Большие глубины новые технологии
Notice bibliographique
Résumé
Current state of mining industry is characterized by the trend towards rapid development of deep mining thus resulting in increased production costs of mineral extraction and having negative impact on safety of mining works. It is possible to decrease open-pit mining costs due to pit wall steeping following the fulfillment of a set of conditions whose neglecting can lead to serious consequences such as fatalities, machinery destruction, shutdown or decline in plant capacity. The calculation problem of pit wall and slope face optimum angle has become difficult due to required consideration of rock mass structure and its stress state as well as slope stability impacted by seasonal precipitation. This kind of problem has been solved for the Kovdorsky GOK. To provide this solution, the following measures were taken: geological-structural mapping of the deposit, pit wall design with double bench and vertical slope angles, development of smooth blasting, pit wall state and near contour rock mass monitoring system. Geomechanic state of the rock mass is of great importance for providing safety and stability of an underground mine’ work. Comprehensive solution of the safety problem is in transition to minimally-manned operation and to unmanned production techniques in the future. Accepting such technologies is future-proof not only in terms of miners’ safety but also in reduction of the costs related to comfortable and safe working conditions. Fully autonomous LHD machinery is already used in the mines of LKAB (Sweden) and Inca (Canada) as well as El Teniente (Chile) and Jundee (Australia). Over the last years technological process automation during open-pit mining is actively developed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».