در بازار رقابتی کنونی، هر تلاشی برای بهبود حاشیه سود از طریق هوش مصنوعی و هوش عملیاتی ضروری است. به همین دلیل، انتظار می‌رود کلان‌داده در معدن از مسیر تحلیل داده نقشی کلیدی در افزایش بهره‌برداری از دارایی‌ها، بالا بردن کارایی عملیات و کاهش تأخیر در زنجیره تأمین و تولید معدن ایفا کند.
در این مسیر، حسگرهایی که در سرتاسر عملیات معدنکاری تعبیه شده‌اند جایگاه ویژه‌ای دارند، زیرا آنها اولین دروازه‌ها به برداشت داده و دانش از عملیات مختلف در معدن‌اند. این حسگرها حجم عظیمی از داده‌های ژئوفیزیکی، وضعیت تجهیزات و اطلاعات عملیاتی را به صورت لحظه‌ای برداشت و انتقال می‌دهند.
به‌ویژه، بهبود در فناوری‌های وایفای و 3G/4G-LTE به تسریع روند استخراج و انتقال داده کمک کرده‌اند. این داده‌ها را می‌توان در قالب فرایندهای تحلیل موازی و توزیع سریع تحلیل، برای استفاده مدیران و ذینفعان بخش معدن به کار گرفت.
در این میان، کلان‌داده جایگاه حتی کلیدی‌تری دارد، زیرا دانش پیرامون آن امکان برداشت، انتقال و تحلیل حجم عظیمی از داده‌های معدنی را فراهم می‌کند. پلتفرم‌های کنترل عملیات قادر به جذب مقادیر زیادی از ورودی‌های ناهمگن و لحظه‌ای از منابع مختلف هستند. این ورودی‌ها تغذیه‌کننده الگوریتم‌های پیش‌بینی کننده و تصمیم‌گیری هوشمند خواهند بود.
کلان‌داده در معدن و تحلیل عملیات مختلف معدنکاری
به‌طور کلی، منابع داده در صنعت معدن به دو دسته اندازه‌گیری مستقیم و غیرمستقیم تقسیم می‌شوند. منابع مستقیم محصول عملیاتی مانند نقشه‌برداری ژئودتیک و جی‌پی‌اس هستند. منابع غیرمستقیم از سیستم‌هایی حاصل می‌شوند که داده را به‌عنوان بخشی از فرایندهای عملیاتی جمع‌آوری می‌کنند، مانند سیستم‌های مدیریت ناوگان، سیستم‌های SCADA و DCS، دستگاه‌های حفاری چال انفجار و داده‌های مرتبط با مدلسازی زمین‌شناسی.
برای مثال، برای بهبود فرایند بازیابی سنگ معدن، از تکنیک مدلسازی بدنه سنگ معدن استفاده می‌شود. در این مدل، الگوهای زمین‌شناسی محل حفاری را تعیین می‌کنند. بنابراین، کلید اتخاذ تصمیمات بهینه‌تر در معدن، دسترسی به داده‌های دقیق از منابع مختلف و تحلیل لحظه‌ای آنها در قالب بکارگیری کلان‌داده در معدن است..
این گونه تصمیم‌گیری‌های مبتنی بر داده می‌توانند در اکتشاف، تولید و عملیات انتقال مواد معدنی استفاده شوند. همچنین، برای پایش و گزارش‌دهی شاخص‌های کلیدی عملکرد (KPI) به داده‌های عملیات و تحلیل آنها در محل نیاز است؛ تحلیل این داده‌ها به ریشه‌یابی مشکلاتی مانند تأخیر در تعمیر تجهیزات، صف طولانی کامیون‌ها و LHDها، تأخیر در عملیات نمونه‌برداری و فرایندهای دسته بندی کمک قابل‌توجهی خواهد کرد.
جدا از ارائه بینش برای تصمیم‌گیری، پلتفرم تجزیه و تحلیل کلان‌داده در معدن همچنین می‌تواند راهکارهای تجویزی در مورد تصمیمات ارائه دهد (تصویر زیر را ببینید).
مداخلات در فرایندهای مختلف معدن
جریان فرایند مواد نقش پررنگی در زنجیره ارزش معدن ایفا می‌کند. این جریان شامل تجزیه و تحلیل میزان تأثیر رویدادهای برنامه‌ریزی نشده حاصل از خرابی‌های مکانیکی LHD، کامیون‌ها و وسایل حمل‌ونقل ضروری، زمان انتظار در صف‌ها و هزینه‌های بالای مرتبط به آنهاست.
متغیرهای بسیار زیاد دیگری نیز وجود دارند که می‌توان از آنها برای تفسیرهای روزانه یا ماهانه حاصل از الگوریتم‌های یادگیری ماشین، تطبیق الگوهای مستمر و مدل پیش‌بینی آماری استفاده کرد.
یک پلتفرم تجزیه و تحلیل کلان‌داده در معدن که مجهز به این مدل‌ها باشد، می‌تواند از ارزش، حجم، سرعت و تغییرپذیری داده استفاده کند و مزایای متعددی را در بخش استخراج، حمل‌ونقل و تحویل کالاهای معدنی به بار آورد.
تصویر زیر داده‌هایی را نشان می‌دهد که در هر مرحله از فرایند بهبود اثربخشی عملیاتی و افزایش بازده فرایندهای مختلف معدنی استفاده می‌شوند.
برخی از مواردی که پلتفرم تحلیل کلان‌داده می‌تواند در فرایند بهبود آنها بسیار موثر باشد:
استفاده از الگوریتم‌های یادگیری ماشین و مدل‌های هوشمند این امکان را به معدنکاران می‌دهد که نظارت بهتری بر این پارامترها داشته باشند و در بهترین زمان آنها را تعمیر یا قطعاتشان را تعویض کنند.
دستگاه‌های حفاری سیار آینده شبیه به آزمایشگاه‌های سیار نمونه‌برداری و پایش خواهند بود که قادر به جمع‌آوری، تحلیل و امکان دسترسی به حجم عظیمی از داده‌های پیچیده ژئوشیمیایی و ژئوفیزیکی هستند.</p>
در حوزه کاربرد
<p>کلان‌داده در معدن، این داده‌ها را می‌توان برای اعتبارسنجی با سرور مرکز سایت معدنی همگام سازی کرد. روندهای QA/QC که در مکانیزم جمع‌آوری داده‌ها تعبیه شده است، تضمین می‌کنند که مشکلات مرتبط با کیفیت داده‌ها در منبع برداشت آنها شناسایی و برطرف شوند.
استفاده از پلتفرم‌های کلان‌داده تضمین می‌کند که داده‌های ژئوشیمیایی و ژئوفیزیکی پیچیده و تقریبا بلادرنگ قابل پردازش و تجزیه و تحلیل هستند. نتایج تفسیر شده از تجزیه و تحلیل‌ها تقریبا در لحظه به زمین‌شناسان ارائه می‌شوند تا تصمیم‌های دقیق‌تری برای اکتشافات معدنی اتخاذ کنند.
ارزش در کجا نهفته است؟</h2></h2>
صنعت معدن می‌تواند از حوزه کلان‌داده در معدن و تحلیل کلان‌داده‌ها (Big Data Analytics) مزایای تجاری و حیاتی بسیاری به دست آورد، از جمله:
- تضمین جریان پیوسته مواد از نقطه استخراج سنگ معدن تا کارخانه فراوری
- به حداکثر رساندن میزان سنگ معدن حمل‌شده از طریق بهینه‌سازی گلوگاه‌های تولید
- کاهش زمان‌های غیرمولد بین عملیات مختلف مانند تعمیرات پیش‌بینی‌نشده، تأخیر، ضایعات و زمان انتظار
- کمک به مدیریت برای اتخاذ تصمیم‌های آگاهانه بر اساس وضعیت فعلی فرایند تولید، شامل کل زنجیره ارزش از استخراج تا تحویل در کارخانه و فراتر از آن
- ارائه نتایج لحظه‌ای آزمایش و تحلیل و تفسیر به زمین‌شناسان میدانی برای تصمیم‌گیری دقیق و به‌موقع
برای سازمان‌هایی که به کاربرد کلان‌داده در معدن و پیاده‌سازی چنین پلتفرمی فکر می‌کنند، تضمین پایین بودن هزینه کل مالکیت (TCO) بدون وابستگی به فروشنده خاص و با قابلیت مقیاس‌پذیری افقی، باید از ملاحظات اصلی باشد.
منبع: wipro.com
