به گزارش دمیرنیوز، فعالیتهای معدنی معمولا در محیطهایی سخت، خطرناک و دشوار انجام میشود. در چنین شرایطی، سامانههای مبتنی بر هوش مصنوعی با کاهش حضور نیروی انسانی در محیطهای پرخطر و تقویت توان عملیاتی کارکنان، به افزایش ایمنی و کارآیی کمک میکنند. استفاده از کامیونها، دستگاههای حفاری و ماشینهای بارگیری خودران در معادن رو به افزایش است و این تجهیزات میتوانند با دقت بالا در شرایط خطرناک فعالیت کنند. برخی شرکتها نیز هماکنون از خودروهای معدنی خودران در پروژههای بزرگ معدنی استفاده میکنند. تجهیزاتی که در چنین محیطهایی فعالیت دارند، به تعمیر و نگهداری دائمی نیازمندند. با این حال، انجام تعمیرات باعث توقف فعالیت تجهیزات اصلی و تحمیل هزینههای سنگین میشود. به همین دلیل، هرچه فرآیند نگهداری دقیقتر و هدفمندتر باشد، زمان بهرهبرداری تجهیزات افزایش پیدا میکند و هزینهها کاهش مییابد.
سامانههای تعمیرات پیشبینانه مبتنی بر هوش مصنوعی با تحلیل دادههای حسگرها، وضعیت تجهیزات معدنی را بررسی و زمان احتمالی خرابی ماشینآلات را پیشبینی میکنند؛ اقدامی که به افزایش طول عمر و قابلیت اطمینان تجهیزات منجر میشود. شرکت معدنی «فورتسکیو متالز» بهتازگی از سفارش ۲.۸میلیارد دلاری خود برای خرید ۳۶۰کامیون حمل بار تمامبرقی و خودران خبر داده است. این ناوگان که توسط شرکت «لیبهر» ساخته میشود و از سامانه ناوبری مبتنی بر یادگیری تقویتی استفاده میکند، قرار است سالانه حدود ۴۰۰میلیون لیتر مصرف گازوئیل را حذف کند؛ رقمی که معادل ۵۱درصد از انتشار مستقیم گازهای گلخانهای این شرکت است. همچنین استفاده از الگوریتمهای دقیقتر حملونقل، هزینه جابهجایی مواد معدنی را کاهش خواهد داد.
نقش هوش مصنوعی در مدیریت فرآیندهای معدنی
استخراج منابع طبیعی از زمین و تبدیل آنها به مواد قابل استفاده، فرآیندهای متعددی را شامل میشود. هرچه این فرآیندها ایمنتر، دقیقتر، کمهزینهتر و سازگارتر با محیطزیست باشند، مزایای آن در نهایت به مصرفکنندگان نیز منتقل خواهد شد. هوش مصنوعی در بخشهایی مانند خردایش، آسیاب و فلوتاسیون با تحلیل دادههای لحظهای و تنظیم خودکار پارامترها، به بهینهسازی عملکرد کمک میکند. سامانههای کنترل فرآیند مبتنی بر هوش مصنوعی میتوانند میزان تولید را افزایش دهند، مصرف انرژی را کاهش دهند و بهرهوری کلی عملیات را بهبود ببخشند.
هوش مصنوعی همچنین در برنامهریزی معادن و برآورد ذخایر معدنی کاربرد دارد. این فناوری با تحلیل دادههای زمینشناسی، برآورد دقیقتری از منابع موجود ارائه میدهد و امکان برنامهریزی بهتر برای استخراج مواد معدنی را فراهم میکند. ابزارهای برنامهریزی معدن مبتنی بر هوش مصنوعی میتوانند طراحی معادن را بهینه کنند، میزان ضایعات را کاهش دهند و بازیابی منابع را افزایش دهند. سامانههای هوش مصنوعی در پیشبینی عیار سنگ معدن و عملیات اکتشاف نیز نقش مهمی دارند. این سامانهها با استفاده از دادههای زمینشناسی، اطلاعات حفاری، دادههای لرزهنگاری و تصاویر ماهوارهای، محل و کیفیت ذخایر معدنی را پیشبینی میکنند. استفاده از چنین فناوریهایی دقت اکتشاف را افزایش و زمان و هزینه کشف منابع جدید را کاهش میدهد.
افزایش ایمنی و کاهش مصرف انرژی
محیطهای معدنی بهطور طبیعی برای حضور انسان مناسب نیستند و به همین دلیل، استفاده از سامانههای هوشمند میتواند نقش مهمی در حفظ ایمنی معادن داشته باشد. امروزه از هوش مصنوعی برای پایش ایمنی و پیشگیری از حوادث استفاده میشود. این سامانهها با تحلیل دادههای بهدستآمده از حسگرها، دوربینها و تجهیزات پوشیدنی، خطراتی مانند ریزش سنگ، نشت گاز یا خرابی تجهیزات را شناسایی و پیشبینی میکنند. در صورت تشخیص خطر، سامانههای هوشمند به کارگران و مدیران هشدار میدهند تا اقدامات پیشگیرانه انجام شود و احتمال وقوع حوادث و آسیبهای انسانی کاهش یابد.
شرکت معدنی «بیاچپی» نیز طرحهای مبتنی بر هوش مصنوعی خود را در مجتمع مس «اسکوندیدا» در شیلی اجرا کرده است. در این مجموعه، حسگرهای هوشمند نصبشده روی کلاه ایمنی رانندگان کامیونهای معدنی، نشانههای اولیه خوابآلودگی را از طریق بررسی امواج مغزی تشخیص میدهند. همچنین به گفته «مایک هنری» مدیرعامل این شرکت، سامانههای هوشمند مدیریت انرژی از سال مالی۲۰۲۲ تاکنون موجب صرفهجویی بیش از سهمیلیارد لیتر آب و ۱۱۸گیگاواتساعت انرژی شدهاند. عملیات معدنی از جمله فعالیتهای بسیار پرمصرف در حوزه انرژی به شمار میرود. سامانههای هوش مصنوعی با بررسی الگوهای مصرف انرژی و شناسایی نقاط اتلاف، به کاهش مصرف کمک میکنند. این سامانهها میتوانند مصرف برق را در بخشهای مختلف بهینه کنند و علاوه بر کاهش هزینههای عملیاتی، آثار زیستمحیطی فعالیتهای معدنی را نیز کمتر کنند.
هوش مصنوعی و کاهش آسیبهای زیستمحیطی
فعالیتهای معدنی پیامدهای مختلفی برای محیطزیست دارند؛ از تاثیر بر کیفیت آب و هوا گرفته تا مصرف منابع آبی، تولید پسماند، تخریب زمین و آسیب به زیستگاههای انسانی و جانوری. به همین دلیل، شرکتهای معدنی موظفند مقررات سختگیرانه زیستمحیطی را رعایت کنند. هوش مصنوعی میتواند در پایش عواملی مانند کیفیت هوا، میزان مصرف آب و مدیریت پسماند بهکار گرفته شود و رعایت استانداردهای زیستمحیطی را تسهیل کند. این سامانهها در صورت مشاهده هرگونه انحراف از حد مجاز، راهکارهای اصلاحی ارائه میدهند تا از بروز خسارتهای بیشتر و جریمههای احتمالی جلوگیری شود. شرکت معدنی «ریوتینتو» نیز از یک دستیار مبتنی بر فناوری مشابه مدلهای GPT استفاده میکند که قادر است صدها سند را بررسی و اطلاعات مورد نیاز برنامهریزان معدن را در مدت کوتاهی استخراج کند. همچنین یک سامانه بینایی رایانهای مبتنی بر مدل «YOLOv۵» (تشخیص اشیا در تصویر) توانسته است ۲.۶میلیون تصویر ثبتشده توسط دوربینهای حیاتوحش را تحلیل کند تا گونههای در معرض خطر «کاکاتوی نخل» در نزدیکی معدن بوکسیت «ویپا» (در ایالت کوئینزلندِ استرالیا) شناسایی شوند؛ فرآیندی که پیش از این انجام آن ماهها زمان میبرد.
فعالیتهای معدنی علاوه بر تولید مواد ارزشمند، حجم زیادی از پسماند و پساب نیز ایجاد میکنند که در صورت مدیریت نادرست، میتوانند مشکلات زیستمحیطی جدی به همراه داشته باشند. بخشی از این مواد که پس از جداسازی مواد ارزشمند باقی میمانند، «باطله معدنی» نام دارند.این باطلهها معمولا در محلهای ویژه ذخیره و مدیریت میشوند تا دفع آنها با اطمینان بیشتری انجام شود. هوش مصنوعی در این بخش نیز کاربرد دارد و میتواند با پایش وضعیت سدهای باطله، احتمال وقوع شکست یا نشت آنها را پیشبینی کند. سامانههای هوشمند دادههای مربوط به فشار، رطوبت و شرایط داخلی سدهای باطله را تحلیل میکنند تا نشانههای اولیه خطر شناسایی شود و از وقوع حوادث زیستمحیطی جلوگیری شود.
منبع: دنیای معدن
