MétaCan
Menu
Retour à la cohorte
Enregistrement W4367155048 · doi:10.36487/acg_repo/2355_03

The evolution of co-disposal stopes at Newmont Tanami Operations

2023· article· en· W4367155048 sur OpenAlexaff
CeinwenMa Mackay, Ryan Veenstra, Adam Zając

Notice bibliographique

RevuePaste/˜Pœaste · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNuclear and radioactivity studies
Établissements canadiensBanff CentreGeomechanica (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésComputer scienceWaste managementBusinessEngineering

Résumé

récupéré en direct d'OpenAlex

As underground operations mine at greater depths, the haulage of waste rock to the surface becomes a constraint on efficient operation. By keeping waste rock underground, more trucks are available to haul ore to the surface. Additionally, the increasing cost of transporting cement to remote mine sites, and paste production costs in general require continuous optimisation. This is the case at Newmont’s Tanami Operations, where there is a focus on keeping waste underground, and optimising cement usage. An outcome of this is the development of co-disposal, that is, depositing waste rock in what would traditionally be a fully paste filled stope, and encapsulating the waste rock in paste to allow safe mining of adjacent stopes. To achieve this, consideration is given to stope geometry, a suitable rock tipping location, stope exposures and filling rates, all assessed against total expenditure and mine scheduling. Modelling of the fill scenario is completed in Deswik, and Flac3D is used to confirm paste strength requirements to achieve the required Factor of Safety, and for optimised binder contents. By depositing waste rock in paste filled stopes, costsavings are generated by displacing paste, and by reducing waste haulage costs. The development and fine-tuning of the co-disposal fill methodology to date has kept 325,000 tonne of waste rock underground, generating cost-savings exceeding $2.5 million, compared to fully paste filled stopes. This paper presents the evolution and optimisation of co-disposal stopes at Tanami since 2020, including the challenges experienced, the cost-savings, and value added to the operation.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,072

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,009
Tête enseignante GPT0,223
Écart entre enseignants0,215 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaste/˜PœasteMême sujetNuclear and radioactivity studiesTravaux en français237 207