تخمین نرخ تولید ماشین حفاری بر اساس خواص سنگ و پارامترهای دستگاهی با پیش بینی سرعت نفوذ سرمته

حفر تعداد مشخصی چال‌ انفجاری در هر ساعت، نقش تعیین‌کننده‌ای در نرخ تولید ماشین حفاری دارد،. بنابراین باتوجه به قیمت دستگاه حفاری و بالا بودن هزینه‌های عملیاتی آنها، استفاده مفید از زمان در دسترس بودن دستگاه برای حفر حداکثر چال‌های انفجاری ممکن، از اهمیت زیادی برخوردار است. سرعت حفر چال انفجاری تحت تاثیر عوامل مختلفی از جمله خواص سنگ و ویژگی‎های دستگاه حفاری است. بنابراین با شناخت و تعیین میزان اثرگذاری عوامل موثر بر  سرعت نفوذ سرمته، علاوه‎بر افزایش راندمان ماشین می‌توان هزینه حفاری را نیز کاهش داد. در این تحقیق برای پیش‌بینی نرخ نفوذ سرمته ابتدا در معدن مورد مطالعه شاخص‎های مورد نظر مربوط ‌به 91 چال از  28 بلوک انفجاری در 9 پله استخراجی مختلف برداشت شد. سپس با استفاده از روش میدان کسینوسی، میزان حساسیت تغییرات تک‎تک شاخص‎های ورودی بر سرعت نفوذ سرمته مورد ارزیابی قرار گرفت. در نهایت با کمک آنالیز رگرسیون غیرخطی، شبکه عصبی مصنوعی و منطق استنتاج فازی مدل‌هایی برای پیش‌بینی نرخ نفوذ سرمته ایجاد شد. اعتبارسنجی مدل‌ها با استفاده از 12 سری داده آزمایشی نشان داد که مدل شبکه عصبی با ضریب تعیین 68/0 و میانگین مطلق درصد خطا 15/12 نسبت به مدل غیرخطی چند جمله‌ای درجه دوم، با دقت جزیی بیشتری می‌تواند سرعت نفوذ سرمته را پیش‌بینی کند. در ادامه با استفاده از مدل چند جمله‎ای درجه دوم، درصد بازدهی عملیاتی، قابلیت دسترسی و نرخ تولید ماشین حفاری برای یک روز کاری در سنگ‌ها با مقاومت کم، متوسط و زیاد تخمین زده شد.

کلیدواژه ها:

سرعت نفوذ سرمته ، منطق استنتاج فازی ، شبکه عصبی مصنوعی ، آنالیز رگرسیون چند متغیره ، نرخ تولید