Yun and Huang [13] applied a fuzzy

Yun and Huang [13] applied a fuzzy algorithm [14] to MMS.The algorithm consisted with three stages. In the first stage, fuzzyrelation equations calculating hamming distances between thegeological requirements of candidate mining methods and the geological characteristics of the mine to be planned were formulated.In the second stage, the system estimated the technical and economic values of each candidate mining method using data frommines with similar conditions. In the last stage of the system, multiple objective decisions were made based on the results from thefirst and second stages.

Guray et al. [15] developed a MMS expert system for underground mining. The study developed 13 different virtual expertsfor 13 different underground mining methods. It used base knowledge systems from Nicholas’s [9] quantitative ranking method. Thesystem contained additional criteria such as capital cost, operatingcost, productivity, surface subsidence, spontaneous combustion, and lake presence factor, which were not included in Nicholas’smethod. One merit of the system is a tutorial tool for MMS for inexperienced engineers.

Bitarafan and Ataei [16] introduced a method to assign weightsto different criteria. A fuzzy multiple-attributes decision-makingmethod based on Yagar’s method [17] and a fuzzy dominancemethod proposed by Hipel [18] were utilised in the proposed system. One noticeable feature was that the system used exponential scalars to represent the importance of the given criteria, whichcould dramatically increase the value of the criteria that have similar conditions to the target deposit. Otherwise, the value would begreatly reduced. The method was successfully applied in MMS inone of the anomalies at the Gol-e-Gohar iron mine in Iran, and the block caving method was chosen as the best mining method.

Ataei et al. [19] used analytical hierarchy process (AHP) [20] tosolve the MMS problem of the Golbini No. 8 deposit in Jajarm, Iran.The authors formulated the AHP architecture with 13 criteria with 6 alter natives, and 17 experts from various operations were electedto make the pairwise comparison matrixes. As a result of the study,cut and fill mining method was chosen as the most suitable method among six alternatives.

One of the drawbacks of the AHP is that the decision makersintuition will expressed as exact values [21]. Another shortcom-ing of AHP is the improper handling of intrinsic vagueness in thepairwise comparison process and the judgement scale biases [22].To overcome these demerits, Naghadehi et al. [23] applied thefuzzy analytical hierarchy process (FAHP) [24] to MMS. In the FAHPsystem, the weights of the main criteria was decided by a fuzzyalgorithm and six candidate-mining methods were ranked by theAHP. The suggested system was employed to the Jajarm Bauxitemine in Iran, and the conventional cut and fill method was chosenas the most appropriate mining method.

The underground mining method selection (UMMS) was devel-oped by Alpay and Yavuz [25] by utilising AHP and Yager’s method[17]. Thirty-six MMS-related criteria were selected for the programme, obtained from a study of Hartman and Mutmansky [1].Rankings of the alternatives were generated by the UBC rankingsystem [12]. One of the merits of the system is a sensitivity analysis of the final ranking process of all alternatives so that userscan recognise the significance of each criterion. The system was applied to the Eskisehir-Karaburun underground chromite mine in Turkey, and the square set stoping method was chosen as the most preferred method for the mine.

Azadeh et al. [26] modified Nicholas’s [9] quantitative ranking method, and the vagueness of decision maker’s judgements were expressed by trapezoidal fuzzy numbers. The system was composed of two AHP models that were categorised as ‘techni-cal operation’ and ‘economic’. A case study was carried out on thenorthern anomaly of the Choghart iron mine in Iran to validate the developed system and compared with the Nicholas method.Namin et al. [27] presented a fuzzy mining method selection with in terrelation criteria (FMMSIC), which is a hybrid decision-support system combining FANP [28] and fuzzy entropy (FUE) [29].The initial weighting processes were carried out with the FANPand FE, and a modified Fuzzy TOPSIS [30] was used for the MMSranking process. To verify the validity of the FMMSIC, a case studywas carried out at the Gol-e-Gohar deposit in southern Iran. Elevenunderground mining methods with 16 MMS-related parameterswere considered candidate methods and criteria for the selection process, respectively. Ultimately, the block caving method was cho-sen as the most appropriate mining method for this mine, whichwas backed by several experts’ opinions. Some of representative references of the use of SC in MMS problems are tabulated inTable 1.

In spite of significant effort by researchers, there is still noMMS system that can cover the entire range of the MMS problem. Recent MMS studies have mostly focused on assigning weight factors to criteria and tried to simulate the exact thought process ofdecision makers. To reduce the scale of MMS, candidate-miningmethods can be set before running the MMS system, but then the

ผลลัพธ์ (ไทย) 2:

หยุนและหวาง [13] ใช้อัลกอริทึมเลือน [14] เพื่ออัลกอริทึม MMS.The ประกอบกับสามขั้นตอน ในขั้นตอนแรกสม fuzzyrelation คำนวณระยะแฮมระหว่างความต้องการ thegeological วิธีการใดวิธีการทำเหมืองแร่ผู้สมัครและลักษณะทางธรณีวิทยาของผมที่จะได้รับการวางแผนเป็น formulated.In ขั้นตอนที่สองระบบประมาณค่าทางเทคนิคและเศรษฐกิจของวิธีการทำเหมืองแร่ผู้สมัครแต่ละคนโดยใช้ข้อมูล frommines กับเงื่อนไขที่คล้ายกัน ในขั้นตอนสุดท้ายของระบบการตัดสินใจวัตถุประสงค์หลายที่ถูกสร้างขึ้นบนพื้นฐานของผลที่ได้จากขั้นตอน thefirst และครั้งที่สอง. Gürayและคณะ [15] การพัฒนาระบบผู้เชี่ยวชาญ MMS สำหรับการทำเหมืองใต้ดิน การศึกษาการพัฒนาที่แตกต่างกัน 13 expertsfor เสมือน 13 ที่แตกต่างกันวิธีการทำเหมืองใต้ดิน มันใช้ระบบฐานความรู้จากนิโคลัส [9] วิธีการจัดอันดับในเชิงปริมาณ thesystem มีเกณฑ์เพิ่มเติมเช่นค่าใช้จ่ายทุน operatingcost, การผลิต, การทรุดตัวของพื้นผิว, การเผาไหม้ที่เกิดขึ้นเองและปัจจัยการปรากฏตัวของทะเลสาบซึ่งไม่รวมอยู่ใน Nicholas'smethod บุญหนึ่งของระบบเป็นเครื่องมือการสอนสำหรับ MMS สำหรับวิศวกรมือใหม่. Bitarafan และ Ataei [16] แนะนำวิธีการในการกำหนด weightsto เกณฑ์ที่แตกต่าง คุณลักษณะหลายตัดสินใจ makingmethod ขึ้นอยู่กับวิธีการเลือน YaGar ของ [17] dominancemethod เลือนเสนอโดย Hipel [18] ถูกนำมาใช้ในระบบที่นำเสนอ คุณสมบัติหนึ่งที่เห็นได้ชัดก็คือว่าระบบที่ใช้สเกลาชี้แจงเพื่อเป็นตัวแทนของความสำคัญของเกณฑ์ที่กำหนดอย่างมาก whichcould เพิ่มมูลค่าของเกณฑ์ที่มีเงื่อนไขคล้ายกับเงินฝากเป้าหมาย มิฉะนั้นค่า begreatly จะลดลง วิธีการที่ใช้ในการประสบความสำเร็จใน Inone MMS ของความผิดปกติที่กอลอี Gohar เหมืองเหล็กในอิหร่านและวิธีการพังบล็อกที่ได้รับเลือกเป็นวิธีการทำเหมืองแร่ที่ดีที่สุด. Ataei และคณะ [19] ใช้กระบวนการลำดับชั้นของการวิเคราะห์ (AHP) [20] tosolve ปัญหา MMS ของ Golbini ที่ 8 เงินฝากใน Jajarm, Iran.The เขียนสูตรสถาปัตยกรรม AHP 13 กับเกณฑ์ 6 แก้ไขพื้นเมืองและ 17 ผู้เชี่ยวชาญจากการดำเนินงานต่าง ๆ electedto ทำให้การเปรียบเทียบ matrixes คู่ อันเป็นผลมาจากการศึกษาการตัดและวิธีการทำเหมืองแร่กรอกรับเลือกให้เป็นวิธีที่เหมาะสมที่สุดในหมู่หกทางเลือก. หนึ่งในข้อเสียของ AHP คือ makersintuition ตัดสินใจจะแสดงเป็นค่าที่แน่นอน [21] อีก shortcom ไอเอ็นจีของ AHP คือการจัดการที่ไม่เหมาะสมของความคลุมเครือที่แท้จริงในกระบวนการเปรียบเทียบ thepairwise และอคติขนาดตัดสิน [22] หากต้องการเอาชนะ demerits เหล่านี้ Naghadehi และคณะ [23] thefuzzy ใช้กระบวนการลำดับชั้นของการวิเคราะห์ (FAHP) [24] เพื่อ MMS ใน FAHPsystem น้ำหนักในเกณฑ์หลักถูกตัดสินโดย fuzzyalgorithm และหกวิธีผู้สมัครเหมืองได้รับการจัดอันดับโดย theAHP ระบบแนะนำถูกจ้างมาเพื่อ Jajarm Bauxitemine ในอิหร่านและตัดตามแบบและวิธีการกรอก chosenas เป็นวิธีที่เหมาะสมที่สุดในการทำเหมืองแร่. เลือกวิธีการทำเหมืองใต้ดิน (UMMS) ถูก devel-OPED โดย Alpay และ Yavuz [25] โดยใช้ AHP และ วิธี Yager ของ [17] สามสิบหกเกณฑ์ MMS ที่เกี่ยวข้องได้รับการคัดเลือกสำหรับโปรแกรมที่ได้รับจากการศึกษาของฮาร์ทแมนและ Mutmansky [1] .Rankings ในทางเลือกที่ถูกสร้างขึ้นโดยยูบีซี rankingsystem [12] หนึ่งในประโยชน์ของระบบคือการวิเคราะห์ความไวของการจัดอันดับสุดท้ายของทุกทางเลือกเพื่อให้ userscan ตระหนักถึงความสำคัญของเกณฑ์แต่ละ ระบบถูกนำไปใช้กับ Eskisehir-Karaburun เหมือง chromite ใต้ดินในตุรกีและตารางวิธีการตั้งค่า stoping รับเลือกให้เป็นวิธีการที่ต้องการมากที่สุดสำหรับเหมือง. Azadeh และคณะ [26] แก้ไขนิโคลัส [9] วิธีการจัดอันดับในเชิงปริมาณและความไม่ชัดเจนของการตัดสินการตัดสินใจของผู้ผลิตมีการแสดงออกโดยตัวเลขเลือนสี่เหลี่ยมคางหมู ระบบประกอบด้วยสองรุ่น AHP ที่ถูกแบ่งออกเป็น 'การดำเนินงาน Techni-Cal' และ 'เศรษฐกิจ' กรณีศึกษาได้รับการดำเนินการเกี่ยวกับความผิดปกติของ thenorthern เหมืองเหล็ก Choghart ในอิหร่านในการตรวจสอบระบบที่พัฒนาแล้วและเมื่อเทียบกับนิโคลัส method.Namin และคณะ [27] นำเสนอตัวเลือกวิธีการทำเหมืองแร่เลือนกับเกณฑ์ terrelation (FMMSIC) ซึ่งเป็นระบบไฮบริสนับสนุนการตัดสินใจรวม FANP [28] และเอนโทรปีเลือน (FUE) [29] ได้โดยเริ่มต้นกระบวนการน้ำหนักเริ่มต้นได้ดำเนินการกับ FANPand FE และ TOPSIS ฟัซซี่แก้ไข [30] ถูกนำมาใช้สำหรับกระบวนการ MMSranking เมื่อต้องการตรวจสอบความถูกต้องของ FMMSIC กรณี studywas ดำเนินการที่เงินฝากกอลอี Gohar ในภาคใต้ของอิหร่าน Elevenunderground วิธีการทำเหมืองแร่กับ 16 parameterswere MMS ที่เกี่ยวข้องกับการพิจารณาวิธีการที่ผู้สมัครและหลักเกณฑ์การขั้นตอนการคัดเลือกตามลำดับ ในที่สุดวิธีการบล็อกพังเป็น cho เซ็นเป็นวิธีการทำเหมืองแร่ที่เหมาะสมที่สุดสำหรับเหมืองนี้ whichwas รับการสนับสนุนจากความคิดเห็นของผู้เชี่ยวชาญหลาย บางส่วนของการอ้างอิงที่เป็นตัวแทนของการใช้ SC ในปัญหา MMS จะ tabulated inTable 1. ทั้งๆที่มีความพยายามอย่างมีนัยสำคัญโดยนักวิจัยยังคงมีระบบ noMMS ที่สามารถครอบคลุมทั้งช่วงของปัญหา MMS การศึกษาล่าสุด MMS ได้ส่วนใหญ่เน้นการกำหนดปัจจัยน้ำหนักเกณฑ์และพยายามที่จะจำลองการผลิต ofdecision กระบวนการคิดที่แน่นอน เพื่อลดขนาดของ MMS, ผู้สมัคร-miningmethods สามารถตั้งค่าก่อนที่จะใช้ระบบ MMS แต่แล้ว

ผลลัพธ์ (ไทย) 3:

ยุน กับ หวง [ 13 ] ใช้อัลกอริทึมฟัซซี่ [ 14 ] MMS . อัลกอริทึมประกอบด้วยสามขั้นตอน ในขั้นตอนแรกให้คำนวณสมการ fuzzyrelation แฮมระยะทางระหว่างความต้องการของผู้สมัคร thegeological เหมืองวิธีการและลักษณะทางธรณีวิทยาของเหมืองจะถูกกำหนดไว้ ในขั้นที่สองระบบประมาณค่าทางเทคนิคและทางเศรษฐกิจของผู้สมัครแต่ละคนเหมืองโดยใช้ frommines ข้อมูลกับเงื่อนไขที่คล้ายกัน ในขั้นตอนสุดท้ายของระบบการตัดสินใจวัตถุประสงค์หลาย ตามผลที่ได้จากขั้นตอนที่ 1 และ 2

guray et al . [ 15 ] พัฒนา MMS ระบบผู้เชี่ยวชาญสำหรับเหมืองใต้ดินการศึกษาพัฒนา 13 ที่แตกต่างกันเสมือน expertsfor 13 แตกต่างกันใต้ดินเหมืองวิธีการ มันใช้ระบบฐานความรู้จากนิโคลัส [ 9 ] ปริมาณการจัดอันดับวิธี โดยมีเกณฑ์เพิ่มเติม เช่น ทุนค่าใช้จ่าย operatingcost , การผลิต , ทรุด , พื้นผิวธรรมชาติการเผาไหม้และทะเลสาบที่มีปัจจัย ซึ่งไม่ได้ถูกรวมอยู่ใน nicholas'smethod .หนึ่งข้อดีของระบบเป็นเครื่องมือการสอนสำหรับ MMS สำหรับวิศวกรมือใหม่

bitarafan และ ataei [ 16 ] แนะนำวิธีการกำหนด weightsto แตกต่างกันเกณฑ์ คลุมเครือคุณลักษณะหลายวิธีขึ้นอยู่กับการตัดสินใจ makingmethod yagar [ 17 ] และคลุมเครือ dominancemethod เสนอโดย hipel [ 18 ] ถูกใช้ในการนำเสนอระบบหนึ่งในคุณสมบัติที่เห็นได้ชัดคือระบบที่ใช้ scalars ชี้แจงเพื่อแสดงความสำคัญของการระบุเกณฑ์ สามารถเพิ่มค่าของเกณฑ์ที่ มีเงื่อนไขกับการฝากเป้าหมาย มิฉะนั้นค่าที่จะ begreatly ลดลง วิธีสามารถนำมาประยุกต์ ใช้ใน inone MMS ของความผิดปกติที่เหมืองเหล็ก gol-e-gohar ในอิหร่านและบล็อกตามวิธีเลือกเป็นวิธีการทำเหมืองดีที่สุด

ataei et al . [ 19 ] ใช้กระบวนการลำดับชั้นเชิงวิเคราะห์ ( AHP ) [ 20 ] แก้ไขปัญหา MMS ของ golbini หมายเลข 8 ฝาก jajarm อิหร่าน ผู้เขียนได้กำหนดวิธีสถาปัตยกรรม 13 6 เปลี่ยนเกณฑ์กับชาวพื้นเมือง และ 17 คน จากปฏิบัติการต่าง ๆ electedto ให้ matrixes ดาวเทียมพ้องคาบโลก .ผลของการศึกษาและวิธีการตัดเติมเหมืองแร่ได้รับเลือกเป็นวิธีที่เหมาะสมที่สุดของหกทางเลือก

หนึ่งประการของวิธีคือการตัดสินใจ makersintuition จะแสดงเป็นแน่นอนค่า [ 21 ] ไอเอ็นจีอื่น shortcom AHP เป็นการจัดการที่ไม่เหมาะสมภายในชัดเจนในกระบวนการเปรียบเทียบ thepairwise และการตัดสินใจแบบอคติ [ 22 ] . เพื่อเอาชนะ demerits เหล่านี้naghadehi et al . [ 23 ] thefuzzy ประยุกต์กระบวนการลำดับชั้นวิเคราะห์ ( fahp ) [ 24 ] MMS . ใน fahpsystem , น้ำหนักของเกณฑ์หลัก คือ ตัดสินใจ โดย fuzzyalgorithm 6 ผู้สมัครเหมืองวิธีการจัดอันดับโดย theahp . แนะนำให้ใช้ระบบการ jajarm bauxitemine ในอิหร่าน และการตัดและเติมวิธีการ chosenas วิธีการทำเหมืองที่เหมาะสมที่สุด

การเลือกวิธีการทำเหมืองใต้ดิน ( umms devel oped และ ) โดย alpay ยาวุส [ 25 ] โดยใช้วิธี AHP เยเกอร์ [ 17 ] สามสิบหก MMS เกี่ยวข้องเกณฑ์คัดเลือกโครงการ ที่ได้จากการศึกษาของฮาร์ทแมน และ mutmansky [ 1 ] . อันดับของทางเลือกที่ถูกสร้างขึ้น โดยยูบีซี rankingsystem [ 12 ]หนึ่งในข้อดีของระบบ คือ การวิเคราะห์ความอ่อนไหวของกระบวนการอันดับสุดท้ายของทางเลือกที่สามารถตระหนักถึงความสำคัญของแต่ละเกณฑ์ เป็นระบบที่ใช้ใน Eskisehir karaburun ใต้ดิน Chromite เหมืองในตุรกี และตั้งค่าตารางหยุดให้น้ำวิธีเลือกเป็นวิธีการที่ต้องการมากที่สุดสำหรับผม

azadeh et al .[ 26 ] แก้ไข [ 9 ] การจัดอันดับนิโคลัสเป็นวิธีการเชิงปริมาณ และความคลุมเครือของผู้ตัดสินใจเป็นคำพิพากษา มีการแสดงออกโดยสี่เหลี่ยมคางหมูตัวเลขเลือน ระบบประกอบด้วยสองวิธีโมเดลที่ถูกแบ่งออกเป็น ' ช่างเทคนิคแคลปฏิบัติการ ' และ ' เศรษฐกิจ 'กรณีศึกษาในภาคเหนือมิติของ choghart เหล็กเหมืองในอิหร่าน ซึ่งได้พัฒนาระบบและเปรียบเทียบกับวิธีนิโคลัส นามิน et al . [ 27 ] นำเสนอวิธีฟัซซี่กับเกณฑ์การเลือกการ terrelation ( fmmsic ) ซึ่งเป็นลูกผสมระบบสนับสนุนการตัดสินใจการรวม fanp [ 28 ] และปุยเอนโทรปี ( FUE ) [ 29 ]น้ำหนักเริ่มต้นกระบวนการทดลองกับ fanpand Fe และแก้ไขแบบ topsis [ 30 ] ถูกใช้สำหรับ mmsranking กระบวนการ เพื่อตรวจสอบความถูกต้องของ fmmsic กรณีศึกษา ดำเนินการที่ฝาก gol-e-gohar ในภาคใต้ของอิหร่าน วิธีการที่เกี่ยวข้องกับ elevenunderground เหมืองแร่ 16 MMS parameterswere พิจารณาวิธีการและเกณฑ์การคัดเลือกผู้สมัคร ,ตามลำดับ ในที่สุดบล็อกตามวิธี โชเซ็น เป็นวิธีการทำเหมืองที่เหมาะสมที่สุดสำหรับชั้นนี้ ซึ่งได้รับการสนับสนุนโดยความคิดเห็นของผู้เชี่ยวชาญหลาย ' บางส่วนของตัวแทนที่ใช้ในการอ้างอิงของ ม MMS ปัญหาวิจัย intable 1 .

ทั้งๆที่มีความพยายามของนักวิจัยยังคงมี nomms ระบบที่สามารถครอบคลุมทั้งช่วงของ MMS ครับMMS ล่าสุดมีการศึกษาส่วนใหญ่มุ่งเน้นไปที่ปัจจัยกำหนดน้ำหนักเกณฑ์ และพยายามที่จะจำลองกระบวนการคิดที่แน่นอน ofdecision ผู้ผลิต เพื่อลดขนาดของ MMS , miningmethods ผู้สมัครสามารถตั้งค่าก่อนจะใช้งาน MMS ระบบ แต่แล้ว