ایمنی معادن با به‌کارگیری ۹۰ مولفه هوش مصنوعی

به گزارش خبرنگار اقتصاد معاصر؛ پیشتر عنوان شد که دوگانه «مدیر باسواد و بی‌سواد» یا «مدیر دانا و نادان»، حول مفهوم عمیق «مدیریت دانش» تعریف می‌شوند که معمولا در سازمان‌ها با چگونگی‌های استفاده از ابزار هوش مصنوعی ارتباطی تنگاتنگ دارند. دلالت این دسته‌بندی بسیار ساده است. چنانچه مدیری بتواند از دانش یا اطلاعات بالقوه یا بالفعل در سازمان متبوعش برای اتخاذ بهترین «تصمیم» استفاده کند، آن مدیر «دانا» یا «باسواد» خواهد بود. طبعا عکس این موضوع نیز صادق است. 

نکته بعدی این بوده که طی دهه‌های اخیر، انفجار فناوری در مقوله‌هایی مانند جریان اطلاعات و حسگرها، در ابزار‌هایی که شناخت ایجاد می‌کنند، انقلابی پدید آورده است. حاصل اینکه انبوه داده‌ها و اطلاعات در دسترس، چنان حجیم و متنوع است که بررسی مستمر و کارآمد آن از هیچ جمع بشری ساخته نیست و اینجاست که ابزار هوش مصنوعی برای تحلیل دانش و اتخاذ بهترین تصمیم به کار می‌آید. 

عموما اینگونه است که برای اینکه یک مدیر، به‌ ویژه در مواقع بحرانی، تصمیمی کارآمد اتخاذ کند، باید صد‌ها نوع داده را مداوما دریافت و بررسی کند و از آن داده‌ها، بر اساس متغیر‌ها، پروتکل‌ها و شاخص‌های تعریف شده، به بهترین تصمیم برسد. برای مثال یک معدن‌دار می‌داند که وقتی میزان غلظت گاز مونوکسید کربن یا دمای معدن یا میزان ارتعاش به یک حد بحرانی تعریف‌شده رسید، باید سریعا نسبت به تخلیه کارگران یا تمهید تهویه مناسب یا موارد دیگر اقدام نماید.

به همین حد از بیان منطق استفاده از مدیریت دانش و هوش مصنوعی در سازمان‌ها بسنده می‌کنیم. بپردازیم به متغیرها و انواع داده‌هایی که می‌توانند تصمیم یک مدیر معدن را در زمینه «ایمنی» شکل دهند. طبیعی است که پرداختن به سایر حوزه‌های یک معدن، مانند اکتشاف، طرح‌ریزی، انعقاد قرارداد، تجارت، ماشین‌آلات و غیره هریک مستلزم تدوین متن و سندی دیگر است. اینجا متغیر‌های ذیل‌الذکر تنها روی موضوع «ایمنی معدن» بحث می‌کند.

اطلاعات مورد نظرمان را به ۱۰ گروه تقسیم می‌کنیم و بعد تعریف خواهیم کرد که هوش مصنوعی در هریک از این گروه‌ها، در چه حوزه‌هایی می‌تواند به ما کمک کند. این دسته‌بندی البته می‌تواند به اقتضا تغییر کند. این ۱۰ گروه که ۹۰ مولفه را معرفی کرده به قرار زیر است:

نیروی انسانی

این گروه شامل مولفه‌های مختلفی است که عبارتند از:

انواع رباتیک: یکی از جنبه‌های استفاده از هوش مصنوعی در معادن می‌تواند کاهش استفاده از انسان برای فعالیت‌های خطرناک و نامطمئن باشد. استفاده از «ربات‌ها» و «پهپادها» و «انواع وسایل نقلیه خودران» می‌تواند درمواردی مانند حفاری، انفجار، حمل‌ونقل مواد منفجره، بازرسی مناطق صعب‌العبور، کنترل کیفیت هوا، جلوگیری از برخورد، بهینه‌سازی مسیر و ارزیابی یکپارچگی سازه، کارگران را از آسیب دور نگه دارد.

انواع آموزش: هوش مصنوعی می‌تواند با آموزش مهارتی به کارگران، سطح ایمنی آنها در معادن را ارتقا دهد. در این مسیر «شبیه‌سازی سناریو»، «آموزش واقعیت مجازی (VR)»، «آموزش به صورت شخصی‌سازی شده به هر فرد»، «طراحی و اجرای بازی‌ها و تمرینات ایمنی»، چهار روش شناخته شده برای این مسیر هستند.

انواع پایش و نظارت انسانی: هوش مصنوعی می‌تواند، به صورت مداوم و مستمر شرایط بدنی کارگران را مورد پایش قرار دهد و بهترین توصیه‌ها را برای انجام کار‌ها داشته باشد. «استفاده از دستگاه‌های تشخیصی در البسه»، «تشخیص خستگی»، «بهینه‌سازی برنامه کاری»، «تجزیه و تحلیل رفتار»، «برقرار کردن مشوق‌های ایمنی»، «نظارت بر سلامت»، «آموزش‌های ایمنی» و «نظارت بر انجام شدن پروتکل‌ها» از آن‌ جمله هستند. 

شرایط محیطی معدن

شرایط محیطی معدن نیز مولفه‌های مختلفی را شامل می‌شود که عبارتند از: 

تهویه: با استفاده از هوش مصنوعی، می‌توان سامانه‌های «نظارت بر کیفیت هوا»، «بهینه‌ساز تهویه با کنترل پویا» و «حداکثر‌ساز بهره‌وری انرژی» همراه با «کنترل جریان هوا»، و «تشخیص خطر»، «شناسایی منبع گردوغبار»، «تشخیص گاز» و «سامانه‌های آب‌پاش» را بارگذاری کرد.

آب: هوش مصنوعی می‌تواند در «نظارت بر کیفیت آب»، «مدیریت آب‌های زیرزمینی»، «نظارت بر جداول آب»، «تشخیص آلودگی آب»، «کنترل پمپ‌ها» و «بهینه‌سازی تصفیه» کمک کند.

شرایط زیست‌محیطی: برای «پایش برای انطباق با پروتکل‌های زیست‌محیطی»، می‌توان از هوش مصنوعی کمک گرفت.

دما: «ارزیابی و نظارت بر دما» جزو مهمترین و کاربردی‌ترین مولفه‌های ایمنی با استفاده از هوش مصنوعی است.

مدیریت سازه و دیواره‌ها: از هوش مصنوعی می‌توان در «تجزیه و تحلیل ارتعاش»، «تجزیه و تحلیل تنش و استرس»، «تجزیه و تحلیل پایداری شیب»، «تحلیل حرکت زمین»، «سلامت سازه معدن»، «برنامه‌ریزی برای نگهداری و تعمیرات سازه»، «لرزه‌نگاری»، «تحلیل رفتار صخره، تخته‌ سنگ و قطعات بزرگ» استفاده کرد و سطح ایمنی معدن را بالا برد.

ارتباطات و سیستم‌های الکترونیکی و مخابراتی

این مولفه نیز شامل موارد زیر است:

ارتباطات: از هوش مصنوعی می‌توان برای «تقویت سیگنال‌های ارتباطی»، «شبکه‌های مش»، «مدیریت شبکه» و «ردیابی بی‌وقفه تجهیزات و انسان‌ها» استفاده کرد.

روشنایی: سامانه‌های روشنایی مبتنی بر هوش مصنوعی می‌تواند خدماتی همچون «کنترل و تنظیم نور پویا» و «افزایش بهره‌وری انرژی» را ارائه دهند.

مدیریت نویز: «تجزیه و تحلیل در لحظه»، «شناسایی منبع نویز» و «کاهش نویز» مبتنی بر هوش مصنوعی ازجمله خدماتی است که می‌توان برای ارتقا سطح ایمنی معادن از آنها استفاده کرد.

نقشه‌برداری زیر سطحی: از هوش مصنوعی می‌توان برای «تشخیص‌های زیرسطحی»، «تشخیص ناهنجاری» و «نقشه‌برداری زیرسطحی» استفاده کرد.

عملیات انفجار و حفاری

این مورد نیز شامل موارد زیر است:

حفاری: «حفاری دقیق» و «مانیتورینگ مته» دو مولفه کارآمد برای استفاده از هوش مصنوعی در حفاری هستند.

انفجارات: هوش مصنوعی می‌تواند در «طراحی عملیات انفجار»، «بهینه‌سازی انفجار»، «ایمنی انفجار»، «تجزیه و تحلیل تکه‌تکه شدن»، «تجزیه و تحلیل سقوط صخره» و «تجزیه و تحلیل پایداری شیب پس از انفجار» به مدیر معدن کمک کند.

نگهداری مواد منفجره: هوش مصنوعی برای نظارت بر انبار مواد منفجره، با «کنترل دما و رطوبت» و «کنترل پویا و روندپایه از موجودی» می‌تواند به کمک انسان بیاید.

ماشین‌آلات و ابزار‌ها 

این مورد نیز شامل موارد زیر است:

نگهداری و تعمیرات: هوش مصنوعی با روش‌های گوناگون می‌تواند در ارتقا عملکرد دستگاه‌ها و تجهیزات معدن نقش ایفا کند. «برنامه‌ریزی تجهیزات مبتنی بر هوش مصنوعی»، «برنامه‌ریزی تعمیر و نگهداری»، «تخصیص بهینه منابع»، «نظارت بر سلامت تجهیزات»، «مانیتورینگ وضعیت»، «تجزیه و تحلیل عملکرد» و «تعمیر و نگهداری پیش‌بینی‌کننده» ازجمله مولفه‌هایی هستند که می‌توانند توسط هوش مصنوعی تقویت شوند.

تسمه نقاله و تخلیه بار: هوش مصنوعی در «پایش تعادل بار»، «بهینه‌سازی بار» و «تشخیص ساییدگی تسمه» می‌تواند به معادن کمک کند.

واکنش‌های اضطراری

مولفه‌های این مورد نیز شامل موارد زیر است:

واکنش به آتش‌سوزی: «تشخیص زودهنگام آتش‌سوزی» و «سیستم‌های مهار آتش خودکار» دو مقوله‌ای هستند که می‌توانند توسط هوش مصنوعی با دقت به نتیجه برسد.

برنامه‌ریزی تخلیه اضطراری: هوش مصنوعی با سامان دادن به «شبیه‌سازی سناریو»، «پیش‌بینی خطر»، «هشدار‌های خودکار» و «بهینه‌سازی مسیر» می‌تواند تصمیم‌های تخلیه اضطراری بهینه را ارائه کند.

زباله و باطله و پسماند 

استفاده از هوش مصنوعی برای «مدیریت باطله»، «ردیابی زباله» و «بهینه سازی بازیافت» می‌تواند مفید باشد. 

مولفه‌های ستادی

در حوزه ستادی هوش مصنوعی می‌تواند کمک‌های بی‌شماری ارائه کند. در موضوع خاص معدن، مولفه‌هایی همچون «برنامه‌ریزی معدن»، «برآورد منابع»، «ارزیابی ریسک»، «برنامه بهینه کار و تعطیلی معدن»، «نقشه‌برداری معدن»، «تشخیص ناهنجاری»، «یکپارچگی ساختاری»، «تخصیص منابع»، «مدیریت موجودی»، «مرتب‌سازی خودکار» و «کنترل کیفیت» ازجمله مواردی است که می‌تواند با ابزار هوش مصنوعی ارتقا پیدا کند.

به این ترتیب ما در این گزارش۹۰ مولفه‌ای را که می‌توانند توسط هوش مصنوعی ارتقا پیدا کند و ایمنی معادن ما را افزایش دهد، ذکر کردیم. ادبیات این موضوع در کشور‌های پیشرفته، به خصوص کشور‌هایی که مدیران میدانی و حکمرانان آنها درک عمیقی نسبت به قابلیت‌های هوش مصنوعی و مدیریت دانش داشته باشند، ادبیاتی فربه و گسترده است. امیدواریم با استفاده از این ابزارها و خصوصا با تسلط مدیران کشور به منطق به‌روز در این فناوری، شاهد ایمنی حداکثری و حوادث حداقلی در معادن کشور باشیم.