|
|
طراحی محتملترین محدوده نهایی معادن روباز در فضای عدم قطعیت قیمت محصول نهایی معدن
|
|
|
|
|
نویسنده
|
غلام نژاد جواد ,لطفی الهام ,نجفی مهدی ,زمانی محمدصادق
|
منبع
|
روشهاي تحليلي و عددي در مهندسي معدن - 1401 - شماره : 32 - صفحه:77 -86
|
چکیده
|
طراحی و برنامهریزی تولید در معادن روباز در شرایط عدم قطعیت قیمت محصول نهایی یکی از چالشهای مهم در حوزه معدنکاری است بهطوریکه طراحی و برنامهریزی در معدن بدون در نظر گرفتن عدم قطعیت قیمت، منجر به ارزیابیهای اشتباه، برنامهای غیرواقعی و غیرعملیاتی در شرایط نوسانات بازار شده و درنتیجه، ریسک سرمایهگذاری افزایش مییابد. تعیین محدوده نهایی برای مشخص نمودن میزان ذخیره قابل استخراج و جانمایی تاسیسات سطحی است. برای حل این مسئله از الگوریتمهای ابتکاری، فر ابتکاری و روشهای دقیق ریاضی استفادهشده است؛ اما این روشها کمتر توانستهاند منجر به ارائه پیتی شوند که در فضای عدم قطعیت قیمت محصول نهایی معدن، باثباتترین پیت باشد. در این مقاله الگوریتم ریاضی مبتنی بر شبیهسازی مونتکارلو و الگوریتم لرچ و گراسمن ارائه شد که قادر است بر اساس تاریخچه قیمت فلز در گذشته و تخمین تابع توزیع آن، ارزش قابلانتظار بلوکها و احتمال استخراج هر بلوک را محاسبه کرده و محتملترین پیت نهایی را برای معدن به دست آورد. این پیت میتواند مبنای برنامهریزی تولید بلندمدت معدن و همچنین معیاری برای جانمایی تاسیسات سطحی باشد. مدل ارائهشده روی یک معدن مس پورفیری اجرا شد و نتایج نشان داد که تعداد بلوکهایی که احتمال استخراج آنها 100 درصد است، نسبت به کل بلوکهای موجود در مدل، کم است که این نشانگر حساسیت بالای پیت نسبت به عدم قطعیت قیمت است.
|
کلیدواژه
|
محدوده نهایی معدن، عدم قطعیت قیمت فلز، ارزش قابل انتظار بلوک، شبیه سازی مونت کارلو
|
آدرس
|
دانشگاه یزد, دانشکده مهندسی معدن و متالورژی, ایران, دانشگاه یزد, دانشکده مهندسی معدن و متالورژی, ایران, دانشگاه یزد, دانشکده مهندسی معدن و متالورژی, ایران, دانشگاه یزد, دانشکده علوم ریاضی, ایران
|
پست الکترونیکی
|
zamani@yazd.ac.ir
|
|
|
|
|
|
|
|
|
Designing the most probable final pit limit of open pit mines considering price uncertainty
|
|
|
Authors
|
Gholamnejad Javad ,lotfi Elham ,Najafi Mehdi ,Zamani Mohammad sadegh
|
Abstract
|
SummaryOpen pit design and production scheduling considering the commodity price uncertainty is one of the important issues in the field of open pit mining, so that mine design and planning regardless of price uncertainty leads to erroneous assessments and nonoperational production scheduling, which itself increases the investment risk. The amount of reserve that can be extracted and the location of surface facilities directly depends on the final pit limit. In this paper, a mathematical algorithm based on Monte Carlo Simulation and Lerch and Grossman algorithm is presented, which is able to calculate the expected value of blocks based on the metal price history and estimating its distribution function and get the most likely final pit limit. This pit can be the basis of longterm mine production planning as well as a criterion for locating surface facilities. IntroductionThe aim of the planning process for an open pit mine is usually to find optimum annual schedules that will give the highest Net Present Value (NPV). The primary input of this procedure is an economic block model, which includes a set of mining blocks representing the ore body and the surrounding rock. Net economic value is assigned to each block based on the revenue of recoverable metal content in a given block and subtracting all the operating costs, comprising mining, processing, refining, and selling costs. An economic evaluation of each block requires the estimation of ore tonnage and grade of mining blocks as well as some economic parameters such as metal prices and operation costs. In the current pit design approaches, the block economic values are calculated using a fixed known value. In this paper, using the metal prices in the past as well as the Monte Carlo simulation method, the most probable ultimate pit is obtained. Methodology and ApproachesIn this article, the price distribution function of the metal price (copper) was obtained using the metal price history. Then 100 prices were simulated using Monte Carlo simulation and the expected value of each block was obtained using these simulated values of other fixed technical and economic parameters. Finally, by using these values and using the NPV Scheduler software, a single optimal pit was obtained. Results and ConclusionsIn this article, the expected value of the blocks was obtained using the Monte Carlo simulation method, and then the optimal pit, which is actually the most probable pit, was obtained. Because the price history of the metal is considered in the design process, the obtained pit has little sensitivity to the changes in the price of the metal in the future.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|