولید طلا در یک دوره هشت ساله استفاده و شاخص های مختلف در حوزه های فنی، مالی، منابع انسانی و بازار تدوین و تحلیل شده است. برای شاخص های با رشد نامطلوب، هفت سیاست بهبود ارایه شده که بیشترین و کمترین سهم به ترتیب مربوط به سیاست بهبود فرآیند تولید و مدیریت منابع انسانی است. همچنین پس از اجرای سیستم استنتاج فازی، سیاست کاهش مصرف انرژی با اهمیت 56 درصد دارای بیشترین اهمیت به دست آمد.

Designing and utilizing expert systems for evaluating mining productivity

In this research, a rulebased expert system, with a graphical user interface, has been designed and implemented to measure, evaluate and provide a policy of improving mining productivity corresponding to the productivity management cycle. The expert system includes a set of rules related to how to calculate and analyze the productivity gap, and the inference engine is based on the analysis of the leading rules. Major policies are being improved based on quantitative and qualitative indicators. In order to evaluate the effective variables and to determine the relative importance of these policies, a fuzzy inference system based on expert opinions has also been implemented. To evaluate system performance, data from a gold mining complex was used for a period of eight years, and various indicators were developed in technical, financial, human resources and markets. For undesirable growth indicators, seven improvement policies were presented, with the highest and lowest share being related to the policy of improving the production process and human resource management. Based on the evaluation of 40 qualitative components, 21 cases were in a rapid recovery situation. Also, after implementing the fuzzy inference system, the policy of reducing energy consumption with the importance of 56% was the most important.