MétaCan
Menu
Retour à la cohorte
Enregistrement W2510141417 · doi:10.1504/ijmme.2016.078352

Diggability assessment in open pit mines: a review

2016· review· en· W2510141417 sur OpenAlexaff
Mohammad Babaei Khorzoughi, Robert A. Hall

Notice bibliographique

RevueInternational Journal of Mining and Mineral Engineering · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueTunneling and Rock Mechanics
Établissements canadiensUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésOpen-pit miningMining engineeringGeologyForensic engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Loading efficiency has a critical role in increasing production and reducing cost of mining operations. Inefficient loading can significantly increase operational costs. The term diggability index is used to indicate ease of excavation. It also can be related to loading equipment performance and subsequently quality of blast. Several indicators have been defined in the past to assess diggability. This paper mainly focuses on the review of loading equipment based diggability assessment methods. The review highlights that although several indicators for different purposes were proposed in the literature, no universally accepted approach for diggability assessment has been defined which could produce reliable and repeatable results for assessing the muck-pile digging conditions. In addition to muck-pile characteristics and blast quality, operator practice and machine type and conditions have been found to have a significant effect on diggability. Therefore, it is necessary to investigate their effect in any diggability assessment 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)0,001
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,029
Tête enseignante GPT0,339
Écart entre enseignants0,310 · 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
GenreSynthèse

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

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mining and Mineral EngineeringMême sujetTunneling and Rock MechanicsTravaux en français237 207