MétaCan
Menu
Back to cohort
Record W3173639095 · doi:10.82308/861

Application of efficient frameworks for joint simulation of multi-element mineral deposits and stochastic optimization of open pit mine production scheduling

2014· article· en· W3173639095 on OpenAlexfundno aff
Mario De Freitas Silva

Bibliographic record

VenueeScholarship@McGill (McGill) · 2014
Typearticle
Languageen
FieldEngineering
TopicMining Techniques and Economics
Canadian institutionsnot available
FundersNatural Sciences and Engineering Research Council of CanadaStanford Bio-XAngloGold AshantiNewmont CorporationBarrick Gold Corporation
KeywordsOpen-pit miningScheduling (production processes)Production (economics)Joint (building)Mining engineeringComputer scienceMineral resource classificationGeologyMathematical optimizationEngineeringGeochemistryMathematicsCivil engineering

Abstract

fetched live from OpenAlex

Le problème d'optimisation de la production des mines à ciel ouvert (POPM) est un problème complexe en raison de sa taille et de l'incertitude associée à ses paramètres clés. Au cours de la dernière décennie, des efforts considérables ont été déployés pour élaborer des nouveaux cadres stochastiques intégrant l'incertitude dans le processus de décision. Toutefois, en raison de la complexité intrinsèque de la formulation mathématique du problème et de la grande taille des dépôts minéraux, trouver une solution exacte pour le POPM est probablement impensable vu temps de calcul induit. De plus, la modélisation de l'incertitude spatiale commune de gisements minéraux tenant compte de plusieurs attributs géologiques corrélés augmente de manière significative la complexité de ces cadres stochastiques. Ces observations motivent le développement de nouvelles approches efficaces pour générer des simulations stochastiques communes d'un dépôt et pour résoudre le POPM sous incertitude géologique. Cette thèse considère ces deux aspects dans ses deux parties principales.Dans la première partie de cette thèse, une approche de résolution heuristique efficace est appliquée et testée pour la planification stochastique de le production d'une mine d'or relativement grande contenant environ 120 000 blocs et considérant un ensemble de quinze scénarios géologiques générés de façon stochastique. La formulation de programmation stochastique en nombres entiers tient compte de plusieurs installations de traitement et d'une «réserve» qui ajoute de la souplesse à l'opération en avançant le traitement des blocs ayant une grande teneur en minerai. L'approche de résolution testée génère d'abord une solution initiale réalisable en résolvant successivement des sous-problèmes du POPM stochastique, où chaque sous-problème est associé à une période. Par la suite, un algorithme de flot dans les réseaux est utilisé séquentiellement pour obtenir des améliorations supplémentaires. Dans le réseau associé au problème de flot, les nœuds représentent les blocs candidats qui pourraient voir leur extraction retardée ou avancée pour générer un nouveau calendrier de production de valeur plus élevée et présente un risque moindre. L'approche de résolution décrite ci-dessus a été testée dans un environnement minier réel et les résultats montrent que des calendriers de production proches des prévisions peuvent être générés en un temps de calcul raisonnable.Dans la deuxième partie de la thèse, l'efficacité d'un cadre de simulation est démontrée à travers une application au cas du dépôt minéral Puma de Vale, une importante latérite de nickel située au Brésil. Pour intégrer la variabilité des profils révoltants, leurs épaisseurs «réelles» sont simulées conjointement en utilisant le facteur d'auto-corrélation min /max (MAF). Les réalisations servent de limites géologiques dans lesquelles Ni, Co, Fe, SiO2, MgO et le facteur de tonnage (DTF) peuvent être conjointement simulés directement à l'échelle du bloc. Le résultat final est un ensemble de représentations équiprobables du dépôt minéral qui intègrent l'incertitude associée aussi bien à la teneur du minerai qu'au tonnage. Ces simulations peuvent être utilisées pour évaluer l'incertitude liée aux aspects clés du projet, tels que le contrôle strict de la qualité du minerai qui alimente l'usine métallurgique. Le cadre exploré tire parti de la MAF et des méthodes de simulation directs à l'échelle du bloc qui facilitent la simulation de grands dépôts qui contiennent des éléments multiples.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.154
Threshold uncertainty score0.724

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.022
GPT teacher head0.249
Teacher spread0.227 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)Same topicMining Techniques and EconomicsFrench-language works237,207