MétaCan
Menu
Retour à la cohorte
Enregistrement W2064032981 · doi:10.4236/ajibm.2014.41006

Introduction of Innovative Equipment in Mining: Impact on Productivity

2014· article· en· W2064032981 sur OpenAlexafffund
Bryan Boudreau-Trudel, Kazimierz Zaraś, Sylvie Nadeau, Isabelle Deschamps

Notice bibliographique

RevueAmerican Journal of Industrial and Business Management · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensÉcole de Technologie SupérieureUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesFondation de l’Université du Québec en Abitibi-TémiscamingueÉcole de technologie supérieure
Mots-clésProductivityCompetitor analysisCompetition (biology)Reliability (semiconductor)BusinessOperations managementIndustrial organizationRisk analysis (engineering)Environmental economicsEngineeringMarketingEconomics

Résumé

récupéré en direct d'OpenAlex

In this era of increased competition and rapid change, mining companies must remain attentive to all opportunities to gain an advantage over competitors. Acquisition of innovative equipment is often viewed as a way of decreasing operating costs, for example, by increasing machinery reliability. The objective of this paper is to examine the impact of new equipment on productivity in underground mining. Ten projects were examined using three indicators: the cost per meter drilled, the cost per hour of use and the equipment availability ratio. The results clearly show that the introduction of new equipment with technological innovations does not necessarily improve productivity. In some cases, performance indicators even dropped. We suggest that future research should focus on identifying the mechanisms and conditions that ensure the increases in productivity following the introduction of the latest innovations in mining equipment. Successful introductions of such equipment likely depend on the conditions surrounding it.

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)0,001
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil0,318

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,018
Tête enseignante GPT0,231
Écart entre enseignants0,213 · 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'étudeAutre devis
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

Citations7
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Industrial and Business ManagementMême sujetMining Techniques and EconomicsTravaux en français237 207