جرج تروتر، تحلیلگر داده، موضوعات کلیدی پیرامون هوش مصنوعی برای صنعت معدن را مورد بحث قرار می دهد.
مهیج ترین تحولات در هوش مصنوعی برای صنعت معدن امروز چیست؟
جورج تروتر: مطمئناً یکی از مهم‌ترین آنها شرکت‌های معدنی هستند که از هوش مصنوعی برای نگهداری استفاده می‌کنند. برای شرکت های معدنی، بهره وری می تواند به ویژه تحت تأثیر خرابی ماشین آلات باشد. با درک وضعیت تجهیزات آنها، می توان قطعات خاصی را قبل از خراب شدن و ایجاد مشکلات بزرگتر تعویض کرد، یا می توان قطعات جایگزین را از قبل سفارش داد.
هوش مصنوعی می تواند برای تجزیه و تحلیل داده های حسگر از تجهیزات و ماشین آلات معدن، شناسایی الگوهایی که نشان دهنده خرابی های احتمالی تجهیزات یا نیازهای تعمیر و نگهداری است، استفاده شود. با اجرای استراتژی‌های تعمیر و نگهداری پیش‌بینی‌کننده، شرکت‌های معدن می‌توانند فعالیت‌های تعمیر و نگهداری را به طور فعال برنامه‌ریزی کنند، زمان‌های خرابی غیرمنتظره را کاهش دهند و عملکرد تجهیزات را بهینه کنند. این رویکرد هزینه های مرتبط با تعمیرات برنامه ریزی نشده را به حداقل می رساند و بازده عملیاتی کلی را به حداکثر می رساند.
چگونه شرکت‌های معدنی می‌توانند از پیشرفت‌ها در زمینه هوش مصنوعی بهره ببرند؟
جورج تروتر: قابلیت‌های ایجاد هوش مصنوعی مطمئناً برای استخراج قابل استفاده است. استخراج به طور کلی با هوش مصنوعی مرتبط نیست، با این حال، فرصت‌های روشنی وجود دارد که در آن می‌توان از فناوری‌های جدید هوش مصنوعی مولد در بسیاری از جنبه‌های استخراج استفاده کرد. به ویژه مهم است که شرکت ها در این فناوری برای مطالعات بازاریابی و امکان سنجی سرمایه گذاری کنند، جایی که کارایی را به میزان زیادی بهبود می بخشد.
نمونه ای از نحوه استفاده شرکت های استخراج از هوش مصنوعی را می توان با پلت فرم قیمت پیش بینی Akkio یافت. تغییرات قیمت کالاها تأثیر قابل توجهی بر شرکت‌های معدنی دارد، زیرا سود استخراج‌کنندگان مستقیماً به قیمتی که می‌توانند فلزاتی را که استخراج می‌کنند بفروشند، مرتبط است.
Akkio راه حلی برای کمک به شرکت های معدنی در پیش بینی این نوسانات قیمت ایجاد کرد. استارت آپ فناوری آمریکایی راه حلی برای پیش بینی با استفاده از هوش مصنوعی مولد برای بخش معدن معرفی کرده است تا به آن ها کمک کند تا قیمت کالاها را با دقت بیشتری پیش بینی کنند و بر اساس آن برای کسب و کار خود برنامه ریزی کنند. از هوش مصنوعی برای ساده‌سازی پیش‌بینی کالاهای معدنی که دارای نوسانات تصادفی زیاد قیمت هستند استفاده می‌کند که پیش‌بینی دقیق را برای مشاغل دشوار می‌کند.
کدام موانع برای اجرای هوش مصنوعی در صنعت معدن باقی مانده است و چگونه می توان بر آنها غلبه کرد؟
جورج تروتر: صنعت معدن در حال حاضر از کمبود نیروی کار رنج می برد، به طوری که BHP در ژوئیه 2022 اعلام کرد که با نرخ 20 درصد غیبت مواجه است. مدیریت مجبور خواهد شد بر روی جایگزینی یا تکمیل این نقش های خالی تمرکز کند.
شرکت‌های معدنی در حال حاضر با رکود فعلی در اقتصاد برای بقا در تلاش هستند و مدیریت مجبور خواهد شد اولویت‌بندی کند که سرمایه‌گذاری به کجا می‌رود. بنابراین، ممکن است این احتمال وجود داشته باشد که در کوتاه مدت، هزینه زیاد به عنوان مانعی برای سرمایه گذاری و اجرای فناوری های هوش مصنوعی عمل کند.
کدام شرکت‌ها پیشتازان فناوری‌های هوش مصنوعی در بخش معدن هستند؟
جورج تروتر: پذیرندگان پیشرو فناوری‌های هوش مصنوعی از شرکت‌های معدنی، آنهایی هستند که شروع به بررسی وسایل نقلیه خودران، اکتشاف مواد معدنی و حتی جنبه‌های تولیدی کرده‌اند.
در سمت اتوماسیون، پذیرندگان اصلی واقعی Fortescue، Teck Resources و Vale هستند. Vale حتی یک مرکز هوش مصنوعی کامل دارد که نحوه عملکرد کامیون‌های خودران و سایر روش‌ها را برای بهبود کارایی تجزیه و تحلیل و نظارت می‌کند. تقریباً 50 متخصص – از جمله دانشمندان داده، مهندسان و کارشناسان تجارت – منحصراً به پروژه‌های هوش مصنوعی Vale اختصاص دارند. در جاهای دیگر، Anglo American Plc یکی از پذیرندگان پیشرو هوش مصنوعی است که از تعامل انسان و هوش مصنوعی استفاده می کند. این شرکت از بینایی کامپیوتری برای ایجاد یک دوقلو دیجیتال از یکی از معادن خود استفاده کرده است. این شرکت بریتانیایی معدن مس Quellaveco خود در پرو را هدف قرار داده است تا از مزایای فناوری های هوش مصنوعی بهره مند شود. این شرکت با پلتفرم COSMOS زیمنس که از هوش مصنوعی و بینایی کامپیوتری برای ایجاد یک دوقلوی دیجیتالی از این معدن استفاده می‌کند، همکاری کرده است.
