تریبون معدن | هوش مصنوعی در ایران به‌تدریج از فضای عمومی و دانشگاهی به سمت کاربردهای صنعتی حرکت می‌کند و بخش معدن یکی از حوزه‌هایی است که برای این گذار در اولویت قرار گرفته است. انجمن ملی هوش مصنوعی ایران اعلام کرده پس از آغاز فعالیت‌های کاربردی در حوزه سلامت، صنعت و معدن را به‌عنوان یکی از محورهای اصلی مأموریت خود انتخاب کرده است؛ تصمیمی که همزمان با برنامه‌های ایمیدرو برای توسعه معدن هوشمند، حکمرانی داده و استفاده از فناوری‌های دیجیتال، می‌تواند نقطه آغاز مرحله تازه‌ای از هوشمندسازی زنجیره معدن و صنایع معدنی کشور باشد.

چرخش از توسعه فناوری به کاربرد صنعتی

محمدهادی زاهدی، رئیس انجمن ملی هوش مصنوعی ایران، در گفت‌وگو با ایسنا اعلام کرده است که رویکرد این انجمن در سال ۱۴۰۵ بیش از گذشته بر کاربردی‌سازی هوش مصنوعی در صنایع مختلف متمرکز خواهد بود. فعالیت‌های این مجموعه ابتدا از حوزه سلامت و تدوین استانداردها و چارچوب‌های لازم برای توسعه محصولات هوش مصنوعی آغاز شده و در مرحله بعد، صنعت و معدن به یکی از حوزه‌های مأموریتی انجمن تبدیل شده است.

اهمیت این تغییر رویکرد در آن است که بخش عمده ارزش اقتصادی هوش مصنوعی نه در تولید مدل‌ها و الگوریتم‌های مستقل، بلکه در اتصال آنها به مسائل واقعی بنگاه‌ها شکل می‌گیرد. در صنعت معدن نیز مسئله اصلی صرفاً دسترسی به یک مدل هوش مصنوعی نیست؛ داده‌های عملیاتی، تجهیزات اندازه‌گیری، زیرساخت ارتباطی، شناخت فرآیند و امکان استفاده از خروجی مدل در تصمیم‌گیری عملیاتی همگی باید در کنار یکدیگر قرار گیرند.

سیرجان؛ نقطه اتصال هوش مصنوعی و معدن

نخستین کنفرانس انجمن ملی هوش مصنوعی ایران نیز قرار است روزهای ۲۹ و ۳۰ مهر ۱۴۰۵ به میزبانی دانشگاه صنعتی سیرجان برگزار شود؛ انتخاب منطقه‌ای که در یکی از مهم‌ترین پهنه‌های معدنی و صنعتی کشور قرار دارد، نشان‌دهنده تمرکز این رویداد بر کاربردهای صنعتی و معدنی هوش مصنوعی است.

هدف اعلام‌شده انجمن، نزدیک‌کردن دانشگاه‌ها، شرکت‌های دانش‌بنیان و بازار کار است. زاهدی از انجمن به‌عنوان حلقه‌ای برای اتصال این بخش‌ها یاد کرده است؛ حلقه‌ای که در نظام نوآوری کشور همچنان ضعف آن احساس می‌شود. در حوزه معدن، این فاصله اهمیت بیشتری دارد؛ زیرا دانشگاه ممکن است توان توسعه الگوریتم داشته باشد، شرکت دانش‌بنیان محصول فناورانه تولید کند و معدن نیز مسئله واقعی داشته باشد، اما نبود سازوکاری برای تعریف پروژه مشترک مانع تبدیل فناوری به محصول قابل استفاده می‌شود.

هوش مصنوعی از اکتشاف تا کارخانه فرآوری

دامنه استفاده از هوش مصنوعی در معدن محدود به ماشین‌آلات خودران نیست و تقریباً تمام زنجیره معدن را می‌تواند دربرگیرد. در مرحله اکتشاف، الگوریتم‌های یادگیری ماشین قادرند داده‌های زمین‌شناسی، ژئوشیمیایی، ژئوفیزیکی، تصاویر ماهواره‌ای و اطلاعات حفاری را با یکدیگر ترکیب کنند و مناطق دارای احتمال بالاتر کانه‌زایی را مشخص کنند. چنین رویکردی می‌تواند اولویت حفاری را دقیق‌تر کند و هزینه اکتشاف در پهنه‌های بزرگ را کاهش دهد.

در مرحله استخراج، داده‌های مربوط به مسیر دامپتراک‌ها، زمان بارگیری، مصرف سوخت، وضعیت جاده و عملکرد ماشین‌آلات می‌توانند برای بهینه‌سازی دیسپچینگ ناوگان استفاده شوند. مدل‌های نگهداری پیش‌بینانه نیز با تحلیل ارتعاش، دما، فشار روغن و سابقه خرابی تجهیزات قادرند احتمال خرابی یک قطعه را پیش از توقف ماشین تخمین بزنند.

کاربرد هوش مصنوعی در کارخانه‌های فرآوری حتی گسترده‌تر است. کنترل خردایش و آسیاکنی، پیش‌بینی عیار خوراک، بهینه‌سازی فلوتاسیون، تنظیم مصرف مواد شیمیایی، مدیریت آب و انرژی و پیش‌بینی کیفیت محصول از جمله حوزه‌هایی هستند که تحلیل داده می‌تواند مستقیماً بر هزینه تمام‌شده اثر بگذارد.

ایمنی؛ یکی از مهم‌ترین میدان‌های هوشمندسازی

یکی دیگر از حوزه‌های دارای اهمیت بالا، ایمنی معدن است. ترکیب حسگرها، اینترنت اشیای صنعتی، دوربین‌های هوشمند و مدل‌های پیش‌بینی می‌تواند برای شناسایی شرایط غیرعادی، کنترل ورود افراد به مناطق پرخطر، پایش گاز در معادن زیرزمینی و تشخیص تغییر رفتار تجهیزات استفاده شود.

همین موضوع در برنامه‌های هوشمندسازی ایمیدرو نیز مورد توجه قرار گرفته است. طبق برنامه اعلام‌شده، ایجاد سه معدن هوشمند پایلوت در دستور کار قرار دارد که شامل معادن زیرزمینی زغال‌سنگ با تمرکز ویژه بر ارتقای ایمنی و همچنین معادن روباز خواهد بود. هدف این پایلوت‌ها، علاوه بر افزایش ایمنی و بهره‌وری، مستندسازی تجربه و ایجاد الگویی برای توسعه فناوری در سایر معادن کشور است.

نقشه راه دیجیتال معدن تا افق ۱۴۰۹

حرکت به سمت هوش مصنوعی در بخش معدن همزمان با تدوین «نقشه راه تحول دیجیتال ایمیدرو» انجام می‌شود. این سند چشم‌انداز تحول دیجیتال سازمان و مجموعه‌های وابسته را تا افق ۱۴۰۹ ترسیم کرده و سه محور «توسعه»، «نوسازی» و «بازسازی هوشمند» را در مرکز برنامه قرار داده است.

در محور توسعه، ایجاد زیرساخت‌ها و قابلیت‌های دیجیتال جدید مورد توجه قرار گرفته است؛ نوسازی بر هوشمندسازی فرآیندها و دارایی‌های موجود متمرکز است و بازسازی هوشمند، بازطراحی مدل‌های عملیاتی و مدیریتی بر پایه داده، هوش مصنوعی و فناوری‌های نوظهور را دنبال می‌کند.

فهرست فناوری‌های هدف نیز تنها به AI محدود نیست. تحلیل کلان‌داده، اینترنت اشیای صنعتی، دوقلوهای دیجیتال، رایانش ابری، اتوماسیون صنعتی و حکمرانی داده در کنار هوش مصنوعی قرار گرفته‌اند. هدف نهایی استفاده از این مجموعه فناوری‌ها، افزایش بهره‌وری، کاهش هزینه عملیاتی، ارتقای ایمنی و بهبود مدیریت منابع عنوان شده است.

این نکته اهمیت زیادی دارد؛ زیرا «معدن هوشمند» در عمل محصول یک فناوری واحد نیست. هوش مصنوعی بدون حسگر و داده قابل اتکا، داده بدون شبکه ارتباطی، و اتوماسیون بدون سامانه کنترل یکپارچه نمی‌تواند تحول قابل‌توجهی ایجاد کند.

فاصله معادن سنتی تا عملیات خودران

تجربه شرکت‌های بزرگ معدنی جهان نشان می‌دهد این تحول از مرحله آزمایش عبور کرده است. ریوتینتو در شبکه معدنی پیلبارا در استرالیا، عملیات معادن، حفاری و سیستم‌های حمل خودران را از مرکز عملیات از راه دور در پرت کنترل می‌کند؛ مرکزی که حدود ۱۵۰۰ کیلومتر از سایت‌های معدنی فاصله دارد. این شرکت همچنین ۴۰ دستگاه حفاری خودران را در هفت معدن به کار گرفته و یک اپراتور می‌تواند فعالیت چند حفار در سایت‌های مختلف را از راه دور برنامه‌ریزی کند.

در معدن Gudai-Darri نیز کامیون‌های خودران، قطارهای خودکار، حفاری خودران، رباتیک و نسخه دیجیتال کارخانه فرآوری به‌صورت یکپارچه استفاده می‌شوند. دوقلوی دیجیتال کارخانه امکان پایش داده‌های عملیاتی و واکنش سریع‌تر به تغییر شرایط را فراهم می‌کند.

بنابراین فاصله معدن هوشمند با معدن سنتی تنها در حذف راننده از یک کامیون خلاصه نمی‌شود؛ تفاوت اصلی در تبدیل عملیات به یک سیستم داده‌محور است که اطلاعات استخراج، حمل، فرآوری، تعمیرات و لجستیک را به یکدیگر متصل می‌کند.

آموزش بین‌رشته‌ای؛ پیش‌نیاز نیروی انسانی جدید

توسعه چنین ساختاری به نیروی انسانی متفاوتی نیز نیاز دارد. رئیس انجمن ملی هوش مصنوعی از ارائه پیشنهادهایی برای بازنگری سرفصل‌های دانشگاهی و اضافه‌شدن آموزش‌های مرتبط با هوش مصنوعی خبر داده است. به گفته او، در وزارت علوم نیز کارگروه هوش مصنوعی تشکیل شده و حرکت به سمت آموزش بین‌رشته‌ای در دستور کار قرار گرفته است.

این رویکرد برای معدن اهمیت زیادی دارد. آینده هوشمندسازی الزاماً به این معنا نیست که یک متخصص هوش مصنوعی جای مهندس معدن را بگیرد؛ بلکه مهندس معدن، زمین‌شناس، مهندس فرآوری یا متخصص تعمیرات باید بتواند داده تولیدشده در حوزه تخصصی خود را بشناسد و با تیم‌های داده و نرم‌افزار همکاری کند.

برای مثال، طراحی الگوریتم پیش‌بینی خرابی دامپتراک بدون شناخت رفتار مکانیکی دستگاه ناقص خواهد بود و مدل شناسایی ذخایر معدنی نیز بدون تفسیر زمین‌شناسی داده‌ها نمی‌تواند به‌تنهایی مبنای تصمیم حفاری قرار گیرد.

داده؛ زیرساخت واقعی هوش مصنوعی

یکی از جدی‌ترین چالش‌های پیش روی معادن ایران احتمالاً نه کمبود الگوریتم، بلکه کیفیت و دسترس‌پذیری داده خواهد بود. بسیاری از تجهیزات قدیمی فاقد حسگرهای لازم هستند، اطلاعات تعمیراتی ممکن است ساختار یکسانی نداشته باشد و سامانه‌های عملیاتی مختلف نیز الزاماً با یکدیگر ارتباط ندارند.

بنابراین پیش از اجرای پروژه‌های بزرگ هوش مصنوعی، دیجیتالی‌کردن داده‌های پایه، تجهیز ماشین‌آلات به سامانه‌های پایش، ایجاد استاندارد مشترک برای تبادل اطلاعات و توسعه زیرساخت ارتباطی معدن ضروری است. امنیت سایبری و مالکیت داده نیز باید از ابتدا مشخص شود؛ به‌خصوص زمانی که داده‌های تولید، ذخایر، تجهیزات و عملکرد یک معدن در سامانه‌های متمرکز تحلیل می‌شوند.

عبور از پایلوت به نتیجه اقتصادی

مسیر هوشمندسازی معدن زمانی موفق خواهد بود که پروژه‌ها از مرحله نمایش فناوری عبور کنند و اثر آنها با شاخص‌های اقتصادی و عملیاتی قابل اندازه‌گیری باشد. کاهش ساعت توقف ماشین‌آلات، افزایش بازیابی کارخانه فرآوری، کاهش مصرف انرژی و آب به ازای هر تن محصول، کاهش مصرف سوخت ناوگان، افزایش عمر قطعات و کاهش حوادث می‌توانند معیارهای واقعی سنجش موفقیت هوش مصنوعی باشند.

انتخاب صنعت و معدن به‌عنوان مأموریت جدید انجمن ملی هوش مصنوعی و تدوین نقشه راه دیجیتال ایمیدرو نشان می‌دهد زیرساخت سیاست‌گذاری این تحول در حال شکل‌گیری است. مرحله دشوارتر اما تبدیل این برنامه‌ها به پروژه‌های واقعی در سایت‌های معدنی خواهد بود.

اگر ارتباط میان معدن، دانشگاه و شرکت‌های فناوری شکل بگیرد و پروژه‌ها از مسائل واقعی عملیات آغاز شوند، هوش مصنوعی می‌تواند از یک موضوع فناورانه به ابزار افزایش بهره‌وری و ایمنی تبدیل شود. در غیر این صورت، خطر باقی‌ماندن هوشمندسازی در سطح همایش، سند و پایلوت‌های پراکنده همچنان وجود خواهد داشت. آینده معدن هوشمند ایران بیش از تعداد پروژه‌های AI، به میزان ارزشی بستگی دارد که این فناوری بتواند در کف معدن، ناوگان حمل و کارخانه فرآوری ایجاد کند.