پیش بینی سایش سرمته‌های سه‌مخروطی با ترکیب روش تحلیل مولفه‌های اصلی و رگرسیون در چال های انفجاری معدن مس سرچشمه

حفر چال‌های انفجاری اولین مرحله از چرخه‌ تولید در معادن روباز است که قسمت عمده‌ای از هزینه‌های استخراج را به خود اختصاص می‌دهد. سرمته‌‌ها به عنوان یکی از مهم‌ترین قسمت‌های حفاری در فرآیندهای عملیاتی، با توجه به نوع کاربرد و هزینه‌های بالای تمام شده اهمیت بسیار بالایی دارند. با بررسی پارامترهای موثر بر سایش سرمته‌ها می‌توان با کاهش اثرات سایش، از هدر رفتن زمان و هزینه‌های اضافی وارد بر فرآیند حفاری جلوگیری کرد. ‌به همین دلیل در این تحقیق ابتدا با تعیین پارامترهای موثر بر اساس نتایج برازش تک متغیره و تحلیل مولفه‌های اصلی (pca)، ارتباط بین این عوامل و سایش سرمته‌های سه‌مخروطی دورانی از طریق روش‌های آماری تعیین شده است، سپس برای پیش‌بینی مقدار سایش سرمته‌های سه‌مخروطی دورانی حین حفاری 100 مدل خطی و غیرخطی بررسی شده است که تنها 21 مدل که شامل 6 مدل خطی و 15 مدل غیرخطی است مورد تایید واقع شده است. عملکرد این مدل‌ها بر اساس معیارهای ارزیابی جذر میانگین مربعات خطا (rmse)، ضریب تعیین (r2)، شاخص عملکرد (vaf) و میانگین درصد خطای مطلق (mape) بررسی و اولویت هریک از روش‌ها بر اساس معیارهای ارزیابی و سه استراتژی اولویتبندی میانگین رتبه‌ها، روش بردا و روش کپلند و در نهایت ادغام این روش‌ها مشخص شده است. نتایج رتبه‌بندی‌ نشان می‌دهد که بهترین مدل پیش‌بینی سایش سرمته‌های سه‌مخروطی دورانی مدل رگرسیونی است که متغیرهای مستقل آن بار روی سرمته (wob)، مقاومت فشاری تک محوری (ucs) و شاخص مقاومت زمین‌شناسی (gsi) است. طبق نتایج تحلیل حساسیت، rij بار روی سرمته (wob)، با مقدار 0.982 از دو پارامتر دیگر مدل نهایی بیشتر است به همین دلیل این پارامتر بیشترین تاثیر را بر سایش سرمته‌های سه‌مخروطی دورانی دارد و مهم‌ترین پارامتر مدل‌ نهایی محسوب می‌شود.

Prediction of the Tricone Rotary Bits Wear by Combining Principal Component Analysis and Regression Methods in Blast Holes of Sarcheshmeh Copper Mine

The first production cycle in openpit mines is the drilling of blast holes, which is a major part of the exploitation costs. Bits are considered as one of the most important parts of drilling in operational processes due to the type of application and high costs. Examining the parameters affecting the bits wear can reduce the effect of wear, prevent wasting time and additional costs of the drilling process. Therefore, in this study, first, by determining the effective parameters based on the results of univariate regression and Principal Component Analysis (PCA), the relationship between these factors and the tricone rotary bits wear has been determined through statistical methods. Then, 100 linear and nonlinear models were examined to predict the rate of the tricone rotary bits wears during drilling, of which only 21 models, including 6 linear models and 15 nonlinear models, were approved. The performance of these models is evaluated based on the root mean square error (RMSE), coefficient of determination (R2), Variance accounted for (VAF), and mean absolute percentage error (MAPE). then the priority of each method is determined based on performance evaluation and prioritization strategies. In this research, three strategies of prioritization, the Rank average method, the Borda method, the Copeland method, and finally the Aggregate of these methods have been used. The ranking results show that the best model for predicting the tricone rotary bits wear is the regression model with independent variables of Weight on Bits (WOB), Uniaxial Compressive Strength (UCS), and Geological Strength Index (GSI). According to the results of sensitivity analysis, the Rij value of the Weight on Bits (WOB) is 0.982, which is more than the other two parameters of the final model. Therefore, this parameter has the greatest effect on the tricone rotary bits wear and it is the most important parameter of the final model.