MétaCan
Menu
Retour à la cohorte
Enregistrement W3104787912 · doi:10.46873/2300-3960.1016

Life cycle assessment to demonstrate how automation improves the sustainability performance of an underground mining operation

2020· article· en· W3104787912 sur OpenAlex
Kyle Moreau, Corey A. Laamanen, Ron Bose, Helen Shang, John A. Scott

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Sustainable Mining · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensGlencore (Canada)Laurentian University
Organismes subventionnairesMitacs
Mots-clésHaulageLife-cycle assessmentSustainabilityAutomationEngineeringProductivityGlobal warmingTonneEnvironmental impact assessmentGlobal-warming potentialWaste managementEnvironmental scienceEnvironmental engineeringEnvironmental economicsProduction (economics)Greenhouse gasClimate change

Résumé

récupéré en direct d'OpenAlex

The worldwide move to introduce more automation into underground metal ore mining is currently aimed at improving both operational productivity and safety. We have used a comparative life cycle assessment (LCA) as a novel approach for the industry to determine the beneficial impacts automation can also have on environmental performance using data collected on mine site productivity and energy consumption. The LCA looked at four impact categories: global warming potential, acidification, eutrophication, and human toxicity. When comparing key automated equipment to their traditional manual counterpart, all four impact categories experienced a reduction with automation and a subsequent improvement in sustainability performance. Global warming potential, for example, decreased by 18.3% over the mine life period, or 3.7 kg of carbon dioxide equivalent (CO2 eq.) per tonne of ore extracted. Environmental impact reductions were due primarily to lower diesel fuel consumption in the loading and haulage processes as well as a 27% shorter operational mine life leading to less years of mine and mine camp maintenance.

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.

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 enseignants0,072
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,012
Tête enseignante GPT0,239
Écart entre enseignants0,228 · 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