Adapting methodologies from the forestry industry to measure the productivity of underground hard rock mining equipment
Notice bibliographique
Résumé
The purpose of this dissertation is to develop and apply a framework to characterize the ground \nsupport installation component of the mining development cycle in underground hard rock mines \nfor the purposes of comparing equipment. A secondary goal is to identify opportunities to \nimprove the productivity of the ground support installation process. \nIt was found that the forestry industry faces similar challenges as the mining industry when \nmeasuring equipment output in a variable environment where equipment productivity is affected \nby a range of external conditions. Despite this challenge, forestry researchers successfully \ndeveloped and applied a standardized methodology and nomenclature to measure the \nproductivity of equipment for the purposes of equipment and process comparison in variable \nexternal conditions. The methodology used in the forestry industry was modified to measure mechanized and semimechanized \nground support installation productivity in three Canadian underground hard rock \nmines. Furthermore, opportunities to improve the ground support installation process were \nidentified. This framework can be modified to measure and compare other types of mining \nequipment. By using a standardized methodology to measure, compare and improve mining \nprocesses, development and production rates can be increased in underground hard rock mines. \nIn summary, a framework was adapted from the forestry industry to measure and compare the \nproductivity of the ground support installation cycle in three Canadian hard rock mines, and \nopportunities to improve the process were found.
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 | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».