MétaCan
Menu
Retour à la cohorte
Enregistrement W4365520403 · doi:10.1590/0370-44672021760094

Choice of access for underground mining for feasibility studies

2023· article· en· W4365520403 sur OpenAlexaboutno aff
Fernando Alves Cantini Cardozo, Carlos Otávio Petter, Renato Petter, Vinícius Igor Albuquerque Batista de Araújo, Henrique Lopes de Souza

Notice bibliographique

RevueREM - International Engineering Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlowchartChartComputer scienceQuality (philosophy)Production (economics)Data miningMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

This study presents a review of the methodology for choosing the type of access and exploitation methodology for underground mines, being the choice of the type of access, one of the initial stages of the conceptual projects. To this end, in addition to literature verification, technical feasibility reports of recent projects were analyzed, made available by mining companies listed on the Toronto Stock Exchange. In this report, data were extracted referring to technical and productive characteristics of the projects, thus allowing comparison with classic methodologies for the choice of types of access and the compilation of a new flowchart, adhered to the current mining industry. The data from the projects were separated considering the mining methods with the largest number of samples, as well as the productive and mineral deposit characteristics. As a result, a chart is presented for the choice of access and mining method as a function of productive characteristics, ore body geometry and rock mass quality. Updating the limits considered for depth and daily production corresponded to a significant improvement in the response of the suggested access type and made it compatible with that presented in the feasibility projects.

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)0,021
score de la tête « metaresearch » (Gemma)0,052
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,052
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,003

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 Opus0,218
Tête enseignante GPT0,398
Écart entre enseignants0,180 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueREM - International Engineering JournalMême sujetMining Techniques and EconomicsTravaux en français237 207