MétaCan
Menu
Retour à la cohorte
Enregistrement W4406137752 · doi:10.1109/access.2025.3526881

Digital Twins and Enabling Technology Applications in Mining: Research Trends, Opportunities, and Challenges

2025· article· en· W4406137752 sur OpenAlexafffundabout
Mihiran Galagedarage Don, Thumeera R. Wanasinghe, Raymond G. Gosine, Peter Warrian

Notice bibliographique

RevueIEEE Access · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Environmental Studies
Établissements canadiensCentre for Social InnovationUniversity of TorontoMemorial University of Newfoundland
Organismes subventionnairesCanadian Institute for Advanced Research
Mots-clésComputer scienceData science

Résumé

récupéré en direct d'OpenAlex

Industry 4.0 is making a positive impact on the world’s industries in areas such as productivity, efficiency, reliability, and human safety. Although the mining industry has not undergone revolutionary digital change, numerous technologies have been applied and improved during the past two decades. Through a systematic literature survey, this study presents research trends, opportunities, and challenges in the context of digital twinning in the mining industry. The research team initially set the objectives of the research and formulated the search criteria to extract the most relevant and manageable number of scientific peer-reviewed publications. The gathered publications were then filtered using a web-based text reading and analysis environment based on defined criteria. The filtrate of the first step was then refined by manually reading through abstracts, introductions, and conclusions while classifying relevant publications based on aspects such as the country of origin, technologies, and application areas. The filtrate of the second step was subjected to detailed manual reading to further explore the technologies and applications to capture the research trends, opportunities, and challenges. The research outcomes indicate that China, the USA, Australia, Russia, and Canada are the leading countries in this research context. Creating a safer mining environment using virtual reality is popular among other applications and technologies. In the last twenty years, academic institutions and scholars have led research efforts compared to the industry. Over the past five years, both have significantly increased their research contributions, presenting various opportunities and challenges to inspire future studies.

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)0,009
score de la tête « metaresearch » (Gemma)0,018
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,024
Études des sciences et des technologies0,0030,004
Communication savante0,0120,019
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,122
Tête enseignante GPT0,321
Écart entre enseignants0,199 · 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
GenreSynthèse

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

En bref

Citations22
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueIEEE AccessMême sujetEngineering and Environmental StudiesTravaux en français237 207