Implementation of preventive rail grinding on Fortescue Metals Group 40 tonne axle load railway
Notice bibliographique
Résumé
Fortescue Metals Group Limited (Fortescue) is the world’s fourth largest producer of iron ore, operating over 600 track kilometres (430 route kilometres) located in the Pilbara of Western Australia. Revenue service began in April 2008 running trains with 25.6 tonne axle loads and was gradually transitioned to 40 tonne axle loads by January 2010. Sroba Rail Services (SRS) was commissioned by Fortescue to review the rail grinding strategy on several occasions between October 2009 and July 2013. The reviews determined there was significant over-grinding of the rail to produce the two rail profiles used throughout the track (the SP and SP1 target profiles). The end result was narrow wheel/rail contact bands, requiring the rolling stock maintenance teams to carry out premature machining of wheels due to hollowing which could be partly attributed to running on one narrow contact band in tangent track. SRS also identified a lack of rail grinding capacity to maintain the rail profiles on mainline and switches. In July 2013, Fortescue commissioned SRS and the rail division of the National Research Council Canada (NRC) to engineer rail profiles specific to Fortescue’s operations. NRC designed five new target rail profiles. These profiles were implemented with a preventive-gradual grinding strategy using two new high production grinders, one 16-stone switch grinder and one 60-stone mainline rail grinder. SRS audits in August 2014 and January 2015 determined that this strategy had achieved the NRC target profiles, brought the severe RCFback into control and transitioned the rail to a preventive state. The Fortescue rail is now in excellent condition and wear rates have been significantly reduced.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».