کاهش ۳۹۰ میلیارد دلاری هزینه معدنکاری توسط هوش مصنوعی؛ ایران کجای این تحول ایستاده است؟

احسان رنجبران_ تازه‌ترین گزارش شورای آتلانتیک نشان می‌دهد استفاده از فناوری‌های هوش مصنوعی در صنعت معدن می‌تواند تا سال ۲۰۳۵ سالانه بین ۲۹۰ تا ۳۹۰ میلیارد دلار از هزینه‌های عملیاتی این صنعت در جهان بکاهد. این در حالی است که بسیاری از کشورهای معدنی از استرالیا و کانادا گرفته تا آفریقای جنوبی و زامبیا با سرعت در حال به‌کارگیری الگوریتم‌های هوشمند، تصاویر ماهواره‌ای، دیجیتال توین (دوقلوی دیجیتال) و تحلیل کلان‌داده‌ها هستند. اکنون این پرسش مطرح است که معادن و صنایع معدنی ایران تا چه اندازه برای ورود به این عصر جدید آماده‌اند؟

معدنکاری دیگر فقط به ماشین‌آلات وابسته نیست

صنعت معدن طی دهه‌های گذشته همواره به‌عنوان صنعتی سرمایه‌بر شناخته می‌شد، صنعتی که افزایش تولید در آن معمولاً با خرید ماشین‌آلات بزرگ‌تر، حفاری‌های بیشتر و صرف هزینه‌های سنگین امکان‌پذیر بود اما امروز این معادله در حال تغییر است.

هوش مصنوعی در حال تبدیل شدن به مهم‌ترین ابزار تصمیم‌سازی در زنجیره معدنکاری است. الگوریتم‌های یادگیری ماشین می‌توانند میلیون‌ها داده زمین‌شناسی، ژئوشیمی، ژئوفیزیک، تصاویر ماهواره‌ای و سوابق حفاری را در زمانی بسیار کوتاه تحلیل کرده و مناطقی را که بیشترین احتمال وجود ذخایر معدنی را دارند، شناسایی کنند. این کار پیش‌ از این هفته‌ها یا حتی ماه‌ها زمان می‌برد.

بر اساس گزارش شورای آتلانتیک، استفاده از این فناوری‌ها در برخی پروژه‌های معدنی توانسته زمان حفاری‌های اکتشافی را تا ۷۵ درصد کاهش دهد. این به معنای کاهش چشمگیر هزینه‌های اکتشاف، افزایش سرعت تصمیم‌گیری و کاهش ریسک سرمایه‌گذاری است.

در واقع مزیت رقابتی در معدنکاری آینده دیگر صرفاً در اختیار کشورهایی نخواهد بود که ذخایر بیشتری دارند بلکه در اختیار کشورهایی است که بتوانند از داده‌های خود هوشمندانه‌تر استفاده کنند.

چرا ایران بیش از بسیاری از کشورها به هوش مصنوعی نیاز دارد؟

شاید تصور شود هوش مصنوعی فناوری لوکسی است که تنها برای معادن پیشرفته جهان کاربرد دارد، اما واقعیت دقیقاً برعکس است. ایران به دلیل شرایط اقتصادی، محدودیت سرمایه‌گذاری، ناترازی انرژی و افزایش هزینه‌های تولید بیش از بسیاری از کشورهای معدنی به ابزارهایی برای افزایش بهره‌وری نیاز دارد.

بخش قابل توجهی از اطلاعات زمین‌شناسی و اکتشافی کشور طی دهه‌های گذشته تولید شده و در بسیاری از موارد هنوز به‌صورت کامل دیجیتالی یا یکپارچه نشده است. از سوی دیگر وسعت پهنه‌های معدنی ایران موجب شده اجرای عملیات اکتشاف سنتی، زمان‌بر و پرهزینه باشد.

هر متر حفاری اکتشافی هزینه قابل توجهی به شرکت‌های معدنی تحمیل می‌کند و هر تصمیم اشتباه در انتخاب محل حفاری می‌تواند میلیون‌ها تومان هزینه اضافی ایجاد کند. در چنین شرایطی سامانه‌های هوش مصنوعی قادرند با ترکیب داده‌های مختلف، احتمال موفقیت عملیات اکتشاف را افزایش داده و هزینه پروژه‌ها را کاهش دهند.

برای صنعتی که هم‌زمان با محدودیت سرمایه، افزایش قیمت تجهیزات، هزینه‌های انرژی و رقابت شدید جهانی روبه‌رو است، افزایش بهره‌وری دیگر یک مزیت نیست بلکه به ضرورتی اجتناب‌ناپذیر تبدیل شده است.

هوش مصنوعی چگونه معدنکاری ایران را متحول می‌کند؟

کاربرد هوش مصنوعی تنها به مرحله اکتشاف محدود نمی‌شود و تقریباً تمام زنجیره معدن و صنایع معدنی را در بر می‌گیرد.

در حوزه اکتشاف، الگوریتم‌های یادگیری ماشین می‌توانند تصاویر ماهواره‌ای، داده‌های ژئوفیزیکی، اطلاعات ژئوشیمی و سوابق حفاری را با یکدیگر ترکیب کرده و مدل‌های دقیق‌تری از ذخایر زیرزمینی ارائه دهند. این موضوع علاوه بر کاهش هزینه‌ها، احتمال کشف ذخایر جدید را نیز افزایش می‌دهد.

در مرحله استخراج، هوش مصنوعی قادر است برنامه استخراج را بر اساس کیفیت ماده معدنی، ظرفیت ماشین‌آلات و شرایط معدن بهینه کند. همچنین با تحلیل داده‌های لحظه‌ای، احتمال وقوع ریزش، رانش زمین یا مشکلات ایمنی را پیش از وقوع پیش‌بینی کرده و هشدارهای لازم را صادر کند.

در کارخانه‌های فرآوری نیز ظرفیت‌های قابل توجهی وجود دارد. سیستم‌های هوشمند می‌توانند عملکرد مدارهای خردایش، آسیاکنی، فلوتاسیون و سایر واحدهای فرآوری را به‌صورت لحظه‌ای پایش کرده و تنظیمات بهینه را پیشنهاد دهند. نتیجه این فرآیند افزایش نرخ بازیابی، کاهش مصرف انرژی، کاهش مصرف آب و تولید محصولی با کیفیت یکنواخت‌تر خواهد بود.

یکی دیگر از کاربردهای مهم هوش مصنوعی، تعمیر و نگهداری پیش‌بینانه است. در این روش هوش مصنوعی با تحلیل داده‌های تجهیزات، ارتعاشات، دما، فشار و سایر شاخص‌ها، زمان احتمالی خرابی ماشین‌آلات را پیش‌بینی می‌کند. این موضوع باعث می‌شود تعمیرات پیش از توقف ناگهانی تجهیزات انجام شود و هزینه‌های ناشی از خواب خطوط تولید به حداقل برسد.

معدن هوشمند، معدن ایمن‌تر

ایمنی یکی از مهم‌ترین حوزه‌هایی است که از توسعه هوش مصنوعی سود می‌برد.

در بسیاری از معادن جهان، سامانه‌های مبتنی بر هوش مصنوعی با استفاده از دوربین‌های هوشمند، حسگرهای محیطی و تجهیزات پوشیدنی، وضعیت کارگران، ماشین‌آلات و شرایط محیطی را به‌طور مداوم پایش می‌کنند. این سامانه‌ها می‌توانند حضور افراد در مناطق پرخطر، افزایش غلظت گازهای خطرناک، احتمال ریزش، خستگی رانندگان ماشین‌آلات سنگین یا رفتارهای ناایمن را تشخیص داده و پیش از وقوع حادثه هشدار دهند.

برای معادن زیرزمینی ایران که ایمنی همواره یکی از دغدغه‌های اصلی آن‌ها بوده است، چنین فناوری‌هایی می‌تواند نقش مهمی در کاهش حوادث ایفا کند.

صنایع معدنی نیز از این تحول بی‌نصیب نمی‌مانند

کاربرد هوش مصنوعی تنها به معادن محدود نیست و صنایع معدنی و فولادی نیز می‌توانند از مزایای آن بهره‌مند شوند.

کارخانه‌های فولاد، مس، آلومینیوم و سایر صنایع معدنی با حجم عظیمی از داده‌های تولیدی مواجه هستند. تحلیل این داده‌ها می‌تواند به بهینه‌سازی مصرف برق و گاز، کاهش توقف خطوط تولید، کنترل کیفیت محصولات، مدیریت موجودی مواد اولیه و پیش‌بینی تقاضای بازار کمک کند.

این موضوع برای ایران که طی سال‌های اخیر با چالش ناترازی انرژی روبه‌رو بوده اهمیت دوچندانی دارد. حتی چند درصد کاهش مصرف انرژی یا افزایش بهره‌وری در واحدهای بزرگ فولادی می‌تواند صرفه‌جویی قابل توجهی در هزینه‌های تولید ایجاد کند.

تحقق معدن هوشمند پیش‌نیازهایی دارد

با وجود مزایای فراوان، حرکت به سمت معدنکاری هوشمند بدون ایجاد زیرساخت‌های لازم امکان‌پذیر نیست.

نخستین نیاز تولید و یکپارچه‌سازی داده‌های استاندارد است. هوش مصنوعی بدون داده‌های دقیق، گسترده و باکیفیت نمی‌تواند عملکرد مطلوبی داشته باشد. بسیاری از معادن کشور هنوز از سامانه‌های سنتی ثبت اطلاعات استفاده می‌کنند و داده‌ها در قالب‌های مختلف و پراکنده نگهداری می‌شوند.

دومین چالش کمبود نیروی انسانی متخصص در تقاطع دو حوزه معدن و هوش مصنوعی است. توسعه این فناوری نیازمند همکاری نزدیک مهندسان معدن، متخصصان علوم داده، برنامه‌نویسان و کارشناسان اتوماسیون صنعتی است.

موضوع دیگر سرمایه‌گذاری در زیرساخت‌های دیجیتال است. شبکه‌های ارتباطی پایدار، حسگرهای هوشمند، تجهیزات اینترنت اشیا، سامانه‌های پردازش داده و مراکز داده، همگی اجزای ضروری معدنکاری هوشمند به شمار می‌روند.

در کنار این موارد تغییر نگرش مدیریتی نیز اهمیت بالایی دارد. ورود هوش مصنوعی تنها خرید چند نرم‌افزار جدید نیست بلکه تغییری بنیادین در شیوه تصمیم‌گیری، مدیریت عملیات و فرهنگ سازمانی شرکت‌های معدنی است.

فرصتی که نباید از دست برود

شرکت‌های بزرگ معدنی و فولادی ایران از جمله فولاد مبارکه، شرکت ملی صنایع مس ایران، گل‌گهر، چادرملو، گهرزمین و سایر بنگاه‌های بزرگ می‌توانند پیشگام این تحول باشند. اجرای پروژه‌های پایلوت در حوزه اکتشاف هوشمند، تعمیر و نگهداری پیش‌بینانه، بهینه‌سازی مصرف انرژی و کنترل کیفیت می‌تواند مسیر توسعه این فناوری را برای کل بخش معدن کشور هموار کند.

از سوی دیگر همکاری میان دانشگاه‌ها، شرکت‌های دانش‌بنیان، استارتاپ‌های فعال در حوزه هوش مصنوعی و بنگاه‌های معدنی می‌تواند به شکل‌گیری زیست‌بومی منجر شود که علاوه بر کاهش وابستگی به فناوری‌های خارجی، راهکارهایی متناسب با شرایط معادن ایران ارائه دهد.

جمع‌بندی

رقابت آینده معدنکاری جهان رقابت ماشین‌آلات بزرگ‌تر یا حفاری‌های بیشتر نخواهد بود بلکه رقابت بر سر داده‌های دقیق‌تر، تصمیم‌های هوشمندانه‌تر و بهره‌وری بالاتر است. هوش مصنوعی این ظرفیت را دارد که ریسک اکتشاف را کاهش دهد، ایمنی را افزایش دهد، مصرف انرژی را بهینه کند، هزینه‌های عملیاتی را پایین بیاورد و بهره‌وری کل زنجیره معدن و صنایع معدنی را ارتقا دهد.

برای ایران که یکی از دارندگان بزرگ ذخایر معدنی جهان است اما هم‌زمان با محدودیت سرمایه، ناترازی انرژی، افزایش هزینه‌های تولید و رقابت فزاینده در بازارهای جهانی روبه‌روست، هوش مصنوعی دیگر یک فناوری آینده‌نگرانه نیست بلکه می‌تواند به ابزاری راهبردی برای حفظ و تقویت رقابت‌پذیری تبدیل شود. هرچه ورود این فناوری به معادن و صنایع معدنی کشور سریع‌تر و هدفمندتر باشد، امکان بهره‌برداری بهینه از منابع معدنی و افزایش ارزش‌افزوده این بخش نیز بیشتر خواهد شد.