مدل‌سازی، تحلیل داده، شبیه‌سازی

rmal می‌باشد. این توزیع دارای مربع خطای کمتری در مقایسه با دیگر توزیع‌ها دارد، اما با توجه ماهیت داده‌های جمع‌آوری شده، این توزیع برای داده‌ها مناسب به نظر نمی‌رسد. بنابراین برای داده‌های جمع‌آوری شده از زمان‌سنجی فعالیت تخلیه سرباره آند یا کنورتر به کنورتر، توزیع تجربی بهترین توزیع می‌تواند باشد.

istribution Summary
Distribution: Empirical
Expression: CONT or DISC (0.000, 0.000,0.156, 0.790,0.644, 1.580, 0.800, 2.370,0.889, 3.160,0.956, 3.950,0.956, 4.740)

شکل (4-16) نتایج تحلیل داده‌های مربوط به زمان تخلیه سرباره در کنورتر

زمان تخلیه بلیستر در آند
تخلیه مس بلیستر در کوره‌های آند به دلیل بالا بودن عیار مس و اهمیت آن، به زمان بیشتری جهت انجام فعالیت نسبت به تخلیه سرباره یا مات نیاز دارد. برازش توزیع بر روی این داده‌ها نشان از مناسب بودن یک توزیع تجربی را می‌دهد. توزیع نرمال جهت برازش این داده‌ها دارای خطایی برابر با 067/0 می‌باشد که کمترین مقدار در بین دیگر توزیع‌های نظری است. اما مقدار p-Value هر دو آزمون نیکویی برازش برای این توزیع بسیار کمتر از 05/0 می‌باشد و این امر عدم برازش مناسب توزیع نرمال را می‌رساند. لذا توزیع تجربی را برای این متغیر برازش می‌دهیم.

Distribution Summary
Distribution: Empirical
Expression: CONT or DISC (0.000, 1.000,0.269, 1.538, 0.385, 2.076,0.808, 2.614, 0.962, 3.152,0.962, 3.690)

شکل (4-17) نتایج تحلیل داده‌های مربوط به زمان تخلیه بلیستر در آند
زمان تخلیه سرباره آند به پاتیل
توزیع بدست آمده حاصل از برازش بر روی داده‌های جمع‌آوری شده از زمان‌سنجی فعالیت تخلیه سرباره آند به پاتیل، توزیع تجربی می‌باشد. با توجه به خطای نسبتاً کم توزیع بتا نسبت به دیگر توزیع‌ها، این توزیع به عنوان بهترین توزیع معرفی می‌گردد، اما به دلیل ماهیت داده‌ها از توزیع بتا نمی‌توان به عنوان توزیعی مناسب برای پوشش دادن این داده‌ها استفاده کرد. بنابراین توزیع تجربی مناسب‌ترین توزیع می‌تواند باشد.

Distribution Summary
Distribution: Empirical
Expression: CONT or DISC (0.000, 1.050, 0.500, 1.588, 0.500, 2.126, 0.750, 2.664, 0.821, 3.202, 0.821, 3.740)

شکل (4-18) نتایج تحلیل داده‌های مربوط به زمان تخلیه سرباره آند به پاتیل

زمان تخلیه قراضه و مواد سرد به کنورتر
بهترین توزیع برازشی برای داده‌های مربوطه توزیع بتا می‌باشد که با توجه به آزمون‌های کای‌دو و K-S مقدار P-Value به ترتیب کمتر از 05/0 و بیشتر از 05/0 است. با توجه به کم بودن اندازه نمونه، آزمون K-S به عنوان معیار تصمیم‌گیری بوده و توزیع برازش شده مناسب است.

Distribution: Beta
Expression: 0.07 + 0.45 * BETA(1.06, 2.15)
Square Error: 0.007602
Chi Square Test
Number of intervals = 4
Degrees of freedom = 1
Test Statistic = 0.656
Corresponding p-value = 0.042
Kolmogorov-Smirnov Test
Test Statistic = 0.16
Corresponding p-value 0.15

شکل (4-19) نتایج تحلیل داده‌های مربوط به زمان تخلیه مواد سرد و قراضه مس
زمان تخلیه سرباره آند به کنورتر
توزیع بدست آمده حاصل از برازش بر روی داده‌های جمع‌آوری شده از زمان‌سنجی فعالیت تخلیه سرباره آند به کنورتر، توزیع تجربی می‌باشد (شکل (4-20)). با توجه به خطای نسبتاً کم توزیع Lognormal نسبت به دیگر توزیع‌ها، این توزیع برای داده‌های مربوط به تخلیه سرباره آند به پاتیل مناسب نمی‌باشد.

Distribution Summary
Distribution: Empirical
Expression: CONT or DISC (0.000, 0.070, 0.222, 1.038, 0.704, 2.006, 0.815, 2.974, 0.889, 3.942, 0.889, 4.910)

شکل (4-20) نتایج تحلیل داده‌های مربوط به زمان تخلیه سرباره آند به کنورتر

زمان تخلیه سرباره کنورتر به کنورتر دیگر
توزیع بدست آمده حاصل از برازش بر روی داده‌های جمع‌آوری شده از زمان‌سنجی فعالیت تخلیه سرباره کنورتر به کنورتر، توزیع تجربی می‌باشد. با توجه به خطای نسبتاً کم توزیع بتا نسبت به دیگر توزیع‌ها، این توزیع برای داده‌های مربوط به تخلیه سرباره آند به پاتیل مناسب نمی‌باشد.

Distribution Summary
Distribution: Empirical
Expression: CONT or DISC (0.000, 0.020, 0.667, 0.616, 0.815, 1.212,0.889, 1.809,0.963, 2.405,0.963, 3.001)

شکل (4-21) نتایج تحلیل داده‌های مربوط به زمان تخلیه سرباره کنورتر به کنورتر

زمان پر شدن قالب‌های ریخته‌گری
پس از تخلیه مس مذاب از کوره‌های آند، این مذاب با استفاده از قاشقک‌هایی به سمت چرخ ریخته‌گری هدایت می‌شوند. این قاشقک‌ها علاوه بر هدایت مذاب، مقدار مذابی را که قرار است بر روی قالب‌های آند ریخته شوند را تنظیم می‌کنند. مدت زمانی را که برای پر شدن قالب‌های ریخته‌گری در نظر گرفته‌ایم، فارغ از زمانی است که قاشقک‌ها حاوی مذاب می‌شوند. زیرا در این قاشقک‌ها به طور پیوسته مذاب جاری است و تنها در ابتدای ریخته‌گری زمانی را لازم دارند که مذاب در آنها ساکن شود. بنابراین زمان پر شدن قالب‌های ریخته‌گری، از هنگامی که قاشقک برای پر کردن قالب‌ها اقدام می‌کند آغاز شده و تا انتهای پر شدن قالب ادامه می‌یابد. زمان پر شدن قالب‌های موجود در ریخته‌گری (به ثانیه) با توجه به زمان‌سنجی انجام شده دارای توزیع مثلثی می‌باشد که در شکل (4-22) نشان داده شده است.
Distribution Summary
Distribution: Triangular
Expression: TRIA(8, 12.3, 14.6)
Square Error: 0.037670
Chi Square Test
Number of intervals = 5
Degrees of freedom = 3
Test Statistic = 9.24
Corresponding p-value = 0.568
Kolmogorov-Smirnov Test
Test Statistic = 0.147
Corresponding p-value 0.15

شکل (4-22) نتایج تحلیل داده‌های مربوط به پر شدن قالب‌های ریخته‌گری

زمان چرخش چرخ ریخته‌گری
زمان چرخش چرخ ریخته‌گری با توجه به نمودار زیر دارای توزیع مثلثی با پارامترهای 13، 9/17 و 40 می‌باشد.
Distribution: Triangular
Expression: TRIA(13, 17.9, 40)
Square Error: 0.031990
Chi Square Test
Number of intervals = 5
Degrees of freedom = 3
Test Statistic = 5.52
Corresponding p-value = 0.151
Kolmogorov-Smirnov Test
Test Statistic = 0.149
Corresponding p-value 0.15

شکل (4-23) نتایج تحلیل داده‌های مربوط به زمان چرخش چرخ ریخته‌گری

خرابی جرثقیل‌ها
تعداد کل خرابی‌ها برای جرثقیل، تقسیم بر مجموع مدت زمان صرف شده، در طول یک بازه اندازه گیری خاص تحت شرایط معین را به عنوان خرابی جرثقیل‌ها در نظر می‌گیریم. خرابی جرثقیل‌های مجتمع مس سرچشمه شامل اشکال پل، خرابی کولر کابین و کولر MCC و مواردی دیگر است. علاوه بر این، رفتن جرثقیل‌ها برای بازدید فنی به پارکینگ نیز می‌تواند جزء خرابی جرثقیل در نظر گرفته شود. در کل تعریف خرابی جرثقیل در این مطالعه، توقف جرثقیل در پارکینگ به هر دلیلی به غیر از مواردی که به علت ایجاد تداخل در آنجا منتظر مانده است، می‌باشد. خرابی جرثقیل‌ها با توجه به داده‌های جمع‌آوری شده دارای توزیع گاما می‌باشد. صحت و نکویی برازش توزیع مذکور از میزانP-Value برای آزمون‌های کای‌دو و K-S که به ترتیب برابر 11/0 و بزرگ‌تر از 15/0 است حاصل می‌گردد.

Distribution: Gamma
Expression: 34 + GAMM(42.3, 1.88)
Square Error: 0.000912
Chi Square Test
Number of intervals = 17
Degrees of freedom = 14
Test Statistic = 20.8
Corresponding p-value = 0.11
Kolmogorov-Smirnov Test
Test Statistic = 0.0206
Corresponding p-value 0.15

شکل (4-24) نتایج تحلیل داده‌های مربوط به زمان خرابی جرثقیل
مدل‌سازی بخش‌های مختلف ذوب در نرم‌افزار
برای ورود فعالیت‌ها و پیشامدها در نرم‌افزار باید تمامی این فعالیت‌ها به اجزای کوچک‌تر افراز گردد. این افراز از فعالیت‌ها بسته به هدفی که سیستم و مدل دنبال می‌کند، می‌تواند متفاوت باشد. از این رو تمامی این اجزا به صورت ساختار یکپارچه، سیستمی را تشکیل خواهند داد که نزدیک به سیستم واقعی است و نیز به تنهایی نقش یک مدل را می‌توانند ایفا کنند. در این قسمت تمامی مدل‌ها ساخته شده در نرم‌افزار ارنا را شرح خواهیم داد:
مدل ریورب: کوره‌های ریورب به عنوان مرز ورودی سیستم در نظر گرفته شده‌اند. در واقع کار این کوره‌ها پاسخ دادن به کوره‌های کنورتر هنگام خواست مت مس است. پاتیل‌های تخلیه شده مت مس در کنورترها، پس از بازگشت در این قسمت از مدل قرار خواهند گرفت. شکل (4-25) نمایی از مدل نرم‌افزاری کوره‌های ریورب می‌باشد.

لاندرها: این قسمت از مدل به عنوان نقطه‌ای برای برگشت سرباره کنورترها به کوره‌های ریورب است که همانند شکل (4-26) می‌باشد.

شکل (4-25) نمایی از مدل‌سازی کوره‌های ریورب در نرم‌افزار ارنا

شکل (4-26) نمایی از مدل‌سازی لاندرهای ریورب در نرم‌افزار ارنا

مدل ارائه کننده مواد سرد و مس قراضه: این بخش از مدل نیاز کوره‌های کنورتر را به هنگام درخواست برای مواد سرد و قراضه مس را جواب می‌دهد. شکل (4-27) نمایی از مدل نرم‌افزاری این قسمت را ارائه می‌کند.

شکل (4-27) نمایی از مدل‌سازی بخش ارائه کننده مواد سرد و مس قراضه در نرم‌افزار ارنا
کوره کنورتر: بخش مهم مدل اصلی این مطالعه، کوره‌های کنورتر است که به نوعی مرکزیت این سیستم را به عهده دارد. همان طور که قبلاً شرح داده شد، پنج کوره کنورتر در دالان کارخانه وجود دارد که همه آنها به یک صورت فرایند خود را انجام می‌دهند. شکل (4-28) نمایی از تنها یک کوره کنورتر را در مدل نرم‌افزاری نشان می‌دهد.

کوره آند: فرایند هر سه کوره آند به یک صورت است که در شکل (4-29) چگونگی مدل‌سازی شدن این فرایند نشان داده شده است.

ریخته‌گری: این واحد پس از اتمام کار آند فعالیت خود را آغاز می‌کند. شکل (4-30) نمایی از این مدل می‌باشد.

شکل (4-28) نمایی از مدل‌سازی یک کوره کنورتر در نرم‌افزار ارنا

شکل (4-29) نمایی از مدل‌سازی یک کوره آند در نرم‌افزار ارنا

شکل (4-30) نمایی از مدل‌سازی واحد ریخته‌گری در نرم‌افزار ارنا

حمل و نقل: همان طور که پیش از این شرح داده شد، حمل و نقل در دالان کارخانه ذوب توسط 3 جرثقیل صورت می‌گیرد. شکل (4-31) مدل مربوط به جرثقیل‌های 100 تنی و شکل (4-32) مربوط به جرثقیل 25 تن می‌باشد.

شکل (4-31) نمایی از مدل‌سازی دو جرثقیل 100 تنی در نرم‌افزار ارنا

شکل (4-32) نمایی از مدل‌سازی جرثقیل 25 تنی در نرم‌افزار ارنا
تمامی مدل‌های پیشین به صورت یکپارچه مدل اصلی فرایند ذوب را تشکیل خواهند داد. مدل اصلی فرایند ذوب در شکل (4-33) نشان داده شده است.

شکل (4-33) نمایی از مدل‌سازی فرایند ذوب مس در نرم‌افزار ارنا
تعیین طول گرم شدن سیستم
به طور کل در دقت تخمین عملکرد حاصل از یک مدل شبیه‌سازی دو مسئله وجود دارد. ابتدا حذف هر گونه اریبی اولیه از خروجی‌ها و دوم، اطمینان از اینکه داده‌های خروجی بتوانند یک تخمینی با دقت بالا برای عملکرد سیستم باشند، دارای اهمیت بسیاری است[69]. در سیستم‌های پایان‌پذیر ممکن است سیستم خالی از موجودیت و در حالی که منابع بیکار هستند، شروع به کار کند. بنابراین در چنین سیستم‌هایی فرض خالی و بیکار بودن در ابتدای شبیه‌سازی خللی به درستی مدل ساخته شده وارد نمی‌کند. اما در سیستم‌های پایا، خالی بودن سیستم در آماره‌های خروجی اثر متفاوتی دارند. مشاهدات جمع‌آوری شده در طول زمان اجرای مدل در این شرایط، ممکن است در دقت تخمین اندازه عملکرد اثر گذار باشند و ایجاد مشکل کنند. این مشکل را در شبیه سازی اریبی اولیه65 و یا راه‌اندازی66 می‌گویند. یک راه برای غلبه به این مشکل اجرای مدل شبیه‌سازی برای یک دوره زمانی معینی است که آن را طول