PLANEJAMENTO DA EXPANSÃO EM INFRAESTRUTURA PORTUÁRIA E FERROVIÁRIA EM MINAS DA ARCELORMITTAL NO CANADÁ VIA SIMULAÇÃO DINÂMICA COMPUTACIONAL
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
PDF | Um modelo de simulação dinâmica foi desenvolvido com o propósito de determinar o investimento e mudanças de operacionais necessárias em portos e ferrovias para suportar aumentos de produção de minério de ferro. O modelo considerou a logística inerente ao manuseio, armazenagem e transporte de minério de ferro, pelotas e várias outras matérias primas. O modelo de simulação dinâmica de eventos discretos, baseado em Arena, foi validado sob um período histórico no ano. A validação estabeleceu (1) confiança que o modelo replica apropriadamente a operação real e (2) uma base a partir da qual comparam-se cenários futuros. O modelo foi então usado para conduzir analises hipotéticas para retirada de gargalos de operação, comparar alternativas e otimizar o plano de expansão geral em termos de capacidade de logística, efetividade de investimento de capital, eficiência operacional, tempo de investimentos e mudanças operacionais. A simulação permitiu que fossem determinados os requisitos para inventários, “layouts”, serviços ferroviários, capacidades de pilhas e silos, número de “shiploaders”, taxas de carregamento, número de berços e números de basculadores para cada fase de expansão. A natureza dinâmica da simulação permitiu análise realística de cenários futuros.
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.
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it