基于闭合排队网络扩展求和算法的露天矿车铲协同优化研究_赵加征.pdf

收稿日期2019-12-13 基金项目 “十三五” 国家重点研发计划项目 （编号 2019YFC0605304） ， 国家自然科学基金项目 （编号 51704218） ， 中央高校基本科研业务费专项 （编号 2019III086CG， 2018IVB054） 。 作者简介赵加征 （1994） ， 男， 硕士研究生。通讯作者李宁 （1986） ， 男， 讲师， 博士， 硕士研究生导师。 总第 527 期 2020 年第 5 期 金属矿山 METAL MINE 基于闭合排队网络扩展求和算法的露天矿车铲 协同优化研究 赵加征 1 李宁 1， 2 叶海旺 1， 2 王李管 3 王其洲 1， 2 雷涛 1， 21 （1. 武汉理工大学资源与环境工程学院， 湖北 武汉 430070； 2.矿物资源加工与环境湖北省重点实验室， 湖北 武汉 430070； 3.中南大学资源与安全工程学院， 湖南 长沙 410083） 摘要为解决车铲协同优化不合理导致的卡车待装时间过长的问题， 运用排队理论构建了矿山闭合网络模 型， 将生产流程分解成采装、 重车运行、 称重、 卸矿、 空车运行等多级服务过程。针对多铲车且装车时间服从正态分 布的情形， 引入扩展求和算法 （Extended Summation Algorithm，ESUM） 求解闭合网络模型中各级服务系统的排队指 标。基于等待制排队模型与混合制排队模型之间的差异， 改善了ESUM前期误差较大的不足， 改进后的算法计算 结果精度更高。以某露天矿为例， 首先根据该矿山实际装车时间的统计分析， 确定该矿山装车时间服从正态分布 规律； 然后结合该矿山某处运输路段只允许单车通行的实际情况， 在闭合网络模型中加入 “单车道” 排队系统， 通过 求解该模型， 计算在不同卡车数量下该矿山各个生产环节的作业状态， 并得到采装过程是制约卡车运行效率的关 键环节； 最后以采装过程中卡车等待时间最少为目标， 满足平均班产量为约束， 确定该露天矿的合理卡车数为 7 辆， 此时卡车在采装过程的逗留时间较原来缩短了42.24。在上述分析的基础上， 采用Matlab软件平台对相应条 件下采装时的平均排队长度进行了模拟分析， 结果验证了用扩展求和算法进行车铲协同优化的有效性和准确性。 关键词露天矿车铲协同优化闭合排队网络仿真模拟 中图分类号TD854文献标志码A文章编号1001-1250 （2020） -05-151-07 DOI10.19614/ki.jsks.202005022 Synergetic Optimization Study of Open Pit Truck Shovel Based on Extended Summation Algorithm of Closed Queuing Network Zhao Jiazheng1Li Ning1， 2Ye Haiwang1， 2Wang Liguan3Wang Qizhou1， 2Lei Tao1， 22 （1. School of Resources and Environmental Engineering， Wuhan University of Technology， Wuhan 430070， China; 2. Hubei Key Laboratory of Mineral Resources Processing and Environment， Wuhan 430070， China; 3. School of Resources and Safety Engineering， Central South University， Changsha 410083， China） AbstractIn order to solve the problem of long waiting time for truck loading caused by the unreasonable coordinated optimization of truck and shovel，the closed network model of mine is constructed by using queuing theory，and the produc- tion process is divided into multi-level service processes such as mining loading，heavy truck operation，weighing，unload- ing and empty truck operation． For the case of multiple shovels and normal distribution of loading time， the extended summa- ry algorithm ESUM is introduced to solve the queuing index of all levels of service system in the closed network model． Based on the difference between the waiting queuing model and the mixed queuing model， the defect of large error in the ear- ly stage of ESUM is improved，and the accuracy of the improved results is higher． Taking an open pit mine as an example， according to the statistical analysis of the actual loading time of the mine，it is determined that the loading time of the mine obeys the rule of normal distribution． Secondly，the “single lane“ queuing system is added to the closed network model ac- cording to the fact that only single lane is allowed to pass in a certain transportation section of the mine． By solving the mod- el，the operation state of each production link of the mine is calculated under different truck numbers，and the mining and loading process is the key link to restrict the truck operation efficiency． Then，taking the minimum waiting time of trucks in Series No． 527 May 2020 151 ChaoXing 金属矿山2020年第5期总第527期 the process of mining and loading as the goal and meeting the constraints of average shift production，the reasonable number of trucks in the open pit mine is determined to be 7． At this time，the staying time of trucks in the process of mining and loading is 42．24 shorter than the original． Based on the above discussion results，the average queue length of mining and loading is simulated by MATLAB software plat，and the validity and accuracy of the synergetic optimization of open pit truck shovel by adopting ESUM is verified． KeywordsOpen pit mine， Synergetic optimization of truck and shovel， Closed queueing network， Analogue simulation 露天开采具有基建时间短、 生产能力大、 开采成 本低、 作业安全性高等优点， 在现代矿业开发利用过 程中得到了广泛应用 ［1］。由于汽车运输具有调度方 便、 适应范围广等优点， 是目前露天开采的主要运输 方式。据统计 ［2］， 露天开采运输作业成本约占矿石开 采总生产成本的60， 极大影响着矿山企业的经济效 益。因此， 在满足矿山生产能力的条件下， 有效减少 运输车辆的等待时间， 确定车铲最优配比， 提高汽车 运输效率， 对于提升矿山经济效益具有重要意义。 排队论是研究服务过程中排队现象的一种数学 理论， 也称为随机服务系统理论 ［3］。排队理论能够从 系统整体角度描述作业过程， 在很多领域得到了应 用 ［4-9］。近年来， 大量学者利用排队理论研究并分析 了露天矿运输作业过程的排队现象。高景俊等 ［10］应 用排队论中的有限队列模型优化了排岩系统的工艺 流程， 结合生产实际情况来控制车铲合理调配。俞 雄志 ［11］采用排队理论确定车铲比， 并比较了不同车 铲配比之间经济效益的差异性。Ercelebi等 ［12］采用 闭式排队网络理论对卡车进行了分配， 基于线性规 划实现了汽车的运行调度， 并分析了运输作业中卡 车数量与最优调度策略对成本的影响。Ta等 ［13］为确 定装载机组的最少卡车数量， 以吞吐量及矿石品位 为约束， 基于有限源队列理论， 建立了油砂露天矿排 队模型， 跟据装载机闲置概率与卡车数量之间的关 系， 建立了卡车分配模型来解决实际问题。 上述研究大多假设作业时间服从负指数函数分 布， 采装过程仅考虑单台装载设备。然而实际生产 中只有卸矿作业时间服从负指数函数分布 ［14-15］， 装车 时间基于负指数函数分布的假设可能会导致计算结 果与实际情况产生较大差异 ［16］， 不同排队模型也会 影响卡车等待时间 ［17］。矿山在同一工作平台一般具 有多个装载点， 运输汽车数量需根据作业计划进行 选择。为研究多铲车、 作业时间服从一般函数分布 的情形， 引入闭合排队网络扩展求和算法计算矿山 生产处于稳定状态时各系统的运行指标。 1闭合排队网络扩展求和算法 求和算法 （Summation Algorithm， SUM） 是一种分 析计算服务时间呈负指数函数分布排队网络的近似 算法， 在此基础上改进得到的扩展求和算法 （Extend- ed SUM， ESUM） ， 可以有效解决服务时间为一般函数 分布的排队网络问题 ［18］。 1. 1ESUM计算原理 假设某闭合排队网络中有N个服务点， 第i个服 务点 （1 ≤ i ≤ N） 有mi个相同的服务台， 此闭合排队网 络中顾客总数为K。闭合排队网络处于稳定时， 有如 下关系成立 ①各服务点的平均排队长度与该服务 点流量有关； ②各服务点内平均排队长度之和与闭 合网络内顾客总数相同。 第一类关系可表述为 Ki fi λi，（1） 式中，Ki 为闭合网络中第i个服务点的顾客平均排队 长度；λi为通过第i个服务点的流量； 函数fi λi有以 下性质 ①0 ≤ λi≤ miμi， 其中μi为第i个服务点中每 个服务台的服务率； ②fi λi是λi的单调非减函数； ③ fi 0 0。 SUM将服务点分为4类， 如表1所示。 注m表示该服务点共有m个服务台； ∞表示该服务点存在无数个服务台。 152 ChaoXing 2020年第5期赵加征等 基于闭合排队网络扩展求和算法的露天矿车铲协同优化研究 根据上述分类， 有下式成立 Ki ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ■ ρi 1 - K - 1 ρi K Type 1,2,4; mi 1 miρi ρi 1 - K - mi- 1 ρi K - mi PmiType 1,mi＞ 1 λi μi Type 3 ，（2） 式中，m i为第i个结点处包含的相同服务台数量；ρi 为第i个服务点的服务强度；Pmi为表1中Type1型系 统中全部服务台都被占用的概率。 第二类关系可表述为 ∑ i 1 N Ki ∑ i 1 N fi λi K，（3） 式 （1） 、 式 （3） 构成了SUM算法的基础。 在ESUM中， Type1的服务时间函数分布由负指 数分布扩展到一般分布， 引入系数ai对式 （2） 进行修 正 ai 1 C2 Bi 2 ，（4） 式中，C2 Bi为服务时间变异系数的平方。 对于M/G/1-FCFS和M/G/m-FCFS型服务点， 平 均排队长度分别为 fi λi Ki ρi aiρ2 i 1 - K - 1 - aiρi K - 1 ，（5） fi λi Ki miρi aiρi 1 - K - mi- aiρi K - 1 Pmi. （6） ESUM算法的迭代步骤为 （1） 以λ1 0为流量下限，λμ min{}μi,mi为流 量上限。对于-/G/∞型服务点，mi K。 （2） 令流量λ λ1 λμ 2 ， 根据λ值计算闭合排队 网络中的顾客数量 g λ ∑ i 1 N fi λi（7） （3）若g λ ＞ K，令λμ λ，若g λ ＜ K，令 λ1 λ， 重复步骤 （2） ； 若K - ε ≤ g λ ≤K ε（ε 是一个很小的数， 表示计算精度） ， 则停止计算。利 用满足要求的流量λ， 便可分析闭合网络中各服务点 的运行指标。 1. 2改进ESUM算法 1. 2. 1误差分析 矿山在实际生产过程中由于闭合网络中总卡车 数量为定值， 不存在无容量约束的情形， 即最大排队 长度应为卡车总数， 而ESUM算法是基于无限容量等 待过程得到闭合排队网络的近似公式， 无容量约束 下可能会出现排队长度大于卡车总数的情形。利用 Matlab软件对文献 ［19］ 中卡车总数为5辆时的流量 进行随机模拟， 模拟时间为500 min， 在无容量限制情 况下采装过程排队长度随时间的变化关系如图1所 示。由图1可以看出， 卡车在采装系统中长度最高为 8辆， 且有多次超过卡车实际总数5辆。在无容量约 束时， 铲车处的排队长度会变大， 导致闭合排队网络 整体流量λ变小， 导致直接应用式 （5） 、 式 （6） 计算会 产生较大误差。因此， 采用有限容量的等待过程对 ESUM算法进行改进， 更符合矿山实际情况。 1. 2. 2算法改进 矿山闭合网络模型中， 卡车总数不变， 当所有卡 车都在同一服务点时， 将后续卡车看作损失， 没有加 入排队过程， 等待制排队模型变为混合制排队模型， 利用此时的系统排队长度改进式 （5） 、 式 （6） 确定模 型表达式， 即 fi λi 1 bifi λi，（8） 式中，bi为修正系数。 服务点多服务台与单服务台的差异， 仅仅表现 为卡车被铲车服务的随机性不同。鉴于多服务台情 形的公式 ［3］过于复杂， 因此本研究选用单服务台的情 形进行近似分析。单服务台混合制排队模型M/M/1/ N和单服务台等待制排队模型M/M/1的系统排队长 度公式分别为 LM/M/1/N ρ 1 - ρ - N 1 ρN 1 1 - ρN 1 ，（9） LM/M/1 ρ 1 - ρ， （10） 153 ChaoXing 金属矿山2020年第5期总第527期 式中，N为排队容量；ρ为服务强度。 由式 （9） 、 式 （10） 可得 h 1 - N 1 ρN NρN 1 1 - ρN 1 .（11） 当ρ取值分别为0．4, 0．5, 0．6, 0．7时，h随卡车数 量的变化情况如图2所示。 由图2可知 随着卡车数量逐渐增大， M/M/1模 型和M/M/1/N模型的比值越来越接近1， 即当卡车数 量无限大时， 两种模型无差异。在ESUM算法中， 闭 合网络中流量大小与卡车总数成正比， 且ρi λiμi， 由此定义bi ①bi为ρi的函数， 且当ρi 0时，bi 0； 当 ρi 1时，bi 1； ②bi为单调递增函数， 且增长率逐渐 减小。为简化公式， 选常用函数， 取biρi 3 。 1. 2. 3方法验证 利用改进ESUM算法对某矿山生产过程的随机 模拟实例 ［20］进行分析， 假设该露天矿山有1台电铲， 若干辆卡车， 卸载场地有1个卸矿车位， 可供1辆卡 车进行卸车作业。计算机模拟基础数据为 装载时 间服从正态分布， 其均值为1.32 min， 方差为0.072 9； 重车运行时间服从定长分布， 其均值为4 min； 卸车服 务时间服从负指数分布， 均值为0.74 min； 空车运行 时间为定长3.67 min； 每辆卡车装载量均值为22.5 t； 每班工作时间为6 h。 针对卡车总数K 5,6,,11的情形， 分别采用 改进的ESUM算法对上述实例的闭合网络进行分析 计算， 并与原始算法的计算结果对比， 如表 2所示。 改进后的班生产能力与计算机模拟得到的生产能力 差异在3以内， 精度相较之前明显提高。卡车总数 在11辆时的误差较大， 主要是由于修正函数bi后期 与函数h不完全符合， 不过随着后期卡车数量增多， 出现排队现象越明显， 对于车铲协同不利， 在实际优 化时不会考虑此类数据， 因此利用改进的ESUM算法 进行车铲协同优化具有可行性。 2工程应用 2. 1矿山闭合排队网络模型 某年产280万t的露天石灰石矿山为满足生产需 求， 每天需连续工作两班共计16 h， 平均班产量4 667 t。矿山现有单斗挖掘机3台， 运输卡车12辆， 其中11 辆常用。矿山运输路径中段有一段单车道， 并且卸矿 前需要称重。实际生产中， 在采装过程中极易排队等 待现象。因此， 有必要对车铲协同进行优化， 减少卡 车在采装过程中的等待时间， 提高卡车利用效率。 依据闭合排队网络理论， 将该矿山作业过程抽 象为采装、 重车运行、 单车道、 称重、 卸矿、 空车运行 等系统， 如图3所示。 2. 2排队网络分析 （1） 采装系统。采装过程中， 3台单斗挖掘机在 同一工作平台进行工作， 卡车到达后可以自由选择 空闲的挖掘机， 当3台挖掘机都被占用时， 后来的卡 车排列成一队等待。以人工计时方式对装车时间进 行统计并利用Matlab软件进行数据分析， 结果显示， 未通过K-S检验， 即装车时间不符合负指数分布； 数 据通过J-B正态分布拟合检验， 装车时间经验分布函 数如图4所示， 置信度为95。由图4可以看出， 数据 基本符合正态分布， 因此， 本研究将采装过程视为3 个服务台的 M/G/3 型排队系统， 装车时间均值为 7.298 4 min， 标准差为1.404 2 min。 （2） 重车运行系统。将矿山公路视为无限个服 务台， 即卡车在公路行驶时无需等待。为简化排队 模型， 将两段重车运行合成一段完整的运行路径， 重 车运行时间符合均值为2.6 min的定长分布， 此系统 154 ChaoXing 2020年第5期赵加征等 基于闭合排队网络扩展求和算法的露天矿车铲协同优化研究 属M/G/∞型。 （3） 单车道系统。在行驶路径中间部分的单车 道， 只允许单向通过。车辆在启动加速阶段时所用 时间较长， 在平稳路段运行时可以认为是匀速运动。 该部分可以双向通行， 此系统的流量应为2λ， 通行时 间为定值0.5 min， 属于M/G/1型排队系统。 （4） 称重系统。卡车经过重车运行后， 在卸矿前 需先进行称重。矿山目前有1台地磅， 称重过程耗时 均值为0.5 min， 据以往经验 ［15］， 称重时间服从负指数 分布， 此系统属于M/M/1型。 （5） 卸矿系统。该矿山目前只有1个卸矿点， 可 允许2辆卡车同时进行卸矿作业， 即系统内有2个服 务台， 卸矿时间服从均值为2 min的负指数分布， 此 系统属于M/M/2型。 （6） 空车运行系统。与重车运行类似， 可以将该 系统视为含有无数个服务台的服务点， 服务时间定 长分布的M/G/∞型排队系统。空车运行时间均值为 2 min， 其中不包括在单车道的运行时间。 卡车在此矿山闭合网络模型中循环经过6级服 务系统， 根据各系统排队类型， 选用相应公式， 即可 求解出闭合网络处于稳态时各服务点的运行指标。 2. 3改进ESUM模型计算结果 2. 3. 1闭合排队网络各节点分析 用改进ESUM算法求解该矿山闭合排队网络模 型中K 4,5,,14的近似解， 计算精度取ε 0．001， 结果如表3所示。 当K为6～14时， 增加的8辆卡车有7辆在采装系 统中， 说明这些卡车以排队等待的形式加入到网络 中。随着卡车数量增加，λ值明显变大， 不过其增长 率逐渐减小。由图5可知λ值会趋近于采装过程极 限服务能力， 即采装过程容易成为限制整个闭合排 队网络流量增加的节点， 因此需要对采装过程的排 队指标进行精确分析。 2. 3. 2采装过程分析 假设卡车以恒定到达率到达采装点， 卡车装载 量均值为30 t， 计算每班生产能力并依据Little公式 ［3］ 计算各到达率对应的平均逗留时间， 结果如表 4所 示。当卡车数量为4、 5时， 卡车在采装系统平均逗留 时间较少， 但此时该系统中的平均卡车数小于3辆， 即单斗挖掘机可能会存在空闲时间过长的情况。卡 车总数为6时， 单斗挖掘机在平均意义上无空闲， 卡 车逗留时间也较短， 同时满足平均班产量目标， 此时 155 ChaoXing 车铲协同效果较优。考虑到实际生产过程存在其他 未考虑的因素， 因此卡车总数为7辆比较适宜。卡车 数量从原先的11辆减少至7辆时， 卡车在采装过程 的逗留时间缩短了 42.24， 班生产能力只减少了 7.86。 2. 4随机模拟验证 利用Matlab软件模拟采装系统的排队过程， 以验 证采用改进ESUM算法确定卡车数量的合理性， 当两 者在采装系统的数量一致或相差不大时， 可以认为 改进ESUM算法有效。模拟过程需要进行有效性检 验， 一般情况下排队过程达到稳定时的排队指标可 以通过理论推导得到， 但M/G/m/N排队模型用数学推 导异常困难， M/M/m模型与M/G/m模型的仿真模拟差 异只是生成服务时间随机数的函数不同， 可以转化 成为M/M/m/N排队模型进行验证 ［21］。本研究根据实 例 ［3］分析该随机模拟的准确性。 设计算机有 5 个终端， 用机时间服从负指数分 布， 为15 min； 顾客到达符合泊松流， 平均0.2个/min； 5个终端全被使用时， 后续顾客只能前往别处。根据 排队论公式计算上述示例， 系统平均排队长度为 2.669 7个， 平均逗留时间为15 min。采用上述模拟方 法模拟多次发现， 系统平均排队长度为2.76个， 平均 逗留时间为15.59 min， 可以证明该模拟有效。 运用上述模拟方法对改进ESUM算法的计算结 果进行验证， 当卡车总数为6辆时， 分别模拟10次采 装过程， 模拟时间均为500 min， 结果如表5所示， 某次 排队长度随时间的变化特征如图6所示。10次随机 模拟中采装系统平均排队长度的平均值为3.204 8， 改 进 ESUM 算法的计算值为 3.383 9， 可以认为由改进 ESUM算法计算得到的卡车数量较准确。由图6可以 直观看出， 卡车数量保持在3辆时次数较多。 3结论 根据实际情况建立了某露天矿生产的闭合排队 网络模型， 将该矿山流程简化为采装、 重车运行、 单 车道、 称重、 卸矿和空车运行等系统节点， 研究得到 如下结论 （1） 引入闭合排队网络扩展求和算法， 计算稳态 时该矿山各系统节点的运行指标， 得到采装过程是 制约该矿山生产的瓶颈环节。 （2） 以卡车等待时间少并满足平均班产量为目 标， 确定该矿山合理的卡车数量为7辆， 卡车在采装 过程中的逗留时间较未优化前缩短了42.24。 （3） 利用仿真模拟验证了闭合排队网络扩展求 和算法在该矿山应用的可行性， 结果表明， 采用此方 法进行车铲协同优化简单有效。 参 考 文 献 高永涛， 吴顺川．露天采矿学 ［M］ ．长沙 中南大学出版社， 2010． Gao Yongtao，Wu Shunchuan． Open Pit Mining［M］ ． Changsha Central South University Press， 2010． 顾清华， 张媛， 卢才武， 等．低碳限制下综合成本最小的露天 矿卡车运输优化研究 ［J］ ．金属矿山， 2019 （8） 157-161． ［1］ ［2］ 金属矿山2020年第5期总第527期 156 ChaoXing ［3］ ［4］ ［5］ ［6］ ［7］ ［8］ ［9］ ［10］ ［11］ ［12］ ［13］ ［14］ ［15］ ［16］ ［17］ ［18］ ［19］ ［20］ ［21］ 2020年第5期赵加征等 基于闭合排队网络扩展求和算法的露天矿车铲协同优化研究 Gu Qinghua，Zhang Yuan，Lu Caiwu，et al． Truck transportation optimization research under the constraints of low carbon with the lowest comprehensive cost in open-pit mine ［J］ ． Metal Mine， 2019 （8） 157-161． 陆川赉．排队论 ［M］ ．北京 北京邮电大学出版社， 2009． Lu Chuanlai． Queuing Theory［M］ ． Beijing Beijing University of Posts and Telecommunications Press， 2009． 张笑菊， 曾庆成， 王泽浩．集装箱码头集卡配置优化的闭合排队 网络模型 ［J］ ．系统工程理论与实践， 2019， 39 （2） 409-417． Zhang Xiaoju，Zeng Qingcheng，Wang Zehao． Modeling the closed queueing network of truck allocation optimization in container ter- minals ［J］ ． Systems Engineering-Theory Practice， 2019， 39 （2） 409-417． Kim J， Dudin A， Dudin S， et al．Analysis of a semi-open queueing network with Markovian arrival process［J］ ． Perance ua- tion， 2018， 1201-19． 张明聚， 张振波， 杜修力．基于排队论的地下圆筒形车库汽车电 梯数量研究 ［J］ ．中国公路学报， 2017， 30 （4） 133-139． Zhang Mingju，Zhang Zhenbo，Du Xiuli． Research on number of car elevators for cylindrical underground garage based on queuing theory ［J］ ． China Journal of Highway and Transport， 2017， 30 （4） 133-139． Hu L，Liu Y． Joint design of parking capacities and fleet size for one-way station-based carsharing systems with road congestion con- straints ［J］ ．Transportation Research Part B ological， 2016， 93268-299． 罗梓铭， 马飞虎 ． 混合收费站 ETC 与 MTC 车道通行能力研究 ［J］ ．公路， 2018， 63 （7） 239-244． Luo Ziming，Ma Feihu． Research on the traffic capacity of ETC and MTC lane in composite toll station ［J］ ． Highway， 2018， 63 （7） 239-244． 杨林振， 赵春菊， 周宜红， 等．闭合排队网络模型在隧道出渣机 械优选中的应用 ［J］ ．水电能源科学， 2014， 32 （2） 143-146． Yang Linzhen，Zhao Chunju，Zhou Yihong，et al． Application of closed queuing network approach in optimization of tunnel mucking machinery ［J］ ． Water Resources and Power， 2014， 32 （2） 143-146． 高景俊， 段喜涛， 孙亚鑫， 等．基于排队论的排岩系统优化研究 ［C］ //全国冶金自动化信息网2016年会论文集．马鞍山冶金 自动化 杂志社， 2016 12-17． Gao Jingjun，Duan Xitao，Sun Yaxin，et al． Study on optimization of rock discharge system based on queuing theory［C］ //Proceed- ings of 2016 national metallurgical automation ination network． Maanshan Metallurgical Industry Automation， 201612-17． 俞雄志．平朔东露天矿爆堆形态优化研究 ［D］ ．武汉理工大学， 2015． Yu Xiongzhi． Blasting Pile Shape Optimization Research of the Pingshuo East Open Pit Mine［D］ ． Wuhan Wuhan University of Technology， 2015． Ercelebi S G， Bascetin A．Optimization of shovel-truck system for surface mining ［J］ ．The Journal of the Southern African Institute of Mining and Metallurgy， 2009， 109 （7） 433-439． Ta C H，Ingolfsson A，Doucette J． A linear model for surface min- ing haul truck allocation incorporating shovel idle probabilities ［J］ ． European Journal of Operational Research， 2013， 231 （3） 770-778． 张维国．基于运行数据特征分析的露天矿采运设备管控系统构 建与研究 ［D］ ．沈阳 东北大学， 2017． Zhang Weiguo． Establishment and Research on the Management and Control System of Mining Equipment in Open-pit Mine Based on the Analysis of Operational Data Characteristics ［D］ ． Shenyang Northeastern University， 2017． 李强．哈尔乌素露天煤矿电铲卡车关键时间参数的概率分布 ［J］ ．露天采矿技术， 2011 （1） 33-35， 39． Li Qiang． Probability distribution of key time parameters of shovel truck in Haerwusu surface coal mine ［J］ ． Opencast Mining Technol- ogy， 2011 （1） 33-35， 39． 张维戈， 陈连福， 黄彧， 等．M/G/k排队模型在电动出租汽车充 电站排队系统中的应用 ［J］ ．电网技术， 2015， 39 （3） 724-729． Zhang Weige，Chen Lianfu，Huang Yu，et al． Application of M/G/ k queuing model in queuing system of electric taxi charging station ［J］ ． Power System Technology， 2015， 39 （3） 724-729． 付恩三， 刘光伟， 于渊， 等．基于不同排队模型对露天矿卡车 等待时间的研究分析 ［J］ ．露天采矿技术， 2013 （11） 21-23． Fu Ensan，Liu Guangwei，Yu Yuan，et al． Research and analysis of the open-pit mine truck waiting time based on different queuing model ［J］ ． Opencast Mining Technology， 2013 （11） 21-23． Gunter B，Stefan G，Hermann D M，et al． Queueing Networks and Markov Chains ［M］ ． Hoboken John WileySons， 2006． 张继文， 王青．闭合排队网络的扩展求和算法及其应用 ［J］ ．煤 炭学报， 2008， 33 （11） 1309-1313． Zhang Jiwen，Wang Qing． The extended summation algorithm for closed queueing networks and its application ［J］ ． Journal of China Coal Society， 2008， 33 （11） 1309-1313． 戴明强， 李卫军， 杨鹏飞．数学模型及其应用 ［M］ ．北京 科学出 版社， 2008． Dai Mingqiang，Li Weijun，Yang Pengfei． Mathematical Model and Its Applica