وبلاگ

1- داده ­های اندازه ­گیری شده

• قابل تعدیل: یک متغیر اندازه ­گیری شده زمانی قابل تعدیل است که مقادیر آن­ها می ­تواند تحت نظر مدل موازنه جرم به صورت بهینه اصلاح شود (افزونه[2]) که اصطلاحأ افزونگی داده ­ها نامیده می­ شود.
• داده تعیین شده (غیر قابل تعدیل مثلأ توسط سیستم­های توزین و…): زمانی که از قبل دبی جریان­ها اندازه ­گیری شده باشد و به وسیله روش تلفیق داده ­ها امکان اصلاح ندارند.

2- داده ­های اندازه ­گیری نشده

• داده قابل مشاهده[3]: یک داده زمانی قابل مشاهده است که بتواند با بهره گرفتن از مدل موازنه جرم و مقادیر اندازه ­گیری­ شده در حالت پایدار، تخمین زده شود.
• داده غیر قابل مشاهده[4]: یک داده زمانی غیر قابل مشاهده است که با بهره گرفتن از داده ­های اندازه ­گیری­ شده موجود و معادلات موازنه جرم در حالت پایدار، نتواند تخمین زده شود.

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 می­ شود، نوشته می­ شود، خطی می­باشد.
• بقای فلز: به صورت حاصلضرب ماتریس ضرایب در ماتریس تناژها و عیارها (هر دو متغیر) نوشته می­ شود و بنابراین دو خطی محسوب می­ شود.

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 می­ شود و زمانی غیرخطی است که شروط نامساوی یا نامعادلات در مسئله وجود داشته باشند]2[.
در این تحقیق، روش­های مورد استفاده برای سازگارکردن داده ­های اندازه ­گیری 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 داده ­ها یا خطایی که به ازای آن شروط در حل مسئله کمینه­سازی برقرار می­شوند، را دارند. در مرحله بعد با در نظر گرفتن داده ­های اندازه ­گیری نشده، سازگارکردن داده ­ها با بهره گرفتن از روش­های دو خطی کرو، ماتریس پروژکشن و سیمپسون[14] انجام می­ شود. لازم به ذکر است که روش کرو و سیمپسون با بهره گرفتن از خطی سازی مناسب، مسئله را حل می­ کنند.
به منظور بررسی میزان حساسیت موازنه جرم به داده ­ها با توجه به محتوای اطلاعاتی آن­ها، انواعی از آنالیز حساسیت داده ­های سازگار شده با بهره گرفتن از مقدار تصحیح استاندارد شده داده ­ها و میزان اریب بودن و انحراف داده ­ها 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 قسمت ­های 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

خرید اینترنتی فایل کامل :

 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 نحوه­ توزیع و کیفیت مواد معدنی، در بخش­های مختلف کارخانه است و معمولاً اطلاعات و داده ­های بدست آمده از نمونه­برداری، مبنای هر گونه تصمیم ­گیری 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 داده ­های بدست آمده از عملیات نمونه ­برداری بستگی دارد. بنابراین در اجرای هر نوع نمونه گیری 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 اندازه ­گیری در اکثر کارخانه­های فرآوری مواد معدنی، معمولاً حجم زیادی از داده ­ها در هر شیفت جمع­آوری می­شوند. برای استفاده بهینه از این اندازه ­گیری­ها، لازم است تا یک سری روش­های ریاضی و آماری، به کار گرفته شوند تا علاوه بر تصحیح مقادیر اندازه ­گیری شده، متغیر­های اندازه ­گیری نشده نیز از طریق مقادیر اندازه گیری شده، تخمین زده شوند؛ به عبارت دیگر، در این روش­ها داده ­هایی که از منابع مختلف (آزمایشگاه، سیستم­های اندازه ­گیری 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 فرایندها، بررسی عملکرد تجهیزات مختلف، تعمیر حسگرهای اندازه ­گیری و بسیاری از عملیات دیگر استفاده نمود ]1[. مهم‌ترین ویژگی داده ­های اندازه ­گیری 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، آماده ­سازی و آنالیز نمونه­ها، این امر حاصل نمی­ شود. در یک روش موازنه­ی جرم جامع، ابتدا با توجه به متغیرهای اندازه ­گیری شده و قیدهای بقای جرم، متغیرها، طبقه بندی شده و مسئله به چند مسئله کوچک‌تر افراز می­ شود. سپس خطاهای سیستماتیک که روش­های آماری تصحیح داده ­ها را بی اعتبار می­سازند، مشخص شده و داده ­های دارای این نوع خطا، مورد بازبینی مجدد قرار گرفته و یا از مجموعه­ داده ­های دخیل در موازنه­ی جرم، حذف می­شوند. در نتیجه، مقادیر اندازه ­گیری شده، تصحیح و متغیرهای اندازه ­گیری 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، اندازه ­گیری­های دبی جرمی جریان مواد و کسرهای جرمی انواع گونه­ ها، معمولاً به منظور کنترل و ارزیابی عملکرد فرایند انجام می­ شود. انتظار می‌رود این اندازه ­گیری­ها، معادلات قید بقای جرم، در حالت پایدار فرایند را ارضا نمایند ]4[. با این حال، به دلیل وجود خطاهای تصادفی یا سیستماتیک در داده‌های فرایند، این قیود به طور کامل برآورده نمی­شوند. سازگار کردن داده ­ها یک تکنیک شناخته شده است که با توجه به موازنه مواد و انرژی و از طریق برآورد متغیرهای اندازه ­گیری نشده، تخمین‌هایی را ارائه می­ کند ]5و6[.