ایران از لحاظ تنوع رنگ، گوناگونی انواع سنگ، مقاومت و غیره از کشورهای دارنده ذخایر ارزشمند سنگ‏های ساختمانی جهان به محسوب می شود. براساس آمارهای موجود، ایران با دارا بودن حدود 7/1 میلیارد تن ذخیره قطعی در انواع سنگ‏های ساختمانی (گرانیت، مرمریت، تراورتن، مرمر، چینی) در ردیف ده کشور عمده دارای ذخایر غنی سنگ‏های تزئینی و نما به حساب می‏آید. با وجود این شرایط گران بها، تدوین استراتژی و سیاست گذاری های صحیح و مورد نیاز که می تواند نقش مفیدی در ارتقاء صنعت سنگ ایران داشته باشد، امری مهم و موثر به حساب می آید. در این پایان نامه برنامه ریزی استراتژیک صنعت سنگ ساختمانی ایران با استفاده از آنالیزswot انجام شده است. پس از شناسایی عوامل کلیدی موثر بر صنعت سنگ، با استفاده از نظر کارشناسان و فعالان بخش معدن و به ویژه صنعت سنگ ساختمانی، این عوامل بررسی و تحلیل شده اند. با تحلیل این عوامل و شناسایی میزان اهمیت و نوع اثر هر عامل بر صنعت سنگ، با استفاده از ابزارهای برنامه ریزی استراتژیک (ماتریس های swot، efe، ife و ie)، موقعیت استراتژیک صنعت سنگ ساختمانی ایران شناسایی شده است. با توجه به نتایج به دست آمده از تحلیل ها و محاسبات وضعیت استراتژیک صنعت سنگ ساختمانی ایران در حالت تدافعی شناخته شد. لذا استراتژی های متناسب با حالت استراتژیک تدافعی با استفاده از ماتریس swot برای این صنعت پیشنهاد شدند. پس از تدوین، جذابیت استراتژی های طرح شده، با استفاده از تحلیل سلسله مراتبی (ahp) مورد ارزیابی قرار گرفته بر اساس مقایسه زوجی اولویت بندی شده اند.

بهینه سازی تخصیص و گسیل کامیون – شاول در معادن روباز شامل یافتن مسیرهای بهینه برای حمل مواد، میزان حمل مواد از هر یک از ایستگاه های بارگیری و گسیل لحظه ای کامیون به هر یک از نقاط بارگیری و تخلیه است، به گونه ای که حداکثر بهره وری از تجهیزات صورت گیرد. برای معادن بزرگ با چندین ایستگاه بارگیری که ممکن است بیش از یک نوع ماده معدنی استحصال شود، در شرایط واقعی مدل ها و محدودیت های تخصیص و گسیل انعطاف پذیر کامیون – شاول پیچیده تر شده، به طوری که ممکن است روش های تحقیق در عملیاتی از حل این مدل ها عاجز باشند. به همین دلیل در این تحقیق از الگوریتم ژنتیک به عنوان یکی از زیر شاخه های هوش مصنوعی که در حل مسائل بهینه سازی مشکل کابرد گسترده و موفقیت آمیزی داشته است، برای حل مسأله تخصیص و گسیل که محدودیت های زیادی نیز بر مسأله حاکم است، استفاده شده است. نگرش ویژه این تحقیق بر روی یکی از بزرگ ترین معادن ایران، یعنی معدن مس سونگون می باشد. برای این منظور با مطالعه مدل های مختلف ارائه شده برای تخصیص و گسیل، مدل ارائه شده توسط لی برای این معدن انتخاب شده است. این مدل کاستی هایی نیز داشت که در این تحقیق این کاستی ها برطرف شده و مدل توسعه داده شده با داده های برداشت شده برای یک شیفت واقعی از معدن با استفاده از الگوریتم ژنتیک حل گردید. برای مقایسه نتایج حاصل از الگوریتم ژنتیک، مدل با استفاده از نرم افزار lingo نیز حل گردید. نتایج حاصل بیانگر کارآیی بسیار مناسب الگوریتم ژنتیک برای حل مدل های تخصیص و گسیل می باشد به نحوی که تمام محدودیت های موجود در مسأله تخصیص و گسیل را نیز برآورده می سازد. همچنین نتایج حاصل از بکارگیری مدل تخصیص انعطاف پذیر توسعه داده شده لی برای معدن مس سونگون بیانگر افزایش تولید 5/27 درصد شیفت مورد نظر نسبت به روش تخصیص سنتی موجود می باشد.

در این مطالعه با هدف بررسی حساسیت ریسک طراحی معادن روباز به تغییرات ذاتی عیار ماده معدنی، کانسار سنگ آهن دردوی (یکی از کانسارهای سنگان) با استفاده از روش های شبیه سازی شرطی مورد ارزیابی قرار گرفته است. برای این منظور ساخت مدل زمین شناسی کانسار، بررسی زمینآماری و تخمین و شبیه سازی، بهینه سازی مدل های تخمینی و شبیه سازی شده به ترتیب با نرم افزارهای datamine، wingslib و npv scheduler صورت گرفته است. نتایج به دست آمده نشان از کمتر بودن نتایج مدل تخمینی نسبت به مقادیر مورد انتظار تحقق های شبیه سازی شده در مقادیر کل سنگ محتوای فازهای افزایشی، فلز قابل بازیابی، ارزش خالص و ارزش خالص فعلی به ترتیب به میزان 89/61، 19/11، 83/2 و 57/60 درصد دارد. اما مقدار ماده معدنی مدل تخمینی نسبت به مقدار مورد انتظار شبیه سازی ها به میزان تقریبی 4/5 درصد بیش تخمینی داشته است. ارزش خالص فعلی کلی پیت های نهایی برای مدل تخمینی 232 میلیون دلار و مقدار مورد انتظار تحقق ها نیز 383 میلیون دلار بوده است. میانگین عیار سنگ آهن برای مدل تخمینی نسبت به ارزش مورد انتظار شبیه سازی ها به میزان 05/14 درصد کاهش داشته است که نشان از هموارسازی مفرط مدل تخمینی دارد. بررسی همزمان گسترش محدوده های نهایی نیز نواحی بالقوه ی ریسک حداکثر نسبت به عدم قطعیت عیار را در دیواره های معدن به ویژه در دیواره ی جنوب شرقی پیت نشان داده اند. شبیه سازی ها در عمق نیز گستردگی قابل توجه ای نشان داده اند که بیشتر به کمبود اطلاعات برمی گردد و می تواند اهداف اضافه حفاری باشد. هزینه ی تولید بر فلز قابل بازیابی نیز با وجود بیش تخمینی واضح مدل تخمینی در فازهای اولیه و میانی، در محدوده ی نهایی نشان از کم تخمینی 37/2 درصدی مدل تخمینی (76/51 دلار بر تن) نسبت به مقدار مورد انتظار (22/53 دلار بر تن) تحقق های شبیه سازی شده داشته است.

با توجه به اهمیت فرآیند حفاری در معادن، لزوم برنامه ریزی و پیش بینی از شرایط پیش رو بیش از پیش احساس می شود. زون بندی توده سنگ های در بر گیرنده مواد معدنی و پیش بینی سرعت حفاری در آن با توجه به حجم بالای عملیات در معادن می تواند به طور جدی شرایط اقتصادی و عملیاتی معدن را تحت تأثیر قرار دهد. در این تحقیق ابتدا به منظور تعیین قابلیت حفاری توده سنگ های معدن سنگ آهن گل گهر ابتدا سابقه علمی موضوع با استفاده از مقالات و متون علمی موجود از دهه 1950 تا سال 2011 مورد بررسی قرار گرفته و مهمترین پارامترهای فنّی موثر بر قابلیت حفاری و سرعت حفاری شناسایی گردیده اند. با توجه به تأثیر پارامترهای ماده سنگ و توده سنگ بر فرآیند حفاری، پیش بینی سرعت حفاری امری بسیار پیچیده می باشد. بنابراین تعیین قابلیت حفاری توده سنگ نیازمند روشی جامع با در نظر گرفتن پارامترهای موثر بر قابلیت حفاری می باشد. ازاین رو طبقه بندی قابلیت حفاری rdi به عنوان روشی مناسب برای زون بندی قابلیت حفاری معدن شماره 1 گل گهر انتخاب شد. در ادامه طی مطالعه در معدن شماره 1 مجتمع معدنی گل گهر سیرجان توده سنگ های معدن بر اساس قابلیت حفاری rdi مورد بررسی و ارزیابی قرار گرفت. سرعت حفاری الگو های حفاری ثبت و سرعت حفاری متوسط هر الگو محاسبه شد. از الگو های مورد مطالعه برای انجام آزمایش های مکانیک سنگی نمونه برداری انجام شد. در ادامه توده سنگ های در برگیرنده هر الگو بر اساس قابلیت حفاری rdi برداشت شد. پارامترهای بافت، سختی موهس، سختی چکش اشمیت، فاصله داری درزه ها، بازشدگی و پرشدگی و زاویه بین محورچال با سطح درزه در مطالعات میدانی برداشت شد و امتیاز rdi هر الگو تعیین شد. در نهایت ارتباط پارامترهای مورد مطالعه با سرعت حفاری و rdi تعیین شد. نتایج آماری نشان داد که قابلیت حفاری rdi رابطه خوبی با سرعت حفاری دارد و این رابطه برای پیش بینی سرعت حفاری پیشنهاد شده است. در مرحله بعد، با استفاده از نتایج تحلیل داده های آزمایشگاهی و برداشت صحرایی الگوهای حفاری، توده سنگ های محدوده معدن بر اساس قابلیت حفاری rdi برداشت شده است. توده سنگ های معدن به 66 زون مختلف تقسیم و امتیاز rdi هر زون تعیین شد و زون هایی که درهمسایگی و کلاس طبقه بندی یکسانی می باشند بر اساس میانگین وزنی طول پیمایش در یک کلاس واحد طبقه بندی گردید. زون بندی نهایی توده سنگ های معدن بر اساس قابلیت حفاری rdi در دو کلاس آهسته- متوسط و متوسط طبقه بندی شد. در پایان، با استفاده از نتایج حاصل از تحلیل آماری سرعت حفاری و قابلیت حفاری rdi، سرعت حفاری در زون های مختلف پیش بینی شده است.

صنایع معدنی بخش عمده ثروت ملی یک کشور محسوب می شود و تاثیر مستقیم بر استقلال صنعتی جامعه دارد . هدف یک طرح معدنی بدست آوردن حداکثر سود بوسیله عوامل فنی مطلوب استخراجی است . نیاز به سرمایه گذاری های هنگفت ، عدم امکان تغییر عوامل زمین شناسی محل ، محدودیتهای استخراجی و شرایط بازار ، هر گونه اشتباه در مرحله اکتشاف و انتخاب روش استخراج مناسب کانسار را غیر موجه می سازد . ایمنی بالاتر ، انعطاف پذیری بیشتر و امکان استفاده از ماشین آلات عظیم الجثه افزایش تولید و کاهش هزینه ، از جمله دلایل ارجحیت روش استخراج روباز نسبت به روشهای زیرزمینی در حین پروسه طراحی و انتخاب روش استخراج معدن می باشد . ارزیابی پتانسیل کانسار در مراحل اولیه اکتشاف به منظور انتخاب روش استخراج روباز می تواند در نحوه تامین بودجه جهت دسترسی و راه اندازی معدن ، تجهیز و آماده سازی ، تولید ، درآمد و هزینه تاثیر داشته باشد . بر این اساس در این پروژه نرم افزار کامپیوتری opme به زبان visual c++ 6.0 برای ارزیابی پتانسیل استخراج کانسار در مراحل اولیه اکتشاف با کمترین داده به روش روباز تهیه گردید . نرم افزار اطلاعات گمانه های اکتشافی و توپوگرافی را به عنوان ورودی از کاربر می گیرد و میزان ذخیره ، مدل بلوکی عیاری ، ارزش اقتصادی بلوکها و محدود نهایی پیت را تعیین می کند . نرم افزار بر روی اطلاعات آنومالی سنگ آهن شماره 11 بافق یزد اجرا گردید و میزان ذخیره 3/11 میلیون تن کانسنگ با متوسط عیار 7/42 و ارزش محدوده نهایی 100 میلیارد تومان بدست آمد . همین معدن توسط نرم افزارهای datamine و npvschduler ارزیابی شد و نتایج آن با نتایج نرم افزار مقایسه گردید . مقایسه نتایج نشان داد که میزان خطا در ارزیابی ذخیره کمتر از 4 درصد و در طراحی محدوده نهایی 13 درصد می باشد .