MétaCan
Menu
Retour à la cohorte
Enregistrement W2770419041 · doi:10.36487/acg_rep/1710_11_zhang

Mine schedule optimisation with ventilation constraints: a case study

2017· article· en· W2770419041 sur OpenAlexaff
Hongbin Zhang, Rebecca Hauta, Lorrie Fava

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensCentre for Excellence in Mining Innovation
Organismes subventionnairesnon disponible
Mots-clésScheduleVentilation (architecture)SolverConstraint (computer-aided design)EngineeringComputer scienceComponent (thermodynamics)Operations researchMechanical engineering

Résumé

récupéré en direct d'OpenAlex

This paper describes a process for optimising mine schedules with ventilation constraints using the Schedule Optimization Tool (SOT), the Ventilation Constraint Module (VCM) and a ventilation network solver (Ventsim). The VCM was developed as a component of MIRARCO’s SOT+ research project. Proper ventilation is critical for underground mines to operate safely, yet it is often not adequately considered early in the mine planning cycle. The need to account for ventilation early in the long-term planning cycle motivated the development of the VCM. The VCM generates constraints on the schedule of mining activities for each zone and for each stage of the mine life, based on available airflows. These constraints are intended to ensure that a mine schedule will be feasible from a ventilation perspective. Adhering to these ventilationbased constraints, as well as other constraints related to the project, SOT maximises the net present value (NPV) of the long-term schedule. The VCM will also assist the user in identifying opportunities to redistribute the airflow in the mine in ways that support higher-NPV schedules. A case study for a hypothetical underground mine will be presented, showing that the VCM supports the generation of optimised life-of-mine schedules that adhere to realistic ventilation constraints.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,189

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,029
Tête enseignante GPT0,258
Écart entre enseignants0,229 · 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMining Techniques and EconomicsTravaux en français237 207