问题：提高采矿生产率
Vale是一家从事金属和矿业的巴西跨国公司。它也是巴西最大的物流运营商之一。
该公司希望最大限度地提高其位于莫桑比克莫阿蒂泽的露天煤矿的生产率。为了在不影响运营的情况下测试不同的场景，Vale选择了仿真建模，并与Genoa签订了合同， Genoa是一家专门从事优化和仿真的决策支持公司。
解决方案：优化和仿真采矿作业
Genoa的工程师建立了两个露天煤矿的模型。总体而言，该模型考虑了：
- 8条同时作业的采矿线
- 每条线前面配有一个装载机
- 80辆具有不同容量、速度和故障特征的卡车
- 10种不同煤炭类型（plys）
- 每个矿山一个露天矿场、一个破碎设备和一个尾矿库。
每个矿井都有多个采矿前沿，可从中检索各种煤炭类型。回收的煤炭由卡车运至破碎设备或其旁边的露天矿场。与煤炭一起，采矿提取机还回收必须由卡车转移至废物存放处的废物堆积。
提取的煤炭经过破碎设备进入加工厂。这些工厂生产三种产品：热（蒸汽）煤、冶金（冶金、炼焦）煤和一种称为尾矿的子产品。尾矿由输送机运至筒仓，然后由卡车运至尾矿坝。
在采矿模型中，工程师还考虑了现场工作人员的轮班时间，以及设备故障和维护。
为什么选择AnyLogic进行采矿优化？
在项目的第一阶段， Genoa 利用外部求解器建立了一个优化模型，以最大化矿井的运输能力。然后，他们使用优化模型的输出作为采矿作业仿真模型的输入。
在AnyLogic中，工程师使用图形、图表和时间线可视化优化器提供的结果。此外，该软件还允许分析其他关键露天矿管理指标，包括：
- 设备故障等不确定性（卡车、装载设备和破碎设备）
- 卡车循环时间：行驶时间、装货前排队、装货时间、卸货前排队和卸货时间
- 卡车、装载设备和破碎机的利用率
- 破碎机投入率（矿山吞吐量）
- 操作员轮班和维护计划。
由于AnyLogic能够导入外部Java库，团队可以直接在仿真模型中导入和使用来自优化器的数据。
利用优化结果数据，工程师们建立了一个煤矿开采作业的仿真，显示了如何改进矿井的流程。该团队使用离散事件建模作为设备和机械运动建模的主要方法。为了详细仿真卡车行为，他们还使用了基于智能体的建模和状态图。
结果
Genoa在莫桑比克莫阿蒂泽建立了一个煤矿开采作业的仿真模型。使用外部优化器，他们确定了最佳卡车车队规模，并最大化了可运输的煤炭量，同时还考虑了废物和尾矿的运输限制。
Vale 现在可以使用仿真模型来评估不同的采矿作业场景，并可视化和比较结果。他们还可以使用不同的卡车和设备车队分析矿山的性能，并仿真轮班和维护政策。
为了进一步改进模型，团队考虑在AnyLogic中将矿井建模为一个智能体群，这将有助于为其他场景扩展模型。最后，为了详细仿真卡车的运动，他们可以使用AnyLogic道路库，而不是示意性地绘制路线。
Genoa在2021 AnyLogic会议上展示该案例。
