Linear programming in planning and executing the exploration phase of mining

Abstract

The doctoral dissertation consists of analysis of exploration phase of mining on different levels. The dissertation is of the field of systems technology. Firstly, methods for drillcore analysis are studied. The main emphasis is on rapid, contactless and online analysis of drillcore by Raman spectroscopy and Laser-Induced Fluorescence (LIF). The main result is the introduction of a Non-Negative Least Squares (NNLS) method for studying Raman spectra in order to partly automate the analysis of measurements. Because this in turn makes the analysis of drillcores more rapid, the research can alleviate the negative economic and ecological impact of exploratory phase of mining activities. Secondly, the mathematical methods are extended to help geologists in search for ore. This goal is achieved by measuring homogenised pellet samples with Raman spectroscopy and analysing the results with Data Envelopment Analysis (DEA). This creates opportunities for more efficient exploration as geologist can use the results to identify ore zones. Thirdly, the sustainable exploration phase of mining is discussed and suitable mathematical method based on DEA is introduced. The mathematical method takes into account different economic, ecological and social factors and it can be used to alleviate negative social or ecological impacts the exploration phase of mining may have. As a conclusion, Non-negative least squares and Data Envelopment Analysis are introduced as useful tools for developing the exploration phase of mining to become more economically, ecologically and socially acceptable.

Tämä väitöskirja analysoi malminetsintävaihetta kolmella eri tasolla. Väitöskirja kuuluu systeemitekniikan tutkimusalaan. Ensiksi tarkastellaan kairasydänten matemaattisia analyysimenetelmiä. Aineistona käytetään nopeita, kosketuksettomia ja malminetsintäpaikalla tehtäviä mittauksia Raman-spektroskopia ja Laser-Induced Fluorescence (LIF) -menetelmillä. Päätuloksena esitellään Raman-spektrien tulkinnan välineeksi lineaariseen ohjelmointiin perustuva, pienimmän neliösumman menetelmä positiivisille luvuille (NNLS), jonka avulla mittausten käsittelyä voidaan automatisoida. Koska tämä puolestaan nopeuttaa kairasydänten käsittelyä, tutkimuksen tulokset edistävät taloudellista ja ekologista kestävyyttä malminetsintävaiheessa. Toiseksi matemaattisia menetelmiä jatkokehitetään soveltumaan geologien apuvälineiksi heidän toimiessaan malminetsintäpaikalla. Tavoitteeseen pyritään käyttämällä homogenisoituja pellettinäytteitä mittaavaa Raman-spektroskopiaa ja Data Envelopment Analysis (DEA, suom. tehokkuusanalyysi) -menetelmää. Tämä tutkimushaara tuottaa välineitä tehokkaampaan malminetsintään nopeuttamalla geologien tekemää malmiesiintymien tunnistamista. Kolmanneksi tarkastellaan malminetsinnän kokonaiskestävyyttä, jonka pohjalta esitellään malminetsinnälle tehokkuusanalyysiin perustuva matemaattinen mallinnusväline. Väline ottaa huomioon joitain malminetsinnän taloudellisia, sosiaalisia ja ekologisia vaikutuksia ja sitä voidaan käyttää vähentämään haitallisia sosiaalisia ja ekologisia vaikutuksia, joita malminetsintään usein liittyy. Yhteenvetona voidaan esittää pienimmän neliösumman menetelmä positiivisille luvuille ja tehokkuusanalyysi käyttökelpoisina matemaattisina välineinä malminetsintävaiheen kehittämiseksi taloudellisesti, sosiaalisesti ja ekologisesti kestävämmäksi.