Grade control in multi-variable ore deposits as a quality management problem under uncertainty
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to provide a decision-making tool on where to send mining parcels extracted in such a way as to minimize losses arising from mis-classification. The problem is complicated because actual values of mining parcels cannot be known and the decision is made on the basis of the estimation/simulations of the parcels generated from sparse data. Design/methodology/approach – The loss minimization associated with mis-classification is formulated as a non-linear optimization problem and solved by successive mixed integer programming. By assigning reasonable values to some variables making problem non-linear, the problem is converted to a mixed integer programming (MIP) and is solved by a standard MIP optimization engine. Findings – A case study was conducted to see the performance of the proposed approach on a deposit with gold and silver variables. The proposed approach was also compared with conventional grade control approaches. The results showed that the approach proposed could be used for solving grade quality control problem. Practical implications – Grade quality control problem is well-known problem and there is no effective solution approach. This paper proposes to solve the problem through standard operation research software. As such, mine planner and engineers have a means to deal with grade quality problem in mining operations. Originality/value – The paper formulates multi-variable grade quality control problem as an optimization problem on the contrary to previous one-shot approaches. This can increase profit and operation efficiency. The research also use target grades rather than cut-off grade posing problems in mining operations.
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.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle