MétaCan
Menu
Retour à la cohorte
Enregistrement W2051902589 · doi:10.1179/174328608x362668

Decline design in underground mines using constrained path optimisation

2008· article· en· W2051902589 sur OpenAlexaff
Marcus Brazil, Peter Grossman, D. H. Lee, J Rubinstein, D. A. Thomas, N. C. Wormald

Notice bibliographique

RevueMining Technology Transactions of the Institutions of Mining and Metallurgy Section A · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesUniversity of Melbourne
Mots-clésHaulageTruckPath (computing)Underground mining (soft rock)Key (lock)Computer scienceMathematical optimizationEngineeringIndustrial engineeringOperations researchAlgorithmCoal miningMathematicsAutomotive engineering

Résumé

récupéré en direct d'OpenAlex

This paper focuses on the problem of optimising the design of an underground mine decline, so as to minimise the costs associated with infrastructure development and haulage over the lifetime of the mine. A key design consideration is that the decline must be navigable by trucks and mining equipment, hence must satisfy both gradient and turning circle constraints. The decline is modelled as a mathematical network that captures the operational constraints and costs of a real mine, and is optimised using geometric techniques for constrained path optimisation. A deep understanding of the geometric properties of gradient and turning circle constrained paths has led to a very efficient procedure for designing optimal declines. This procedure has been automated in a new version of a software tool, decline optimisation tool. A case study is described indicating the substantial improvements of the new version of the decline optimisation tool over the earlier one.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,247
Écart entre enseignants0,191 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMining Technology Transactions of the Institutions of Mining and Metallurgy Section AMême sujetMining Techniques and EconomicsTravaux en français237 207