هوش مصنوعی




نقش هوش مصنوعی در فعالیت ها و اکتشافات معدنی


هوش مصنوعی شرایط عملکردی موجود در هر سازمانی را به چالش می کشد. در اکتشافات معدنی پیشرفته، همواره با انبوهی از اطلاعات در حوزه های مختلف اکتشافی مواجه هستیم. به دلیل حجم بسیار زیاد داده های تولید شده در مجموعه فرایندهای اکتشافی، زمین شناسان به یک "همکار اکتشافی" نیاز خواهند داشت.
هوش مصنوعی درحال تبدیل شدن به ابزاری قدرتمند برای تحلیل انواع مختلف اطلاعات تولید شده در صنایع معدنی است.
استفاده از هوش مصنوعی و Machine Learning برای تحلیل اطلاعات در زمینه های اپراتوری، مدیریت حمل و نقل و لجستیک، مدیریت منابع انسانی و مدیریت تامین در بسیاری از صنایع در حال استفاده هستند.
تکنولوژی های یاد شده می توانند الگوهای مفیدی را ارائه نمایند که می توانند در کاهش هزینه ها، بهینه سازی منابع و کاهش تولید مواد زائد بسیار مفید واقع گردند.
بر اساس گزارش سازمان تحقیقات مشترک المنافع و تحقیقات صنعتی استرالیا (CSIRO)، کلید صحت و درستی فعالیت های معدنی، مفهومی راهبردی است که به عنوان Minerals 4D نامیده می شود.
هدف استفاده از Minerals 4D هوشمند، تصویر سازی مواد معدنی و مدل سازی نحوه توزیع احتمالی آنها در زیر سطح زمین است.
از یکپارچه سازی سنسورهای هوشمند و تکنیک های تصویربرداری تخصصی با هوش مصنوعی و تحلیل اطلاعات به صورت Machine Learning، کارکنان و مدیران معدن ها می توانند درک بهتری از ذخیره کانه ساز و حجم توده سنگ ها را در مقیاس های مختلف داشته باشند.
حفاری ها و عملیات های آتشباری می توانند با دقتی انجام شوند که مستقیما به توده های معدنی دسترسی پیدا کرد و باطله های معدنی نیز کمترین مزاحمت را داشته باشند. معدن کاران می توانند بر قسمتهایی از توده های معدنی متمرکز شوند که بیشترین ارزش اقتصادی را داشته باشند، بنابراین میزان حمل و نقل ها، خردایش سنگها و حجم انبوه سنگها در مرحله فرآوری کاهش می یابد که باعث صرفه جویی معناداری در انرژی، آب و کاهش مواد زائد می گردد.
در حال حاضر اطلاعات موجود در مورد عیار کانه ها و نوع سنگها در مقیاس کوپ و یا به وسعت معدن شناخته می شوند و به همین دلیل Minerals 4D قصد دارد اطلاعات کانی شناسی را در مقیاس های خیلی کوچکتر ارائه نماید. این امر به شرکت های معدنی کمک می نماید تا توده کانه زا و خصوصیات توده های سنگی را با دقت بیشتری شناسایی کرده و بدین ترتیب بهره وری در مراکز فرآوری مواد معدنی افزایش یابد.

اکتشافات معدنی
هوش مصنوعی و Machine Learning به شناسایی دقیق مواد معدنی که بخش اساسی در هر عملیات معدنی هوشمند محسوب می شود کمک می کند.
هوش مصنوعی می تواند الگوهای کانی سازی مورد نیاز را در عملیات های طیف سنجی، ژئوفیزیک، ژئوشیمی، لیتولوژی و زمین شناسی ساختاری شناسایی نماید.
هوش مصنوعی در بازنگری و پایش اطلاعات زمین شناختی به منظور یافتن مناسب ترین نقاط مغزه گیری نیز کاربرد دارد. کوشش های با ارزشی که برای دقیق تر بودن یافتن مناطق مستعد کانی سازی در زمینه Machine Learning صورت می گیرند به افزایش سودآوری صنایع معدنی کمک شایانی می نمایند.

حفاری وحمل و نقل خودکار
حمل و نقل خودکار به دلایل بسیار مناسبی آینده فعالیت های معدنی خواهد بود و موجب ایجاد انگیزه برای فعالیت معدن کاران خواهد شد. کاهش حجم جابجایی خاک، ارزش آفرینی سریع تر و بازیابی مواد معدنی با هزینه تمام شده کمتر از دیگر مزیت های بکارگیری هوش مصنوعی در حمل و نقل معدنی است. برخی از بزرگترین معدن های دنیا راغب به انجام پروژه های اکتشافی بصورت خودکار هستند تا بتوانند ایمنی معدن و کارکنان را تقویت نموده و بهره وری معدن را افزاش دهند. در نظر است تا لودرها، سیستم های مغزه گیری، ماشین های ترانشه زنی، بیل های مکانیکی و تراک های حمل بار که ابزارهای مرسوم در فعایت های معدنی هستند نیز بصورت هوشمند طراحی و بکار گرفته شوند.

جداسازی مواد معدنی
در بیشتر فعالیت های معدنی نیاز است که حجم عظیمی از سنگ و خاک برداشت شده برای جداسازی مواد معدنی ارزشمند حذف شوند. جداسازی مواد باطله از مواد ارزشمند معدنی ناگزیر به صرف هزینه های زیادی است. به همین دلیل برخی شرکت های معدنی درحال استفاده از ماشین های سورتینگ هوشمند هستند. این ماشین ها با استفاده از سنسورهای اشعه ایکس، سنسورهای هایپر اسپکترال و لیزر اسکنر اقدام به سورتینگ مواد معدنی و یا جداسازی آنها از باطله ها می کنند. استفاده از این تکنولوژی ضمن کاهش مصرف انرژی، سوخت، برق و آب موجب کاهش زمان جداسازی مواد معدنی و افزایش بهره وری می شود. ماشین های سورتینگ هوشمند به دلیل حذف حجم زیادی از مواد باطله اثر مستقیمی در کاهش انرژی صرف شده در مراحل بعدی خواهند داشت.

همسان سازی دیجیتالی
متخصصان هوش مصنوعی؛ همسان سازی دیجیتالی را به عنوان بخشی از عملیات هوشمند سازی برداشت مواد معدنی تا انتقال به بندر برای صادرات بوجود آورده اند. بیش از 100 شرکت در این زمینه نوآورانه وارد شده اند اما اولین بار این تکنولوژی توسط سازمان NASA در حوزه هوا- فضا تهیه و تولید گردید و پس از آن برای دیگر صنایع تطبیق داده شد. با تهیه یک مدل مجازی در مرکز کنترل که اطلاعات را به صورت زنده از سنسورها، دستگاه ها و ماشین آلات معدنی دریافت می کند می توان سناریوهای مدیریتی و کنترلی را به سرعت آزمایش کرده و فعالیت ها و تولیدات را بهینه سازی کرد. درصورتی که بتوان تصمیمات مدیریتی را قبل از عملیاتی شدن در قالب یک مدل همسان شده دیجیتالی و همزمان با پیشرفت پروژه آزمایش کرد باعث رسیدن به نتایج بهتر و صرفه جویی در هزینه های مادی و معنوی می گردد.

نگهداری و حفاظت
با وجود اینترنت اشیاء و سنسورهای هوشمند می توان تجهیزات معدن کاری را به صورت زنده کنترل کرده و قبل از اینکه عملکرد آنها مختل گردد؛ نواقص آنها را رفع نمود. سنسورهای هوشمند می توانند دما، فشار، حرارت، میزان رطوبت و لرزش را در تجهیزات مورد نظر پایش نمایند و بر اساس وضعیت عملکردی آنها تغییراتی را به منظور جلوگیری از ایجاد نقص فنی و خطرات احتمالی بصورت لحظه ای در آنها اعمال کنند.



کاربرد هوش مصنوعی در کمپانی های بزرگ معدنی

Goldspot -1
کمپانی Goldsopt Discoveries اخیرا با استفاده از هوش مصنوعی و تلفیق اطلاعات زمین شناسی، ژئوفیزیک، توپوگرافی و کانی شناسی که تنها از 4% سطح زمین بدست آمده توانسته است 86% طلای موجود در کمربند طلای Canadian Abitibi را پیش بینی نماید.

Drone Deploy -2
این شرکت از پهپاد ها به منظور کنترل وضعیت معدن، حجم دپوهای مواد معدنی و باطله ها، نقشه برداری معدن، بازرسی و کنترل خاک برداری ها با حفظ سلامت معدن کاران استفاده می کند.

BHP -3
شرکت BHP در معدن مس Escondida در کشور شیلی در حال استفاده از تجهیزاتی است که وضعیت سلامتی و عملکردی رانندگان معدن را پایش کرده و حتی خستگی آنها را متوجه می شود. این سیستم با هدف امنیت و افزایش بهره وری معدن در بیش از 150 خودرو و راننده بکارگرفته شده است.
آنها از هوش مصنوعی در تصمیم گیری های خودکار نیز استفاده می کنند. به عنوان مثال در یک نقطه از معدن آهن در غرب استرالیا می توانند متوجه شوند که از چه نوع کامیون حمل باری باید استفاده کرد و پیغامی مبنی بر نیاز به تغییر نوع کامیون به سرپرست معدن ارسال خواهد کرد.
این شرکت در حال حاضر با استفاده از کامیون های خودران در معدن آهن Jimblebar توانسته اند هزینه های جاری معدن را تا 20% کاهش دهند.

Vale -4
کمپانی Vale با استفاده از هوش مصنوعی در محدوده های معدنی متعدد توانسته است کاهش قابل توجهی را در هزینه های جاری از طریق تحلیل های پیشرفته ایجاد نماید.
در معدن مس Salobo در برزیل موفق شده اند عمر لاستیک کامیون ها را از طریق کنترل وضعیت عملکردی آنها به میزان 30% افزایش دهند که باعث صرفه جویی پنج میلیون دلاری در هزینه های مربوطه شده است.
این تکنیک های کنترلی در دیگر معدن ها و اجزای کامیون ها مانند موتور و سیستم مصرف سوخت نیز در حال استفاده هستند.
از دیگر نوآوری های کمپانی Vale استفاده از هوش مصنوعی برای پیش بینی شکستگی و شکاف در ریل های حمل و نقل است که موجب شده از خسارت به ریل ها تا 85% جلوگیری و بدین طریق حدود هفت میلیون دلار در سال از هزینه ها کاسته شود.
این کمپانی با ارائه خدمات هوش مصنوعی خوددر سال 2018 توانست بیست و شش میلیون دلار از هزینه های جاری کمپانی های معدنی را بکاهد.

Goldcorp -5
اخیراهمکاری کمپانی Godcorp با کمپانی IBM در زمینه تکنولوژی هوشمند در اکتشافات معدنی صورت گرفته است. کمپانی IBM از طریق تحلیل اطلاعات حاصل از مغزه های حفاری، نقشه های زمین شناسی تهیه شده و دیگر اطلاعات زمین شناختی توانسته است مناطق مستعد کانی سازی با ارزش را در کمترین زمان ممکن تعیین و از وارد شدن خسارت های زیست محیطی در مراحل بعدی نیز جلوگیری کنند.

Motion Metrics -6
این کمپانی؛ هوش مصنوعی را در اندازه گیری دقیق سختی و اندازه تکه سنگها بکار برده است. این روش به مهندسان کمک می کند تا بازخوردهای مناسبی از تجهیزات داشته باشند، باعث افزایش بهره وری و بهینه سازی روند تعویض دندانه های دستگاه خوردایش از طریق کنترل همزمان تجهیزات می شود.

Tomra -7
این کمپانی با استفاده از لیزر اسکنرهای قوی اقدام به ساخت تجهیزات جدا کننده مواد معدنی از باطله ها نموده است که می تواند باعث کاهش زمان فرآوری و تهیه و تولید مواد معدنی گردد.

PETRA -8
استفاده از تکنولوژی Machine Learning برای تخمین حجم توده های معدنی استخراج شده را در دستور کار خود قرار داده است. الگوریتمی که آنها استفاده می کنند داده های حاصل از تصویر برداری LIDAR را تبدیل به نقشه های سه بعدی کرده و حجم مواد معدنی تولید شده را به سرعت ارزیابی می کند. بدین ترتیب فرایندی که در حالت عادی بیش از یک ساعت به طول می انجامد را در حدود یک دقیقه به پایان می رساند.
از دیگر اقدامات نوآورانه این شرکت در کنترل وضعیت آن لاین تجهیزات فرآوری مواد معدنی است تا قبل از بروز آسیب جدی عملکرد آنها پایدار گردد.