Искусственный интеллект и машинное обучение революционизируют горнодобывающую промышленность. Машинное обучение - это растущая и разнообразная область искусственного интеллекта, которая изучает алгоритмы, способные автоматически учиться на данных и делать прогнозы на основе данных. Машинное обучение сегодня - одна из самых захватывающих технологических областей обучения. Каждую неделю появляются новые достижения, новые технологии, новые приложения и новые возможности. Это вдохновляет, но также впечатляет. Вот почему мы создали это руководство, чтобы помочь вам идти в ногу со всеми этими захватывающими разработками. Работаете ли вы в настоящее время в горнодобывающей отрасли, или просто занимаетесь этим вопросом, или работаете с нами в Produvia, здесь всегда будет что вдохновить!

Вот несколько способов использования искусственного интеллекта и машинного обучения для разведки полезных ископаемых, открытия полезных ископаемых, разработки месторождений, добычи и освоения месторождений.

1. Поиск и разведка

Машинное обучение можно использовать, чтобы ответить на вопрос: «где исследовать?»

Классификация скальных поверхностей

  • Автоматическое определение забоев горных пород с использованием данных каротажа (самопроизвольный каротаж и каротаж удельного сопротивления)

Классификация литологии

  • Автоматически определять литологию (классы пород и грунтов) по данным дистанционного зондирования (многоспектральные спутниковые данные) (Yu et al., 2013)

Прогнозирование перспективности минералов

  • В Produvia мы прогнозируем местоположения потенциальных руд, используя спутниковые снимки и известные местоположения полезных ископаемых (Mapo).

2. Открытие и продвинутое исследование

Машинное обучение можно использовать, чтобы ответить на вопрос: «Что в земле?»

Прогнозирование целей колонкового бурения

  • Прогнозируйте цели для бурения, используя предыдущие данные колонкового бурения, образцы грунта, съемку горных работ или данные о сильных воздействиях (геофизика, отбор проб каналов, рытье траншей и алмазное бурение)

Классификация подземных условий

  • Автоматическое определение подземных минералов, складок и трещин с помощью акустических сигналов

3. Девелопмент / Строительство

Машинное обучение можно использовать, чтобы ответить на вопрос: «как построить шахту?»

Прогнозирование этапов строительства

  • Прогнозирование этапов разработки и строительства с использованием разведки полезных ископаемых, аэрофотоснимков и предыдущих проектов строительства шахт.

4. Эксплуатация и производство

Машинное обучение можно использовать для ответа на вопрос: «как добывать, измельчать и обрабатывать обнаруженные руды?»

Классификация изображений пены

  • Выполнение сегментации и классификации изображений пены на основе размера пузырьков (маленькие, средние и большие) и текстуры (шероховатость, гладкость, регулярность) (Wang et al., 2016)

Повышение эффективности работы

  • Вычисление оптимальных действий по управлению процессом без нарушения рабочих ограничений путем объединения искусственных нейронных сетей (ИНС), статистики и многомерного моделирования (NeuralWave).

Прогнозирование запасов руды

  • Прогнозирование запасов руды с использованием композитных проб из скважин (Dutta et al., 2010)

Прогнозирование добычи полезных ископаемых

  • Прогнозирование выхода примесей на обогатительной фабрике по переработке железной руды с использованием данных о добыче полезных ископаемых (Willingham, 2016).

Автоматизация горных машин

  • Автоматизировать автомобили с помощью датчиков (лазерные дальномеры, радары, электромагнитные антенны, ультразвук, камеры)

Управление активами

  • Управляйте горнодобывающими активами, используя оперативные данные и время простоя оборудования

Анализ использования воды

  • Оценить источники воды и схемы водопользования, используя данные на месте

Прогнозирование простоев, нагрузок на мельницу и производительности завода

  • Прогнозирование простоев с использованием давления насоса, перегрузок мельницы полусамоизмельчения, производительности перерабатывающего предприятия и геологических данных (Mining Magazine, 2016)

Прогнозирование отказа машины

  • Прогнозирование выхода из строя машины с использованием данных промышленного оборудования (Mining Magazine, 2016)

Оценка фрагментации руды

  • Автоматическая оценка фрагментации руды в подземных и открытых карьерах с использованием данных облака точек трехмерного картирования (UGPSRapidMapper, 3D Laser Mapping или MVS) (MQWorld, 2016)

Автоматизация геотехнических обследований

  • Выполняйте автоматизированные проверки подземных стен и оценку отслаивания, трещин торкретбетона и деформации плит, отсутствующих плит и мешков в сетке с использованием данных трехмерного картографирования (цифровые исследования шахт) (MQWorld, 2016)
  • Выполнение автоматизированных проверок и оценок в открытом грунте с помощью аэрофотосъемки.

Обнаружение отсутствия зубов у оборудования

  • Предотвратить простои дробилки или повреждение конвейерных лент в результате расцепления зубьев / адаптеров с помощью тепловизионной камеры (Motion Metrics).

Уменьшение слепых зон на оборудовании

  • Предотвращение столкновений оборудования с видами наблюдения в реальном времени с помощью серии камер (Motion Metrics).

Создание обнаружения и классификации неисправностей (FDC)

  • Создавайте политики предотвращения обслуживания, используя данные временных рядов сигналов тревоги (Wang et. Al, 2015).

5. Рекультивация

Машинное обучение можно использовать для ответа на вопрос: «как восстановить землю и защитить окружающую среду, людей и животных?»

Мониторинг изменений окружающей среды

  • Мониторинг окружающей среды (пожаров, растительности и воды) с помощью технологий дистанционного зондирования (спутниковые снимки и / или аэрофотосъемка)

Прогнозирование реабилитации шахт

  • Прогнозировать прогресс восстановления заминированных или заброшенных земель и акваторий с помощью спутниковых снимков.
  • С помощью спутниковых снимков прогнозируйте изменения в эрозии и дренаже кислых шахт, в местах обитания диких животных, перераспределении верхнего слоя почвы и растительности.

Мониторинг миграции животных

  • Отслеживайте изменения в путях миграции животных с помощью спутниковых снимков и аэрофотосъемки.

Прогнозирование экологических рисков

  • Прогнозирование экологических рисков с использованием накопленных отложений ила (Арауджо и др., 2010)

Автоматическая оценка и управление рисками

  • Автоматическая оценка рисков и управление рисками с использованием сенсорных сетевых технологий, данных о загрязнении, уровнях радиации, метеорологических параметрах (Каневски и др., 2011)

Вот пять дополнительных проектов искусственного интеллекта, которые стоит изучить:

Подземная автоматизация

  • Отслеживайте людей и планируйте задачи
  • Увеличение производства за счет мониторинга оператора и местоположения оборудования
  • Отслеживайте производство в реальном времени
  • Повысьте безопасность и увеличьте коэффициент использования горнодобывающего оборудования.

Цифровое управление работами по техническому обслуживанию

  • Повышение доступности
  • Снижение затрат на детали
  • Сократите внеплановые работы и перерасход.

Автоматизация обработки

  • Автоматизируйте операции майнинга для увеличения пропускной способности и восстановления
  • Повышение качества решений при обработке для максимального увеличения производства

Интеллектуальная платформа данных

  • Повышение качества и прозрачности данных для оптимизации операций

Профилактическое обслуживание

  • Прогнозируйте отказы выхлопных газов при майнинге на одну неделю вперед

Следующий шаг

Вы работаете в горнодобывающей промышленности? Вы заинтересованы в разработке технологий искусственного интеллекта?

Запишитесь на звонок со мной.

Большинство предприятий изо всех сил стараются внедрять инновации. Мы помогаем компаниям быстрее внедрять инновации, разрабатывая технологии искусственного интеллекта, чтобы они могли сокрушить своих конкурентов.

- Слава Куриляк, основатель / генеральный директор Produvia

Этот пост впервые появился в блоге Produvia 29 января 2017 года.