کاربرد هوش مصنوعی در معدن‌کاری بسیار قابل توجه است و در آینده نیز بیشتر خواهد شد زیرا تعمیر و نگهداری پیش‌بینی شده و اتوماسیون برای افزایش بهره‌وری ضروری است، به ویژه در شرایطی که شرکت‌ها با چالش‌های مختلف صنعتی در سال‌های آینده مواجه هستند.
به گزارش پایگاه خبری و تحلیلی «فلزات‌آنلاین» و به نقل از روابط عمومی ایمپاسکو، در حالی که بسیاری از صنایع هنوز در حال آزمایش هوش مصنوعی هستند، صنعت معدن‌کاری در حال حاضر از مزایای قابل‌توجهی مانند استفاده از وسایل نقلیه خودران، تجهیزات خودکار و تحلیل داده‌های پیشرفته بهره‌مند شده است. یکی از کاربردهای بسیار نویدبخش هوش مصنوعی در معدن‌کاری، بهبود بهره‌وری است که به دلیل چالش‌هایی همچون کمبود مواد معدنی، رشد تقاضا، فاصله‌های طولانی‌تر حمل‌ونقل و افزایش هزینه‌های مواد و نیروی کار، به یکی از اهداف اصلی تبدیل شده است. کاربرد هوش مصنوعی برای غلبه بر این موانع اساسی خواهد بود.
یکی از موثرترین کاربردهای هوش مصنوعی برای افزایش بهره‌وری در معدن‌کاری، تعمیر و نگهداری پیش‌بینی شده است. زمانی که یک ماشین در آستانه خرابی قرار دارد، علائمی مانند افزایش لرزش، داغ شدن بیش از حد و کاهش قدرت را نشان می‌دهد. یادگیری ماشین می‌تواند این داده‌ها را به صورت لحظه‌ای پردازش و تحلیل کند و با پیش‌بینی زمان احتمالی خرابی، از ادامه کار ماشین جلوگیری کرده و به این ترتیب بهره‌وری را افزایش دهد. گزارش شرکت زیمنس در سال ۲۰۲۴ نشان می‌دهد که ۵۰۰ شرکت بزرگ جهان سالانه نزدیک به ۱.۴ تریلیون دلار به دلیل خرابی‌های غیرمنتظره از دست می‌دهند که معادل ۱۱ درصد از درآمد آن‌هاست. سیستم‌های تعمیر و نگهداری پیش‌بینی شده می‌توانند این هزینه‌ها را برای شرکت‌های معدنی به حداقل برسانند و همچنین از سرمایه‌گذاری‌های پرهزینه برای خرید تجهیزات جدید در مواقعی که دارایی‌ها غیرقابل تعمیر هستند، جلوگیری کنند.
هوش مصنوعی همچنین نقش کلیدی در بهینه‌سازی عملیات معدن‌کاری دارد. الگوریتم‌های هوش مصنوعی می‌توانند به صورت مداوم تجهیزات را در طول معیارهای مختلف پایش کنند و تنظیمات لحظه‌ای برای افزایش بهره‌وری انجام دهند. شرکت‌های «BHP» و مایکروسافت برای بهینه‌سازی فرآوری سنگ معدن و بازیابی عیار در معدن اسکوندیدا در شیلی، بزرگ‌ترین معدن مس جهان با یکدیگر همکاری کرده‌اند. اپراتورهای کنسانتره اسکوندیدا با استفاده از داده‌های لحظه‌ای از دستگاه‌های کنسانتره‌سازی، و با ترکیب آن با توصیه‌های مبتنی بر هوش مصنوعی از پلتفرم «Azure» مایکروسافت، متغیرهای عملیاتی را که بر فرآوری سنگ و بازیابی عیار تاثیر می‌گذارند تنظیم می‌کنند. سیستم‌های هوش مصنوعی همچنین می‌توانند انواع مختلف فلزات را با دقت و کارآیی بیشتری نسبت به روش‌های سنتی شناسایی و در نتیجه بهره‌وری را افزایش دهند.
ماشین‌آلات با سرنشین باید برای تعویض شیفت و استراحت متوقف شوند اما وسایل نقلیه خودران تنها برای سوخت‌گیری یا تعمیر و نگهداری متوقف می‌شوند و می‌توانند تا هر زمان که لازم باشد، به کار خود ادامه دهند. همچنین هیچ خطر خستگی یا بی‌حوصلگی رانندگان هنگام انجام کارهای تکراری وجود ندارد. بنابراین خطای انسانی به طور کامل از بین می‌رود. این امر به معنای آن است که ماشین‌آلات می‌توانند به صورت ۲۴ ساعته و با بهترین عملکرد ممکن فعالیت کنند.
تا ماه جولای ۲۰۲۴، شرکت «GlobalData» تعداد دو هزار و ۸۰ کامیون حمل‌ونقل خودران را که در معادن سطحی جهان مشغول به کار هستند، ردیابی کرده است که «BHP» و «Rio Tinto» در صدر استفاده از آن‌ها قرار دارند. در حالی که اتوماسیون تجهیزات و وسایل نقلیه معدنی بهره‌وری را افزایش می‌دهد، افزایش دیجیتالی‌سازی عملیات معدن‌کاری نیز خطر حملات سایبری را افزایش می‌دهد. بنابراین، شرکت‌های معدنی باید سرمایه‌گذاری‌های قوی در زمینه امنیت سایبری انجام دهند تا از حملات مخرب و فلج‌کننده جلوگیری کنند.
انتهای پیام//
