انقلاب صنعتی چهارم: چگونه شرکت های معدنی از هوش مصنوعی، یادگیری ماشینی و ربات ها استفاده می کنند
در صنعتی مانند معدن که در آن بهبود کارایی و بهره وری برای سود آوری بسیار مهم است، حتی بهبودهای کوچک در بازده، سرعت و کارایی می تواند تاثیر فوق العاده ای داشته باشد. شرکت های معدنی اساساً کالاهای قابل تعویض تولید می کنند. صنعت معدن تعداد کمی از افراد را استخدام می کند - فقط 670000 آمریکایی در بخش معدن، معدن و استخراج - اما به طور غیرمستقیم تقریباً بر هر صنعت دیگری تأثیر می گذارد زیرا مواد خام تقریباً برای هر جنبه دیگری از اقتصاد را فراهم می کند. 10 سال از زمانی که شرکت معدنی بریتانیایی/ استرالیایی ریو تینتو شروع به استفاده از کامیون های حمل و نقل کاملاً خودمختار کرده است، می گذرد، اما آنها در اینجا متوقف نشده اند. در اینجا فقط چند راه برای آماده سازی ریوتینتو و سایر شرکت های معدنی برای انقلاب صنعتی چهارم با ایجاد عملیات استخراج هوشمند آورده شده است.
عملیات ریوتینتو شامل 16 معدن، 1500 کیلومتر راه آهن، سه پورت و موارد دیگر است و در هر دقیقه 2.4 ترابایت داده از تمام تجهیزات تلفن همراه و حسگرهای خود ایجاد می کند که داده ها را در زمان واقعی جمع آوری و انتقال می دهد تا به نظارت بر تجهیزات کمک کند. سام والش، مدیرعامل سابق ریوتینتو، هنگام سخنرانی در اجلاس داده و تحلیل گارتنر، توضیح داد که چگونه این شرکت با موفقیت این معادن چندگانه را در یک سیستم پردازش و لجستیک یکپارچه که توسط اپراتورهایی که در سایت فیزیکی قرار ندارند، ادغام کرده است.
اکتشاف مواد معدنی
هوش مصنوعی و یادگیری ماشینی می تواند به شرکت های معدنی کمک کند تا مواد معدنی را برای استخراج پیدا کنند که جزء حیاتی هر عملیات استخراج هوشمند است. اگرچه این یک کاربرد نسبتاً جدید از هوش مصنوعی و یادگیری ماشینی است، بسیاری از شرکت های استخراج از چشم انداز آن هیجان زده هستند. Goldspot Discoveries Inc. شرکتی است که قصد دارد با استفاده از یادگیری ماشین، یافتن طلا را بیشتر به یک علم تبدیل کند تا هنر. به طور مشابه، Goldcorp و IBM Watson برای استفاده از هوش مصنوعی برای بررسی تمام اطلاعات زمین شناسی موجود برای یافتن مکان های حفاری بهتر برای طلا در کانادا، همکاری می کنند. این تلاش ها برای دقیق تر شدن در هنگام یافتن مناطق استخراج با استفاده از یادگیری ماشین می تواند به سودآوری صنعت معدن کمک کند.
وسایل نقلیه خودمختار و حفاری
در حالیکه بسیاری از ما روی پیشرفت اوبر، گوگل و تسلا با وسایل نقلیه خودران تمرکز کرده‌ایم، بسیاری از مردم نمی دانند که ریوتینتو قبلاً از کامیون های باربری خودران استفاده می کرده است که می توانند 350 تن وزن را حمل کنند و به طور کاملاً مستقل از سال 2008 کار کنند. با کاهش مصرف سوخت تا 13 درصد بر سود شرکت تأثیر گذاشته اند و برای کار کردن ایمن تر هستند. در حالی که احتمالاً چالش های رانندگی خودران در معدن چندان دلهره آور نیستند - کامیون ها کند حرکت می کنند، آنها لازم نیست نگران عابران پیاده باشند - این هنوز یک دستاورد قابل توجه است. امسال، سیستم راه آهن خودران این شرکت راه اندازی می شود و گام بعدی در توسعه معدن آینده است. با 244 واگن، قطار خودران به مدت پنج سال در حال توسعه بوده است، اما پس از رفع برخی اشکالات نرم افزاری و ارتباطی، تا پایان سال رونمایی خواهد شد.
علاوه بر این، ریوتینتو چندین سال است که از لودرهای خودکار و سیستم های حفاری استفاده می کند. درست مانند سایر برنامه های کاربردی مستقل، این شرکت ادعا می کند که نوآوری بهره وری را تا 10 درصد بهبود بخشیده است.
طبقه بندی مواد معدنی
در اکثر عملیات معدن، حجم بسیار بیشتری از مواد باید حذف شوند تا مواد با ارزشی که برای آنها استخراج می شود، پیدا شود. به ناچار، جدا کردن سنگ ها و زباله های بی فایده برای رسیدن به چیزی که برای آن استخراج می کنید، یک تلاش پرهزینه است. برخی از شرکت ها شروع به استفاده از ماشین های مرتب سازی هوشمند کرده اند که می توانند مواد استخراج شده را بر اساس هر معیاری که یک شرکت می خواهد مرتب کند. این کار می تواند منجر به صرفه جویی در سوخت و انرژی در طول پردازش شود.
دوقلوی دیجیتال
ریوتینتو به عنوان بخشی از هوشمندسازی هرچه بیشتر عملیات pit-to-port، در حال ایجاد یک معدن هوشمند است که باید اولین سنگ معدن خود را تا سال 2021 تحویل دهد. بیش از 100 نوآوری وجود دارد که شرکت در حال ارزیابی است، اما یک ابتکار به نام دوقلوی دیجیتال، اولین بار توسط ناسا ایجاد شد و اکنون توسط بسیاری در بخش صنعتی پذیرفته شده است. با ایجاد یک مدل مجازی که داده های بلادرنگ از میدان تغذیه می شود، سناریوها را می توان به سرعت آزمایش کرد و عملیات و تولید را بهینه کرد. این توانایی برای آزمایش تصمیمات، قبل از اجرای آنها در یک سیستم مشابه منجر به نتایج بهتر و صرفه جویی می شود.
ایمنی و نگهداری
به لطف فناوری و حسگرهای اینترنت اشیا، تجهیزات استخراج می توانند قبل از وقوع خرابی نظارت و نگهداری شوند. حسگرها می توانند دما، سرعت و ارتعاش ماشین ها را کنترل کنند تا تعمیر و نگهداری پیشگیرانه را به تعمیر و نگهداری پیش بینی تبدیل کنند. با ارزیابی داده ها و تجزیه و تحلیل بلادرنگ، عملیات استخراج می تواند برای همه ایمن تر باشد.
پذیرش این فناوری جدید مستلزم مهارت مجدد کارگران معدن است و ریوتینتو در حال حاضر با همکاری با دولت استرالیا و یک ارائه دهنده آموزش حرفه ای برای پر کردن این شکاف اقداماتی را انجام می دهد. در مجموع، آنها دو میلیون دلار برای ارتقای مهارت بالقوه و کارگران موجود برای انجام وظایف در تجزیه و تحلیل، فناوری اطلاعات و روباتیک هزینه خواهند کرد.
