MétaCan
Menu
Retour à la cohorte
Enregistrement W3209286778 · doi:10.1016/j.resourpol.2025.105549

Adaptive simultaneous stochastic optimization of mining complexes: Where is the value coming from?

2025· article· en· W3209286778 sur OpenAlexafffund
Roussos Dimitrakopoulos, Maria Fernanda Del Castillo

Notice bibliographique

RevueResources Policy · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensMcGill University
Organismes subventionnairesBHPAngloGold AshantiNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésValue (mathematics)Computer scienceMathematical optimizationMathematicsMachine learning

Résumé

récupéré en direct d'OpenAlex

This paper aims to identify the sources of value created in the strategic plan of a mining complex when the adaptive simultaneous stochastic optimization of mining complex (ASSOMC) approach is used. This approach considers operational and investment alternatives dynamically within the simultaneous stochastic optimization of mining complex (SSOMC) framework, providing an adaptive strategic plan that manages technical risk and maximizes value. A case study on a world-class mining complex illustrates the effects of this optimization model, comparing the adaptive alternatives of the ASSOMC with the fixed SSOMC case. Results show that considering the SSOMC without alternatives was a starting point, including either investment or operational alternatives in a fixed manner, provides an increase in NPV of 4.4 % and 2.8 %, respectively; whereas considering both jointly increases the NPV by 10.3 %. On the other hand, when adaptive changes are considered over investments, such as additional crushers or conveyor belts, the NPV increases further, by about 20 %. The focus is placed on identifying the location and components where this extra value is created within the mining complex, understanding the effect that the alternatives have, and capitalizing from them. This study finds that, due to the non-linear synergies that exist between the different components of a mining complex, the adaptive aspect of the approach allows the production plan optimization to be proactive and to tailor its configuration according to possible changes and future developments. • Adaptive simultaneous stochastic optimization of mining complexes with operational and investment alternatives. • Strategic planning of a mining complex and identification value creation sources. • Direct risk management of material uncertainty and variability when optimizing mining complexes dynamically. • Proactive production planning optimization tailoring configuration based on possible changes and future developments. • Case study on a world-class mining complex showing identification of alternatives and capitalizing from them.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,237
Écart entre enseignants0,226 · 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

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueResources PolicyMême sujetMining Techniques and EconomicsTravaux en français237 207