ارايه رويكردي جهت ارزيابي ريسك در معادن روباز با استفاده از روش FAHP و Fuzzy TOPSIS

An Approach for Risk Assessment in Open Pit Mines Using FAHP & Fuzzy TOPSIS Methods

معدنكاري به دليل ويژگي هاي خاص خود از جمله صنايع پر مخاطره بوده و ارزيابي ريسك يكي از مهم‌ترين مراحل مديريت پروژه محسوب مي‌شود. هدف از اين تحقيق ارايه رويكردي جهت شناسايي و رتبه بندي ريسك ها در معادن روباز است. رتبه بندي يك مسيله تصميم گيري چند شاخصه است. به منظور شناسايي ريسك ها از روش ساختار شكست ريسك و جهت رتبه بندي از روش Fuzzy TOPSIS استفاده شده است. در اين راستا ابتدا ساختار جامعي از ريسك ها در معادن روباز در قالب 20 سطح اصلي و 117 زير سطح تهيه شده است. سپس شاخص هاي متعددي شامل احتمال وقوع، اثر بر اهداف پروژه (زمان، هزينه، كيفيت و محدوده)، مديريت پذيري، تناوب تكرار، ميزان كشف، نزديكي وقوع و سطح اطمينان ريسك جهت رتبه بندي عوامل ريسك تعيين گرديد. از اين رويكرد جهت ارزيابي ريسك معدن طلاي زرشوران به عنوان بزرگ‌ترين معدن طلاي كشور استفاده گرديد. در اين معدن ريسك هاي بازار، ژيوتكنيكي، اقتصادي و سياسي به ترتيب به عنوان مهم‌ترين ريسك‌ها شناسايي شده اند.

Mining due to its specific characteristic is considered as a hazardous industry. Risk assessment is one of the most important project management procedures. The aim of this research is to present an approach for identification and ranking risks in the open pit mines. Ranking is a multi-attribute decision making. In order to identify the risks, risk breakdown structure method and ranking risks by Fuzzy TOPSIS method is implemented. First a comprehensive structure of risks in open pit mines in the frame work of 20 main levels and 117 sublevels is designed. Then different indices such as “probability”, “impact on project objectives (time, cost, quality and performance)’’, “manageability”, “continually repeating”, “exposure”, “proximity”, “ confidence level” for ranking of risk issues are determined. This approach is applied for risk assessment of Zarshuran Gold Mine as one of the biggest goldmines in Iran. In this mine, marketing, geotechnical, economic and political risks have been identified as the most significant risks, respectively.