Variographic Assessment of Total Process Measurement System Performance for a Complete Ore-to-Shipping Value Chain
Notice bibliographique
Résumé
Variographic characterisation has been shown to be a powerful tool to assess the performance of process measurement systems, using existing process data. Variogram interpretation enables decomposition of variabilities stemming from the process and measurement system, respectively, allowing to determine if measurements are able to describe the true process variability with sufficient resolution. This study evaluated 14 critical sampling locations, covering a total of 34 separate measurement systems, along the full processing value chain at Luossavaara Kiirunavaara limited company (LKAB), Sweden. A majority of the variograms show low sill levels, indicating that many sub-processes are well controlled. Many also show low nugget effect, indicating satisfactory measurement systems. However, some notable exceptions were observed, pointing to systems in the need of improvement. Even if some of these were previously recognized internally at LKAB, the use of variographic characterisation provide objective and numerical evidence of measurement system performance. The study also showed some unexpected results, for example that slurry shark-fin and spear sampling show acceptable variogram characteristics for the present materials, despite the associated incorrect sampling errors. On the other hand, the results support previous conclusions indicating that manual sampling and cross belt hammer samplers are leading to unacceptably large sampling errors and should be abandoned. Such specific findings underline the strength of comprehensive empirical studies. Based on the present compilation of results, it is possible to conduct rational enquiry of all evaluated measurement systems, enabling objective prioritization of where improvement efforts will have the largest cost–benefit effect.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».