MétaCan
Menu
Retour à la cohorte
Enregistrement W7023825068

Production and commercial management model using mining software in a Canadian underground mine

2025· other· es· W7023825068 sur OpenAlexaboutno aff

Notice bibliographique

RevueRepositorio Académico UPC (Universidad Peruana de Ciencias Aplicadas) · 2025
Typeother
Languees
DomaineEngineering
ThématiqueMining Techniques and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoftwareWork (physics)Production (economics)Object (grammar)Quality (philosophy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Este trabajo aborda la gestión comercial de minerales en una operación minera, enfocándose en mejorar la trazabilidad y reconciliación de datos a lo largo de la cadena de valor. La mina objeto de estudio enfrenta problemas derivados de la dispersión y falta de integración de la información de producción, lo que ocasiona demoras y errores en la validación de tonelajes y leyes del mineral, afectando la toma de decisiones comerciales. Se diseñó un modelo integral que digitaliza y automatiza el registro y reconciliación de datos desde la extracción hasta la comercialización, utilizando software minero. El escenario incluye procesos clave como voladura, acarreo, chancado, planta y logística, donde la consolidación de información y generación de reportes centralizados permiten mejorar la eficiencia operativa. Asimismo, la implementación de un software minero especializado para la valorización del mineral permitió aumentar significativamente la precisión de los cálculos, logrando una exactitud superior al 95 % en comparación con los procesos manuales, y reducir el tiempo requerido para este proceso de seis horas a aproximadamente una hora por lote, facilitando una toma de decisiones más ágil y confiable. Los resultados reflejan mejoras sustanciales en la eficiencia operativa y en la calidad de la información, contribuyendo a optimizar la gestión comercial minera mediante datos precisos y oportunos.

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)0,000
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,342
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,016
Tête enseignante GPT0,234
Écart entre enseignants0,218 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRepositorio Académico UPC (Universidad Peruana de Ciencias Aplicadas)Même sujetMining Techniques and EconomicsTravaux en français237 207