![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، تکنولوژی در حال تبدیل شدن به یک ارز است و تبادل آن به قدری رایج میشود که ممکن است تکنولوژی خود را در ازای دریافت سهام یا نوعی ابزار بدهی مبادله کنید
معدن کاران در سراسر جهان، همزمان با ورود به مناطق جغرافیایی و زنجیرههای تأمین جدید، به دنبال حداکثر سازی کارآیی و حداقلسازی انتشار کربن و ردپای زیست محیطی هستند و میخواهند سرمایهگذاران فعلی را حفظ و طیف گستردهتری از سرمایهگذاران را جذب کنند. با وجود این افزایش هزینههای عملیاتی و نگرانیهای رو به افزایش در مورد ظرفیت تأمین مواد معدنی حیاتی برای تحول انرژی، کارآیی عملیات معدنکاری را در کانون توجه قرار داده است.
بخش معدن چند سالی هست که تکنولوژی یادگیری ماشین را امتحان کرده، اما پیشرفتهای اخیر در هوش مصنوعی مولد، تمرکز بزرگان صنعت معدن را به سمت مزایای این تکنولوژی در اکتشاف و عملیاتی که با بهکارگیری آن در مدل کسبوکارشان حاصل میشود، برده است. یکی از بارزترین کاربردهای یادگیری ماشین و هوش مصنوعی، افزایش دقت و سرعت اکتشاف است، چون حجم انبوهی داده، تصاویر ماهوارهای و سوابق تاریخی مرتبط با ذخایر معدنی، قابل تجزیه و تحلیل میشود. در چرخه عمر هر پروژه معدنی، اکتشاف یکی از پرریسکترین مراحل است و ممکن است فرآیند آن سالها طول بکشد و با ابهامات زیادی همراه باشد. افزایش کیفیت تجزیه و تحلیل داده، میتواند با کاهش ابهام در کمپینهای حفاری، توسعه پروژه را سرعت ببخشد. بهعلاوه، این تکنولوژیها میتوانند به معدن کاران کمک کنند که بر هرگونه کمبود در مهارتهای ساختاری زمینشناسان غلبه کنند.
از سال ۲۰۲۰، افزایش هزینههای عملیاتی و نگرانیهای فزاینده در مورد ظرفیت تأمین مواد معدنی حیاتی برای تحول انرژی، کارآیی عملیات معدنکاری را در کانون توجه قرار داده است. در نتیجه تکنولوژی، بیش از پیش به عنصر هستهای در استراتژیهای کسبوکارهای بخش معدن و فلزات تبدیل میشود، چون میخواهد این تقاضا را برطرف کند و کارآیی را بهبود ببخشد.
نوآوریهای تکنولوژیک کل این بخش را فراگرفتهاند، از ایجاد IP کربنزدایی در مقیاس تجاری گرفته تا سیستمهای انرژی با حداقل انتشار کربن، بازیافت، استفاده از هوش مصنوعی در عملیات، استفاده از هوش مصنوعی مولد در فرآیندها و سیستمهای اداری، و تأیید طراحیهای باتری برای تولید. معدن کاران و تولیدکنندگان فلزات، همزمان با ورود به مناطق جغرافیایی و زنجیرههای تأمین جدید، به دنبال حداکثر سازی کارآیی و حداقلسازی انتشار کربن و ردپای زیستمحیطی هستند ضمناً هم میخواهند سرمایهگذاران فعلی را حفظ کنند و هم طیف گستردهتری از سرمایهگذاران را جذب نمایند.
دنیل تورگل، از شرکت حقوقی White & Case، با تاکید بر تغییر ماهیت معاملات در این بخش و افزایش نقش تکنولوژی در شکلگیری اتحادهای استراتژیک میانصنعتی جدید میگوید: «تکنولوژی در حال تبدیل شدن به یک ارز است و تبادل آن به قدری رایج میشود که ممکن است تکنولوژی خود را در ازای دریافت سهام یا نوعی ابزار بدهی مبادله کنید.» کارشناسان میگویند این نوع نوآوری، برای بخش معدن و فلزات که به طور کلی محافظهکار است، بسیار دگرگونکننده محسوب میشود.
کربنزدایی از عملیات معدنکاری و استخراج فلزات و همچنین هنگام مصرف نهایی، به دسترسپذیر بودن و تجاریسازی طیف گستردهای از تکنولوژیها بستگی دارد که بر مراحل مختلف زنجیره ارزش اثر میگذارند. این تکنولوژیها عمدتاً از طریق تحقیق و توسعه یا سرمایهگذاری استراتژیک به دست میآیند.
در بخش فلزات، تولیدکنندگان فولاد که به دنبال کاهش یا حذف انتشار کربن هستند، به استفاده از تکنولوژیهای کربنزدایی روی آوردهاند و هر زمان ممکن باشد، بهرهوری انرژی را با استفاده از کورههای قوس الکتریکی (EAF) بالا میبرند یا کوره را با استفاده از احیای مستقیم آهن و هیدروژن مشتعل میکنند. حمایت از تلاشهای کربنزدایی در صنعت فولاد در تأمین سرمایههای موفق شرکت تولید فولاد سبز H۲ Green Steel منعکس شده که در سه سال اخیر افزایش یافته و به ۵/۶ میلیارد یورو رسیده است. در هر صورت، فرآیند کربنزدایی برای عملیات فعلی بسیار سرمایهبر است و مشارکتکنندگان باید به دنبال چارچوبهای قانونی مانند مشوقهای دولتی باشند تا ملزومات سرمایهای فرآیند تحول را فراهم کنند.
تلاشها در بخش معدن به عملیات کربنزدایی در سایتهای معدنی و عمدتاً از طریق استقرار وسایل نقلیهای که با باتری کار میکنند، از جمله استفاده از سیستمهای خودران، گسترش یافته است. محرک اصلی تجاریسازی تکنولوژی، افزایش بهرهوری کاهش انتشار کربن سیستمهای موجود است. پیشرفت در سیستمهای ترمز مکانیکی جدید وسایل نقلیه باربری، یک نمونه پیشتاز است.
بهعلاوه، معدن کاران به شکل فزایندهای به دنبال فرصتهایی هستند که زیرساختهای انرژی تجدیدپذیر را در معادن جدید به کار بگیرند. در گذشته بهکارگیری زیرساختهای انرژی تجدیدپذیر در پروژههای موجود، عمدتاً از طریق توافقنامهای که با توسعهدهندگان پروژههای انرژی از بیرون منعقد میشد صورت میگرفت. اما برای پروژههایی که در مناطق دور انجام میشوند یا محیطهایی که محدودیت شدید انرژی دارند (مثل آفریقای جنوبی) ظهور تکنولوژیهایی که با باتری کار میکنند، باعث شده توسعه انرژیهای تجدیدپذیر انحصاری، موفقیتآمیز باشد.
معمولاً سختافزارها بیشترین توجه را به خود جلب میکنند، اما توسعه عملیات با استفاده از یادگیری ماشین، هوش مصنوعی مولد و پیشرفتهای برنامهریزی نوین، میتواند باعث صرفهجویی قابل توجه در هزینهها و بالا رفتن بهرهوری برای معدن کاران شود. بخش معدن چند سالی هست که تکنولوژی یادگیری ماشین را امتحان کرده، اما پیشرفتهای اخیر در هوش مصنوعی مولد، تمرکز بزرگان صنعت معدن را به سمت مزایای این تکنولوژی در اکتشاف و عملیاتی که با بهکارگیری آن در مدل کسبوکارشان حاصل میشود، برده است.
یکی از بارزترین کاربردهای یادگیری ماشین و هوش مصنوعی، افزایش دقت و سرعت اکتشاف است، چون حجم انبوهی داده، تصاویر ماهوارهای و سوابق تاریخی مرتبط با ذخایر معدنی، قابل تجزیه و تحلیل میشود. در چرخه عمر هر پروژه معدنی، اکتشاف یکی از پرریسکترین مراحل است و ممکن است فرآیند آن سالها طول بکشد و با ابهامات زیادی همراه باشد. افزایش کیفیت تجزیه و تحلیل داده، میتواند با کاهش ابهام در کمپینهای حفاری، توسعه پروژه را سرعت ببخشد. بهعلاوه، این تکنولوژیها میتوانند به معدن کاران کمک کنند که بر هرگونه کمبود در مهارتهای ساختاری زمینشناسان غلبه کنند.
هوش مصنوعی و نرمافزار بیش از پیش در عملیات معدنکاری مورد استفاده قرار گرفته تا کارآیی و ایمنی کارگران را افزایش دهد. «دوقلو سازی دیجیتال» - فرآیندی که یک مدل مجازی از معدن را درست میکند – به معدن کاران امکان میدهد فرآیندهایی مانند فرآوری و حمل سنگ معدن را اتوماتیکسازی کنند، برنامههای پشتیبانی و نگهداری پیشبینیکننده ایجاد کنند، سناریوهای شرایط اضطراری را شبیهسازی کنند و پرسنل و ماشینآلات را رهگیری کنند. دوقلو سازی دیجیتال نه تنها برای کارآیی عملیاتی و ایمنی کارگران مفید است، بلکه فرصتهایی را برای کاهش ملزومات هزینههای سرمایهای عملیات فراهم میکند، چون قبل از اینکه هرگونه تصمیمی در این زمینه بخواهد در محیط فیزیکی واقعی اجرا شود، معدن کاران میتوانند نتیجه تصمیمگیری را در فضای دیجیتال تست کنند.
در سالهای اخیر، هوش مصنوعی و یادگیری ماشین، باعث پیشرفتهای قابل توجهی در برنامهریزی، بهرهبرداری و سایر عملیات شرکتهای معدنی بزرگ شدهاند. یک نمونه آن، استفاده گروه معدنی بزرگ BHP از یادگیری ماشین Azure مایکروسافت بوده تا بازیافت مس را در معدن «اسکوندیدا» افزایش دهند. این تکنولوژی میتواند سنگ معدن با کیفیتهای مختلف را به سرعت ارزیابی و مدل سازی کند و برنامهریزی مالی و عملیاتی پروژههای معدنی را هموار کند. یک مثال دیگر، استارتآپ تکنولوژی عمیق «پلاتلاجیک» (Plotlogic) در حوزه معدن است که از هوش مصنوعی برای اسکن زمین به صورت آنی استفاده میکند تا دقت اکتشاف مواد معدنی حیاتی به بیشترین حد خود برسد. این ابزارها که مورد استفاده شرکتهای بزرگ معدنی مثل BHP، Vale، South۳۲ و پیلبارا مینرالز است، به بخش معدن کمک قابل توجهی میکنند که پاسخگوی افزایش تقاضای مواد معدنی حیاتی باشند. بهعلاوه، اثر نوآوری دیجیتال را در دیگر بخشهای زنجیره ارزش میتوان دید؛ مثل تجارت کالا که از گذشته بر فرآیندهای دستی کند، فاقد شفافیت و مستعد خطا متکی بوده است. استفاده از بلاکچین برای سادهسازی فرآیند تجارت کالا نمونهای از کاربرد تکنولوژی برای افزایش شفافیت و کارآیی بخش تجارت کالاست.
با وجود اینکه کربنزدایی عملیات بیش از پیش الزامی میشود، اما هزینههای تحقیق و توسعه، به طور کلی دستاوردهای چندانی را در این زمینه رقم نمیزند. در بخش معدن، ارزیابیهایی که صورت گرفته نشان میدهد معدن کاران همواره، کمتر از ۳ درصد سود قبل از بهره و مالیاتشان را به تحقیق و توسعه اختصاص میدهند؛ برخلاف تولیدکنندگان مواد اولیه، صنعتگران، خودروسازان و دیگر تولیدکنندگان تجهیزات که به ترتیب ۸، ۳۰ و ۴۰ درصد سود را صرف تحقیق و توسعه میکنند. البته شرکتهای ریوتینتو وآلکوا (توسعه و استخراج، پالایش و ذوب آلومینیوم) به تازگی پروژههای موفق تحقیق و توسعه را در این بازار شروع کردهاند تا جلوی انتشار مستقیم گازهای گلخانهای از فرآیند ذوب آلومینیوم را بگیرند.
با اینکه سطح هزینهکرد در تحقیق و توسعه به تدریج در حال افزایش است، اما سرمایهگذاری در تکنولوژیهای کربنزدایی به خاطر زمانبر بودن کاربری تجاری آنها و ابهام در بازدهی ریسک بالایی دارد. در نتیجه همزمان با افزایش تحقیق و توسعه، فعالان بخش معدن و فلزات، مشارکتهای جدیدی شکل میدهند و فرصتهای سرمایهگذاری خطرپذیر را دنبال میکنند تا به تکنولوژیهای لازم برای پاسخگویی به تقاضای مواد معدنی حیاتی و اهداف کربنزدایی دسترسی داشته باشند.
افزایش تقاضا برای مواد معدنی حیاتی که برای تحول انرژی در سطح جهان لازماند، فرصت برای نوآوری تکنولوژیک در بخش معدن و فلزات و همچنین مشارکت در تحول انرژی، فرصتهای جدید سرمایهگذاری و شروع کار را برای کارآفرینان، سرمایهگذاران و مشارکتکنندگان پاییندستی فراهم میکند.
مشارکتها بین فعالان سنتی و غیر سنتی در بخش معدن و فلزات شکل میگیرد که از نمونههای آن میتوان به دعوت مشترک شرکتهای BHP و ریوتینتو از عرضهکنندگان تکنولوژی، استارتآپ و دیگر فعالان مرتبط برای کمک به بهبود آبگیری از ماسه و لجن باطله از کف تغلیظ شده معدن اشاره کرد. یا مشارکت شرکت اپل در سرمایهگذاری مشترک ریوتینتو و آلکوا به نام Elysis.
علاوه بر اینها، در ۵ سال گذشته، بازیگران بزرگ معدنی، تلاشهای گستردهای برای سرمایهگذاری خطرپذیر شرکتی و یادگیری و مشارکت در این حوزه آغاز کردهاند. این شرکتها این گزینه را دارند که تکنولوژیها و فرآیند را از استارتآپ بخرند تا آنها را برای عملیات معدنی در جاهای دیگر، تجاریسازی و مقیاسپذیر کنند.
به همین دلیل، استارتآپ تکنولوژی معدنی، بیش از پیش توجه سرمایهگذاران را جلب کردهاند. آخرین دور سرمایهگذاری ۲۰۰ میلیون دلاری در شرکت «کوبولد متالز» در سال ۲۰۲۳، این شرکت را به یک «تکشاخ» هوش مصنوعی تبدیل کرد - یعنی شرکتی که سرمایه آن به بیش از ۱ میلیارد دلار میرسد. شرکتهای سرمایهگذاری بزرگی مثل Breakthrough Energy (که تحت حمایت بیلگیتس است)، آپولو، شرکت میتسوبیشی، BHP و ایکویینور، از جمله سرمایهگذاران هستند.
بخش معدن و فلزات دستخوش تحولات تکنولوژیکی و دیجیتالی زیادی شده و این پیشرفتها IP را به سرعت به یک کالای جذاب تبدیل کردهاند. اهمیت IP به قدری زیاد شده که به عنوان یک دارایی ارزشمند بین بازیگران صنعت مبادله میشود تا مدلهای کسبوکار را تغییر شکل دهد. یک نمونه بارز در این زمینه، سرمایهگذاری مشترک شرکت آمریکایی «ایوانهو الکتریک» (Ivanhoe Electric) و شرکت «معادن» عربستان است که طی آن، از تکنولوژی نقشهبرداری اختصاصی شرکت ایوانهو به نام «تیفون»، برای کشف پتانسیلهای معدنی مهم در عربستان بهرهبرداری میشود. این فرصتها و مشارکتها، بر مبنای پیمایش مسائل حقوقی جدید و پیچیده برای اطمینان از دسترسی به IP ایجاد شدهاند.