LOGIN TO YOUR ACCOUNT

Username
Password
Remember Me
Or use your Academic/Social account:

CREATE AN ACCOUNT

Or use your Academic/Social account:

Congratulations!

You have just completed your registration at OpenAire.

Before you can login to the site, you will need to activate your account. An e-mail will be sent to you with the proper instructions.

Important!

Please note that this site is currently undergoing Beta testing.
Any new content you create is not guaranteed to be present to the final version of the site upon release.

Thank you for your patience,
OpenAire Dev Team.

Close This Message

CREATE AN ACCOUNT

Name:
Username:
Password:
Verify Password:
E-mail:
Verify E-mail:
*All Fields Are Required.
Please Verify You Are Human:
fbtwitterlinkedinvimeoflicker grey 14rssslideshare1
Rintala, Lotta (2015)
Publisher: Aalto-yliopisto
Languages: English
Types: Article
Subjects: Chemistry, tapauspäättely, process development, computer_science, Materials science, prosessin kehitys, hydrometallurgia, Metallurgy, case-based reasoning, gold ore, kultamalmi, hydrometallurgy
The ore grade, the geometry of an orebody as well as the mineralogical properties of the ore determine process selection for gold extraction. These factors have an effect on the metallurgical response of an ore to a proposed treatment scheme. The uniqueness of each ore deposit is the main challenge in the extraction process development for any ore. The mineralogical mode of occurrence of gold, gold grain size distribution, host and gangue mineral type, mineral associations and alterations all vary. There may be variations in these even within a single deposit, or with time. The research on gold extraction and reaction chemistry of gold is an active research area, even though many of the processes used for gold extraction today are based on techniques that have been known for centuries. Therefore, the amount of knowledge in the form of journal articles and industry reports concerning the processing of gold ores is large and increasing continuously. Typically experimental work is the most time consuming and expensive part of process design. Hence systematic utilisation of these knowledge sources helps to select experiments more precisely and shorten the development time of new process technology. In this thesis, a procedure for externalising and formalising knowledge from public sources regarding the hydrometallurgical gold extraction processes was created. Next, a framework for a case-based reasoning (CBR) system for the systematic utilisation of these knowledge sources in the development of hydrometallurgical gold extraction processes was produced. The quality of the public knowledge sources concerning the gold extraction processes and geological deposit information was analysed. These sources were found to be suitable for the planned CBR system. An open source tool, myCBR 3.0, was used in this study. Part of the tool, myCBR Workbench, was used for modelling. Nine attributes that represented parameters to be determined to understand gold ore-processing requirements were modelled and a case base consisting of 25 cases was constructed for Knowledge model I. This model was evaluated by using hypothetical queries and queries that were based on existing processes. The evaluation results of the Knowledge model I showed that the system works and it is able to find raw materials that have fairly similar process flowsheets from the case base compared with the queries. Furthermore, the results showed that the developed system is also able to retrieve relevant cases when queries are formed based on the ore descriptions of the existing processes. In addition to these results, myCBR Workbench was found suitable for the knowledge modelling of the hydrometallurgical gold extraction processes and it worked in general as intended. Malmin pitoisuus, malmion geometria samoin kuin malmin mineralogiset ominaisuudet määrittelevät kullanvalmistuksen prosessivalintaa. Nämä tekijät vaikuttavat siihen, miten malmi reagoi metallurgisesti aiottuun käsittelyyn. Suurin haaste talteenottoprosessin kehittämisessä mille tahansa malmille on kunkin malmiesiintymän ainutlaatuisuus. Kullan mineralogia, kultarakeiden kokojakauma, isäntä- ja juonimineraalien tyypit, mineraalien esiintyminen vaihtelevat. Näissä voi olla vaihtelua jopa saman malmiesiintymän sisällä ja ajan kuluessa. Kullan talteenoton ja reaktioiden kemian tutkimus on aktiivinen tutkimusalue, siitäkin huolimatta että monet nykyisistä kullan talteenoton prosesseista perustuvat tekniikoihin, jotka on tunnettu vuosisatoja. Tästä syystä tiedon määrä tieteellisinä artikkeleina ja teollisuuden raportteina on suuri ja kasvaa jatkuvasti. Prosessin kehityksessä kokeellinen tutkimus on yleensä aikaa vievin osuus. Näiden tietolähteiden systemaattinen hyödyntäminen auttaa suunnittelemaan kokeet tarkemmin ja lyhentää uuden prosessiteknologian kehitykseen kuluvaa aikaa. Tässä väitöskirjassa luotiin menettelytapa tietämyksen keräämiseen ja kuvaukseen käyttäen julkisia kullan talteenottoa hydrometallurgisilla menetelmillä käsitteleviä lähteitä. Tämän jälkeen luotiin rakenne tapauspäättelyjärjestelmälle, jotta näitä tietolähteitä voidaan systemaattisesti hyödyntää kullan hydrometallurgisten talteenottoprosessien kehittämisessä. Kullan talteenottoa ja geologisia esiintymätietoja sisältävien julkisten tietolähteiden laatu analysoitiin, ja ne havaittiin sopiviksi tietolähteiksi suunnitellulle tapauspäättelyjärjestelmälle. Tässä tutkimuksessa käytettiin myCBR 3.0 –työkalua, jonka lähdekoodi on avoin. Järjestelmää testattiin työkalun myCBR Workbench –osalla. Yhdeksän ominaisuutta, jotka on määritettävä kultamalmin prosessointivaatimusten ymmärtämiseksi, mallinnettiin ja Knowledge model I –tietämysmallia varten rakennettiin 25 tapauksen tietokanta. Tietämysmallin toiminta arvioitiin hypoteettisten ja todellisiin prosesseihin perustuvien testikyselyiden avulla. Arviointitulokset osoittivat, että järjestelmä toimii ja pystyy löytämään raaka-aineet, joiden prosessiketjut ovat varsin samankaltaisia testikyselyjen kanssa. Lisäksi tulokset osoittivat, että kehitetty järjestelmä löytää asiaankuuluvat tapaukset myös, kun kysely on muodostettu olemassa olevan prosessin malmikuvauksen perusteella. Näiden tulosten lisäksi myCBR Workbench -osan varmistettiin toimivan, kuten sen on tarkoitettu ja sopivan hydrometallurgisten kullan talteenottoprosessien mallintamiseen.
  • The results below are discovered through our pilot algorithms. Let us know how we are doing!

    • 1. Aamodt, A., Plaza, E.: Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications 1(7) (1994)
    • 2. Arcos, J., Grachten, M., de Mantaras, R.: Extracting performers behaviors to annotate cases in a cbr system for musical tempo transformations. Case-Based Reasoning Research and Development pp. 1066{1066 (2003)
    • 3. Darke, G.: Assessment of timbre using verbal attributes. In: Conference on Interdisciplinary Musicology. Montreal, Quebec (2005)
    • 4. Hirota, K., Yoshino, H., Xu, M., Zhu, Y.: An application of fuzzy theory to the case-based reasoning of the cisg. Journal of Advanced Computational Intelligence Vol 1(2) (1997)
    • 5. Lenz, M., Bartsch-Sporl, B., Burkhard, H.D., Wess, S. (eds.): Case-Based Reasoning Technology: From Foundations to Applications, Lecture Notes in Arti cial Intelligence, vol. LNAI 1400. Springer-Verlag, Berlin (1998)
    • 6. Lopez De Mantaras, R., McSherry, D., Bridge, D., Leake, D., Smyth, B., Craw, S., Faltings, B., Maher, M.L., Cox, M.T., Forbus, K., et al.: Retrieval, reuse, revision and retention in case-based reasoning. The Knowledge Engineering Review 20(03), 215{240 (2005)
    • 7. Madhusudan, T., Zhao, J., Marshall, B.: A case-based reasoning framework for work ow model management. Data & Knowledge Engineering 50(1), 87{115 (2004)
    • 8. Marsden, J., House, I.: The chemistry of gold extraction. Society for Mining, Metallurgy, and Exploration (2006)
    • 9. Minor, M., Bergmann, R., Gorg, S., Walter, K.: Towards case-based adaptation of work ows. Case-Based Reasoning. Research and Development pp. 421{435 (2010)
    • 10. Minor, M., Tartakovski, A., Bergmann, R.: Representation and structure-based similarity assessment for agile work ows. CBR Research and Development pp. 224{238 (2007)
    • 11. Pajula, E., et al.: Studies on computer aided process and equipment design in process industry (2006)
    • 12. Plaza, E., Arcos, J.: Constructive adaptation. Advances in Case-Based Reasoning pp. 306{320 (2002)
    • 13. Richter, M.M.: Introduction. In: M. Lenz, B. BartschSporl, H.D. Burkhard, S. Wess (eds.) Case-Based Reasoning Technology { From Foundations to Applications, LNAI 1400. Springer-Verlag, Berlin (1998)
    • 14. Rintala, L., Aromaa, J., Forsen, O.: Use of published data in the development of hydrometallurgical ow sheet for gold using decision-support tools. In: Proceedings of the International Mineral Processing Congress, IMPC 2012. CSIR (2012)
    • 15. Sauer, C.S., Roth-Berghofer, T., Auricchio, N., Proctor, S.: Recommending audio mixing work ows. In: Proceedings of the 21st International Conference on Case-Based Reasoning (ICCBR 2013). Springer (2013)
    • 16. Torres, V., Chaves, A., Meech, J.: Intelligold-a fuzzy expert system for gold plant process design. In: Fuzzy Information Processing Society, 1999. NAFIPS. 18th International Conference of the North American, pp. 899{904. IEEE (1999)
    • 17. Torres, V.M., Chaves, A.P., Meech, J.A.: Intelligold-an expert system for gold plant process design. Cybernetics & Systems 31(5), 591{610 (2000)
    • 18. Watson, I.: Case-based reasoning is a methodology not a technology. Knowledge-Based Systems 12(5), 303{308 (1999)
  • No related research data.
  • No similar publications.

Share - Bookmark

Cite this article