استفاده از هوش مصنوعی در آتشباری معادن

به گزارش فولادبان، عملیات آتشباری در معادن یا انفجار در معدن یک عملیات اصلی در فعالیت‌های استخراجی است که به سبب آن سنگ میزبان از ماده معدنی جدا شده و ابعاد سنگ برای عملیات بعدی که خردایش سنگ و آماده سازی برای کارخانه فرآوری را کاهش می دهد. عملیات آتشباری در معادن باید با دقت بسیار زیادی طراحی و اجرا شود. در این میان در عصر فناوری های نوین، فناوری هوش مصنوعی می تواند نقش مهمی را در محاسبات پرتاب سنگ و ارتعاشات حاصل از انفجار را ایفا نماید. با کمک گرفتن از هوش مصنوعی در محاسبات آتشباری را تا حد بسیار مطلوبی بهینه نمود. ایمنی و توجه به محیط زیست معدن دو پارامتری است که تمامی معادن باید به آن توجه نمایند چرا که یکی با جان کارگران معدن و دیگری با محیط زیست که سرمایه ملی یک کشور می باشد ارتباط مستقیم دارد همچنین می توان محاسبات مربوط به ایمنی را دقیق تر‌ و اثرات زیست محیطی عملیات آتشباری را تا حد بسیار زیادی‌کنترل نمود.

هوش مصنوعی دستیاری هوشمند در آتشباری

محمد اسکندرنژاد تهرانی فعال‌ در ‌هوشمندسازی فعالیت‌های اکتشافی و معدنی اظهار داشت:‌ کارشناسان آتشباری در معادن باید به حجم بسیار زیادی از اطلاعات دسترسی داشته باشند و پس از تجزیه و تحلیل این حجم از اطلاعات می توانند هوشمندانه عملیات آتشباری در معادن را طراحی، مدیریت و اجرا نمایند. جهت بررسی داده های کلانی که هر کدام از منابع گوناگون توسط پردازش گرهای هوشمند بدست می آید نیاز به زمان بسیار زیادی است. علاوه بر این کار اگر توسط انسان انجام شود خطا های بسیار زیادی در آن بوجود می‌آید که هر کدام از این خطاها باعث بروز اشکال در محاسبات مربوط خواهد شد. پس در اینجا مهندسین معدن نیاز به یک دستیار هوشمند دارند تا بتوانند این داده ها را از منابع خود به طور هوشمند دریافت نمایند و پس از تجزیه و تحلیل های پیش بینی کننده و الگوریتم های یادگیری ماشین زمان که فاکتور مهم در تمام پروژه‌ها علی‌الخصوص پروژه های معدنی است را کاهش داده و همچنین سبب افزایش ایمنی و کاهش اثرات زیست محیطی در زمان طراحی عملیات آتشباری در معادن شود.

افزایش ایمنی عملیات آتشباری با هوش مصنوعی

به وسیله یادگیری ماشین می‌توان داده‌های گوناگون را بررسی و بر اساس آن وقایع پس از عملیات آتشباری در معادن را پیش بینی نمود. یادگیری ماشین به سه صورت، یادگیری تحت نظارت، یادگیری بدون نظارت و همچنین یادگیری تقویتی قابل انجام است. یادگیری ماشین می‌تواند برای عملیات های پیچیده معدنی، پیش‌بینی‌هایی را انجام دهد که همین امر متخصصین معدنی را برای محاسبات پیچیده و طراحی عملیات آتشباری کمک به سزایی می‌نماید.

باید در نظر داشت که در دهه‌های گذشته از یادگیری ماشین بیشتر در بهینه‌سازی عملیات‌های معدنکاری سطحی استفاده شده است که در این میان بیشترین مدل‌های یادگیری ماشین مورد استفاده در عملیات آتشباری معادن را می‌توان روش‌های ترکیبی‌و‌گروهی، شبکه‌های عصبی، ماشین بردار پشتیبان  و منطق فازی نام برد.‌بر اساس نیاز هر طرح و نحوه دستیابی به داده‌های پروژه‌های معدنی این مدل‌ها متغیر می‌باشد و باید این مساله را در نظر داشت برای تمامی معادن یک نسخه هوشمندسازی را نمی توان اجرا کرد و معادن نیاز به یک شرکت هوشمند معدنی و اکتشافی دارند تا بتوانند پروژه‌های خود را با دقت و کیفیت بالایی اجرا نمایند.

کاهش اثرات ارتعاشات ناشی از عملیات آتشباری با هوش مصنوعی

ارتعاشات ناشی از عملیات آتشباری در معادن یک مسئله زیست محیطی مهمی است و باید در نظر داشت ۲۰ الی ۳۰ درصد انرژی حاصل از انفجار باعث شکسته شدن سنگ‌ها می‌شود و الباقی تبدیل به تنش‌های دینامیکی می‌گردد. در هنگام انفجار توده‌های سنگ یا به صورت خرد، ترک شعاعی و یا از طریق شکستن انعکاسی شکسته می‌شوند که تکنیک های یادگیری ماشین می‌تواند ارتعاشات حاصل از آتشباری در معادن را توسط مدل های یادگیری پیش بینی نماید. بر اساس مولفه های گوناگون فاصله نظارت و بار سنگ محاسبات مربوط به آن دچار تغییر شده و نیاز به یک دستیار هوشمند مانند هوش مصنوعی را دو چندان می نماید. برای طراحی و اجرای هوشمند سازی عملیات آتشباری نیاز به یک گروه هوشمند و مسلط بر مسائل فنی و مهندسی معدن است. شرکت‌های هوشمند معدنی می‌تواند بر اساس نوع نیاز پروژه، مدل‌های یادگیری ماشین را بر اساس پارامترهای موثر در ارتعاشات و محاسبات مربوط به آن اجرا نمایند و الگوهای آتشباری را طراحی و ارتعاشات حاصل از انفجار در معادن را به مقدار قابل توجهی پیش بینی نماید و همین امر سبب اتخاذ تصمیمات هوشمند مهندسان معدن خواهد شد. همچنین می‌توان داده های گوناگون معدنی که شاید از نظر مهندس معدن و کارشناس آتشباری دارای اهمیت کمتری هستند را در مدل یادگیری ماشین اضافه کرد. داده‌های بدون ساختار و بدون دسته بندی اغلب در زمانی‌که وارد مدل های یادگیری ماشین می‌شوند، دارای یک ساختار و در یک خوشه دسته بندی شده و الگوی تاثیرات مثبت و منفی بر روی دیگر داده‌ها توسط ماشین شناسایی می گردد که همین امر می‌تواند عملکرد مدل یادگیری ماشین را بهبود ببخشد.

آینده استفاده از هوش مصنوعی در آتشباری معادن

استفاده از هوش مصنوعی در بخش‌های گوناگون معدنی سبب افزایش دقت شده و به عنوان یک دستیار هوشمند عامل اتخاذ تصمیم گیری های دقیق بر اساس داده های گوناگون می گردد. در عملیات آتشباری معادن با استفاده از قدرت هوش مصنوعی می‌توان فرآیند انفجار خود را بهینه نمود، اقدامات ایمنی را افزایش داد و اثرات زیست محیطی را به حداقل رساند. هوش مصنوعی بدون شک نقش حیاتی در بهبود کارایی، ایمنی و پایداری معادن خواهد داشت. آینده آتشباری معادن با هوش مصنوعی و تکنیک های یادگیری ماشین روشن است و نیاز به افزایش آگاهی از پیشرفت‌های فناوری، همکاری بیشتر بین مؤسسات تحقیقاتی و شرکت‌های معدنی و بهبود توسعه مهارت‌های فناوری محور همچون فناوری هوش مصنوعی در بین نیروی انسانی فعال در بخش معدن دارد. در پایان این مساله کاملا روشن است که در سال های آینده صرفا داشتن دانش تخصصی معدن برای معادن کافی نیست و نیروی انسانی در معادن مشغول به فعالیت خواهد شد که بتواند به راحتی از تکنیک های فناوری هوش مصنوعی جهت طراحی، مدیریت و اجرای پروژه های خود استفاده نماید.