MétaCan
Menu
Retour à la cohorte
Enregistrement W2756775383

A multivariate destination policy for geometallurgical variables in mineral value chains using coalition-formation clustering

2016· article· en· W2756775383 sur OpenAlexaff
Maria Fernanda Del Castillo, Roussos Dimitrakopoulos

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCluster analysisOperations researchComputer scienceSet (abstract data type)Value (mathematics)Multivariate statisticsRelation (database)Variable (mathematics)Process (computing)Data miningIndustrial engineeringEngineeringArtificial intelligenceMathematicsMachine learning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Complex polymetallic mining projects with multiple processing streams tend to require tight blending constraints, with different operational and processing targets. These blending requirements are generally not focused solely on metal grade, but rather on a set of geometallurgical variables that affect the performance of the operation and its ability to meet targets and maximize project value. Because of this, a multivariate destination policy is developed here, based on coalition formation clustering (a line of study of cooperative game theory), which avoids the use of cut-off grades and defines where material is sent by accounting for the value and relation of groups of blocks being processed together. This allows improving investment decisions as a result of optimizing project performance, because the variables that affect blending and processing requirements are actively accounted for in the optimization process. A case study on a copper-gold mine with six destinations is presented, where the method proposed shows significant improvements in meeting processing requirements and increases the expected net present value by 5.6% when compared to a traditional method. This shows that complex processing requirements can be accounted for and respected without any loss of project value.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,535

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,046
Tête enseignante GPT0,319
Écart entre enseignants0,273 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetMining Techniques and EconomicsTravaux en français237 207