Trade-off between cost and performance in chevron bed-blending
Bibliographic record
Abstract
Bed blending operations have been used in the iron ore, coal and cement industry for decades to control the fluctuations of grades and contaminants.A bed blending operation uses a structured approach to construct stockpiles to reduce the variance of the reclaimed product.Smelters, coal fired power plants and cement plants have a narrow tolerance for the raw materials being fed into their systems.The stacking method as well as the reclaiming method used in bed blending operations determine how effective the blending is.One of the criterion used to determine the effectiveness of the blending operations is the variance reduction ratio analysis (VRR) which is used in this thesis.For given stockpile configuration and equipment characteristics, a program calculation VRR has been coded in MATLAB.Furthermore, multivariate characteristics of ore can be considered.The material feed from each excavation area in a mining operation tends to be serial correlated as material variability between two points within a relatively small distance is limited.Using the VRR of each variable in combination with principle component analysis (PCA) the optimal number of passes can be determined.The number of passes required can be used to determine the final required size of the stockpile and associated equipment.An indoor stockpile using a gantry stacker system in combination with a drum reclaimer is used to complete an analysis of the financial cost of a bed blending operation.The results of this thesis show that the economic benefit required to offset the cost of a bed blending operation is a small percentage of the iron ore commodity pricing.When looking at the production tonnages of large mines however, small percentage numbers of up to 2% can be a large impact on cash flow of organizations.The proposed model can be applied to different application with small adjustments.To see the performance of the proposed approach, a case study on iron ore using Fe, SiO2, Al2O3 and CaO was carried out and the results showed that this approach can find trade-off between cost and the required homogenization level.This model can be applied to different application with small adjustments.iii Résumé Dans le but de contrôler les fluctuations des grades et des contaminants, les secteurs houillers, du minerai de fer et du ciment, utilisent depuis des décennies la méthode du mélange de minerai.Le mélange de minerai adopte une méthode structurée pour bâtir des stocks de réserve dans le but de réduire les variances dans le produit récupéré.Les fonderies, centrales au charbon et les cimenteries possèdent une tolérance étroite à introduire les matières brutes dans leurs systèmes.L'efficacité du mélange est déterminée par la méthode d'empilage et de réclamation utilisée dans l'opération du mélange de minerai.Afin de déterminer l'efficacité de l'opération de mélange, un des critères utilisés dans cette thèse est l'analyse du ratio de la réduction de la variance (VRR).Pour une configuration définie, un calcul de programme a été codé dans le logiciel MATLAB.De plus, des caractéristiques multi variables de minerais peuvent être considérées.Puisque la variabilité des matières entre deux points à l'intérieur d'une distance relativement réduite est limitée, l'alimentation des matières provenant de chaque zone d'excavation démontre des tendances à l'autocorrélation.Il est possible de déterminer le nombre de couches optimales en utilisant le VRR de chaque variable en combinaison avec l'analyse composante principale.Le nombre de couches requises déterminera l'ampleur des stocks de réserve et le choix d'équipement.Un stock de réserve intérieur, monté à l'aide d'un système d'empilage avec portique en combinaison avec un récupérateur, est adopté pour l'analyse des coûts de l'opération de mélange de minerais.Les résultats de la présente thèse démontrent que les avantages économiques nécessaire pour compenser les coûts d'une opération mélange de minerais représente un faible pourcentage du prix des matières premières dans le secteur du minerai de fer.Lorsqu'on considère le volume global de production des mines de très grande taille, un petit pourcentage, à concurrence de 2%, peut avoir un impact important au niveau de la liquidité de ces entreprises.Avec que des modifications mineures, le modèle présenté, peut-être adaptée à des différentes applications.Après avoir effectué une étude sur le minerai de fer en utilisant Fe, SiO2, Al2O3 et CaO il a été déterminé que l'approche présentée, retrouve un compromis entre le coût et le niveau d'homogénéisation requis.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".