MétaCan
Menu
Retour à la cohorte
Enregistrement W3122955409 · doi:10.1080/25726668.2021.1872261

Simultaneous multi-sector block cave mine production scheduling considering operational uncertainties

2021· article· en· W3122955409 sur OpenAlexaff
Shahrokh Paravarzar, Hooman Askari-Nasab, Yashar Pourrahimian, Xavier Emery

Notice bibliographique

RevueMining Technology Transactions of the Institutions of Mining and Metallurgy · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensUniversity of Alberta
Organismes subventionnairesComisión Nacional de Investigación Científica y Tecnológica
Mots-clésTonnageProduction (economics)Block (permutation group theory)Scheduling (production processes)Production scheduleScheduleContext (archaeology)Flexibility (engineering)EngineeringOperational planningOperations researchComputer scienceOperations managementBusinessGeology

Résumé

récupéré en direct d'OpenAlex

The main objective of this study is to provide a practical and near-optimal mine production schedule for block caving operations considering operational uncertainty. The problem is defined in the context of goal programming optimization to meet the operational objectives, including tonnage and grade as daily production targets. The considered operational constraints include drawpoints and ore pass design, draw rate, mine production, and transportation capacities in different operational levels, tonnage and grade constraints, and mine production targets in the presence of several mining sectors. The developed model is verified and validated using historical operational data obtained from an actual block caving operation. The practicality and flexibility of the framework are examined through three different operational scenarios and compared with the real block caving operation mine plans and historical production data.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,239
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMining Technology Transactions of the Institutions of Mining and MetallurgyMême sujetMining Techniques and EconomicsTravaux en français237 207