خرید و دانلود نسخه کامل کتاب The value of automated mineralogy

توضیحاتی در مورد کتاب

مهندسی معدنی #58 (2014) صفحات 100-103

روش‌ها و ابزارهای کانی‌شناسی خودکار، مانند Mineral Liberation Analyzer (MLA) و QEMSCAN، در حال حاضر به طور گسترده استفاده می‌شوند. برای خصوصیات سنگ معدن، طراحی فرآیند و بهینه سازی فرآیند استفاده می شود. چندین مطالعه موردی که اخیراً منتشر شده است نشان می‌دهد که دستاوردهای بزرگی را می‌توان از طریق بهینه‌سازی آسیاب و فلوتاسیون که توسط داده‌های کانی‌شناسی خودکار هدایت می‌شود، به دست آورد. با این حال، از آنجایی که کانی‌شناسی خودکار فقط می‌تواند اطلاعاتی را ارائه دهد که نشان می‌دهد در کجا می‌توان دستاوردهای فرآیند را به دست آورد، به طور مستقیم بر سود تولید تأثیر نمی‌گذارد. بنابراین اغلب این سوال مطرح می شود: چگونه می توان سهم کانی شناسی خودکار را در بهبود فرآیند در یک کارخانه خاص ارزش گذاری کرد. به نظر می رسد پاسخ به این سوال دشوار باشد. با این حال، با بررسی دقیق، مشخص شد که این اساساً یک سؤال در مورد ارزش اطلاعات است و این به طور منطقی در صنایع مختلف دیگر به خوبی مستند شده است. هابارد (2010) در فصل 7 “اندازه گیری ارزش اطلاعات” دقیقاً به این نوع مشکل پرداخته است. ارزش اطلاعات کاهش ریسک سرمایه گذاری و از دست دادن فرصت است. روش هایی که هابارد توسعه داده می تواند برای تخمین ارزش کانی شناسی خودکار، و همچنین آزمایش متالورژی، هر دو اطلاعاتی را تولید می کنند که ریسک سرمایه گذاری را کاهش می دهد.
این مقاله ابتدا نظریه هابارد را در مورد ارزش اطلاعات و نحوه اندازه گیری آن معرفی می کند و سپس روش های او را برای تخمین به کار می گیرد. ارزش کانی شناسی خودکار، با استفاده از پروژه سنگ زنی ریز آنگلو پلاتینوم به عنوان مثال، در پایان، یک مدل کلی توسعه داده شده است تا امکان شبیه سازی مقدار کانی شناسی خودکار در عملیات معدنی مختلف را با پارامترهای مختلف محدود کند.