The use of decision and optimization methods in selection of hydrometallurgical unit process alternatives

• Autorzy: Rintala L. , Lillkung K. , Aromaa J.

Warianty tytułu

PL

Zastosowanie naukowych metod podejmowania decyzji oraz optymalizacji do wyboru alternatywnych jednostkowych procesów hydrometalurgicznych

• Języki publikacji: EN

Abstrakty

EN

The hydrometallurgical process routes development has traditionally been made based on personnels' experiences and preferences. This tacit knowledge has been very difficult to communicate to other people. For this reason an attempt has been made to develop a tool that could be used as a selection tool or a decision support method when making process route decisions. A description of the decision problem is the most important element in decision making. That is discussed via human decison making and decision support and optimization methods. In addition, a typical hydrometallurgical process chain and decisions made in different stages at the chain are discussed. The main focus in this study is to establish what kind of tool would help in the rough selection between the different unit processes. The optimization of the process chain would be the next stage of development work but that is not discussed here.

PL

Rozwój linii technologicznej w hydrometalurgii opiera się zwykle na doświadczeniu i preferencjach personelu. Doświadczenie i nabyta wiedza w tej dziedzinie są bardzo trudne do przekazania. Dlatego też podjęto próbę opracowania metody wspomagania procesu podejmowania decyzji i wyboru przy planowaniu linii technologicznych. Najważniejszym elementem procesu decyzyjnego jest opis problemu. Ta część procesu dyskutowana jest w oparciu o metody wspomagania procesu decyzyjnego. Dodatkowo przedyskutowano przebieg procesu decyzyjnego w przypadku typowych dla hydrometalurgii linii technologicznych. Praca ta zogniskowana jest na zagadnieniu znalezienia odpowiednich narzędzi, które mogłyby pomóc w zgrubnym wyborze pomiędzy różnymi procesami jednostkowymi. Optymizacja technologii byłaby następnym krokiem jej rozwoju, ale problem ten nie jest w pracy dyskutowany.

Słowa kluczowe

EN

hydrometallurgical unit processes; decision and optimization methods; human decision making

PL

procesy hydrometalurgiczne; metody decyzji i optymalizacji; podejmowanie decyzji

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Physicochemical Problems of Mineral Processing
• Rocznik: 2011
• Tom: Vol. 46
• Strony: 229--242
• Opis fizyczny: Bibliogr. 20 poz.

Twórcy

autor

Rintala L.

autor

Lillkung K.

autor

Aromaa J.

• Aalto University, Department of Materials Science and Engineering, PO Box 16200, FIN-00076 Aalto, Finland,

Bibliografia

• 1. AGRAWAL, V.P., KOHLI, V., GUPTA, S., Computer aided robot selection: The multiple attribute decision making approach. International Journal of Production Research 29(1991) 8, 1629-1644.
• 2. AVRAMENKO, Y., KRASLAWSKI, A., Case based design: applications in process engineering. Springer, 2008.
• 3. BECHARA, A., DAMAISO, H., DAMAISO, A.R., Emotion, Decision Making and the Orbitofrontal Cortex. Cerebral Cortex 10(2000) 3, 295-307.
• 4. CILEK, E.C., Application of neural networks to predict locked cycle flotation test results. Minerals Engineering 15(2002), 1095-1104.
• 5. DORIGO, M., BLUMB, C., Ant colony optimization theory: A survey. Theoretical Computer Science 344(2005), 243 – 278.
• 6. DORIGO, M., STÜTZLE, T., Ant Colony Optimization. MIT Press, 2004, 320.
• 7. GHIASSI, M., BURNLEY, C., Measuring effectiveness of a dynamic artificial network algorithm for classification problems. Expert Systems with Applications 37(2010), 3118-3128.
• 8. HASSOUN, M.H., Fundamentals of Artificial Neural Networks. Massachusetts Institute of Technology, 1995.
• 9. HAYES, P., Process Selection in Extractive Metallurgy. Hayes Publishing Co, Brisbane, 1985, 406.
• 10. OYJ, O., 2010, Sim – Process Simulation. www.outotec.com/pages/Page.aspx?id=35374 &epslanguage =EN. Viitattu
• 11. MJALLI, F.S., L-ASHEH, S., ALFADALA, H.E., Use of artificial neural network black-box modeling for the prediction of wastewater treatment plants performance. Journal of Environmental Management 83(2007) 329-338.
• 12. PAL, S., SHIU, S., Foundations of Soft Case-Based Reasoning. John Wiley & Sons, 2004,. 298.
• 13. QUINLAN, J.R., Induction of Decision Trees. Machine Learning 1(1986), 81-106.
• 14. RAO, S.S., Engineering Optimization - Theory and Practice. John Wiley & Sons, 2009.
• 15. REEVES, C.R., ROWE, J.E., Genetic Algorithms - Principles and Perspectives : A Guide to GA Theory. Kluwer Academic Publishers 2002,. 345.
• 16. SAGE, A.P., ARMSTRONG, J. E. Jr., Introduction: Types of Decisions. In: Introduction to Systems Engineering. John Wiley & Sons, 2000,. 547.
• 17. SHI, H., Lyons-Weiler, J., Clinical decision modeling system. BMC Medical Informatics and Decision Making 7(2007) 23, 17.
• 18. TONG, K.W., KWONG, C.K., IP, K.W., Optimization of process conditions for the transfer molding of electronic packages. Journal of Materials Processing Technology 138(2003), 361-365.
• 19. WADSWORTH, M., Leaching - Metals Applications. In: Handbook of Separation Process Technology, ed. Rousseau, R. John Wiley & Sons, New York, 1987, 500-539.
• 20. XU, L.D., Case based reasoning. Potentials, IEEE 13(1995) 5, 10-13.