بهینه‌سازی ناوگان بارگیری و باربری معادن روباز با استفاده از تکنیک بهینه سازی مبتنی بر شبیه سازی (مطالعه موردی معدن سونگون)

در معادن روباز انتخاب بارکننده و باربر، تخصیص و گسیل کامیون‌ها یکی از مهم‌ترین و پیچیده‌ترین فرآیندهای عملیاتی است که بهینه‌سازی آن صرفه‌جویی قابل‌توجهی را سبب می‌شود. برای تحلیل این‌گونه مسائل، شبیه‌سازی ابزار قدرتمندی است. یکی از موضوعات اساسی در حوزه مدل‌های شبیه‌سازی ارائه رویکرد بهینه‌سازی هست. روش‌های بهینه‌سازی مبتنی بر شبیه‌سازی عمدتاً تک هدفه هستند. در این تحقیق تلاش شده از این روش‌ها به‌صورت چند هدفه استفاده شود. اهداف موردنظر کمینه کردن هزینه عملیاتی و بیشینه نمودن تولید است الگوریتم فرا ابتکاری که به این منظور انتخاب شده، چندهدفه توده ذرات (mopso) است. برای شبیه‌سازی از نرم‌افزار arena و بخش بهینه‌سازی از matlab بهره گرفته شده است. نتایج حاصل از اجرای روش پیشنهادی بر روی مدل ناوگان بارگیری و باربری معدن سونگون نشان می‌دهد که با اجرای سناریوهای به‌دست‌آمده تولید فعلی معدن را حداکثر می‌توان 2.5 برابر کرده و هزینه عملیاتی واحد تولید را حداکثر تا 23 درصد کاهش داد.

Optimization of open pit mines fleet using Simulation-based optimization method (Case study: SONGUN copper mine)

In open pit mines the loaders and hauls choice , allocation and dispatching of trucks is one of the most important and complicated operational processes. That’s optimization results in great thrifts. For the analysis of this type of examples, simulation is a powerful tool.One of the basic points in the topic of simulation models is the presentment of optimization. Simulation based optimization methods are often one objective. In this Thesis it has been objected to use the multi objective forms of these methods. The considered goals are minimizing of operational cost and maximizing of production. Meta heuristic algorithms which is chosen for this issue MultiObjectiveParticleSwarmOptimization (MOPSO). For simulation we have used Arena’s software and for optimization used MATLAB software. The results of proposal methods implementation on Sungun mine’s loading and hauling fleet, shows that with the administration of obtained scenarios it is possible to maximize the current production of the mine 2.5 times and to reduce the operational costs of production up to 23%