《Resources》:Decision Support Framework to Improve Mining Productivity: Prioritization of Operational Factors in Medium-Scale Mining
编辑推荐:
采矿业在由技术、组织、人员和外部因素相互作用为特征的复杂运营环境中面临着提高生产率的日益严峻挑战。然而,现有研究经常独立地考察这些决定因素,从而限制了对它们的相对重要性及其对运营绩效综合影响的全面理解。本研究开发了一个决策框架,通过应用基于从活跃采矿业务中获得
采矿业在由技术、组织、人员和外部因素相互作用为特征的复杂运营环境中面临着提高生产率的日益严峻挑战。然而,现有研究经常独立地考察这些决定因素,从而限制了对它们的相对重要性及其对运营绩效综合影响的全面理解。本研究开发了一个决策框架,通过应用基于从活跃采矿业务中获得的专家判断的层次分析法(AHP),以识别并确定影响智利Coquimbo地区中等规模采矿生产率的因素的优先级。AHP模型由2个准则、7个子准则和23个决策因素构成,通过一致性比率(CR)和Cronbach’s alpha系数评估了其一致性和可靠性。结果显示,内部因素(75.0%)相对于外部因素(25.0%)具有显著的优势,表明生产率主要受可在组织层面管理的变量的影响。在评估的子准则中,工作规划获得了最高优先级(32.0%),而调度与控制(10.2%)、人为因素(6.4%)和工作条件(5.2%)成为最具影响力的决策因素。此外,敏感性分析证实了模型的稳健性和稳定性。除了确立生产率决定因素的优先级排序外,本研究还提供了一个决策支持框架,可帮助采矿公司加强生产率管理并改善中等规模采矿的运营绩效。
研究背景、问题与目标
采矿业作为智利的核心经济支柱与全球最大的铜生产国,在全球大宗商品超周期结束后,面临着维持行业可持续性与竞争力的严峻挑战。在此背景下,中等规模采矿企业不仅贡献了全国4.2%的精铜产量,还面临着资源枯竭、矿石品位下降、运营成本上升以及全球能源转型带来的增效压力。此外,矿产资源逐步耗竭、运营成本攀升等结构性挑战使得生产系统的压力日益加剧。现有的研究文献大多从成本、劳动力绩效或特定运营变量等碎片化视角独立地探讨生产率问题,缺乏能够同时评估和确定多个生产率决定因素相对重要性的统一决策结构。为了填补这一方法论与实证研究上的空白,研究人员指出,需要将生产率视为一个在资源受限环境中对关键因素进行识别和排序的决策问题。因此,本研究旨在通过应用层次分析法(AHP,一种将复杂决策问题系统结构化、比较并确定优先级的多准则决策方法),构建并评估一个专门针对智利Coquimbo地区中等规模采矿生产率的决策支持框架,从而指导资源的战略性分配并改善运营绩效。该研究成果已发表于学术期刊《Resources》。
关键技术方法
研究人员主要采用了层次分析法(AHP)作为核心方法论框架,将决策问题分解为包含目标、准则、子准则和决策因素的层级结构,并通过专家的两两比较判断来获取量化优先级。研究利用了Cronbach’s alpha系数来评估收集数据的内部可靠性,同时采用一致性比率(CR)验证专家判断的逻辑一致性。为验证模型结构的稳健性与结果稳定性,研究人员实施了多维度的敏感性分析,包括性能敏感性分析、头对头敏感性分析和梯度敏感性分析。研究中的专家判断数据来源于智利Coquimbo地区9家中等规模活跃矿业公司的16位关键管理与专业人员,共收集了2416个判断数据,并采用众数聚合方法构建了群判断矩阵。
研究结果
Cronbach’s Alpha
研究人员通过可靠性分析得出Cronbach’s alpha系数为0.90,表明专家提供的响应数据具有极高的内部一致性与可靠性,满足后续AHP模型构建的数据质量要求。
Consistency Ratio
在一致性检验中,所有两两比较矩阵的一致性比率(CR)均低于Saaty提出的0.10可接受阈值,且整体模型的CR值为0.08,证明了专家判断在逻辑上具有高度连贯性,所得出的优先级估计结果有效且可信。
Analysis and Interpretation of the Priorities Associated with the Main Criteria
对模型两大主准则优先级的分析表明,内部因素(C2)获得了0.75的全局优先级,而外部因素(C1)仅为0.25。这反映出专家赋予了组织可直接控制的内部维度显著更高的相对权重。
Analysis and Interpretation of the Global Priorities of the Alternatives
在44个决策因素的全局权重分析中,属于工作规划子准则的调度与控制(A123)以0.102的优先级位列第一,其次是人为因素(A221)和工作条件(A826),分别为0.064和0.052。前列的高优先级因素(≥0.04)以及中等优先级因素共同占据了模型大部分的权重,呈现出向内部管理与规划高度集中的分布特征。
Sensitivity Analysis
性能敏感性分析评估了在理论平衡(50%-50%)与外部因素主导(75%)两种情景下,决策因素全局优先级的响应。在理论平衡情景中,调度与控制(A123)权重显著下降,而自然资源的消耗(A419)跃升至主导地位;在外部主导情景中,自然资源的消耗(A419)进一步巩固了其绝对优势。头对头敏感性分析以调度与控制(A123)为参考因素与其他关键因素进行直接对比,结果显示A123在所有评估中均保持正向优势,偏好差异在3.2%至5.6%之间,未出现排名逆转。梯度敏感性分析识别出在主准则权重变化约0.6%处存在关键临界点,越过此阈值后,属于地质因素子准则的自然资源的消耗(A419)能够与内部主导决策因素相抗衡,展现出在特定条件下的结构跃升能力。
讨论部分与研究结论
在讨论部分,研究人员指出,该研究证实了采矿生产率并非在各因素间平均分布,而是强烈集中于可管理的内部因素,特别是运营规划、资源协调以及人力资本管理。这表明专家更倾向于将生产率视为组织管理能力的函数,而非仅仅是外部约束的直接结果。即便是供应商(A216)等因素被赋予了较低优先级,也反映出专家认为外部贡献的有效性依赖于内部吸收与管理能力,而非因素本身的重要性缺失。敏感性分析进一步深化了这一理解,揭示了模型虽具备高度结构稳定性,但存在优先级重排的过渡区域。自然资源的消耗(A419)在特定外部条件下展现出的战略敏感性,强调了在不确定性环境中使用动态支持工具预判管理优先级转移的价值。
研究人员在结论中总结道,本研究不仅识别并确定了智利Coquimbo地区中等规模采矿中影响生产率的关键因素,还提供了一个集成多维敏感性分析的层级决策支持框架。研究结论揭示了内部因素(0.75)相较于外部因素(0.25)的结构性主导地位,明确了调度与控制、人为因素和工作条件是影响生产率的最核心决定因素。从应用角度来看,该研究建议中等规模采矿企业应当在资源受限的环境下,优先将战略资源投入到强化运营规划、流程优化及人力资本管理中。该框架不仅超越了静态因素排名,更作为一个动态评估工具,能够支持企业高效分配资源并预见决策情景变化下的优先级更迭。