HƯỚNG DẪN ngành

AI trong khai thác

Các tổ chức khai thác sử dụng mô hình dựa trên dữ liệu để đánh giá khoáng sản, giám sát thiết bị và hỗ trợ vận hành.

Nghe hướng dẫn nàyAI thuật lại · ~2 min

Trên trang nàyĐọc trong 2 phút
  1. Tổng quan
  2. Lặn sâu
  3. Triển khai trong thế giới thực
  4. Tương lai của AI trong khai thác
  5. Đưa nó vào thực tế
  6. Tiếp tục khám phá
  7. Câu hỏi thường gặp

Tổng quan

Các hệ thống tự động và đề xuất xử lý có thể thay đổi quy trình công việc, nhưng lợi ích và sự an toàn phụ thuộc vào việc triển khai cụ thể và việc xác thực nó.

Lặn sâu

Các mô hình thăm dò khoáng sản sử dụng các quan sát địa chất để xác định các khu vực cần điều tra thêm; điểm cao không phải là bằng chứng về khoản tiền gửi có thể thu hồi được về mặt kinh tế. Việc thăm dò vẫn cần lấy mẫu, nghiên cứu thực địa và đánh giá phù hợp. Vận chuyển tự động kết hợp việc định vị, nhận thức, lập kế hoạch và giám sát vận hành với các lựa chọn cảm biến tùy thuộc vào thiết bị và địa điểm. BHP và Rio Tinto mô tả các hoạt động như vậy ở vùng Pilbara của Tây Úc. Tự động hóa có thể làm giảm mức độ tiếp xúc của con người với một số nhiệm vụ nguy hiểm nhưng không loại bỏ được rủi ro vận hành. Các mô hình xử lý có thể hỗ trợ các quyết định về các biến số vận hành và thu hồi kim loại: Thông báo Escondida của BHP mô tả các khuyến nghị dành cho người vận hành máy tập trung. Giám sát tình trạng sử dụng dữ liệu thiết bị để hỗ trợ lập kế hoạch bảo trì và độ tin cậy. Lithium dùng cho pin và đồng cho cơ sở hạ tầng điện là những ví dụ về khoáng sản liên quan đến công nghệ năng lượng.

Triển khai trong thế giới thực

BHP mô tả mỏ Jimblebar ở Pilbara là hoạt động vận hành xe tải hoàn toàn tự động.

Rio Tinto báo cáo khả năng vận chuyển tự động trong các hoạt động khai thác quặng sắt của mình.

Đánh giá khoáng sản của USGS kết hợp thông tin địa chất, địa vật lý và địa hóa với nghiên cứu máy học.

BHP mô tả việc sử dụng dữ liệu bộ tập trung thời gian thực và các đề xuất AI để hỗ trợ các quyết định thu hồi đồng của Escondida.

Tương lai của AI trong khai thác

Nghiên cứu khai thác tiếp tục kết nối đánh giá tài nguyên, dữ liệu vận hành và tự động hóa. Đánh giá các cải tiến được yêu cầu tại địa điểm và khoảng thời gian cụ thể, bao gồm nhu cầu bảo trì và trách nhiệm của con người. Nhu cầu về khoáng sản quan trọng thúc đẩy hoạt động thăm dò, nhưng điểm số của mô hình không xác định được nguồn tài nguyên, khả năng tồn tại của dự án hoặc lợi ích an toàn hoặc môi trường được đảm bảo.

Đưa nó vào thực tế

Tại sao nó quan trọng

  • Bối cảnh và quy tắc. Bối cảnh của ngành quyết định liệu các ý tưởng AI có tồn tại được khi tiếp xúc với thực tế hay không.
  • Kiểm soát chất lượng. Các ràng buộc về miền ảnh hưởng đến tỷ lệ lỗi có thể chấp nhận được và các mô hình giám sát.
  • Xây dựng lựa chọn. Triển khai thành công sẽ điều chỉnh năng lực kỹ thuật phù hợp với quy trình làm việc tuyến đầu.

coi chừng

  • Các yêu cầu pháp lý có thể vô hiệu hóa các nguyên mẫu mạnh mẽ.
  • Dữ liệu lịch sử có thể mã hóa thành kiến ​​gây tổn hại cho các cộng đồng cụ thể.
  • Các hệ thống cũ có thể tạo ra các nút thắt cổ chai trong tích hợp và chi phí tiềm ẩn.

Các bước tiếp theo

  1. Thu hút các chuyên gia trong lĩnh vực từ việc xác định vấn đề đến đánh giá.
  2. Thiết kế các đường dẫn kiểm tra và tài liệu trước khi ra mắt.
  3. Xác nhận sớm các nghĩa vụ tuân thủ và an toàn.
  4. Triển khai theo từng giai đoạn với tiêu chí dừng và khôi phục rõ ràng.

Tiếp tục khám phá

Bản tin miễn phí

Nhận bản tóm tắt AI hàng ngày

Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.

Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.

Tự kiểm tra

Take the AI in Mining quiz

Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.

Bắt đầu bài kiểm tra

Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp

Câu hỏi thường gặp

AI trong khai thác là gì?

Các tổ chức khai thác sử dụng mô hình dựa trên dữ liệu để đánh giá khoáng sản, giám sát thiết bị và hỗ trợ vận hành. Các hệ thống tự động và đề xuất xử lý có thể thay đổi quy trình công việc, nhưng lợi ích và sự an toàn phụ thuộc vào việc triển khai cụ thể và việc xác thực nó.

AI hỗ trợ việc thăm dò khoáng sản như thế nào?

Các mô hình học máy được đào tạo về các mỏ đã biết và dấu hiệu địa chất của chúng ghi lại các khu vực chưa được khám phá, giúp các công ty nhắm mục tiêu khoan và cắt giảm chi phí thăm dò.

Tại sao hệ thống vận chuyển khai thác tự động cần cả chức năng định vị và nhận biết?

Đây là những chức năng khác nhau; sự kết hợp và khả năng của cảm biến thực tế phụ thuộc vào xe và hệ điều hành.

Những công ty nào nổi tiếng về vận hành xe tải chở hàng tự động ở vùng Pilbara của Úc?

Rio Tinto và BHP đã đi tiên phong trong việc triển khai đội xe tải chở hàng tự hành, điều khiển từ xa lớn tại các mỏ quặng sắt ở vùng Pilbara, Tây Úc.

Tự động hóa khai thác được triển khai một cách thích hợp có thể mang lại lợi ích gì cho việc tiếp xúc với người lao động?

Loại bỏ một người khỏi nhiệm vụ có thể làm giảm mức độ phơi nhiễm nhưng hệ thống vẫn có những rủi ro và trách nhiệm cần đánh giá.

BHP đã mô tả vai trò gì đối với AI tại các bộ tập trung của Escondida trong thông báo năm 2023?

Thông báo mô tả hỗ trợ quyết định cho người vận hành bộ tập trung chứ không phải bảo đảm khôi phục chung.