![بازدید سرزده پزشکیان از یک سازمان دولتی/ گله رئیسجمهوری از وضعیت این پروژهها بازدید سرزده پزشکیان از یک سازمان دولتی/ گله رئیسجمهوری از وضعیت این پروژهها](/files/fa/news/1403/6/1/558452_834.jpg)
به گزارش میمتالز، با استفاده از الگوریتمها و مدلهای هوش مصنوعی، شرکتهای معدنی میتوانند بهبودهای قابل توجهی در فرآیندهای استخراج معدن و فرآوری مواد معدنی به دست آورند. بهره وری بالاتر به معنای کاهش هزینهها و افزایش سودآوری است. همچنین، هوش مصنوعی میتواند بهبودهای مهمی در ایمنی محیط کار ایجاد کند. با استفاده از سیستمهای هوش مصنوعی برای پیشبینی و پیشگیری از حوادث ناگوار، میتوان احتمال وقوع آنها را کاهش داد. این موضوع بهطور مستقیم به افزایش ایمنی کارگران و کاهش هزینههای مربوط به حوادث مرتبط با معدن میانجامد. علاوه بر این، هوش مصنوعی میتواند بهبودهای قابل توجهی در پایداری محیطی صنعت معدن ایجاد کند. با استفاده از تکنولوژیهای هوش مصنوعی برای کنترل و مدیریت بهینه منابع مواد معدنی و استفاده بهینه از انرژی، میتوان به حفظ محیط زیست کمک بیشتری کرد. این اقدامات میتوانند به کاهش اثرات منفی صنعت معدن بر محیط زیست منجر شوند.
در همین راستا هفته گذشته در وبسایت تحلیلی - خبری اینترنشنال ماینینگ (IM-mining) مطلبی منتشر شد که به تاثیرات شگرف فناوریهای مبتنی بر هوش مصنوعی در صنایع معدنی پرداخته است.
صنعت معدن همواره در خط مقدم پیشرفت تکنولوژی بوده است. سازمان دهندگان IMARC ۲۰۲۳ میگویند، از موتور بخار که استخراج زغال سنگ را سودآور میکند تا تکنیکهای پیشرفته حفاری، نوآوری نقش اساسی در بهبود بهره وری و کارآیی داشته است. در سالهای اخیر، پذیرش هوش مصنوعی (AI) به عنوان یک تغییردهنده قوانین بازی برای صنعت معدن ظاهر شده است که امکان اکتشاف کارآمدتر، رساندن اتوماسیون به سطوح جدید، تولید با بازده بیشتر، بهبود چشمگیر ایمنی و به حداکثر رساندن استخراج، نگهداری و حملونقل را فراهم میکند.
سیستمهای مجهز به هوش مصنوعی در سراسر عملیات استخراج به منظور افزایش دقت برآورد منابع، در حال گسترش هستند. با بررسی الگوهای دادههای زمین شناسی و ترکیب دادههای تاریخی استخراج، الگوریتمهای هوش مصنوعی میتوانند برآوردهای دقیق تری از ذخایر معدنی ارائه دهند. این به شرکتهای معدنی کمک میکند تا تصمیمات آگاهانهای در مورد سرمایهگذاری، برنامه ریزی تولید و تخصیص منابع اتخاذ کنند و در نهایت پتانسیل اقتصادی پروژههای معدنی را به حداکثر برسانند. مارک اوبراین، مدیرکل فناوری دیجیتال و نوآوری در CITIC Pacific Mining، خاطرنشان میکند که هوش مصنوعی در حال حاضر تاثیری شگرف بر صنعت معدن دارد. او گفت: در استرالیای جنوبی، شرکتهای استخراج از قبل به یک کتابخانه عظیم از نمونههای اصلی دسترسی دارند که به معنای واقعی کلمه کوهی از داده هاست. با استفاده از الگوریتمهای مجهز به هوش مصنوعی، اکنون منابعی را پیدا میکنیم که در ابتدا از قلم افتاده بودند. این روند نسبتا مشابه پیشرفت در فناوری DNA است که به جرم شناسان اجازه میدهد پروندههای قدیمی را بررسی و حل کنند.
فرضی یوسف علی، یکی از بنیانگذاران Stratum AI، شرکتی که راه حلهای سفارشی مبتنی بر هوش مصنوعی را برای کمک به سایتهای معدنی بهمنظور افزایش بازدهی با ریسک کمتر ارائه میکند، میگوید: یکی از مشتریان ما خاطرنشان کرد که پیشبینی بازدهی آنها برحسب آنچه به روش سنتی مطرح شده است، در هر بازه سه ماهه ۳۰درصد نوسان خواهد داشت. اگر میلیونها تن مس را فرآوری میکنید، این یک مشکل اساسی است. اکنون با استفاده از سیستم هوش مصنوعی متوجه شدیم که در دوسال گذشته افزایش دقت ۵۸درصدی در پیشبینیها به صورت فصلی (سهماهه) حاصل شده است. هوش مصنوعی همچنین پتانسیل زیادی برای ساده سازی عملیات استخراج و بهینه سازی مدیریت دارایی ارائه میدهد. از طریق استفاده از دستگاهها و حسگرهای اینترنت اشیا (IoT)، جمع آوری بی درنگ دادهها امکان پذیر میشود و شرکتهای استخراج را قادر میسازد تا عملکرد تجهیزات را بررسی، معیارهای عملیاتی را ارزیابی و پاشنهآشیل عملیات معدنی را شناسایی کنند. سپس الگوریتمهای هوش مصنوعی میتوانند این دادهها را پردازش کرده و بینشهای ارزشمند و مدلهای پیشبینی را ایجاد کنند که تصمیمگیری را بهبود میبخشد و از خرابیهای برنامه ریزینشده جلوگیری میکند. علاوه بر این، سیستمهای اتوماسیون مبتنی بر هوش مصنوعی میتوانند بهطور قابل توجهی کارآیی و ایمنی را در عملیات استخراج بهبود بخشند. وسایل نقلیه و ماشین آلات خودران مجهز به الگوریتمهای هوش مصنوعی میتوانند در زمینهای پیچیده حرکت کنند، مسیرها را بهینه کنند و وظایف را بادقت انجام دهند. این امر خطای انسانی را به حداقل میرساند، خطر تصادفات را کاهش میدهد و ایمنی کارگران را افزایش میدهد. علاوه بر این، سیستمهای تعمیر و نگهداری پیشبینی کننده مبتنی بر هوش مصنوعی میتوانند سلامت تجهیزات را کنترل کنند، ناهنجاریها را شناسایی کرده و فعالیتهای تعمیر و نگهداری را به طور فعال برنامه ریزی کنند، همچنین زمان کار را به حداقل برسانند و طول عمر ماشین آلات استخراج را افزایش دهند. فناوری هوش مصنوعی همچنین نویدبخش ارتقای نظارت و پایداری محیط زیست در صنعت معدن است. به عنوان مثال، الگوریتمهای هوش مصنوعی میتوانند فرآیند برنامه ریزی معدنی را با درنظرگرفتن عوامل محیطی مانند احیای زمین و حفظ زیستگاه بهینه کنند. الکس دیجاگر، مدیرعامل Conundrum استرالیا، میگوید: فناوریهای ما به طور خاص بر ایجاد کارآیی در عملیات و تولید تمرکز دارند. مزیت مطلق همه این موارد نه تنها در سودآوری، بلکه در سبزتر کردن عملیات معدنی است. اگر توانسته اید مواد بیشتری از آنچه استخراج کرده اید استخراج کنید، میتوانید به لطف سیستمهای هوش مصنوعی مصرف برق و آب خود را بهطور چشمگیری کاهش دهید.
دی جاگر میگوید حسگرها و فناوریهای سنجش از دور، همراه با الگوریتمهای هوش مصنوعی، نظارت مستمر بر کیفیت هوا و آب را امکان پذیر کرده و امکان شناسایی سریع و واکنش نشان دادن به هرگونه اختلال محیطی را فراهم میکنند. چنین سیستمهای نظارتی به اطمینان از انطباق با مقررات زیست محیطی و ترویج شیوههای استخراج منابع پایدار کمک میکنند.
وقتی از روندهای هوش مصنوعی سخن به میان میآید، یکی از کاربردهای مهم در استخراج، اکتشاف و برآورد منابع است. روشهای اکتشاف سنتی میتوانند زمانبر و پرهزینه باشند و اغلب نتایج محدودی به همراه دارند. بااین حال، همانطور که یوسف علی میگوید، فناوریهای مبتنی بر هوش مصنوعی مانند الگوریتمهای یادگیری ماشینی و تجزیه وتحلیل داده ها، روند اکتشاف را متحول کردهاند. او میگوید طیف وسیعی از ابزارها در حال حاضر برای تجزیه وتحلیل حجم وسیعی از دادههای زمین شناسی، از جمله سوابق حفاری تاریخی، تصاویر ماهوارهای و دادههای حسگرها، برای شناسایی مناطق مساعد برای عملیات معدنی موجود است. یوسفعلی میگوید: با هوش مصنوعی، زمین شناسان میتوانند تصمیمگیری خود را با شناسایی سریع سایتهای معدنی بالقوه، کاهش خطر شکستهای اکتشافی و صرفه جویی در زمان عملیات و استفاده بهینه از منابع ارزشمند، محتمل کنند. هوش مصنوعی در فرآیند اکتشاف میتواند به شرکتهای معدنی کمک کند تا با شناسایی الگوها و ناهنجاریها در دادهها که ممکن است توسط زمین شناسان انسانی نادیده گرفته شوند، مواد معدنی و منابع را سریعتر و کارآمدتر بیابند.
گاوین لیند، مدیرعامل اتحادیه مهارتهای انرژی و مواد معدنی استرالیا (AUSMESA)، میگوید پیشرفت سریع هوش مصنوعی فرصتهای بی نظیری را برای صنایع کشور از جمله معدن کاری فراهم میکند. برای مثال، او میگوید هوش مصنوعی فرصتهایی را ارائه میکند تا نحوه انجام اساسیترین وظایف را تغییر دهد تا آنها را سریع تر، ایمنتر و کارآمدتر کند. وی گفت: عملکرد اصلی یک مکانیک که تعمیر یک وسیله نقلیه است، با پذیرش هوش مصنوعی تغییر نمیکند. بااین حال، با ورود هوش مصنوعی، ممکن است مکانیک در یک گاراژ در محل معدن موردنیاز نباشد، اما میتواند در یک مرکز عملیات از راه دور در هزاران کیلومتر دورتر مستقر شود.
به طور دلگرم کننده ای، صنعت معدن در استرالیا قبلا برخی از گامها را برای توسعه مهارتهای دیجیتال برداشته است و لیند میگوید هوش مصنوعی همچنین به رفع یکی از چالشهای بزرگ این صنعت کمک میکند؛ یعنی «جذب نیروی کار موردنیاز برای پاسخگویی به تقاضای جهانی». او میگوید که معدن در مقایسه با کارفرمایان معمولی مستقر در شهرها در وضعیت نامناسبی قرار دارد. او گفت: «در کشورهایی که عملیات استخراج از راه دور انجام میشود، هوش مصنوعی به ما اجازه میدهد تا با کمک واقعیت مجازی این داستان را از پایتختها رصد کنیم.»
شکی نیست که این صنعت ذاتا خطرناک است و مدیریت ریسک برای حفاظت از مردم و محیط زیست اولویت دارد. بااین حال، دیجاگر معتقد است که ریسکگریزی بیش از حد میتواند مانع پیشرفت شود و فرصتهای رشد را مختل کند. او میگوید در این زمینه، کشورهایی که نگرشهای مترقی تری نسبت به پذیرش نوآوری دارند، در پذیرش هوش مصنوعی پیشرفت کرده اند و مزیت رقابتی در موضع کارآیی و اقتصادیتر بودن پروژهها را به دست آورده اند. دیجاگر میگوید: مزایای این ریسک گریزی این است که مهم نیست به چه صنعتی در استرالیا اشاره میکنید، قوانین حاکم بر آن صنعت فوق العاده محکم و خوب تدوین شده، به خوبی طراحی شده و به خوبی توسعه یافته است. استرالیا کشوری بسیار نوآور است، اما به طور باورنکردنی ریسک گریز است و این میتواند مانعی برای بازار باشد.
او معتقد است که استرالیا با حفظ آستانه ریسک پایین، در رقابت جهانی به سمت راه حلهای استخراج مبتنی بر هوش مصنوعی عقب میافتد. بدون پذیرش فناوریهای جدید، شرکتهای معدنی در کشور ممکن است با چالشهایی در برآورد دقیق منابع، بهینه سازی فرآیندهای استخراج و کاهش اثرات زیست محیطی مواجه شوند. علاوه بر این، آنها ممکن است نتوانند از پتانسیل هوش مصنوعی برای ایجاد روشهای استخراج ایمنتر و پایدارتر استفاده کنند.
منبع: دنیای اقتصاد