The effects of automation on the environmental impact of deep underground metal ore mining operations
Notice bibliographique
Résumé
The growing demand for increased production has resulted in the need to develop deeper underground mines to extract more resources. However, the mining process becomes less economically attractive as the ventilation and ore transportation costs drastically increase when operating at large depths. This has led to the industry investigating automated battery-electric and biodiesel fueled machinery instead of diesel machines to reduce emissions, and hence ventilation costs, as well improve productivity and thereby, the economic viability of deep mine projects. A life cycle assessment (LCA) approach has been developed to evaluate the environmental impact from introducing automated equipment in underground copper mines. This is a novel application for an LCA, and as a gauge of model accuracy, it was found that calculated greenhouse gas (GHG) emissions for an underground mine site in Canada were within 5.6% of their reported emissions. The model was then expanded using data collected from automation trials at a Canadian mine to predict changes due to the introduction of various levels of automation with regards to the impact potentials of global warming, acidification, eutrophication and human toxicity. All impact levels were quantified and found to decrease due to automation. Data from this site study was then used to further develop the LCA model to predict changes in environmental impacts for underground copper mine sites in Australia, Canada, Poland, USA and Zambia. Site specific parameters and processes that contribute to their overall environmental impacts were identified, and the calculated CO2 emissions were within 4.2-5.6% of the reported values. The mining industry is moving toward introducing significantly more technology to enhance both productivity and safety. This thesis investigates using an LCA approach to add a third dimension; improved environmental impacts that contribute to more sustainable mining
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».