اقدام بی سابقه برای معادن / توسعه به سطحی باورنکردنی رسید

با توجه به آنکه اقتصاد نفت در کشور ما از اهمیت بسیار بالایی برخوردار است، معادن چندان مورد توجه دولت نیستند.

در سال ۲۰۲۲، ۴۰شرکت معدنی برتر دنیا، حدود ۶۷۰میلیارد دلار صرف هزینه‌‌‌های عملیاتی خود کرده‌‌‌اند که نسبت به سال قبل ۵.۵‌درصد افزایش داشته است. امروزه، بینش‌‌‌های مبتنی بر داده و فناوری‌‌‌های دیجیتال، شرکت‌ها را قادر می‌‌‌سازد تا در عین رعایت الزامات عرضه، بین منافع پیچیده و گاهی متضاد تعادل برقرار کنند. ترکیبی از فناوری‌‌‌های عملیاتی (OT)، مدل‌‌‌سازی پیشرفته و ابزارهای تحلیلی، انقلابی در تصمیم‌گیری و تغییر رویکرد در عملکردهای طولانی‌‌‌مدت، مانند برنامه‌‌‌ریزی و تعمیر و نگهداری معدن ایجاد می‌کند و درعین‌‌‌حال معیارهای عملیاتی را بهبود می‌‌‌بخشد.

ساخت پایگاه ‌‌‌داده قوی

از آنجا ‌‌‌که شرکت‌های معدنی دستگاه‌‌‌ها، برنامه‌‌‌ها و ماشین‌‌‌های بیشتری را خودکار، برق‌‌‌رسانی و متصل می‌کنند، داده‌‌‌ها در زنجیره ارزش افزایش می‌‌‌یابد. به‌‌‌عنوان ‌‌‌مثال، در سال ۲۰۱۸، عملیات استخراج سنگ‌آهن ریوتینتو که در آن زمان شامل ۱۶معدن، ۱۵۰۰کیلومتر راه‌آهن و سه‌بندر بود، در هر دقیقه ۲.۴ترابایت داده از تجهیزات و سنسورهای متحرک ایجاد می‌کرد. این رقم احتمالا امروز بسیار بیشتر خواهد بود. با این حال، به‌رغم اینکه شرکت‌های معدنی دارای داده‌‌‌های فراوانی هستند، بیشتر آنها به‌درستی جمع‌‌‌آوری، زمینه‌‌‌سازی، پیش‌پردازش، ذخیره یا تجزیه و تحلیل نمی‌‌‌شوند، بنابراین همیشه نمی‌‌‌توان به طور قابل اعتماد در تصمیم‌گیری از آنها استفاده کرد. یکی از حوزه‌‌‌های پایه‌‌‌ای که شرکت‌ها باید به آن توجه کنند، حوزه داده‌‌‌های اصلی دارایی و متاداده‌‌‌های سازمانی یا به عبارتی سیستم مدیریت منابع سازمانی (ERP) یا مدیریت دارایی سازمانی (EAM) آنهاست. ساختارهای شیءگرا (سلسله‌‌‌مراتب تجهیزات) و کدهای خرابی بسیار حیاتی هستند تا اطمینان حاصل شود که خرابی‌ها به‌‌‌درستی ثبت می‌‌‌شوند و باعث می‌شود تا مجموعه‌‌‌داده قابل‌‌‌اطمینانی برای پردازش و تجزیه‌‌‌وتحلیل در اختیار مهندسان قرار گیرد. بیشتر برنامه‌‌‌های بهینه‌‌‌سازی عملیاتی در معدن برای انجام بهره‌‌‌وری‌‌‌های تدریجی و بهبودهای ایمنی و/یا کاهش هزینه در برخی فرآیندها و عملکردها تمرکز داشته‌‌‌اند. بااین‌‌‌حال، با وجود‌ پایگاه‌‌‌داده قوی، معادن می‌‌‌توانند از رویکرد پیشرفته و یکپارچه‌ای برای مدیریت نیازها و محدودیت‌های گسترده‌‌‌ای که امروزه با آنها روبه‌‌‌رو هستند، استفاده کنند.

به‌‌‌عنوان‌‌‌مثال در خط تولید کنسانتره، عملکرد خط به طور سنتی توسط بازیابی اندازه‌‌‌گیری شده است که اصولا توسط ظرفیت ورودی محدود می‌شود. بااین‌‌‌حال، در آینده، نیاز به گزارش‌‌‌دادن اثر کربن هر خط تولید و تعادل آن با اندازه‌‌‌گیری‌‌‌های سنتی بهره‌‌‌وری و سوددهی می‌‌‌تواند به اولویت‌‌‌های متضاد در ارتقای عملکرد خطوط تولید منجر شود. با بهره‌‌‌گیری از تکنولوژی‌‌‌های عملیاتی برای جمع‌‌‌آوری اطلاعات مربوط به دارایی‌‌‌های فیزیکی -مانند کارخانه، کامیون یا کوره- و سازماندهی این داده‌‌‌ها، شرکت‌ها می‌‌‌توانند این دارایی‌‌‌ها را به همراه ورودی‌‌‌ها و خروجی‌‌‌هایشان در دنیای دیجیتال بازسازی کنند (به‌‌‌عبارت‌‌‌دیگر، یک «دوقلوی دیجیتال»). این ام این امکان را فراهم می‌کند که دارایی‌‌‌ها، فرآیندها و سیستم‌های اطراف آنها را مشاهده و شبیه‌‌‌سازی کرده و پیش‌بینی بهتری از عملکرد و شکست‌‌‌های ممکن در آینده داشته باشیم. به طور فزاینده، از شبیه‌‌‌سازی با ابزارهای بهینه‌‌‌سازی ریاضی استفاده می‌شود تا بهترین راه‌‌‌حل ممکن برای یک مساله با توجه به اهداف و محدودیت‌های عملیاتی کسب‌وکار پیدا شود. به‌‌‌عنوان‌‌‌مثال، شرکت تخصصی داده PETRA در استرالیا، به‌‌‌تازگی به یک عملیات مس آهن در غرب استرالیا کمک کرد تا با بهینه‌‌‌سازی فاز حفاری و انفجار، بهبود ۵.۵درصدی را در ظرفیت کارخانه به دست آورد. از داده‌‌‌های مختلف برای ایجاد دوقلوی دیجیتال استفاده شد تا زمان خرابی‌‌‌های سنگ‌‌‌شکن با توجه به مدل زمین‌‌‌شناسی و طراحی آتشباری هماهنگ شود. این برنامه به برآورد سود مالی سالانه بیش از ۴۵۰میلیون دلار استرالیا (تقریبا ۲۸۵میلیون دلار آمریکا) منجر شد.