MétaCan
Menu
Retour à la cohorte
Enregistrement W2086032073 · doi:10.1179/1743286313y.0000000040

Joint stochastic optimisation of short and long term mine production planning: method and application in a large operating gold mine

2013· article· en· W2086032073 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMining Technology Transactions of the Institutions of Mining and Metallurgy Section A · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMcGill University
Mots-clésScheduling (production processes)Computer scienceProduction scheduleStochastic programmingScheduleNet present valueProduction (economics)Production planningScale (ratio)Stage (stratigraphy)Mathematical optimizationData miningMathematicsGeology

Résumé

récupéré en direct d'OpenAlex

A new multistage stochastic mine production scheduling approach is developed and tested in a large operating gold mine. The approach takes short scale orebody information in the form of grade control data into account. As simulated orebodies used in stochastic long term mine planning are based on sparse exploration data while grade control data are unavailable at the time of production scheduling, the short scale information is simulated stochastically. Stage 1 of the approach simulates high density future grade control data based on exploration data and grade control in previously mined out parts of a deposit. In stage 2, the technique of conditional simulation by successive residuals enables preexisting simulated orebody models to be updated using the simulated future grade control information. Stage 3 is based on a stochastic programming mine scheduling formulation that handles jointly multiple simulated orebody models from stage 2, and accommodates both maximising net present value (NPV) and minimising deviations from expected production targets. Stage 4 includes quantification of risk in the production schedules generated, comparisons and reporting. The application at a large operating gold mine demonstrates that the proposed approach is practical, and adds value to the operation. The approach is shown to deliver additional ore (3·6 Mt more) and metal (2·6 Mg more) which matches the mines reconciliations, unlike the conventional schedule, and results in a cumulative NPV which is on average 7·7 million AUD higher than that of a stochastic schedule without the simulated grade control data. The NPV is 230 million AUD higher compared to the NPV from the actual schedule of the mine. An additional key contribution of the proposed approach is the compliance of short- to long term production schedules and performance, leading to higher probability of meeting production targets and increased productivity. Given the capital intensity of mining projects, this contribution can be critically important to 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 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 enseignants0,277
Score d'incertitude au seuil0,570

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,024
Tête enseignante GPT0,259
Écart entre enseignants0,235 · 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