استفاده از الگوریتم‌های هوشمند در جهت بهبود کارایی و هوشمندسازی معادن
استفاده از هوش مصنوعی در صنایع در چه سال‌هایی پررنگ‌تر شد؟
اگرچه استفاده از هوش مصنوعی در سال‌های ۱۹۷۰ شکل گرفت اما در سال‌های ۲۰۱۴ و ۲۰۱۵ به بعد به لطف ورود شبکه‌های کانوولوشنی، داده‌های مختلفی به جز داده‌های برداری و نقطه‌ای به کار گرفته شد. آن زمان بود که نقش هوش مصنوعی در پیشرفت صنایع بسیار پررنگ‌تر شد. به کارگیری هوش مصنوعی در صنایع مختلف پزشکی، فنی، صنعتی و غیره باعث شد که روز به روز اهمیت و نقش هوش مصنوعی در زندگی روزمره بشر بیشتر شود.
در حال حاضر این پدیده مرموز و جذاب قرن کاربردهای ملموس‌تری در زندگی اجتماعی انسان‌ها دارد.
هوش مصنوعی چطور کار می‌کند؟
برای اینکه بتوانیم اصطلاح هوش مصنوعی را کمی ساده‌تر تعبیر کنیم و یا به عبارتی از رمزآلود بودن آن بکاهیم بایستی ابتدا به ساکن بتوانیم روند کار کرد این پدیده را به سادگی توضیح دهیم. اگر از دیدگاه ریاضی بخواهیم هوش مصنوعی را تعریف کنیم صرفاً باید به جنبه بهینه‌سازی آن توجه کنیم. اما اگر قرار باشد به صورت ساده این پدیده رمزآلود را توضیح دهیم باید بگوییم که ساختار هوش مصنوعی در واقع الهام گرفته از سلول‌های عصبی انسان است. این پدیده شباهت نزدیکی با ساختار سلول‌های عصبی انسان‌ها دارد سلول‌های عصبی که تشکیل شده است از دندریت‌ها، سلول عصبی، هسته سلول و آکسون های موجود در آن.
در واقع این سلول‌های عصبی یک سری دندریت‌هایی دارند که به عنوان input یا داده‌ها عمل می‌کنند. یعنی ورودی‌ها و پیام‌های ورودی را جمع می‌کنند و این پیام‌ها در هسته سلول عصبی جمع می‌شوند و هنگامی که به حد مشخصی رسیدند، پیام‌ها از طریق آکسون مخابره می‌شوند و به سایر اندام‌ها می‌رسند.
توانایی‌های هوش مصنوعی به چه صورت است؟
به طور کلی توانایی‌های هوش مصنوعی در چهار دسته طبقه‌بندی می‌شود که عبارتند از:
یادگیری نظارت شده مانند مسائل تخمین و کلاسه بندی
یادگیری غیر نظارت شده مانند خوشه بندی
یادگیری نیمه نظارت شده مانند شبکه‌های GAN
یادگیری تقویتی مانند ربات‌ها
نمونه‌هایی از به کارگیری هوش مصنوعی در معادن جهان
شرکت Goldspot Discoveries در سال‌های اخیر موفق به کشف یک کانسار طلا در کانادا با استفاده از تلفیق داده‌های اکتشافی توسط روش‌های یادگیری ماشین گردید.
شرکت Riotinto از سال ۲۰۰۸ از سیستم حمل و نقل خودکار (شامل دامپتراک و قطار) در ۱۶ معدن خود استفاده می‌کند. در تلاش است اولین معدن تمام هوشمند خود را در سال ۲۰۲۲ راه اندازی کند.
شرکت BHP billiton از هوش مصنوعی برای تولید کلاه‌های هوشمند که برای بهبود کارایی مهندسین، مدیران، کارگران و سایر پرسنل یکی از معادن خود در شیلی استفاده کرده است.
شرکت VALE از هوش مصنوعی برای کاهش هزینه‌های معدنکاری و بهینه‌سازی کارایی و سوخت ماشین‌آلات استفاده می‌کنند.
از شرکت‌های موفق دیگر در زمینه‌ی هوش مصنوعی می‌توان به Orefox و EARTH AI اشاره کرد.
هوش مصنوعی در علوم زمین و صنایع معدنی
۱) علوم زمین
زلزله شناسی: تشخیص خودکار رویدادهای زلزله و خوانش فازهای لرزه‌ای
فیزیک سنگ رقومی: تشخیص نوع کانی، سنگ و شکستگی‌های سنگ، تخمین پارامترهای سنگ مانند تخلخل، تراوایی و سرعت عبور موج از روی تصاویر سنگ
مطالعات زیست محیطی: تخمین تولید زهاب اسیدی معادن، تشخیص زمین لغزها
هیدروژئولوژی: تخمین پارامترهای مرتبط با حرکت آب زیرزمینی و پارامترهای آبخوان مانند تخلخل و تراوایی
۲) اكتشاف منابع معدنی و نفتی
سنجش از دور: تفکیک واحدهای لیتولوژیکی، انواع آلتراسیون‌ها، ساختارها و کانی‌ها
عملیات ژئوشیمی اکتشافی: جدایش آنومال از زمینه، تخمین عیار
حفاری: تخمین راندمان ماشین‌آلات، پردازش تصاویر مغزه‌ها، بهینه‌سازی شبکه‌های حفاری
مدل‌سازی پتانسیل‌های معدنی: تولید لایه‌های شاهد و نواحی امیدبخش، تخمین عیار و ذخیره ماده معدنی
داده‌های لرزه‌ای، تشخیص رخساره، گسل و گنبدهای نمکی، تشخیص خودکار اولین رسید امواج و پراش‌ها
۳) استخراج معدن
حفاری و آتشباری: تخمین پس‌زدگی، میزان پرتاب سنگ، خرد شدگی و دانه‌بندی
مدیریت ماشین آلات معدنی: تخمین تولید معدن، پایش ماشین‌آلات و پرسنل، تشخیص و پیش‌بینی خرابی‌ها
مسائل ژئوتکنیکی: تخمین و مدیریت پایداری شیب و پایه‌ها، طراحی پرکننده‌های باطله
ایمنی معادن: کنترل تهویه و آبکشی، زمین لغزش‌ها و نشست زمین، مدیریت رفتار پرسنل
۴) فرآوری مواد معدنی
خردایش و دانه بندی: بهینه‌سازی مدارهای سنگ شکنی و آسیا کنی، تعیین نمودار دانه‌بندی
تغليظ: فلوتاسیون، هیدرومتالورژی
ذوب و ریخته گری: بهینه‌سازی مصرف انرژی