پایان نامه ارشد:بررسی و اصلاح سیستم نمونه ­برداری و موازنه­ ی جرم در کارخانه­ ی فرآوری مگنتیت گل­گهر سیرجان

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 نرخ­های 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

 

پایان نامه

 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 ]1[.
کارخانه فراوری مواد معدنی از تعداد زیادی واحدهای به هم پیوسته در شبکه پیچیده­ای از جریان‌ها تشکیل شده است. در این کارخانه­ها، اندازه­گیری­های دبی جرمی جریان مواد و کسرهای جرمی انواع گونه­ها، معمولاً به منظور کنترل و ارزیابی عملکرد فرایند انجام می­شود. انتظار می‌رود این اندازه­گیری­ها، معادلات قید بقای جرم، در حالت پایدار فرآیند را ارضا نمایند ]4[. با این حال، به دلیل وجود خطاهای تصادفی یا سیستماتیک در داده‌های فرآیند، این قیود به طور کامل برآورده نمی­شوند. سازگار کردن داده­ها یک تکنیک شناخته شده است که با توجه به موازنه مواد و انرژی و از طریق برآورد متغیرهای اندازه­گیری نشده، تخمین‌هایی را ارائه می­کند ]5و6[.

هیچ نظری هنوز ثبت نشده است
نظر دهید

آدرس پست الکترونیک شما در این سایت آشکار نخواهد شد.

URL شما نمایش داده خواهد شد.
بدعالی

درخواست بد!

پارامتر های درخواست شما نامعتبر است.

اگر این خطایی که شما دریافت کردید به وسیله کلیک کردن روی یک لینک در کنار این سایت به وجود آمده، لطفا آن را به عنوان یک لینک بد به مدیر گزارش نمایید.

برگشت به صفحه اول

Enable debugging to get additional information about this error.