به تبعیت از سایر فعالیت‌های صنعتی، ارزیابی معدن در حال حاضر در معرض محدودیت‌های اجتماعی-اقتصادی و فناوری است که در تکامل سریع ناپایدار هستند. کلیدهای موفقیت آن به طور فزاینده ای به روشی علمی تر از همیشه مربوط می شود. رویکرد سیستمی به طور گسترده اثربخشی خود را در زمینه‌های رشته‌ای متعدد، اعم از علمی و مهندسی نشان داده است: زیست‌شناسی، اقتصاد، علوم اجتماعی و مدیریت، مدیریت کیفیت، سیستم‌های اطلاعاتی … این رویکرد به کمک پیشرفت فناوری، به‌ویژه در مدیریت اطلاعات مکانی سرآمد بوده است. (به عنوان مثال GIS). بنابراین، این یک راه حل عالی برای مشکلات ارزیابی معدن با ادغام داده های ژنتیکی، معدنی و مدیریتی در یک سیستم اطلاعاتی است ، بنابراین ارزیابی علمی و اقتصادی منابع معدنی را بهینه می کند.

کلید واژه ها

ارزیابی معدن , رویکرد علمی , رویکرد سیستمی , سیستم دانش زمین شناسی و معدن , زمینه مراکش

1. مقدمه

در پاسخ به محدودیت‌های اجتماعی-اقتصادی، محیطی و بازار و به منظور دستیابی به هدف نهایی: ارزیابی علمی و اقتصادی منابع زمین‌شناسی و معدنی، چارچوبی کلی برای یک رویکرد سیستمی که جنبه‌های خصوصیات ژنتیکی را در آن‌ها ادغام می‌کند. مدیریت معدن پیشنهاد شده است.

این مقاله با آگاهی اخیر اپراتورهای مراکشی از مشکلات ارزیابی معدن 1 توجیه می شود که به خوبی توسط راهنمای ارزیابی ذخایر طلا مشخص شده است [ 1 ]. بنابراین، هدف این مقاله ایجاد یک مدل یکپارچه از کلیدهای موفقیت ارزیابی معدن است. چنین مدلی رویکرد سیستمی پیشنهادی را برای کلیدهای موفقیت فرآیند ارزیابی معدن، که از راهنمای نقل‌شده ترکیب شده است، ادغام می‌کند.

2. مشکلات ارزش گذاری معدن

2.1. زمینه مراکش

مراکش در فضای رقابتی ناپایدار و پویای جدید خود، دیگر نباید به مقدار قابل توجهی از منابع و ذخایری که در اختیار دارد متکی باشد. در حال حاضر، همانطور که در مثال فسفات نشان داده شده است، معیارهای کیفیت سنگ معدن استخراج و فروخته شده تنها عیار و در دسترس بودن تناژهای بزرگ نیست. با استفاده های جدید از فسفات ها در بسیاری از زمینه های فناوری بالا و ارزش افزوده قوی [ 3 ]، با تنوع در فرآوری سنگ معدن [ 4 ] و با نوسانات قیمت سنگ معدن، نیازهای مشتریان از نظر مشخصات به طور گسترده ای متنوع شد: مانند ناخالصی ها. محتوا [ 5 ] [ 6] . بنابراین، کار کاوشگر به دلیل بسیاری از معیارهای جدید قابلیت بهره برداری، بازارپذیری و سودآوری که تامین کنندگان را متمایز می کند، پیچیده می شود. سپس درک ژنتیکی (علمی) سنگ معدن به یک عامل تعیین کننده برای ارزش گذاری آن تبدیل می شود [ 2 ]. برای این منظور، گروه OCP 2 ، شرکت دولتی مراکش و رهبر جهانی در صنعت فسفات، در واقع یک سیستم پردازش داده های زمین شناسی را به صورت داخلی مستقر کرده است [ 7 ]. با این حال، بسیار ناامید کننده است که توجه داشته باشیم که OCP هنوز یک سیاست کاملاً بسته داده دارد و هرگز درباره اثربخشی و عملکرد سیستم خود منتشر نکرده است.

از سوی دیگر، مانند بسیاری از کشورهای در حال توسعه، مراکش برای هیدروکربن و سایر منابع معدنی یک استراتژی پیشگیرانه برای ارزیابی معادن و نفت طراحی کرده است. این استراتژی که برای بیش از یک دهه آغاز شد، امیدوار بود که سرمایه‌گذاری عظیم خارجی را برای اکتشاف و توسعه پروژه‌های معدنی ملی جذب کند. از منظر ساختاری، حقوقی و تبلیغاتی می توان به پیشرفت هایی اشاره کرد: 1) قوانین جذاب تر معدن و هیدروکربن، 2) ادغام و تجدید ساختار آژانس های ترویج معدن ملی (BRPM 3 ) و نفت (ONAREP 4 ) در یک آژانس ( ONHYM). 5) با منابع منطقی تر و استراتژی جاه طلبانه تر، 3) اقدامات موثر ONHYM … با این حال، مدیریت دانش (داده ها و بررسی ها) ابتدایی باقی می ماند: 1) مطالعات انجام نشده کافی، 2) هنوز پوشش نقشه برداری جزئی و در بهترین مقیاس: 1/50000، 3) سیاست بیش از حد سفت و سخت به اشتراک گذاری دانش (بیش از حد بوروکراتیک برای سرمایه گذاران و تقریباً از دست رفته برای محققان) و 4) پیاده سازی GIS زمین شناسی و اکتشافی برای داده ها و مدیریت دانش، چه در داخل ONHYM و چه در وزارت، واقعاً مؤثر نبود. . هیچ چیز قابل مقایسه با آنچه در برخی از کشورهایی که در مدیریت داده پیشرو هستند رخ نمی دهد: BGS 6برای مثال، یک مدیریت دانش مؤثر را از طریق یک سیستم اطلاعاتی یکپارچه، و یک تبادل دانش مؤثر از طریق زیرساخت سایبری مبتنی بر گردش کار توسعه داده است [ 8 ] [ 9 ]. تردیدی وجود ندارد که چنین سیاستی در مدیریت اطلاعات، اتخاذ شده توسط مراکش، تأثیر منفی بر ارتقاء و ارزش گذاری استخراج آن داشته است.

2.2. ویژگی های ارزیابی معدن

سی سال پیش، راهنمای ارزشمند ارزیابی ذخایر طلا [ 1 ] ارزیابی معدن را با 1) عامل ریسک مالی بالا، 2) پیچیدگی فرآیند آن، 3) تعدد منابع درگیر ( شکل 1 ) و زیرشاخه ها مشخص می کند. ( شکل 2 ) و 4) تغییرپذیری بافت های زمین شناسی آن ( شکل 1 ). این نمودارهای استخوان ماهی درخت علل موفقیت در معدن را نشان می دهد. شکل 1 ساختار عوامل کلیدی برای یک بهره برداری موفق را توضیح می دهد. به طور خاص، نشان می دهد که درک زمینه های مختلف زمین شناسی در کنار عوامل مرتبط با مدیریت منابع کمک می کند. شکل 2جزئیات ساختار عوامل کلیدی برای یک پروژه توسعه معدن موفق، که در آن عوامل اقتصادی و مالی، عوامل عملیات معدن و عوامل شناسایی معدن در همان سطح درخت نشان داده شده است. از جمله علل شکست ارزیابی کاوی که در راهنما ذکر شده است، موارد زیر است: 1) کاستی های مدیریتی (استراتژی ها و رویه های ناقص …) و 2) کمبود دانش (مهارت های نامناسب، مطالعات ناقص …).

علاوه بر این، راهنما بر ویژگی های تکراری، احتمالی و به تدریج کمی ارزیابی معدن تاکید کرد و محاسبه را واقعی کرد.

شکل 1 . نمودار علل (منابع، زمینه زمین شناسی) اثرات (موفقیت بهره برداری)، توسط Vallée و همکاران. [ 1 ] . 7

شکل 2 . نمودار علل (رشته‌های فرعی مربوط) به اثرات (موفقیت توسعه معدن)، توسط Vallée و همکاران. [ 1 ] . 8

حاشیه خطاها (دقت و دقت) برای هر برآورد و هر مدل سازی در رابطه با فرآیندهای تصمیم گیری حیاتی است. بنابراین، این راهنما به وضوح ضرورت رویکرد علمی برای اکتساب، سازماندهی و پردازش داده ها را به منظور بهینه سازی خصوصیات ژنتیکی و معدنی برجسته می کند.

متعاقباً، راهنما مفهوم جستجوی کیفیت را معرفی کرد، 1) ابتدا با نیاز به همراهی کل فرآیند ارزیابی معدن با رویه های سیستماتیک کنترل و تأیید، 2) سپس با هدایت تدریجی به سمت اجرای سیستم های بهبود مستمر، مجموع سیستم های مدیریت کیفیت (TQMS)، سپس رویکرد سیستمی، و در نهایت، سیستم های تصمیم گیری چند معیاره. همچنین توجه داشته باشید که این راهنما قبلاً مجموعه‌ای از توصیه‌ها و هشدارها را در مورد استفاده از فناوری‌های اطلاعاتی جدید (NIT) ارائه کرده است که مهمترین آنها مزایای یکپارچه‌سازی و خطرات خودکارسازی تفسیر و تصمیم‌گیری است.

به همین ترتیب، بررسی‌هایی که مهارت‌های مورد نیاز زمین‌شناسان نفتی آمریکای شمالی را مشخص کرده است، جایگاه رایج علومی را که تلاش می‌کنند پیدایش هیدروکربن‌ها (مانند رسوب‌شناسی و چینه‌شناسی) را در مقایسه با زیرشاخه‌های فنی توضیح دهند، تأیید کرده است. به عنوان روش های ژئوفیزیکی، ژئوشیمیایی و نقشه برداری). این مطالعه همچنین اهمیت فناوری اطلاعات را به عنوان ابزار کمک به تفسیر و فرآیندهای تصمیم گیری علاوه بر مزایای آن برای سازماندهی و ارائه داده ها نشان داده است. با این حال، بررسی آنها را در یک موقعیت ثانویه در مقایسه با مشخصات زمین‌شناسی (علمی و فنی) قرار می‌دهد و ثابت می‌کند که تفسیر و تصمیم همچنان ویژگی هوش انسانی است.

2.3. کلیدهای ارزش گذاری موفق معدن

بنابراین، کلیدهای موفقیت ارزیابی معدن را با توجه به رویکرد راهنمای ارزیابی ذخایر طلا [ 1 ]، با برجسته کردن سهم جنبه‌های ژنتیکی و مدیریتی در کنار جنبه‌های معدنی خلاصه می‌کنیم ( شکل 3 ) . ، سپس با افزودن سهم جنبه های یکپارچه TQMS. TQMS باید در این مرحله تمام فرآیندهای توسعه مواد معدنی، بهینه سازی مدیریت و درک ژنتیکی را در خود جای دهد ( شکل 4 ). مدل به دست آمده ( شکل 4 ) پایه و اساس یکپارچه سازی رویکرد سیستمی پیشنهادی را تشکیل می دهد.

شکل 3 . کلیدهای موفقیت فرآیند ارزشیابی معدن: تعیین خصوصیات معدنی، خصوصیات ژنتیکی و مدیریت کارآمد.

شکل 4 . کلیدهای موفقیت فرآیند ارزشیابی معدن: ادغام یک TQMS.

3. سیستم دانش زمین شناسی و معدن

به جای ترویج یک فناوری استخراج که مطمئناً توسط ذینفعان معدنی مختلف به خوبی شناخته شده است، ما ترجیح می دهیم یک رویکرد یکپارچه و یکپارچه را در منشأ چنین فناوری توصیه کنیم: رویکرد سیستمی که دیدگاه های ژنتیکی، معدنی و مدیریت را یکپارچه می کند. این رویکرد به کاوشگر، اپراتور، مدیر و متخصص زمین شناسی توصیه می شود که باید در فرآیند پیچیده و چند رشته ای ارزیابی معدن، شرکای هم افزایی باشند.

3.1. نتایج مورد انتظار از رویکرد سیستمی

این رویکرد سیستمی باید منجر به طراحی مدل‌های زمین‌شناسی و سنگ معدنی شود که تا حد امکان با وضعیت فعلی دانش مربوط به کانسار سازگار باشد. این مدل سیستمی را می‌توان «سیستم دانش زمین‌شناسی و معدن (GMKS)» نامید و برای یکپارچه‌سازی، باید تمام داده‌های ارزیابی معدن متشکل از سه زیرسیستم زیر را به‌طور مؤثر یکپارچه کند:

1. در ابتدا، داده های خام (اینها حقایق هستند): از جمله ویژگی، ابرداده، داده های ریخت شناسی، هندسی، مکانی… آنها از همه منابع مرتبط می آیند: زمین شناسی، فنی (نمونه برداری و سنجش، فرآوری مواد معدنی، مهندسی عمران، روش های معدن). ..)، داده های اجتماعی-اقتصادی (محتوا، ناخالصی ها، استانداردها، محیط زیست، ایمنی، قانون گذاری، امکان سنجی، تحلیل اقتصادی، تحلیل ریسک…)، داده های مدیریت و برنامه ریزی (برنامه ریزی، استخراج هزینه ها، حاشیه ها، کنترل کیفیت… ). این زیرسیستم داده ها خواهد بود: پایگاه داده.

2. هنگامی که پایگاه داده عملیاتی است، سیستم باید توصیف داده ها، تجسم، پردازش، تجزیه و تحلیل، همبستگی، تخمین، مدل سازی و شبیه سازی خواص زمین شناسی و سنگ معدن را ارائه دهد. این باید در فضا (عمودی و جانبی)، در مقیاس های مختلف (از اتم تا رسوب)، به صورت سه بعدی و در زمان واقعی انجام شود. با این حال، برای کیفیت خوب، این پردازش باید نیمه اتوماتیک بماند. به عنوان مثال، محاسبات باید تنها پس از تنظیم مناسب پارامترها، با استفاده از زمینه و قضاوت علمی و تجربه انجام شوند [ 11 ]. نتایج زیرسیستم داده های پردازش شده را تشکیل می دهند: پایگاه اطلاعات.

3. در نهایت، سیستم باید توانایی ادغام با نتایج حاصل از پردازش نیمه اتوماتیک تفاسیر تخصصی راحت بر اساس استانداردهای حرفه ای، مهارت ها و تجربیات را داشته باشد. این سیستم باید هم تفاسیر ژنتیکی و هم تفاسیر معدنی را در نظر بگیرد و تعدد تفاسیر و مدل‌ها را مدیریت کند، نه تنها تفاسیر صریح، بلکه تعداد زیادی از تفاسیر ضمنی را، همانطور که نیکولز [ 12 ] تعریف کرده و هوارد توصیه کرده است. و همکاران [ 8 ] . بنابراین، این زیر سیستم دانش را تشکیل می دهد: پایگاه دانش [ 11 ].

3.2. مفهوم سیستم دانش

برای طراحی چنین سیستمی، باید توضیحاتی ارائه شود تا از برخی سردرگمی‌ها و ملغمه‌های مضر برای کیفیت فرآیند جلوگیری شود:

・ GMKS در ابتدا یک سیستم اطلاعاتی است. این باید نتیجه تجزیه و تحلیل سیستمی، طراحی و مدل سازی دنیای واقعی باشد که قرار است دوباره ارائه شود. چنین مدل‌سازی داده‌ای که پیش‌نیاز اساسی یک سیستم اطلاعات زمین‌شناسی مکانی-زمانی را فراهم می‌کند توسط Le و همکاران ارائه شده است. [ 13 ] .

・ طراحی این سیستم یک پروژه است و به این ترتیب باید توسط تیم مدیریت پروژه و با توجه به روش های تحلیل و طراحی سیستم های اطلاعاتی به منظور دستیابی به اهداف پروژه، بهینه سازی منابع و برای مدیریت ریسک ها همچنین، تجزیه و تحلیل سیستم و مدیریت پروژه باید در TQMS یکپارچه شوند تا از عملکرد فرآیند پیاده سازی اطمینان حاصل شود ( شکل 5 ). برای مثال BGS یک سیستم مدیریت پروژه (PMS) را قبل از اجرای سیستم دانش توسعه داده و اجرا کرده است. این PMS سیستم دانش BGS را با اطلاعات برنامه ریزی پروژه [ 8 ] ارائه می دهد: رویکرد مستقر، روش شناسی، منابع و تخصص.

اگرچه مشارکت تحلیلگران سیستم اطلاعاتی الزامی است، اما باید به این سردرگمی اشاره کرد که متاسفانه هنوز در کشور ما شایع است: اینکه این سیستم را مالک خود بدانیم و در نتیجه سیستم و مشخصات طراحی آن را مشخص کنیم.

مالکان به دو دلیل کاربران نهایی هستند:

1) سیستم برای آنها طراحی شده است.

2) قوانین، استانداردها و رویه های شغلی را ارائه می کنند.

بنابراین، کاربران نهایی باید نه تنها به صورت منفعلانه از طریق افزایش آگاهی و آموزش استفاده از سیستم، بلکه به طور فعال با تشویق آنها به تصمیم گیری در مورد 1) تعریف نیازهای استراتژیک و عملیاتی 2) تعریف اهداف و 3) انتخاب راه حل های فناورانه. به منظور جلوگیری از هرگونه احتمال شکست، کاربران نهایی نیز باید به طور فعال در فرآیند تأیید و بهبود مستمر مشارکت داشته باشند. این را می توان به عنوان بخشی از چارچوب TQMS ( شکل 5 ) در طول و بعد از طراحی سیستم انجام داد.

شکل 5 . چارچوب مفهومی فرآیند اجرای یک سیستم دانش زمین شناسی و معدن (GMKS).

・ در تئوری، GMKS یک سیستم کامپیوتری نیست و ممکن است کامپیوتری نباشد (در یک سیستم کامپیوتری پیاده سازی شود). نمونه ای از GMKS غیر رایانه ای مجموعه ای از داده ها، دانش، مهارت ها، استانداردها و رویه ها است که عمدتاً در اسناد کاغذی رسمیت یافته و در فایل های سخت سازماندهی شده اند. این سیستم آنالوگ اگر حقایق (داده‌های خام)، نتایج پردازش و تفاسیر بدون ابهام متمایز شوند و سازماندهی آن کارآمد باشد، GMKS خوبی خواهد بود. این استاندارد برای پروژه های ماینینگ قبل از عصر کامپیوتر بود.

・ در عمل، GMKS کامپیوتری هستند. با این حال، این سیستم‌های دیجیتال باید مستقل از سیستم‌های رایانه‌ای (سخت‌افزار و نرم‌افزار) پیاده‌سازی شده باشند: باید به راحتی قادر به انتقال آنها از یک سیستم کامپیوتری به سیستم دیگر بدون از دست دادن اطلاعات باشیم.

・ برخی از مزایای کامپیوتری شدن برای تشویق دانش برای ایجاد، تقویت، استفاده، یادگیری و اشتراک گذاری در زیر ذکر شده است:

– اثربخشی ساختار سازمان و مدیریت؛

– قدرت تجسم، پرس و جو، محاسبه، تجزیه و تحلیل و مدل سازی.

– قدرت مدیریت سیستم: به عنوان مثال ایمنی، نقش های مشترک، استانداردسازی، اعتبارسنجی، یکپارچگی.

– توانایی یکپارچه سازی فنی: به عنوان مثال استفاده از رویه ها و استانداردهای محدود کننده.

– توانایی یکپارچه سازی علمی: پشتیبانی از محاسبات و مدل سازی پیچیده ریاضی / شناختی.

– و امکان عظیم یکپارچه سازی اطلاعات از منشاء و ماهیت های مختلف.

・ اما مراقب باشید! کامپیوتری شدن همیشه مترادف با عملکرد، کارایی، ارتباط، ثبات و سرعت نیست. یک سیستم دیجیتال با طراحی ضعیف بدون شک نسبت به یک سیستم آنالوگ به خوبی طراحی شده کارایی کمتری دارد. اغلب مشخص شده است که وقتی بازیگران در طراحی سیستم های اطلاعاتی به اندازه کافی از این واقعیت آگاه نباشند، طراحی سیستم آنها با شکست مواجه می شود.

3.3. ادغام شغلی و رویکرد علمی

・ GMKS یک سیستم اطلاعاتی است که باید اجزای فضایی کامل را ادغام کند: موقعیت، هندسه و توپولوژی [ 13 ].

・ اجرام زمین شناسی اغلب توسط اجرام هندسی پیچیده که دارای خاصیت حجمی هستند (مثلاً یک لایه رسوبی) مدل می شوند. بنابراین GMKS باید نمایش و تجزیه و تحلیل حجم ها (سه بعدی واقعی) را بر اساس ویژگی های هندسی، توپولوژیکی و معنایی آنها یکپارچه کند [ 13 ] [ 14 ] [ 15 ].

・ برنامه ریزی و شبیه سازی فرآیندهای معدن (اکتشاف، توسعه و بهره برداری) و اشیاء زمین شناسی نیز در زمان تکامل می یابند [ 13 ]. بنابراین، لازم است که GMKS تجزیه و تحلیل زمانی را در زمان واقعی و مناسب (بعد 4) یکپارچه کند.

اجسام زمین شناسی و معدنی باید توسط سیستم با استفاده از ویژگی های زمین شناسی و روابط متقابل آنها مدل شوند: به عنوان مثال زمان چینه شناسی، تغییرات داخلی، تغییر شکل ساختاری… [ 11 ].

・ اگر این سیستم استانداردهای شغلی، روش ها، رویه ها و دانش ضمنی را ادغام نکند، نمی تواند به عنوان زمین شناسی و معدن سنجیده شود. اما نباید آنها را به کاربر تحمیل کند تا بر توانایی های نوآوری آن تأثیر نگذارد. از سوی دیگر، ضروری است که ادغام آن ها نه تنها به عنوان «اسناد مرجع بهترین عملکرد» [ 8 ] انجام شود، بلکه باید در صورت امکان در سطح عملکردی سیستم به عنوان «پیکربندی بهترین شیوه ها» اجرا شود. . به این ترتیب، سیستم به اندازه کافی منعطف خواهد بود تا به طور مداوم «بهترین شیوه‌ها» جدید را ادغام کند و به اندازه کافی برای اطمینان از استفاده از «بهترین شیوه‌ها» به اندازه کافی محدود خواهد بود.

・ این سیستم باید قادر باشد بین انواع مختلف داده ها و دانش تمایز قائل شود: بنابراین، تمایز رسمی و بدون ابهام 1) بین مشاهده، تفسیر نیمه خودکار و تفسیر انسانی، و همچنین 2) بین مراحل، سطوح یا نسخه های مختلف تفسیر امکان پذیر است. . در این مرحله، سیستم به جذب مؤثر دانش ضمنی برای هدایت تبدیل دانش ضمنی به دانش صریح کمک خواهد کرد [ 8 ].

سیستم باید قادر به ادغام، سازماندهی، مدیریت، تجزیه و تحلیل، پرس و جو و به اشتراک گذاری دانش با استفاده از واژگان استاندارد علوم زمین، طبقه بندی های سلسله مراتبی و، در صورت امکان، هستی شناسی ها باشد [ 8 ]. سیستم‌های دانش مبتنی بر هستی‌شناسی برای یکپارچه‌سازی اطلاعات انواع مختلف کارآمدتر می‌شوند [ 16 ]. چنین سیستمی به ترجمه دانش ضمنی در اصطلاحات استاندارد رسمی، کلاس ها و هستی شناسی ها کمک می کند [ 8 ].

・ برای اینکه بتوان به اندازه کافی سپرده را مدل کرد، باید به کیفیت داده ها از طریق ارزیابی، کنترل و بهبود دقت، دقت، سازگاری، کامل بودن و قابلیت اطمینان آنها توجه ویژه ای شود. این را می توان با ادغام جمع آوری داده ها، پردازش داده ها، استانداردسازی داده ها و فرآیندهای مدیریت داده در TQMS انجام داد.

 رویکرد علمی باید در کل فرآیند ارزیابی معدن و همه زمینه های درگیر ذاتی باشد. باید تمام مراحل جمع آوری داده ها، تجسم، پردازش، تجزیه و تحلیل، همبستگی، تخمین، مدل سازی، شبیه سازی و تفسیر را همراهی کند. همچنین باید فرآیند کنترل، تأیید و اعتبار سنجی را همراهی کند. باید سیستماتیک و دقیق باشد.

رویکرد علمی باید به عنوان هدف اصلی، درک ژنتیکی ذخایر باشد:

– با افزایش مکرر کمیت و کیفیت دانش،

– با کمی سازی تدریجی دقت، دقت و قابلیت اطمینان دانش،

– و همچنین با ارائه رویه های منظم و دقیق مشاهده، توصیف، تحلیل و تفسیر.

· در طول پردازش داده‌های زمین‌شناسی و معدن، اگر برخی از داده‌ها مفقود، پراکنده یا با کیفیت بد باشند، محاسبات نیمه خودکار؟ کمی؟ ریاضی/آماری معمولاً کارآمد نیستند. تفسیر کیفی و درون یابی صادر شده از دانش زمین شناسی انسان (تخصص ضمنی و ضمنی) برای بهبود کیفیت، دقت و صحت نتیجه نهایی ضروری است [ 11 ].

4. ادغام GMKS در فرآیند ارزیابی معدن

برای یک پروژه زمین شناسی و معدنی خاص، پس از طراحی مناسب از طریق تجزیه و تحلیل سیستمی کارآمد، سیستم دانش زمین شناسی و معدن به کلیدهای موفقیت ارزیابی معدن پروژه ادغام می شود و بدین ترتیب کل فرآیند ارزش گذاری را تشکیل می دهد ( شکل 6).). GMKS داده های خام و تفاسیر تکراری تولید شده توسط بازیگران مختلف پروژه استخراج و تایید شده توسط TQMS را دریافت خواهد کرد. در مقابل، بازیگران از نتایج پردازش تکراری GMKS و اطلاعات تحلیلی/ترکیبی که توسط TQMS تایید شده است، دریافت خواهند کرد. این چرخه خصوصیات ژنتیکی و معدنی و همچنین مدیریت منابع و محصولات پروژه را بهینه می کند. اگر همه فرآیندهای درگیر در ارزیابی معدن بهینه شوند، GMKS یک مدل زمین‌شناسی و سنگ معدنی مطابق با واقعیتی که نشان می‌دهد تولید می‌کند. بنابراین یک ابزار بسیار رقابتی فراهم می‌کند و قطعاً ارزش افزوده‌ای هم از نظر علمی و هم از نظر اجتماعی-اقتصادی به همراه خواهد داشت.

به عنوان دیدگاه نهایی، سیستم با تمام سیستم های مدیریتی دیگر که نمونه های خوبی از سیستم های یکپارچه هستند، یکپارچه می شود. اگر به طور موثر انجام شود، کل سیستم به یک سیستم مدیریت تصمیم گیری و عملکرد چند معیاره تبدیل می شود، همانطور که توسط Vallée و همکارانش توضیح داده شده است. [ 1 ] .

5. نتیجه گیری ها

توصیه‌های زیر برای هر شرکت، هر آژانس دولتی ترویجی، هر مرکز تحقیقاتی که در زمینه‌های مختلف زمین‌شناسی و معدن فعالیت می‌کنند و می‌خواهند منابع خود را از نظر علمی و اجتماعی-اقتصادی ارزیابی کنند، صادر می‌شود:

شکل 6 . کلیدهای موفقیت فرآیند ارزیابی معدن: ادغام یک سیستم دانش زمین شناسی و معدن (GMKS). د: داده ها و تفاسیر. p: پردازش نتایج و اطلاعات مصنوعی.

· ایجاد یک رویکرد علمی منظم و دقیق برای کمک به درک ژنتیکی کانی سازی.

· ایجاد یک رویکرد سیستمی یکپارچه با طراحی، کاربرد، تأیید و بهبود فرآیندهای آن. این رویکرد را می توان با اجرای یک سیستم یکپارچه دانش زمین شناسی و معدن و سیستم مدیریت کیفیت جامع، که هر دو ابزار یکپارچه سازی و یکپارچه سازی عالی هستند، به دست آورد.

این رویکردها هم افزایی هستند: اثربخشی هر دو به طور مشترک بیشتر از مجموع اثربخشی هر یک به طور جداگانه است، یکی به دیگری کمک می کند تا عملکرد بهتری داشته باشد. آنها همچنین با ایجاد سیستم های مدیریتی هم افزایی دارند و گروه می تواند در یک مدیریت نهایی سیستم عملکرد یکپارچه شود.

 

منابع

 

[ 1 ] والی، ام.، و همکاران. (1992) راهنمای ارزیابی سپرده های طلا. موسسه کانادایی معدن، متالورژی و نفت (CIM)، جلد ویژه 45.
[ 2 ] Mchichi, M. and Moumni, A. (2004) Approches génétiques des formations phosphatées marocaines en vue d’optimiser leur prospection. اولین کنفرانس بین المللی ارزش گذاری فسفات ها و ترکیبات فسفر (COVAPHOS I)، مراکش، اکتبر 2004.
[ 3 ] Le Flem، G. (2004) Les phosphates du monde et le monde des phosphates. اولین کنفرانس بین المللی ارزش گذاری فسفات ها و ترکیبات فسفر (COVAPHOS I). مراکش، اکتبر 2004.
[ 4 ] Lacout, JL, Oba, CAI and Revel, JC (2004) Utilization de phosphates marginaux brésiliens pour la fabrication d’engrais organo-phosphatés. اولین کنفرانس بین المللی ارزش گذاری فسفات ها و ترکیبات فسفر (COVAPHOS I)، مراکش، اکتبر 2004.
[ 5 ] Cuney, M. (2004) عوامل کنترل کننده طبیعت و غلظت ناخالصی ها و رسوبات فسفات. اولین کنفرانس بین المللی ارزش گذاری فسفات ها و ترکیبات فسفر (COVAPHOS I)، مراکش، اکتبر 2004.
[ 6 ] Glaum, R. (2004) فسفات های بی آب فلزات انتقالی – شیمی، شیمی کریستال و کاربرد. اولین کنفرانس بین المللی ارزش گذاری فسفات ها و ترکیبات فسفر (COVAPHOS I)، مراکش، اکتبر 2004.
[ 7 ] Daafi, Y. and Jourani, E. (2016) Processus de traitement des données géologiques à l’OCP. منابع و زمین شناسی نوآورانه، مونپلیه، 4-7 آوریل 2016.
[ 8 ] Howard, AS, Hatton, B., Reitsma, F. and Lawrie, KIG (2009) در حال توسعه یک چارچوب دانش زمین شناسی برای یک سازمان ملی زمین شناسی. Computers & Geosciences, 35, 820-835.
[ 9 ] Kessler, H., Mather, S. and Sobisch, H.-G. (2009) جمع آوری و انتشار دانش زمین فضایی سه بعدی یکپارچه در سازمان زمین شناسی بریتانیا با استفاده از نرم افزار و روش GSI3D. Computers & Geosciences, 35, 1311-1321.
[ 10 ] هیث، CPM (2003) زمین شناسی، ژئوفیزیک، و سایر مهارت های فنی و نرم مورد نیاز توسط دانشمندان زمین شناسی شاغل در صنعت نفت آمریکای شمالی. بولتن AAPG، 87، 1395-1410.
[ 11 ] ترنر، AK (2006) چالش ها و روندها برای مدل سازی و تجسم زمین شناسی. بولتن زمین شناسی مهندسی و محیط زیست، 65، 109-127.
[ 12 ] نیکولز، FW (2000) دانش در مدیریت دانش. در: Woods, JA and Cortada, JW, Eds., The Knowledge Management Yearbook, Butterworth-Heinemann, Boston, 89-107.
[ 13 ] Le, HH, Gabriel, P., Gietzel, J. and Schaeben, H. (2013) یک مدل داده های زمین شناسی مکانی-زمانی شی-رابطه ای. Computers & Geosciences, 57, 104-115.
[ 14 ] Maxelon, M., Renard, P., Courrioux, G., Brandli, M. and Mancktelow, N. (2009) گردش کار برای تسهیل مدلسازی هندسی سه بعدی واحدهای زمین شناسی پیچیده چند تغییر شکل یافته. Computers & Geosciences, 35, 644-658.
[ 15 ] Ming, J., Pan, M., Qu, H. and Ge, Z. (2010) GSIS: A 3D Geological Modeling Multi-Body System from Netty Cross-Sections with Topology. Computers & Geosciences, 36, 756-767.
[ 16 ] Fonseca, FT, Egenhofer, MJ, Agouris, P. and Camara, G. (2002) با استفاده از هستی شناسی ها برای سیستم های اطلاعات جغرافیایی یکپارچه. معاملات در GIS, 6, 231-257.

بدون دیدگاه

دیدگاهتان را بنویسید