پایان نامه بررسی و اصلاح سیستم نمونه برداری و موازنه ی جرم در کارخانه ی فرآوری مگنتیت گل گهر سیرجان

پایان نامه

برای دریافت درجه­ کارشناسی ارشد

مهندسی معدن-گرایش فرآوری مواد معدنی

چکیده

کارخانه­ی فرآوری مگنتیت مجتمع گل­گهر سیرجان، شامل سه مدار خردایش خشک و طبقه­بندی، جدایش مغناطیسی خشک و خردایش و جدایش مغناطیسی تر می­باشد که تناژ خوراک ورودی به کارخانه 450 تن بر ساعت و تناژ کنسانتره نهایی (کنسانتره تر و خشک) آن، 200 تن بر ساعت است. تعداد گره­ها و جریان­ها به منظور موازنه جرم در مدار خردایش خشک و طبقه بندی و جدایش مغناطیسی خشک به ترتیب 4 و 8  عدد و در مدار خردایش و جدایش مغناطیسی تر، به ترتیب، 9 و 16 عدد می­باشد. در این تحقیق، ابتدا نرخ جریان­های نامعلوم، با استفاده از داده­های به دست آمده از طریق نمونه برداری دستی از جریان­های قابل دسترسی در حالت پایدار و در شیفت­های مختلف کاری کارخانه، محاسبه و سپس با استفاده از تکنیک سازگارکردن داده­ها، نتایج به دست آمده تصحیح و در نهایت وزن جزء نمونه­ها و پارامترهای سیستم نمونه­برداری بهینه محاسبه شده است. مسئله سازگارکردن داده­ها در این تحقیق، غیرخطی می­باشد. پس از موازنه جرم، سازگار کردن و تصحیح مقادیر عیار و تناژ اندازه­گیری شده، با استفاده از رویکردهای مختلفی شامل حل معادلات ماتریسی در نرم افزار متلب با استفاده از روش­های تحلیلی خطی و عددی غیرخطی کلاسیک و فرا ابتکاری (همچون الگوریتم ژنتیک و روش ترکیبی)، روش­های دو خطی کرو، ماتریس پروژکشن و سیمپسون (با استفاده از جریان­های اندازه­گیری نشده 1، 3، 11 و 14) و روش تصحیح داده­ها در نرم افزار موازن برای تشخیص داده­های پرت و حذف آن­ها، انجام شده است. در ادامه، برای نقاط مهم و ضروری در مدار فرآوری مگنتیت، وزن، تعداد و فاصله­ی زمانی اخذ جزء نمونه­ها، با استفاده از روش واریوگرام، محاسبه شده است. در این تحقیق، نشان داده شد که روش ترکیبی برای هر سه مدار کارخانه، بهترین نتایج کمینه سازی را در بر دارد به عنوان مثال، مقدار ماکزیمم خطای برقراری شروط، با روش ترکیبی برای مدار خردایش و جدایش مغناطیسی تر از 730/1310 به 12-10×364/1 واحد، کاهش یافت. به علاوه، مقدار بازیابی تخمینی کل در مدار خردایش و جدایش مغناطیسی تر، از 93/86 درصد به 22/96 درصد افزایش یافت.

کلمات کلیدی: موازنه ­ی جرم ، سازگا رکردن داده ­ها، روش ترکیبی ، وزن جزء نمون ه، سیستم نمونه ­برداری، گل­گهر.

- مقدمه

در کارخانه­های کانه­آرایی، اعتبار داده­های اندازه­گیری شده و جامع بودن آن­ها، نقش اساسی در ارزیابی صحیح از سیستم ایفا می­کند؛ به طوری که داده­های نامعتبر ممکن است مسئولین را به کلی در تصمیم­گیری­ها دچار اشتباه نماید. از طرفی، در یک کارخانه فرآوری، اندازه­گیری­ها همواره دارای خطا هستند؛ از این رو لازم است قبل از استفاده داده­های اندازه­گیری شده تصحیح شوند. به علاوه، در بسیاری اوقات، اندازه­گیری­ برخی داده­ها، از جریان­های کارخانه، به لحاظ برخی محدودیت­های فنی یا اقتصادی، امکان ­­پذیر نمی­باشد. به عنوان مثال، در اغلب کارخانه­های فرآوری، اکثر نرخ ­های جریان[1]، اندازه­گیری نمی­شوند؛ لذا مقادیر این گونه داده­ها باید به نحوی تخمین زده شوند ]1[. به طور کلی، داده­های اندازه­گیری شده و اندازه­گیری نشده، هر کدام، به دو دسته تقسیم می­شوند ]2[:

 1- داده­های اندازه­گیری شده

قابل تعدیل: یک متغیر اندازه­گیری شده زمانی قابل تعدیل است که مقادیر آن­ها می­تواند تحت نظر مدل موازنه جرم به صورت بهینه اصلاح شود (افزونه[2]) که اصطلاحأ افزونگی داده­ها نامیده می­شود.

داده تعیین شده (غیر قابل تعدیل مثلأ توسط سیستم­های توزین و...): زمانی که از قبل دبی جریان­ها اندازه­گیری شده باشد و به وسیله روش تلفیق داده­ها امکان اصلاح ندارند.

2- داده­های اندازه­گیری نشده

داده قابل مشاهده[3]: یک داده زمانی قابل مشاهده است که بتواند با استفاده از مدل موازنه جرم و مقادیر اندازه­گیری­ شده در حالت پایدار، تخمین زده شود.

داده غیر قابل مشاهده[4]: یک داده زمانی غیر قابل مشاهده است که با استفاده از داده­های اندازه­گیری­ شده موجود و معادلات موازنه جرم در حالت پایدار، نتواند تخمین زده شود.

سازگارکردن داده­ها[5] به عنوان بخشی از مسئله­ی موازنه جرم، ممکن است تنها شامل تصحیح داده­های معلوم (تناژ و عیار) باشد و یا اینکه قبل از تصحیح داده­ها، محاسبه تناژ و عیارهای مجهول را نیز انجام دهد]2[.

هدف از این فصل، تشریح اهداف موازنه جرم، مزایا و روش­های حل مسئله موازنه جرم در مدارهای فرآوری و بیان روش­های مختلف سازگارکردن داده­ها به صورت پایا[6] است. یک واحد عملیاتی نسبت به متغیرهای عملیاتی در حالت پایا است؛ اگر متغیرهایش با زمان تغییر نکنند. به عنوان مثال در یک واحد خردایش در حالت پایا، نباید توزیع ابعادی خوراک و دبی آن، نسبت به زمان نوسان داشته باشد. اگر گفته شود، آسیا در حالت پایا کار می­کند، نباید هیچ متغیر عملیاتی آسیا، نسبت به زمان تغییر کند و بنابراین، محصول آسیا نیز باید با دبی و توزیع ابعادی ثابتی به دست آید. در روش­های پایا که موضوع این تحقیق است، بسته به شکل معادله شرط، مسئله سازگارکردن ممکن است به صورت خطی[7]، دو خطی[8]، یا غیرخطی[9] باشد. با توجه به اینکه شروط لازم برای حل مسئله سازگارکردن داده­ها به صورت معادله یا نامعادله نوشته می­شوند، می­توان این شروط را به صورت زیر تفکیک کرد]2[:

1- معادله (شروط مساوی)

بقای جامد: با توجه به این­که این شرط، به صورت حاصلضرب ماتریس ارتباط[10]  گره و جریان، در ماتریس تناژهای جامد که یک متغیر محسوب می­شود، نوشته می­شود، خطی می­باشد.

بقای فلز: به صورت حاصلضرب ماتریس ضرایب در ماتریس تناژها و عیارها (هر دو متغیر) نوشته می­شود و بنابراین دو خطی محسوب می­شود.

2- نامعادله: در نظر گرفتن شروط به صورت یک نامساوی.؛ به عنوان مثال عیار جریان خوراک کوچک­تر یا مساوی عیار جریان کنسانتره باشد. به طور کلی شروط نامساوی، حل مسئله سازگارکردن داده­ها را غیرخطی می­کنند. بنابراین با دخیل کردن نامعادلات به عنوان شروط نامساوی حالت غیرخطی پیش می­آید. با توجه به مفاهیم فوق، مسئله سازگارکردن داده­ها زمانی خطی است که مدل­ها خطی بوده و همه­ی متغیرها اندازه­گیری شده باشند، یا متغیر اندازه­گیری نشده نیز وجود داشته باشد. در حالتی که متغیرها اندازه­گیری نشده باشند، اصطلاحأ خطی سازی[11] برای ساده­تر شدن حل مسئله سازگارکردن داده­ها، انجام می­شود که در ادامه به تفصیل مورد بررسی قرار گرفته است.

مسئله، زمانی دو خطی است که همزمان از دو متغیر تناژ جامد و عیار در تابع شرط به صورت حاصلضرب دو متغیر، استفاده شود. بنابراین روش دو خطی یک نوع روش غیرخطی نیز محسوب می­شود و زمانی غیرخطی است که شروط نامساوی یا نامعادلات در مسئله وجود داشته باشند]2[.

در این تحقیق، روش­های مورد استفاده برای سازگارکردن داده­های اندازه­گیری شده در حالت پایا و به روش غیرخطی عبارتند از: روش­های تحلیلی، کلاسیک، فرا ابتکاری (الگوریتم ژنتیک و روش ترکیبی). هر کدام از این روش­ها، شروطی برای حل مسئله به روش عددی در نظر گرفته و سعی در کمینه کردن تابع مجموع مربعات یا تابع هدف[12] و مینیمم کردن خطای برقراری شروط[13] به منظور سازگارکردن داده­ها یا خطایی که به ازای آن شروط در حل مسئله کمینه­سازی برقرار می­شوند، را دارند. در مرحله بعد با در نظر گرفتن داده­های اندازه­گیری نشده، سازگارکردن داده­ها با استفاده از روش­های دو خطی کرو، ماتریس پروژکشن و سیمپسون[14] انجام می­شود. لازم به ذکر است که روش کرو و سیمپسون با استفاده از خطی سازی مناسب، مسئله را حل می­کنند.  

به منظور بررسی میزان حساسیت موازنه جرم به داده­ها با توجه به محتوای اطلاعاتی آن­ها، انواعی از آنالیز حساسیت داده­های سازگار شده با استفاده از مقدار تصحیح استاندارد شده داده­ها و میزان اریب بودن و انحراف داده­ها از حالت استاندارد]1[، نیز در این فصل معرفی شده است. همچنین در این فصل روش واریوگرام به منظور تعیین تعداد جزء نمونه­های لازم در قسمت­های مختلف مدارهای فرآوری، با در نظر گرفتن سطح اطمینان مهندسی و تعیین خطای روش­های نمونه برداری مختلف، اعم از سیستماتیک، ردیفی تصادفی و تصادفی]3[، معرفی شده و در پایان مثال­هایی ارائه شده است.    

برای کنترل عملیات و تنظیم آن در یک کارخانه کانه­آرایی و به منظور دستیابی به شرایط مناسب، لازم است بار موجود در مسیرهای مختلف کارخانه، طبق برنامه از نظر کیفی و کمی تحت بررسی قرار گیرد. این امر مستلزم در اختیار داشتن نمونه­هایی است که معرف بار موجود در آن مسیرها باشند ]1[. در تمامی کارخانه­های فرآوری مواد معدنی، نمونه­برداری صحیح از جریان­های مختلف کارخانه، راهی متداول و شناخته­ شده برای آگاهی از نحوه­ی توزیع و کیفیت مواد معدنی، در بخش­های مختلف کارخانه است و معمولاً اطلاعات و داده­های بدست آمده از نمونه­برداری، مبنای هر گونه تصمیم­گیری و اقدامات بعدی برای افزایش بهره­وری و کارآیی کارخانه می­باشد. لذا موفقیت عملیات­هایی از قبیل مدل­سازی، کنترل، عیب­یابی، بهینه­سازی و ....، به طور مستقیم به چگونگی نمونه ­برداری و سطح اطمینان داده­های بدست آمده از عملیات نمونه ­برداری بستگی دارد. بنابراین در اجرای هر نوع نمونه­گیری از کارخانه­های کانه­آرایی، باید ضمن آگاهی از انواع مختلف خطاهای نمونه­ برداری که ممکن است در مراحل مختلف و به دلایل متفاوت بروز کند، دقت شود تا حتی­الامکان از بروز خطای فاحش[15] جلوگیری شود، تا اطلاعات حاصله دارای صحت کافی باشند و بتوان با اطمینان بر اساس آن­ها تصمیم­های لازم را اتخاذ نمود ]1[.

با پیشرفت روش­های کامپیوتری و ابزارهای نمونه­برداری و اندازه­گیری در اکثر کارخانه­های فرآوری مواد معدنی، معمولاً حجم زیادی از داده­ها در هر شیفت جمع­آوری می­شوند. برای استفاده بهینه از این اندازه­گیری­ها، لازم است تا یک سری روش­های ریاضی و آماری، به کار گرفته شوند تا علاوه بر تصحیح مقادیر اندازه­گیری شده، متغیر­های اندازه­گیری نشده نیز از طریق مقادیر اندازه گیری شده، تخمین زده شوند؛ به عبارت دیگر، در این روش­ها داده­هایی که از منابع مختلف (آزمایشگاه، سیستم­های اندازه­گیری برخط[16] یا دستی[17]) حاصل می­شوند، پردازش شده و به اطلاعات با اعتبار بیشتر، تبدیل می­شوند. از این اطلاعات می­توان به منظور مدیریت بهتر کارخانه، کنترل و بهینه­سازی عملیات، مدل­سازی فرآیندها، بررسی عملکرد تجهیزات مختلف، تعمیر حسگرهای اندازه­گیری و بسیاری از عملیات دیگر استفاده نمود ]1[. مهم‌ترین ویژگی داده­های اندازه­گیری شده از یک مدار فرآوری مواد معدنی، موازنه بودن آن­ها است؛ ولی اغلب به دلایل مختلف، از جمله، عدم پایداری[18] سیستم، هنگام نمونه­برداری، وجود خطا در مراحل مختلف نمونه برداری، آماده­سازی و آنالیز نمونه­ها، این امر حاصل نمی­شود. در یک روش موازنه­ی جرم جامع، ابتدا با توجه به متغیرهای اندازه­گیری شده و قیدهای بقای جرم، متغیرها، طبقه بندی شده و مسئله به چند مسئله کوچک‌تر افراز می­شود. سپس خطاهای سیستماتیک که روش­های آماری تصحیح داده­ها را بی اعتبار می­سازند، مشخص شده و داده­های دارای این نوع خطا، مورد بازبینی مجدد قرار گرفته و یا از مجموعه­ داده­های دخیل در موازنه­ی جرم، حذف می­شوند. در نتیجه، مقادیر اندازه­گیری شده، تصحیح و متغیرهای اندازه­گیری نشده­ی تناژ و عیار، تخمین زده می­شوند

Abstract

Gol-e-Gohar magnetite concentrate production plant contains three circuits of dry grinding and classification, dry magnetic separation and wet grinding and magnetic separation. Feed flowrate is 450 t/h and final concentrate flowrate is 200 t/h. Number of nodes and streams in dry grinding and classification and dry magnetic separation circuits is 4 and 8, and in wet grinding and magnetic separation circuit is 9 and 16, respectively. In this research, first, unknown flowrates is calculated by using of obtained data of manual sampling in steady state and in plant different shifts and then obtained results is reconciled by using the data reconciliation technique and weight of increments and optimum sampling system parameters are calculated. In this research, data reconciliation problem is nonlinear. After the mass balancing, data reconciliation and correction of measured grade and flowrate values is performed by using of different approaches consist of solving the matrix equations in Matlab software by linear analytical and classic nonlinear numerical and metaheuristic (genetic algorithm and hybrid) methods,  bilinear methods contain of Crowe, matrix projection and Simpson methods (by using the unmeasured streams of 1, 3, 11 and 14) and data reconciliation method in Movazen software for determination of faraway data and them elimination. in continuation, weight of increments, time interval of taking them and number of increments is calculated by using of variogram method. In this research, it is showed that hybrid method for each three plant circuit is contains of the best minimization results, for example, maximum constraints violation by hybrid method for wet grinding and magnetic separation circuit was reduced from 1310.730 to 1.364 × 10-12. In addition, total recovery in wet grinding and magnetic separation circuit was increased from 86.93% to 96.22%.       

Keywords: Mass balance, Data reconciliation, Hybrid method, Weight of increments, Sampling system, Gol-e-Gohar.