MétaCan
Menu
Retour à la cohorte
Enregistrement W4395962243 · doi:10.18280/jesa.570221

Optimizing Time in Horizontal Mining Excavations: 10 Formats Inspired by Value Stream Mapping Principles

2024· article· en· W4395962243 sur OpenAlexvenueno aff
Johnny Henrry Ccatamayo Barrios, Luis Miguel Soto Jusacamayta, Kelvis Berrocal Argumedo, Jaime Cesar Mayorga Rojas, Walter Javier Díaz Cartagena, Roberto-Juan Gutiérrez Palomino, H. David Calderón Vilc

Notice bibliographique

RevueJournal Européen des Systèmes Automatisés · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExcavationValue stream mappingValue (mathematics)Computer scienceMining engineeringGeologyData miningGeotechnical engineeringEngineeringMachine learningOperations management

Résumé

récupéré en direct d'OpenAlex

In this research, 10 formats are proposed as a single instrument, for taking mining cycle times based on the principles of the value chain map tool.As part of the methodology, we applied the 10 proposed formats in time recording, we analyzed the productive, contributory and non-contributory times, for this we used the Ishikawa diagram that shows us which activities have the greatest impact on low productivity in the horizontal excavations (Mining Cycle) later the mapping of the current state was carried out, finally the time efficiency was processed and calculated.To validate the results, we applied the proposal in the Esmeralda mining company, in its El Teniente mine for 4 months.As a result, we revealed that from a total cycle time of 22.85 hours: the productive time was 13.22 hours, the Contributory time was 4.53 hours and non-contributory time was 5.11 hours.We also revealed that the activities that show the lowest performance are: ventilation, marine loading, coining and drilling.The final conclusion is based on the contribution of the 10 formats and is applicable to underground mining companies who can use the 10 proposed formats to analyze productive, contributory and non-contributory times, and then take corresponding actions.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,820
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,230
Écart entre enseignants0,209 · 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 tête enseignante, pas un consensus.

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal Européen des Systèmes AutomatisésMême sujetMining Techniques and EconomicsTravaux en français237 207