Production Scheduling and Waste Disposal Planning for Oil Sands Mining Using Goal Programming
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
In oil sands mining, timely provisions of ore and tailings containment with less environmental footprints are the main drivers of profitability and sustainability. The recent Alberta Energy Resources Conservation Board Directive 074 requires oil sands waste disposal planning to be an integral part of mine planning. This requires the development of a well integrated strategy of directional mining and tailings dyke construction for in-pit and ex-pit tailings storage management. The objectives of this paper are to: 1) determine the order and time of extraction of ore, dyke material and waste that maximizes the net present value; 2) determine the destination of dyke material that minimizes construction cost; and 3) minimize deviations from the production goals of the mining operation. We have developed, implemented, and verified a theoretical optimization framework based on mixed integer linear goal programming (MILGP) to address these objectives. This study presents an integration of mixed integer linear programming and goal programming in solving large scale mine planning optimization problems using clustering and pushback techniques. Application of the MILGP model was presented with an oil sands mining case. The MILGP model generated a smooth and uniform mining schedule that generates value and provides a robust framework for effective waste disposal planning. The results show that mining progresses with an ore to waste ratio of 1:1.5 throughout the mine life, generating an overall net present value of $14,237M. This approach improves the sustainable development of oil sands through better waste management.
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 | 0,000 | 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 | 0,001 |
| 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 découle