Tiếp theoHướng dẫn tiếp theo
Khai thác tiêu cực trực tuyến và cứng
kỹ thuật
HƯỚNG DẪN ngành
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
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.
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.
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.
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.
Bản tin miễn phí
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
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.
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
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.
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.
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.
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.
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.
Thông báo mô tả hỗ trợ quyết định cho người vận hành bộ tập trung chứ không phải bảo đảm khôi phục chung.
Tiếp tục học hỏi
Đã chọn thêm hướng dẫn cho chủ đề này
Tiếp theoHướng dẫn tiếp theo
Khai thác tiêu cực trực tuyến và cứng
kỹ thuật