آزمایشگاه شبیه سازی و پردازش داده ها - mine- دانشکده مهندسی معدن
گرایش های دانشکده
توضیحات آزمایشگاه :
دراستای افزایش ارتباط بین صنعت و دانشگاه و کاربردی کردن و جهت دهی طرح های پژوهشی بسته به نیاز معدن کشور آزمایشگاه شبیه سازی و پردازش داده در دانشکده مهندسی معدن دانشکده فنی در دانشگاه تهران تاسیس شده است.
این آزمایشگاه برای پیشبرد و توسعه کاربرد زمین آمار در ارزیابی ذخایر معدنی، ژئومتالورژی، شبیه سازی کانسارو رخساره های زمین شناسی، داده های ژئوفیزیک و مخزن و تکنیک های پیش بینی عملکرد مخزن آغار به کار کرده است. کاربرد زمین آمار در حوزه های یاد شده به خوبی توسط محققین در این بخش شناخته شده است و لذا این آزمایشگاه برای ارتقاء عملکرد خود و تعامل بیشتر با آزمایشگاه ها و پژوهشکده های مرتبط به طور گستردهای آماده همکاری با شرکت های معدنی و موسسات تحقیقاتی مرتبط میباشد.
از زمینه های پژوهشی آزمایشگاه به موارد زیر میتوان اشاره کرد.
- ارزیابی زمین آماری ذخایر معدنی
- توسعه و بکارگیری روشهای زمین آماری در نفت، محیط زیست، مکانیک سنگ و ...
- مدلسازی ژئومتالورژیکی
- نمونه برداری معدنی و طراحی بهینه شبکه حفاری
- مدل سازی واحدهای زمین شناسی (نفت و معدن)
- شبیه سازی و ارزیابی ریسک در طراحی و بهره برداری معادن
زمینه های پژوهشی
زمینه های پژوهشی و تحقیقاتی آزمایشگاه شبیه سازی و پردازش داده ها به قرار زیر می باشند:
- ارزیابی زمین آماری ذخایر معدنی
- ژئومتالورژی
ژئومتالورژی مربوط به اجرای ترکیب زمینشناسی، زمینآمار با متالورژی یا بطور دقیقتر متالورژی استخراجی، به منظور ایجاد یک مدل پیشبینی فضایی یا زمینشناسی برای کارخانه فرآوری مواد معدنی است. مشکلات زیادی وجود دارد که میتواند در طی عملیات معدنکاری رخ دهد اما مطمئناً تغییرپذیری (تنوع) کانسنگ و عدم درک صحیح آن از بزرگترین مشکلات است که باعث میشود به انتظارات موردنظر در فرآیند تولید دست نیافت. ذخایر معدنی در طبیعت ناهمگن هستند و تغییرپذیری در ویژگیهای زمینشناسی و کانیشناسی اغلب شدید است. این مسأله میتواند منجر به واریانس شدید پاسخ سنگ به عملیات استخراج و بخصوص فرآیند فرآوری موادمعدنی شود. یک رویکرد یا روش ژئومتالورژی به تعیین کمی تمام تغییرپذیری قابل توجه و سپس توسعه برنامهای برای مقابله با آن کمک میکند.
کاربرد ژئومتالورژی
چهار حوزه کلیدی متأثر از ژئومتالورژی که تا به حال شناخته شده است عبارت است از :
- طراحی مراحل فرآوری کانسنگ و فلوشیت فرآوری
- بهینه سازی اندازه تجهیزات کارخانه با توجه به محدودیت های سنگ معدن و هزینه های عملیاتی
- پیش بینی و بهینه سازی عملکرد معدن و کارخانه فرآوری
- کاهش ریسک در مراحل امکان سنجی، تولید و بهره برداری
کانسارهایی که مدل سازی ژئومتالورژی در آنها ضرورت دارد:
از جمله پروژه هایی که مدل سازی ژئومتالورژی در آنها بسیار مفید بوده و ضرورت دارد عبارت ار:
- کانسارهایی که تغییرپذیری بالا دارند و یا زون بندی شدید دارند.
- کانسارهای عمیقی که نمونه گیری بالک از آنها مشکل و در عوض مغزه گیری از آنها آسان است.
- کانسارهایی که به روشهای پیچیده و جدید فرآوری مواد معدنی دارند.
- پروژه های اکتشافی به منظور گسترش و توسعه کانسار و معدن به منظور بهرهبرداری از ذخایر عمیق و مجاور.
- بررسی مجدد پروژه ها ومعادن غیر فعالی که میزان قابل توجهی از مغزه های حفاری شده از آنها در دسترس است با توجه به شرایط اقتصادی جدید.
زمین آمار
واژه آمار فضایی[1] برای توصیف روشهای به کار میرود که به بررسی رفتار متغیرهایی در ارتباط با فضا میپردازند. زمینآمار هم در واقع بخشی از آمار فضایی به حساب میآید .کرسی 1993 زمین آمار را به عنوان یکی از سه بخش تحلیل داده های فضایی بیان می کند و آنرا در کنار روشهای آنالیز الگوی نقطهای[2] ( تمرکز بر روی الگوی نقاط) و آمار شبکهای[3] (الگوی پلیگونی) قرار می دهد.
زمین آمار علمی است که به پیش بینی عددی متغیرهای طبیعی در فضا یا زمان-فضا کمک میکند. برای مثال می توان به متغیرهای زیر اشاره کرد.
- عیار ماده معدنی
- عمق یا ضخامت یک لایه زمین شناسی
- تخلخل یا نفوذ پذیری یک محیط متخلخل
- تراکم یا پراکندگی درختان در یک جنگل
- خواص خاک یک منطقه
- خواص ژئومکانیکی سنگ مانند مقاومت، الاستیسیته، تخلخل و ...
برای اطلاع از وضعیت این متغیرها یا باید اطلاعات همه محیط را استخراج کرد و یا از محیط نمونه برداری نمود که در این صورت تنها اطلاعات بخش کوچکی از محیط برای ما روشن میشود و برای اطلاع از دیگر بخشها یا باید تعداد نمونه ها را بیشتر کنیم و یا با روشهایی مقدار متغیر مورد نظر را در آن موقعیتها بدست بیاوریم. از آنجا که بالابردن تعداد نمونهها به دلایل مختلفی مانند زمان و هزینه برای ما چندان خوشایند نیست؛ بنابراین به دنبال روش یا روشهایی هستیم که بتوانیم مقدار متغیر را به طور غیر مستقیم و با صرف هزینه و زمان کمتری بدست بیاوریم. گرچه با این کار ممکن است مقداری خطا در محاسبات ما وارد شود اما اگر مقدار خطا در حد معقول باشد قابل چشم پوشی است.
یکی از مهمترین شرایط خاص در علوم زمین نسبت حجم نمونه ها به حجم محیط تخمین است، به عبارتی مقدار اطلاعاتی که ما از محیط داریم نسبت به اطلاعاتی که میخواهیم آنها را بدست بیاوریم بسیار کم است برای مثال در یک پروژه که برای بررسی شکستگیهای یک مخزن نفتی انجام شده است حجم نمونههایی که از نمونه برداریهای مختلف بدست آمده نسبت به کل حجم مخزن به شرح زیر بوده است:
نمونه های مغزه: 1*10e-9
نمونه های خرده حفاری: 7*10e-9
نمونه های چاه پیمایی: 1*10e-6
با وجود چنین شرایطی ابزار مورد استفاده در این موارد باید بسیار دقیق و در عین حال کارآمد و قابل انعطاف باشد و همچنین باید پذیرفت که پیش بینی و اظهار نظر در مورد این متغیرها همواره با درجهای از عدم قطعیت[4] همراه خواهد بود. زمینآمار را میتوان کاربرد روشهای مبتنی بر آمار در مورد متغیرهای ناحیهای[5] تعریف کرد، که میتواند به بررسی این عدم قطعیت ها در محیط بپردازد. تاریخچه کاربرد این روشها را می توان در کارهای ماترون[6]، گاندین[7] (هواشناسی)، ماترن[8]( جنگل بانی)، کریج[9] و ویج[10] (معدن) و ... پیدا کرد.
مسائل و کاربردهای زمین آمار:
مسائلی که در زمین آمار به آن پرداخته می شود بسیار متنوع و وابسته به تخصص کاربر است برای مثال تعیین عیار در کانسنگ، تفکیک رخساره های زمین شناسی، تعیین تراکم درختان در جنگل، تخمین شکستگی های یک مخزن نفتی، تخمین ارتفاع برای رسم نقشه های هم تراز، شبیه سازی مسیر رودخانه ها، تعیین محل بهینه برای احداث کارخانه و سد و ... همه و همه در حوزه تخصص علم زمینآمار می توانند بررسی شوند.
بر اساس تحقیقات فهرستی[11] که توسط زهو[12] و همکاران 2007 و هنگل[13] و همکاران 2009 صورت گرفته است ده کاربرد عمده زمین آمار به طور کلی به این صورت بیان شده است: (1) علوم زمین، (2)منابع آب، (3) محیط زیست، (4)کشاورزی و علوم خاک، (5)ریاضیات، (6)آمار، (7)اکولوژی، (8)مهندسی عمران، (9)مهندسی نفت و (10) هواشناسی.
کریاکدیس[14] و همکاران 1999 و هنگل و همکاران 2008 اظهار کردهاند که زمینآمار تنها به بررسی دادههای نقطهای نمی پردازد ر و سمت دادههای GIS (دادههای شیئ مبنا) در حال گسترش است ( کاربردهایی مثل کمی کردن نویزها در کل تصویر یا استفاده در فیلترینگها). در معدن کاربرد زمین آمار گستردهتر است، متخصصین معدن میتوانند برای هر یک از کاربردهای زیر از زمین آمار استفاده کنند.
تخمین کلی عیار:
در این باره از زمین آمار برای تعیین تناژ کلی ماده معدنی برجا استفاده میشود. استفاده از زمین آ مار به دلیل دقت مناسب و امکان برآورد دقیق خطا در آن نسبت به روشهای دیگر توصیه میشود که با کمک آن می توان تخمین نسبتا خوبی از کل تناژ، عیار میانگین، عیار هر بلوک و دیگر پارامترهای ذخیره بدست آورد
خطای تخمین:
در اکثر روشهای زمین آماری این امکان وجود دارد که در هر بلوک علاوه بر بدست آوردن مقدار تخمینی واریانس یا همان خطای تخمین هم محاسبه شود و در واقع برای مقدار متغییر در هر موقعیت یک توزیع نرمال با میانگین مقدار تخمینی و واریانس برابر واریانس تخمین آن نقطه بدست می آید.
تعیین فاصله بهینه نمونه برداری (حفاری ها):
از آنجا که واریانس تخمین به مدل واریوگرام و همچنین فاصله نمونهها از هم بستگی دارد و نه مقدار متغییر در نقاط نمونه برداری با استفاده از زمین آمار به راحتی میتوان ابعاد شبکه نمونهبرداری را با توجه به خطای بهینه بدست آورد و شبکه را طراحی کرد.
تخمین ذخیره یک بلوک:
گاهی لازم است علاوه بر تخمین کلی عیار و ذخیره کلی کانسار به صورت بلوک به بلوک (این بلوکها می توانند بلوکهای استخراجی و یا بلوکهای مربوط به یک شیفت کاری باشند) هم تخمین صورت گیرد که در زمین آمار این امکان وجود دارد. علاوه بر این با زمین آمار امکان تخمین متغیرهای کیفی[15] را هم فراهم میکند؛ متغیرهایی مانند خاکستر و گوگرد در زغال و سیلیس و فسفر برای آهن .
نقشههای هم مقدار[16]
امروزه به دلیل دقت بالای روشهای زمین آماری نسبت به دیگر روشهای تخمین و درونیابی در تخمین ارتفاع برای رسم نقشه های توپوگرافی از روشهای زمین آماری استفاده می کنند. با این روش ابتدا ارتفاع نقاط را در یک شبکه منظم بدست آورده و سپس اقدام به تعریف خطوط هم مقدار با توجه به آنها می کنند.
شبیه سازی یک کانسار برای پیشنهاد برنامه تولید
به دلیل اثر نرم شدگی[17] در نتایج کریجینگ استفاده از نتایج این تخمین گر برای تهیه برنامه معدن با خطا همراه خواهد بود ( مقادیر بالا و پایین به خوبی بازتولید نمی شوند) لذا برای این کار باید از نتایج شبیه سازی استفاده کرد که به دلیل نرم شدگی کمتر انتظار میرود به واقعیت نزدیکتر باشند.
تخمین متغیرهای شاخص:
گاهی متغیرهایی که با آنها مواجه ایم خاصیت گسسته دارند مثل وجود یک واحد سنگی، در این موارد مایل به تصمیم گیری درباره وجود یا عدم وجود این واحد سنگی در موقعیت های مختلف هستیم و یا اینکه توزیع پیوسته یک متغیر را به وسیله عیار حد خاصی به دو دسته ماده معدنی و باطله تقسیم کردهایم و میخواهیم برای هر نقطه فقط مشخص کنیم که در کدام دسته قرار میگیرد. در این موارد و موارد مشابه با یک تابع شاخص مواجه هستیم که تابعی غیرخطی از متغیر مورد نظر است.کریجینگ انفصالی[18] تکنیکی است غیر خطی بر اساس مدل سازی دقیق توزیع های تک متغیره که با دقت خوبی قادر به تحلیل این مسائل می باشد.
نمونه برداری معدنی
نمونه برداری یکی از مهمترین پارامترهای تعیین کننده دقت و صحت آزمایشات انجام گرفته در آزمایشگاه می باشد.نمونه ارسالی به آزمایشگاه بایستی براساس روشهای استاندارد برداشت شده تا نماینده واقعی نمونه ها از محدود نمونه برداری شده باشد.این موضوع در مورد نمونه های گوناگون اعم از آب،خاک،گیاه، و غیره صدق میکند.همچنین نمونه ها باید در کوتاهترین زمان ممکن و در شرایط مناسب به آزمایشگاه منتقل شوند.افزون بر این نمونه های برداشت شده بایستی توسط کارشناس آموزش دیده ومجرب برداشت گردد تا موارد گفته شده مد نظر قرار گیرد.
هر نمونه برداری به روش ویژه خود می باشد.نمونه برداری از بستر رودخانه،بستر دریا،آب دریا،نمونه برداری خاک،گیاه،مواد معدنی،نمونه برداری هوای محیط و غیره هر کدام با روش ویژه خود بایستی انجام گیرد و سپس به آزمایشگاه منتقل شود.
یکی از مراحل مهم در اکتشاف مواد معدنی نمونه برداری است که در دو مرحله Orientation Study و Geochemical Survey انجام می شود و شامل نمونه برداری از رسوب آبراههای، نمونه برداری از خاک و Calich ، نمونه برداری از سنگ(ore) و نیز ورنی بیابان(Varnish) و نمونه برداری آلوویا(کانی سنگین) می باشد.
مدلسازی واحدهای زمین شناسی
شبیه سازی زمین آماری متغیرهای تصادفی گسسته و پیوسته برای مشخص کردن ساختارهای زمین شناسی، رخساره های سنگی در ماده معدنی، ساختمان لایه های رسوبی، مناطق آبدار آبخوان ها و ... به کار برده شده است. این روشها به طور کلی در دو دسته شی مبنا و نقطه مبنا ظبقه بندی می شوند. برای شبیه سازی متغیر های گسسته روش شبیه سازی متوالی شاخص به علت سادگی و انعطاف پذیری روش محبوبی است اما به دلیل محدودیت این روش در حفظ پیوستگی ساختارهای موجود که در برخی موارد با واقعیت های زمین شناسی همخوانی ندارد کمتر مورد استفاده قرار می گیرد. دو روش پلوری گوسین[19] و شبیه سازی انفصالی به دلیل در نظر گرفتن وقایع زمین شناسی در این گونه موارد جواب بهتری به دست می دهند. برخی خصوصیات این روش عبارتند از:
- تعداد ساختارهای شبیه سازی محدودیت ندارد
- تعداد میدان تصادفی های منفصل محدودیتی ندارد
- اندازه ناحیه شبیه سازی محدودیت ندارد
- اغلب واریوگرام های معمول را پشتیبانی می کند
می توان از داده های نرم زمین شناسی در بهینه کردن مدل شبیه سازی شده استفاده کرد
خدمات
- خدمات آموزشی
- برگزاری دورههای آموزشی زمین آمار برای مهندسی معدن، نفت و محیط زیست
- برگزاری دورههای آموزشی نمونه برداری معدنی
- برگزاری دوره های ارزیابی ذخایر معدنی و تخمین ذخیره
- برگزاری دوره های آموزشی نرم افزارهای تخصصی (Datamine, SGeMS,…)
- مشاوره صنعتی
- ارائه مشاوره برای طرح های اکتشاف و تخمین ذخیره
- ارائه مشاوره برای طرح حفاری و نمونه برداری در مراحل مختلف اکتشافی
- همکاری در مدلسازی های ژئومتالورژیکی کانسار
سرپرست آزمایشگاه :
دکتر امید اصغری
دکتری: دانشگاه صنعتی امیرکبیر، مهندسی معدن - اکتشاف معدن،
پست الکترونیک: