A flexible mine production model based on stochastic price simulations: application at Raglan mine, Canada
Notice bibliographique
Résumé
The conventional economic evaluation technique that is currently used to evaluate the economic viability of mining operations has three important pitfalls. First, the probability distributions of key variables fed into the simulation process are in most part subjective and not based in a solid scientific ground. Second, the simulation method applied to generate metal prices paths results in unrealistic jumps and falls between the consecutive discrete time steps throughout the same simulated path. Third, the conventional technique implements a static production model in which the flexibility to alter the production policy is not applicable. These three pitfalls can impact the accuracy of evaluation results and consequently can lead to suboptimal production decisions. This paper presents an economic evaluation technique for mining projects based on the real options theory. This technique is based on generating future simulated metal price paths using the appropriate stochastic process for each metal. More important, the technique implements a flexible production model in which the production policy can be revised according to the new market information. To illustrate the difference the proposed improvements can make in the evaluations results, both the conventional and the new technique are applied to investigate the economic viability of some marginal mining zones based on data from Xstrata's Raglan mine. It has been found that the differences in the evaluation results between the two techniques range between $CAD0˙82 million and as high as $CAD3˙25 million depending on the size of the subzone, and for the total zone value, the difference is $CAD6˙55 million.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».