矿业生产调度优化方法研究

Modern mining is a complicated procedure that may necessitate huge expenditure on large-scale mining equipment (e.g., shovels/excavators and autonomous trucks). In many countries, the study of mining automation and management optimization has received great attention both in industrial and scientific communities. Due to rapid development of automation and artificial intelligence, mining practitioners are keen to the adoption of technological and theoretic advances both in autonomous mining equipment and accurate scheduling management. In the literature of Mining Optimization, however, most researchers mainly focused on strategic-level Mine Design Planning and tactical-level Mine Block Sequencing problems as well as their extended models and real-world applications. In comparison, researches on operational-level timetabling of mining equipment have rarely been found. To fill this gap, this project will investigate three important mining optimization topics: 1) Mine Excavators Scheduling optimization; 2) Autonomous Mine Truck Haulage Scheduling optimization; 3) Decision Support System for interaction and integration of mining operations. In theory, this research will develop several novel complicated and generalized scheduling models, e.g., Cyclic Parallel-Machine Job-Shop Scheduling with Different Buffering Conditions and Multi-fleet Robotic Transportation. In practice, the obtained research output will provide advanced scheduling methodologies to significantly improve the mining efficiency and effectiveness of China’s mining industry.

由于现代矿业生产运作需要各种大型设备（如挖掘机和自动化矿业卡车等）的相互协调配合，其生产管理优化问题一直是业界和学术界研究的难点和重点问题，受到世界各国科技部门的高度重视。在自动化和人工智能技术的迅猛发展下，大型矿业公司在生产管理中迫切需要一套创新的智能自动化矿业设备调度管理系统。通过文献回顾发现，对于操作层面的多种矿业设备的精确生产调度优化的理论和应用研究较少。本项目将针对我国大型矿业公司的生产管理现状，研究提出多种矿业设备的综合调度协调决策支持系统，具体研究内容为：矿业挖掘机调度优化; 自动化矿业卡车调度优化; 矿业挖掘机与自动化矿业卡车的集成调度优化。在理论创新方面，提出新的通用性的调度模型，即考虑不同的缓冲状态和多车队机器人运输的循环并行机作业车间调度模型。在实际应用中，本项目的研究成果将能提供先进的调度管理理论和方法，从而提升我国矿业生产效率和管理水平。

当今世界，矿业正成为一个国家的自然财富和经济收入的主要来源。矿业生产调度优化的研究方兴未艾，其重要性和前沿性不言而喻。由于需要使用大型的矿业设备（例如大型矿业挖掘机，自动化矿业卡车），现代矿业的生产运作和管理是一项非常复杂的任务。矿业优化领域，目前大多数研究仍然集中于战略层面的矿体设计规划和战术层面的矿块排序问题。相对而言，对于操作层面的矿业设备调度优化的理论和应用研究还很少。根据项目立项时三个主要课题，1) 在矿业挖掘机的调度优化方面，项目负责人撰写一篇43页的学术论文，在<<Optimization and Engineering>>期刊发表；2）在自动化矿业卡车的调度优化方面，通过把实时自动化矿业卡车的调度问题转化为动态和不确定的车辆路径问题，和基于交通网络拥堵分析的双目标双层数学模型，并提出了一个新颖的深度强化学习结合优化的求解框架，发表了三篇论文分别在<<Applied Intelligence>>, <<Operational Research >> 和<<Journal of Combinatorial Optimization>>; 3）在研发结合矿体设计，矿块排序和矿业设备调度的综合决策支持系统，同时优化多阶段矿山生产时间安排中计划和调度决策之间的数据驱动的相互作用，提出了一个新的综合计划-调度问题，此研究成果发表在<<Annals of Operations Research>>。对于保证将矿产品从偏远的矿山有条不紊地运送到海外客户手中至关重要，学术界的学者和工业界的管理者都越来越关注开发先进的矿业供应链管理方法，通过调研评估了200多篇论文，对矿业供应链管理的当前研究进展进行全面和最新的文献回顾，将这些论文分为九个主要类别，这篇高水平的综述论文被<<Resources Policy>>期刊接受发表，发表后也得到矿业优化同行的高度好评。项目负责人已按立项计划认真执行，在2019-2022内，已经逐步取得了较好的科研成果，以第一或通讯作者发表期刊论文近20篇。在应用方面，项目负责人及其科研团队通过Visual C# 编程语言，通过大量数学模型和智能优化算法的编码和测试，开发了相应的面向工业应用的软件包。在当前矿业的蓬勃发展趋势下，此项目研究成果具有很高的理论创新性和很大的应用前景。