چگونه انقلاب هوش مصنوعی عملیات معدنکاری را دگرگون خواهد کرد؟

به گزارش پایگاه خبری «معدن نامه»، بخش معدن در جهان در آستانه دگرگونی بنیادی قرار دارد. این دگرگونی‌ با نفوذ گسترده فناوری‌های هوش مصنوعی در فرآیندهایی رقم می‌خورد که پیش از این به‌شدت متکی بر نیروی انسانی بودند. این تحول در فناوری، گستره‌ای از عملیات معدنکاری را در بر می‌گیرد که مواردی چون اکتشاف زیرسطحی، پایش زیست‌محیطی، شیوه استخراج، مدیریت و بهره‌برداری از منابع را تغییر می‌دهد. همراهی یادگیری ماشینی، فناوری‌های حسگری و سامانه‌های خودکار، تغییر یک مدل و فرایند است که عملیات مبتنی بر داده را به سطح جدیدی در صنعت معدن می‌رساند.

تحول معدنکاری بر اساس هوش مصنوعی

ابعاد کاربردی هوش مصنوعی در معدن شش حوزه عملیاتی اساسی را در بر می‌گیرد که در مجموع نمایانگر دیجیتالی‌سازی کامل صنایع استخراجی هستند. تحلیل مؤسسه مک‌کنزی نشان می‌دهد که ارزش بازار جهانی فناوری معدن در سال ۲۰۲۳ به حدود ۳.۵ میلیارد دلار رسید و بین ۱۸ تا ۲۲ درصد از هزینه‌های فناوری معادن بزرگ به راهکارهای هوش مصنوعی و یادگیری ماشین اختصاص یافته است.

سرمایه‌گذاری در فناوری‌های نوین معدن تحت تأثیر نیاز به افزایش بهره‌وری و الزامات سخت‌گیرانه نظارتی در سال‌های اخیر شتاب گرفته است. گزارش شورای بین‌المللی معادن و فلزات (ICMM) نشان می‌دهد هزینه‌های مرتبط با انطباق زیست‌محیطی در معادن بزرگ طی ۲۰۱۸ تا ۲۰۲۳ حدود ۳۴ درصد افزایش یافته و همین موضوع استفاده از سامانه‌های هوشمند پایش محیطی را تسریع کرده است.

شش حوزه اصلی عملیات معدن که تحت تأثیر هوش مصنوعی متحول می‌شوند

هوش مصنوعی اکنون در شش حوزه کلیدی عملیات معدن نقشی محوری دارد:

_اکتشاف و ارزیابی زمین‌شناسی با استفاده از الگوریتم‌های تشخیص الگو

_بهینه‌سازی استخراج و فرآوری از طریق پایش لحظه‌ای و سامانه‌های کنترل هوشمند

_ایمنی و مدیریت ریسک با ابزارهای پیش‌بینی خطر

_پایش محیط‌زیست و انطباق با شبکه‌های حسگری خودکار

_مدیریت زنجیره تأمین و لجستیک با الگوریتم‌های بهینه‌سازی

_تعمیرات پیش‌بینی شده و مدیریت عمر تجهیزات بر پایه تحلیل داده‌های حسگرها

مطالعات موردی در استرالیا نشان می‌دهد شرکت‌هایی که زودتر این سامانه‌ها را پیاده‌سازی کرده‌اند، ۸ تا ۱۵ درصد مزیت هزینه‌ای نسبت به رقبا کسب کرده‌اند.

چرا هوش مصنوعی برای معدنکاری مدرن ضروری است؟

یکی از اصلی‌ترین دلایل اهمیت هوش مصنوعی در معدن، افت عیار جهانی ذخایر است. طبق گزارش UNEP، متوسط عیار جهانی مس از حدود ۱.۲ درصد در سال ۱۹۹۰ به ۰.۶ درصد در سال ۲۰۲۰ رسیده است. عیار طلا نیز از حدود ۳ گرم در تن در سال ۱۹۵۰ به ۱.۳ گرم در تن در ۲۰۲۰ کاهش یافته است. این افت عیار به معنای افزایش حجم باطله، مصرف انرژی و هزینه تولید است که این مسائل بدون فرآیندهای هوشمند قابل مدیریت نیستند.

فرآوری مقادیر بیشتر سنگ با عیار پایین نیازمند استفاده از سامانه‌های پایش لحظه‌ای، بهینه‌سازی فرآیند و کاهش مصرف انرژی است. در همین حال تشدید استانداردهای محیط‌زیستی در کشورهایی مانند استرالیا، کانادا و پرو موجب شده است سامانه‌های پایش خودکار، جایگزین روش‌های دستی شوند.

چگونه هوش مصنوعی اکتشاف زمین‌شناسی را متحول کرده است؟

الگوریتم‌های یادگیری ماشین قادرند الگوهای پنهان زمین‌شناسی را در حجم عظیمی از داده‌ها شناسایی کنند که این کار فراتر از توان انسان است. انجمن زمین‌شناسی اقتصادی گزارش داده است که اجرای هوش مصنوعی در پروژه‌های پایلوت، میزان حفاری اکتشافی را ۲۵ تا ۳۰ درصد کاهش داده است.

اکتشافات مدرن در هر پروژه بزرگ بین ۵۰ تا ۱۰۰ ترابایت داده ژئوفیزیکی تولید می‌کند. تحلیل دستی این حجم داده ۶ تا ۱۲ ماه زمان می‌برد، درحالی‌که تحلیل مبتنی بر هوش مصنوعی همین داده‌ها را طی ۲ تا ۴ هفته با دقت بیشتر پردازش می‌کند.

کدام بخش‌های معدن بیشترین بهره را از هوش مصنوعی می‌برند؟

یکی از مهمترین بخش‌های معدن که بیشترین بهره را از هوش مصنوعی می‌برد، حوزه بهینه‌سازی فرآوری مواد معدنی است. در کارخانه‌های تغلیظ مس هوشمند، بهبودهای زیر ثبت شده است:

_۳ تا ۷ درصد افزایش بازیابی

_۲ تا ۴ درصد کاهش مصرف آب

_۵ تا ۸ درصد بهبود یکنواختی عیار

سامانه‌های بینایی ماشین، سنگ‌های کم‌عیار را پیش از ورود به خطوط فرآوری حذف می‌کنند و هزینه پردازش را به شدت کاهش می‌دهند.

استفاده از هوش مصنوعی در بخش بهبود عملکرد تجهیزات نیز نتایج زیر را در پی داشته است:

_۱۵ تا ۲۰ درصد افزایش بهره‌وری ناوگان حمل

_۲۵ تا ۳۵ درصد کاهش هزینه لاستیک

_۴۰ تا ۵۰ درصد کاهش حوادث تجهیزات

همچنین حسگرهای ارتعاشی، صوتی و حرارتی می‌توانند ۴۸ تا ۷۲ ساعت قبل از وقوع خرابی، هشدار صادر کنند.

چرا سامانه‌های ایمنی مبتنی بر هوش مصنوعی حیاتی شده‌اند؟

طبق گزارش ILO، سالانه بین ۷ تا ۱۰ هزار نفر در معادن جهان جان خود را از دست می‌دهند. هوش مصنوعی با تغییر رویکرد از واکنش به پیشگیری، نقش کلیدی در کاهش حادثه دارد و می‌تواند نتایج زیر را به دنبال داشته باشد:

_۳۵ تا ۴۵ درصد کاهش حوادث نزدیک‌به‌وقوع

_۶۰ تا ۷۰ درصد بهبود زمان پیش‌هشدار

_۲۵ تا ۳۰ درصد کاهش توقف‌های ایمنی

سامانه‌های ویدئویی هوشمند نیز در پروژه‌های پایلوت آمریکای شمالی، دقت ۸۲ تا ۸۸ درصدی در تشخیص استفاده صحیح از تجهیزات حفاظتی داشته‌اند.

نقش هوش مصنوعی در پایش محیط‌زیست

در کشورهای عضو سازمان توسعه و همکاری اقتصادی (OECD) فعالیت هر معدن زیر نظر ۸ تا ۱۵ نهاد نظارتی است. به همین دلیل اتوماسیون پایش محیط‌زیست نقش مهمی در رعایت استانداردها دارد.

استفاده از سامانه‌های پایش خودکار باعث ۹۴ تا ۹۷ درصد دقت در اندازه‌گیری ذرات معلق می‌شود و درصد جامعیت داده  را تا ۹۹.۲ افزایش می‌دهد (در برابر ۷۸ تا ۸۵ درصد در روش دستی). همچنین حوادث مربوط به آلایندگی آب تا ۶۷ درصد کاهش می‌یابد.

مدل‌های هوش مصنوعی همچنین محاسبات انتشار کربن (دامنه ۱، ۲ و ۳) را به‌صورت ماهانه به‌روزرسانی کرده و گزارش‌های زیست‌محیطی را خودکار تولید می‌کنند.

مزیت‌های هوش مصنوعی در زنجیره تأمین مواد معدنی

تحلیل‌ها نشان می‌دهد استفاده از هوش مصنوعی باعث کاهش ۱۲ تا ۱۸ درصد مصرف سوخت ناوگان حمل و ۲۵ تا ۳۵ درصد کاهش تأخیرهای حمل‌ونقل می‌شود. همچنین این فرایند سرعت تخلیه در بنادر معدنی را دو برابر می‌کند (از ۸–۱۲ روز به ۴–۶ روز).

از سوی دیگر مدل‌های پیش‌بینی قیمت، دقت ۷۸ تا ۸۴ درصدی در پیش‌بینی ۶ ماهه مس و سنگ آهن داشته‌اند.

استراتژی‌های پیاده‌سازی و چالش‌های اصلی

استراتژی‌های پیاده‌سازی فرایندهای هوش مصنوعی در معادن از نظر زمانی به صورت متوسط به ترتیب زیر است:

_دوره پایلوت: ۶ تا ۱۲ ماه

_استقرار مرحله‌ای: ۱۸ تا ۳۶ ماه

_بلوغ کامل: ۴ تا ۵ سال

چالش‌ها نیز شامل کیفیت پایین داده‌ها، ناسازگاری با سامانه‌های قدیمی، هزینه‌های بالا، نیاز به آموزش نیروی انسانی و مقاومت فرهنگی در برابر تغییر هستند.

آینده هوش مصنوعی در معدن (تا ۲۰۳۵)

بخشی از تحولات آتی هوش مصنوعی در حوزه معدن به این شکل قابل پیش‌بینی هستند:

_کاربرد رایانش کوانتومی در مدل‌سازی و بهینه‌سازی

_واقعیت افزوده در تعمیرات و آموزش

_بلاک‌چین برای ردیابی زنجیره تأمین

_حسگرهای ترکیبی برای پایش محیط‌زیست

_حرکت به سمت معادن کاملاً خودکار

جمع‌بندی: ضرورت استراتژیک پذیرش هوش مصنوعی در صنعت معدن

هوش مصنوعی اکنون یک گزینه فناورانه نیست، بلکه یک ضرورت رقابتی است. شرکت‌هایی که سریع‌تر به سمت دیجیتالی‌سازی و هوشمندسازی حرکت کنند در کارایی، ایمنی و پایداری زیست‌محیطی مزیت‌های بلندمدتی به دست می‌آورند.