MétaCan
Menu
Retour à la cohorte
Enregistrement W2405294385 · doi:10.1080/03155986.2006.11732740

Cost-Effective And Reliable Grinding Schedules For Inland Cement

2006· article· en· W2405294385 sur OpenAlexaffvenueabout
Thaddeus Sim, Joey Cherdarchuk, Erhan Erkut, Sean Lalani, Kimberley Mik

Notice bibliographique

RevueINFOR Information Systems and Operational Research · 2006
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGrindingProductivityCementClinker (cement)Manufacturing engineeringProduct (mathematics)Production (economics)Process engineeringOperations managementEngineeringMechanical engineeringEconomicsMathematicsMaterials scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

The final phase of cement production at Inland Cement Edmonton is the grinding of an intermediary product called clinker. Operating the grinding machinery, or “finishing mills,” requires a great deal of electrical power, which constitutes one of Inland's most significant expenses. This paper discusses a solution that provides Inland Edmonton with a tool to improve the cost-effectiveness of the grinding by directing the finishing mills' schedules, based on a variety of criteria and constraints. The project incorporates issues such as multiple products, varying power rates throughout each day and month. inconsistent productivity rates, inventory capacities, uncertain demand, and other considerations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,013
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,059
Tête enseignante GPT0,328
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueINFOR Information Systems and Operational ResearchMême sujetMining Techniques and EconomicsTravaux en français237 207