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
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[.
نسخه قابل چاپ | ورود نوشته شده توسط نجفی زهرا در 1399/10/26 ساعت 12:34:00 ق.ظ . دنبال کردن نظرات این نوشته از طریق RSS 2.0. |