The minerals industry in the era of digital transition: An energy-efficient and environmentally conscious approach
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.
Notice bibliographique
Résumé
The concept of the 4th industrial revolution is becoming a strategic determinant of sustainability, success and competitiveness in the modern mining sector. The importance of digital transformation in the mining industry has long been debated, hampered in part by the conservative nature of the mining sector. Much of the debate has focused on choosing suitable mining techniques that provide acceptable levels of ore/waste selectivity, the scale of implementation, cost reduction and suitable metallurgical extraction techniques. The purpose of this review is to give an overview of the digital transformation of the minerals and extractive industry with a focus towards energy efficiency and environmental sustainability. We address: (a) geological elements that influence the level of selectivity during mining, and technologies that deal with waste rejection; (b) eco-friendly techniques, such as tunnel-boring machines, or the use of non-explosive techniques that can assist fragmentation of ores, thereby decreasing energy requirements during mineral processing and improving mineral recovery; (c) use of low-water-consumption automated ore-waste sorting systems; (d) selective metal leaching using coarse particle percolation as an alternate method for treating complicated low-grade ores; and (e) assessing new technological boundaries for the mineral sector. A combination of these aforementioned processes will significantly reduce mining waste. Orebody features, mining methods and equipment, desired scales of implementation, alignment with circular strategies, ore extraction efficiency, and socio-economic factors all play a role in the development and implementation of new technologies and techniques.
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 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle