مجتبی پورحبیبی: امروزه معدن کاری در حال تجربه یک انقلاب فناوری است. در سال‌های اخیر، تقاضای جهانی مواد معدنی افزایش یافته‌است و همین مساله باعث‌شده تا بخش معدن برای پاسخ به این افزایش تقاضا، به‌دنبال ابزارهایی باشد که کارآیی را در بخش‌های مختلف زنجیره ارزش معدن بهبود بخشد.
یکی از این ابزارها هوش‌مصنوعی (AI) است.

فناوری هوش مصنوعی، راهی نوین برای صنعت معدن‌‌‌‌ فراهم می‌کند. بر این اساس، روش‌های سنتی و مبتنی بر نیروی کار کنار گذاشته شده و رویکردی پیشرفته‌‌‌‌تر و فناوری‌محور جایگزین می‌شود.

در صنعتی که در آن داده‌های فراوانی در اختیار محققان است، هوش‌مصنوعی امکان بهینه‌سازی فرآیندها و بهبود عملکرد در کل زنجیره ارزش معدن‌‌‌‌ را دارد. این بهینه سازی‌ تمام مراحل، از استخراج مواد معدنی تا تحویل به مشتری را شامل می‌شود.

سیستم‌های هوش‌مصنوعی داده‌های معدن‌‌‌‌ را که توسط حسگرهای میدانی و دیگر سیستم‌های نظارتی جمع‌‌‌‌آوری شده‌اند، تحلیل می‌کنند. این تحلیل‌ها به شناسایی الگوها و اتخاذ تصمیمات آگاهانه منجر می‌شود. نتیجه این فرآیندها، افزایش کارآیی، کاهش هزینه‌‌‌‌ها، بهبود ایمنی و کاهش تاثیرات زیست‌محیطی است.

در طول سال‌ها، هوش‌مصنوعی به معدن‌کاران کمک‌کرده تا از طریق نوآوری‌‌‌‌هایی همچون نگهداری هوشمند ماشین‌آلات، بهینه‌سازی انرژی، عملیات خودران وسایل نقلیه و ماشین‌آلات، تصمیم‌گیری مبتنی بر داده و نظارت و گزارش‌‌‌‌گیری آنلاین، کارآیی را افزایش دهند.

هوش‌مصنوعی به حفظ ایمنی کارگران کمک می‌کند و در حل مشکلات عملیاتی و شناسایی فرصت‌های جدید تجاری نقش مهمی دارد. همچنین این فناوری سرعت کشف منابع را افزایش می‌دهد، کیفیت سنگ‌معدن را بهینه‌سازی می‌کند و مدیریت مشتری را بهبود می‌بخشد و در کنار همه این‌ها، مصرف برق و آب را کاهش می‌دهد.

افزایش دقت در اکتشاف و استخراج
در سال‌های اخیر، رقابت برای یافتن ذخایر معدنی مورد‌نیاز به‌منظور حمایت از جمعیت روبه‌رشد جهان و همچنین یافتن منابع برای هدف «گذار انرژی» آغاز شده‌است. در این بین، کشورهایی که از فناوری هوش‌مصنوعی برای اکتشاف و استخراج استفاده می‌کنند، پیشتاز هستند. هوش مصنوعی دقت در اکتشاف و استخراج مواد معدنی را افزایش می‌دهد.

این فناوری با استفاده از الگوریتم‌های پیشرفته، ذخایر معدنی را شناسایی‌کرده و فرآیندهای عملیاتی را به‌‌‌‌طور دقیق بهینه‌سازی می‌کند. الگوریتم‌های هوش‌مصنوعی می‌توانند با تحلیل داده‌های گسترده زمین‌‌‌‌شناسی، مانند ترکیب‌‌‌‌ خاک و سوابق استخراج تاریخی، به پیش‌بینی دقیق محل ذخایر معدنی کمک‌کرده و از حفاری و استخراج غیرضروری جلوگیری کنند.

این الگوریتم‌ها به‌صورت آنلاین تغییرات شرایط زمین‌‌‌‌شناسی را ارزیابی‌کرده و تکنیک‌‌‌‌های استخراج متناسب با این تغییرات را پیشنهاد می‌کنند. این مساله کمک می‌کند منابع به‌‌‌‌طور موثر استخراج شده، اتلاف کاهش یابد و بازدهی حداکثری شود. یکی دیگر از تغییرات تکنولوژی در حوزه معدن استفاده از میون (muon) است.

میون‌‌‌‌ها نوعی از تابش کیهانی هستند که به ما این امکان را می‌دهند تا ذخایر زیرزمینی را سریع‌تر و دقیق‌تر از قبل اسکن و نقشه‌‌‌‌برداری کنیم. همچنین از یادگیری ماشین و تحلیل داده‌ها برای شناسایی دقیق مواد سولفیدی حاوی مس، نیکل، طلا و نقره در عمق‌‌‌‌های بیش از ۱.۵کیلومتر استفاده می‌شود.

پیش‌بینی‌‌‌‌پذیری در نگهداری تجهیزات
نگهداری تجهیزات یکی از مهم‌ترین عوامل موثر بر هزینه‌های عملیاتی معدن‌کاری در سطح جهان است. پیش‌بینی‌‌‌‌پذیری در نگهداری، خرابی غیرمنتظره تجهیزات و زمان‌‌‌‌ توقف عملیات معدنی را به حداقل رسانده و فرآیند معدن‌کاری را قابل‌‌‌‌اعتمادتر می‌کند. در وضعیتی که می‌توان به‌‌‌‌طور دقیق پیش‌بینی کرد که تجهیزات چه زمانی به تعمیر و نگهداری نیاز دارند، امکان تعمیرات بر اساس یک جدول زمان‌بندی فراهم می‌شود؛ در نتیجه اختلال‌های تولید و هزینه‌ها کاهش می‌یابد.

فناوری هوش مصنوعی، مانند خودکارسازی (automation) و یادگیری ماشین (machine learning)، امکان پیش‌بینی‌‌‌‌پذیری در نگهداری تجهیزات معدنی را فراهم می‌کند و احتمال خرابی تجهیزات را کاهش می‌دهد. الگوریتم‌های هوش‌مصنوعی داده‌های مربوط به تجهیزات معدنی را تحلیل‌کرده و پیش‌بینی می‌کنند که چه زمانی به نگهداری نیاز است؛ فرآیندی که در آن احتمال خرابی‌‌‌‌های غیرمنتظره کاهش می‌یابد، در نتیجه معدن‌کاران می‌توانند اطمینان داشته باشند که ماشین‌آلات به‌‌‌‌طور ایمن و کارآمد عمل می‌کنند.

نقش هوش‌مصنوعی در نگهداری تجهیزات مربوط به یک معدن سنگ‌‌‌‌آهن در غرب استرالیا می‌تواند تصویر روشنی از این فرآیند ارائه دهد. در این معدن یکی از تاسیسات مدیریت مواد با مشکل لرزش مداوم مواجه بود؛ مساله‌ای که می‌توانست عمر سازه‌های این معدن را کاهش دهد. با استفاده از هوش مصنوعی، یک چارچوب مقیاس‌‌‌‌پذیر به وسیله مراکز فنی توسعه پیدا کرد که در آن صدها گیگابایت داده‌‌‌‌ پردازش شد تا از این طریق ریشه مشکل مشخص شود. این مساله به مالکان این معدن کمک کرد تغییراتی اعمال کنند تا از این طریق، مشکل لرزش در سازه را برطرف کنند.

بهینه‌‌‌‌سازی انرژی
در سال‌های اخیر رهبران کشورهای توسعه‌یافته توافق کردند که هدف «جهان بدون سوخت‌های فسیلی» را دنبال کنند. در بخش معدن، لازم است برای تولید فلزات و مواد معدنی مورد‌نیاز برای این هدف، روش‌های بهتر و پایدارتری در دستور کار قرار گیرد. هوش مصنوعی این امکان را دارد که الگوهای مصرف انرژی را تحلیل‌کرده و به بهینه‌سازی انرژی در صنعت معدن کمک کند. این مساله به نوبه خود می‌تواند به کاهش انتشار گازهای گلخانه‌‌‌‌ای و کاهش ردپای کربن منجر شود.

الگوریتم‌های یادگیری ماشین داده‌های عملیاتی را تحلیل می‌کنند و کارآیی فرآیندهای معدنی را بهبود می‌بخشند تا این اطمینان حاصل شود که انرژی، آب و سایر نهاده‌های بخش معدن، به‌‌‌‌طور موثرتری مصرف می‌شوند. در یک نمونه در معدن اسکندیدا (Escondida) در شیلی، با کمک هوش مصنوعی، از آغاز سال‌مالی ۲۰۲۲ بیش از سه گیگالیتر آب و ۱۱۸ گیگاوات ساعت انرژی صرفه‌جویی شده‌است. این فناوری گزینه‌‌‌‌های آنلاینی را ارائه می‌کند تا اپراتورها بتوانند بر اساس این گزینه‌ها اقدام‌کرده و برنامه‌های بهینه‌سازی آب را اجرا کنند.

خودکارسازی وسایل نقلیه و ماشین‌آلات
یکی دیگر از ویژگی‌های هوش‌مصنوعی این است که امکان هدایت وسایل نقلیه و ماشین‌آلات خودران معدنی در مناطق پرخطر را فراهم می‌کند. این مساله می‌تواند به کاهش مواجهه کارگران با ریسک‌های ایمنی کمک کند.

خودکارسازی بهره‌‌‌‌وری را افزایش داده و با اجرای اقدامات ساده و تکراری، مصرف انرژی را کاهش می‌دهد. این سیستم‌های خودران در مناطق صعب‌العبور حرکت می‌کنند و وظایف خود را با دقت انجام می‌دهند؛ فرآیندی که در آن احتمال خطای انسانی، کاهش می‌یابد.

استفاده از هوش‌مصنوعی در معدن سنگ‌‌‌‌آهن غرب استرالیا (WAIO) کمک‌کرده که این معدن به یکی از کم‌‌‌‌هزینه‌‌‌‌ترین تولیدکنندگان سنگ‌‌‌‌آهن جهان در چهار سال‌گذشته تبدیل شود. فرآیند معدن‌کاری در WAIO یک عملیات بسیار پیچیده شامل چندین معدن و مرکز معدنی است که همه آنها به وسیله نوار نقاله‌‌‌‌ها، بارگیری‌‌‌‌کننده‌‌‌‌ها و قطارها به یک بندر متصل هستند.

تمامی این نقاط تماس از طریق یک مرکز عملیات از راه دور کنترل می‌شوند. به‌‌‌‌طور طبیعی، انسان‌ها نمی‌توانند همه تصمیمات در طول عملیات را بهینه‌سازی کنند، بنابراین در فرآیند معدن‌کاری از هوش‌مصنوعی به‌عنوان یک سیستم پشتیبانی تصمیم‌گیری استفاده می‌شود. واقعیت آن است که کارشناسان تصمیم نهایی را می‌گیرند، اما این تصمیمات با قدرت سیستم‌های هوش‌مصنوعی و توان پردازش آنها پشتیبانی می‌شود.

افزایش ایمنی کارگران
استفاده از فناوری هوش‌مصنوعی در سایت‌‌‌‌های معدنی می‌تواند به‌‌‌‌طور قابل‌توجهی ریسک حوادث را کاهش دهد و به ایجاد محیطی ایمن‌‌‌‌تر کمک کند. لباس‌های هوشمند کمک می‌کند که بر وضعیت سلامت و ایمنی معدنچیان از جمله ضربان قلب، سطح خستگی و قرارگیری در معرض مواد مضر به‌صورت آنلاین نظارت شود. این تجهیزات هشدارهای فوری به‌کارگران و ناظران ارسال می‌کند تا در صورت بروز هرگونه نگرانی ایمنی، اقدام سریع انجام شود.

در معدن اسکندیدا (Escondida) در شیلی، فناوری حسگرهای هوشمند کلاه ایمنی به‌کار گرفته‌شده تا خستگی رانندگان کامیون را با تحلیل امواج مغزی اندازه‌‌‌‌گیری کند. این فناوری به‌دنبال پیشگیری از حوادث مرتبط با خواب‌‌‌‌آلودگی رانندگان است و یک پیشرفت بزرگ در افزایش ایمنی عملیات معدنی محسوب می‌شود.

تاثیر فناوری هوش‌مصنوعی در معدن تنها به حوزه‌های مذکور محدود نمی‌شود. این فناوری در دیگر صنایع نیز نقش مشابهی ایفا می‌کند. هوش‌مصنوعی و یادگیری ماشین به‌ویژه در زمینه نگهداری پیش‌‌‌‌بینانه، بهینه‌سازی دارایی‌ها، خودکارسازی و فرآیندهای استخراج بهینه در سایر صنایع، جایگاه ویژه‌ای دارد.

استفاده از قدرت نوآوری و فناوری برای بهبود وضعیت جهانی در دیگر صنایع نیز به اندازه بخش معدن اهمیت دارد. دوران جدیدی از نوآوری دیجیتال آغاز شده‌است که در آن بخش معدن‌کاری از ابزارهای هوش‌مصنوعی برای تحلیل حجم‌‌‌‌های گسترده‌ای از داده‌های پیچیده استفاده می‌کند؛ مساله‌ای که برای بقای این صنعت حیاتی خواهد بود.

هوش مصنوعی محیط‌‌‌‌های کاری ما را ایمن‌‌‌‌تر خواهد کرد و بهره‌وری را خصوصا در بخش مدیریت هزینه افزایش خواهد داد. بدیهی است که یک سایت معدنی ایمن‌‌‌‌تر و با بهره‌‌‌‌وری بیشتر، مزیت رقابتی خواهد داشت.

در نهایت با توجه به تغییراتی که هوش‌مصنوعی در این مدت کوتاه ایجاد‌کرده، می‌توان گفت که به‌زودی سیر تحولات در بخش معدن سرعت بیشتری خواهد گرفت. فرآیندی که بر اساس آن، به‌زودی قدرت‌های جدیدی در بخش معدن ظهور خواهند کرد؛ کشورهایی که اثر عمیق تکنولوژی بر صنعت را جدی گرفته‌اند.