پهنه‌بندی کانسار معدن سونگون با هدف تسهیل برنامه‌ریزی تولید کوتاه‌مدت

چکیده:

وجود پارامترهای متعدد در پروژه‌های معدنی منجر به افزایش پیچیدگی و دشواری در تصمیم‌گیری می‌شود. کارآیی سرمایه‌گذاری معدنی یکی از چالش‌های اساسی این صنعت است، به‌ویژه زمانی که هزینه‌های سرمایه‌گذاری افزایش می‌یابد یا ظرفیت فرآوری بیش از حد تخمین زده می‌شود. در این میان، مدل‌سازی ژئومتالورژیکی به‌عنوان راه‌حلی نوین برای بهبود فرآیند تصمیم‌گیری در معادن مطرح می‌شود. این پژوهش با هدف تسهیل برنامه‌ریزی تولید کوتاه‌مدت در معدن مس سونگون، به پهنه‌بندی کانسار بر اساس ویژگی‌های ژئومتالورژیکی و مشخصات کیفی مواد معدنی پرداخته است. پهنه‌بندی ژئومتالورژیکی می‌تواند مدیریت استخراج و کنترل ترکیب خوراک کارخانه فرآوری را بهبود بخشیده و از نوسانات عیاری و افزایش هزینه‌های عملیاتی جلوگیری کند و موجب افزایش کارایی فرآوری، کاهش هزینه‌ها و بهبود بهره‌وری تولید خواهد شد. برای انجام این تحقیق، از پایگاه داده‌ای شامل ۲۵ گمانه ژئومکانیکی با مجموع 7681/65  متر اطلاعات مغزه حفاری و مدل بلوکی به‌روز معدن استفاده شد. این داده‌ها شامل عیار عناصر مختلف، میزان اکسید مس، مقاومت فشاری تک‌محوری، مدول الاستیسیته و چگالی بودند. با بهره‌گیری از پارامترهای ژئومکانیکی و تحلیل‌های زمین‌آماری، شاخص کار باند به روش کریجینگ معمولی برای مدل بلوکی معدن مس سونگون برآورد شد. مقادیر BWI در محدوده 1 تا 19/5522  kWh/t به‌دست آمد. داده‌ها پس از پیش‌پردازش با استفاده از الگوریتم خوشه‌بندی K-Means و بر مبنای معیار فاصله اقلیدسی خوشه‌بندی شدند. بر اساس روش Elbow، نقطه بهینه در 22=K شناسایی شد و مقدار واریانس تبیین‌شده در این حالت 95/72  درصد محاسبه گردید. بر این اساس، ۲۲ خوشه به‌عنوان واحدهای ژئومتالورژیکی متمایز تعیین شدند. مدل ژئومتالورژیکی حاصل بر روی مدل بلوکی معدن و پوش‌بک‌های استخراجی اعمال شد و منجر به ارائه یک پهنه‌بندی دقیق‌تر گردید. نتایج این تحقیق نشان داد که به‌کارگیری تکنیک‌های یادگیری ماشین، به‌ویژه الگوریتم K-Means، رویکردی کارآمد در شناسایی ساختارهای ژئومتالورژیکی بوده و می‌تواند به بهینه‌سازی برنامه‌ریزی استخراج و ارتقای فرآیندهای کارخانه فرآوری کمک کند.