MétaCan
Menu
Retour à la cohorte
Enregistrement W2057974480 · doi:10.1504/ijmme.2010.035314

Hierarchical mine production scheduling using discrete-event simulation

2010· article· en· W2057974480 sur OpenAlexaff
Eugene Ben Awuah, Samira Kalantari, Yashar Pourrahimian, Hooman Askari Nasab

Notice bibliographique

RevueInternational Journal of Mining and Mineral Engineering · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensCanadian Natural ResourcesUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésDiscrete event simulationScheduling (production processes)Simulation modelingOpen-pit miningComputer scienceTime horizonProduction planningEngineeringProduction (economics)CrusherMining engineeringSimulationMathematical optimizationOperations management

Résumé

récupéré en direct d'OpenAlex

Mine planning involves different levels of decision-making depending on the time horizon under consideration. The main goal of this study is to develop a discrete-event simulation model to link long-term predictive mine plans with short-term production schedules in the presence of uncertainty. We have developed, verified and validated a discrete-event simulation model for open pit production scheduling using the SLAM simulation language. The simulation model takes into consideration constraints and uncertainties associated with mining and processing capacities, crusher availability, stockpiling strategy and blending requirements. Application of the simulation model is presented by an iron ore open pit mine case study.

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 enseignants0,107
Score d'incertitude au seuil0,462

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,013
Tête enseignante GPT0,261
Écart entre enseignants0,248 · 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

Citations11
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mining and Mineral EngineeringMême sujetMining Techniques and EconomicsTravaux en français237 207