كليدواژه :
ژئومتالورژي , مدل زمين شناسي , تغيير پذيري فضايي , عدم قطعيت
چكيده فارسي :
در پروژه هاي معدني، جنبه هاي طراحي شامل مدلسازي زمين شناسي ذخيره معدني، شيوه استخراج، روش فرآوري و در نهايت بازيابي و نرخ توليد محصول (كنسانتره) است؛ كليه اين موارد بر اقتصاد پروژه و ارزش كلي معدن تاثير گذار هستند. براي طراحي مدل ذخيره معدني، به طور معمول از پارامترهاي عيار، تناژ و ميزان تناژ بالاتر از عيارحد به عنوان ملاك اقتصادي استفاده ميشود كه به تنهايي نميتواند جوابگو باشد. ژئومتالورژي با تركيب اطلاعات زمين شناسي و متالورژي، امكان توليد يك مدل پيش بيني كننده فضايي را براي خطوط فرآوري معدني فراهم ميكند. اين زمينه نوظهور، با هدف تلفيق پارامترهايي از جمله سختي، قابليت خردايش، بازيابي، درجه آزادي و بافت كانيها، عيار عناصر و غيره تعريف شده است. مدلسازي ژئومتالورژيكي نيازمند توسعه يك ماتريس سه بعدي به صورت يك الگوي X-Y-Z كه دو محور آن نشانگر عوامل زمين‌شناسي (از جمله نوع سنگ‌شناسي و دگرساني) و محور سوم نشانگر پارامترهاي بحراني (از جمله سختي، بافت، درجه آزادي كانه، توزيع عناصر مزاحم و نظاير آن) است كه در پهنه بندي كانسار از نظر خواص متالورژيكي حائز اهميت است. بهمنظور اجراي مدلسازي متالورژي، توزيع فضايي پارامترهاي خروجي معدنكاري، به صورت يك تابع (رابطه) غيرخطي از پارامترهاي ورودي و با توجه به رابطه بين مقياس نمونه برداري در حالتهاي كوچك مقياس (آزمايشگاهي)، متوسط مقياس (نيمه‌صنعتي) و بزرگ مقياس (صنعتي)، تعيين شده است. الگوريتم پيشنهادي، بيانگر برتري به كارگيري رويكرد «زنجيره ارزش» در مدلسازي ژئومتالورژي در مقايسه با رويكرد رايج منطق مرحله اي در برنامهريزي معدني است.
چكيده لاتين :
Design aspects of the mining projects, including resource geological modelling, mining methodology, mineral processing and production rates have a significant impact on the project economics and overall value. To generate a resource model, typically tonnes, grade and the tonnes/grade above the cut-off are applied as the economic criterion, which are not adequate alone. Geometallurgy combines geological and metallurgical information to provide spatially-based predictive model for mineral processing plants. This novel field has been introduced to integrate the various parameters such as hardness, grindability, recovery, liberation, concentrations, mineral texture, etc. Geometallurgical modeling requires to develop matrix an x-y-z plot where two of the axes represent geological factors (e.g., rock type and alteration) and the third axis represents critical parameters (hardness, texture, liberation degree of ore, distribution of penalty elements, etc.) that plays an important role for deposit domaining. The spatial distribution of response parameters is determined based on the primary parameters, which must consider nonlinear relationships and conversion scales between the experimental, pilot or industrial modes. The proposed algorithm represents a “value chain” approach in geometallurgical model compared to the common concept of mine planning evaluations.
