Matching truck-and-shovel operations in open-pit mines using statistical data - dispatching strategies, match factor, and age-based maintenance

Abstract

Economics today force mining companies to maximize profit over the life time of a mine. Especially in the context of open-pit mines, it is essential to acquire production with minimum cost. The ability to reduce operation costs can be directly achieved by utilizing trucks and shovels in an efficient manner. Dispatching approaches in the literature have considered different objectives in varying degrees of sophisticated assignments ranging from simple heuristic rules to complex mathematical programming. However, most approaches assume that all trucks and shovels have the same operating performance or ignore the stochastic nature of the truck-and-shovel operations. This thesis investigates one of the primary problems in an open-pit mine: efficient matching trucks and shovels. In other words, the aim is to determine the required number of trucks and shovels and their types to make the best match in order to satisfy the production target. This problem is investigated using different simulation and optimization models, which contain the behaviours of dispatching strategy, match factor, and age-based maintenance under an ideal operation and breakdown event. The results of this thesis show that the match factor ratio is able to determine limits for an appropriate fleet size selection, and can be used to estimate the relative efficiency of existing fleets. However, it cannot be used alone for fleet optimization. The choice of truck dispatching strategies and heuristic truck dispatching methods plays a crucial role to minimize the queuing time. Maintenance schedules are necessary to reduce breakdown, directly influencing equipment availability. Optimal preventive and corrective maintenance schedules are proposed for different truck age levels, providing cost savings. These proposed models offer potential applications to any situations in which truck fleets are used to transport material.

Tiukka taloudellinen tilanne pakottaa teollisen kaivostoiminnan maksimoimaan tuottonsa koko kaivoksen elinkaaren ajalta. Tuotantotavoitteiden saavuttaminen mahdollisimman pienillä kustannuksilla on keskeistä erityisesti avokaivoksissa. Operatiivisten kustannusten alentamisessa on onnistuttu suoraan nostamalla kuorma-autojen ja kauhakuormaajien käyttöastetta. Eri tavoitteita palvelemaan on laadittu erilaisia ajojärjestysstrategioita, joiden kompleksisuus vaihtelee yksinkertaisista heuristisista säännöistä monimutkaisiin matemaattisiin malleihin. Suurin osa aiemmista lähestymistavoista lähtee kuitenkin oletuksesta, että kaikilla kuorma-autoilla ja kauhakuormaajilla on samanlainen suorituskyky, tai ne jättävät huomioimatta toimintaan liittyvät satunnaistekijät. Tässä työssä tarkastellaan yhtä avokaivosten pääongelmista: kuinka päättää kuorma-autojen ja kauhakuormaajien tarvittava määrä ja niiden tyypit, niin että ne toimisivat parhaalla mahdollisella tavalla toteuttaakseen tuotantotavoitteet. Ongelmaan esitetään ratkaisuksi eri simulointi- ja optimointimalleja, jotka ottavat huomioon ajojärjestysstrategian, kaluston ikäperusteiset huollot sekä kuorma-autojen ja kauhakuormaajien välisen yhteensovituskertoimen (match factor). Tulokset osoittavat, että yhteensovituskertoimen avulla voidaan määrittää rajat sopivan kuorma-auto-ja kauhakuormaajalaivueen koolle. Yhteensovituskerrointa voi käyttää myös käytössä olevan laivueen suhteellisen tehokkuuden estimoimiseen, mutta sitä ei voi käyttää ainoana kriteerinä laivueen koostumuksen optimoinnissa, vaan ajojärjestysstrategialla ja -menetelmällä on keskeinen rooli. Myös huoltojen aikatauluttaminen on välttämätöntä laiterikkojen vähentämiseksi, ja se vaikuttaa suoraan laitteiden käytettävyyteen. Työssä ehdotetut kuorma-autojen ikäjakaumien perusteella määritellyt optimaaliset ennakoivat huolto- ja korjausaikataulut alentavat kustannuksia. Tarkastellut mallit ovat yleistettävissä moniin muihinkin ympäristöihin, joissa kuljetukseen käytetään kuorma-autolaivueita.