عوامل بسیاری در این امر موثر بوده‌اند، از جمله نبود زیرساخت‌های مناسب، موانع قانونی، مشکلات اکتشاف و کنترل دولت. این ظرفیت بزرگ، نشان‌دهنده اهمیت این صنعت در ایران است و در همین راستا برگزاری نمایشگاه و رویدادهای مرتبط می‌تواند در ارتقای این بخش نقش بی‌همتایی را ایفا کند. نمایشگاه بین‌المللی معدن، صنایع معدنی، ماشین‌آلات و تجهیزات معدن، راهسازی و صنایع وابسته (ایران کان‌مین) مهم‌ترین نمایشگاه معدن ایران است که فعالان این حوزه در آن حضور می‌یابند و هفدهمین دوره آن از ۱۳ تا ۱۶ آبان ۱۴۰۲ برگزار خواهد شد.

کان‌مین ۱۴۰۲ در راه است

با توجه به چالش‌های پیش‌روی این صنعت در ایران، نمایشگاه معدن، صنایع معدنی، ماشین‌آلات و تجهیزات معدن، راهسازی و صنایع وابسته ایران به‌عنوان بزرگ‌ترین رویداد صنعتی و تجاری در حوزه صنعت معدن می‌تواند نقش مهمی در بهبود شرایط در این حوزه ایفا کند. به‌طورکلی نمایشگاه بین‌المللی معدن و صنایع معدنی Iran Conmin جزو مهم‌ترین نمایشگاه‌های تجاری منطقه برای بخش‌های بین‌المللی ماشین‌آلات ساخت‌وساز، تجهیزات معدن، ساختمان و سنگ طبیعی به‌شمار می‌رود. این رویداد تجاری و صنعتی مهم، جایگاهی معتبر برای ارائه محصولات، نوآوری‌ها و راهکارهای فعالان این حوزه به متقاضیان و مشتریانی دارد که در این بازار در حال رشد حضور یافته‌اند. نکته قابل‌توجه در این دوره از نمایشگاه، برگزاری ۵ پنل تخصصی با حضور صاحب‌نظران، مدیران و تصمیم‌سازان حوزه معدن به‌صورت همزمان است. این پنل‌های تخصصی با عناوین پیش‌رو از ۱۳ تا ۱۶ آبان امسال در سالن ۱۰-۱۱ محل دائمی نمایشگاه‌های بین‌المللی تهران برگزار خواهد شد.

۵ پنل تخصصی یادشده عبارتند از:

- مسئولیت‌پذیری اجتماعی سازمانی در صنایع معدنی

- راهکارهای تامین مالی در حوزه معدن

- چالش‌های توسعه پایدار در حوزه معادن و صنایع معدنی

- هوشمندسازی، تحول دیجیتال و انقلاب صنعتی چهارم در صنایع معدنی

- اهمیت و جایگاه حمل‌ونقل و ترانزیت در صنایع معدنی.

این نمایشگاه تخصصی توسط شرکت بانیان امید (برگزارکننده) با مشارکت خانه معدن ایران و همکاری موسسه فرهنگی و مطبوعاتی صمت برگزار می‌شود.

صمتمجید وفایی‌فرد، مجری طرح ایجاد زیست‌بوم نوآوری و فناوری معادن و صنایع معدنی (ایمینو) درباره اثرات هوش مصنوعی در بخش معادن و صنایع معدنی، اظهار کرد: بسیاری از مدیران صنایع تصور می‌کنند برای هوشمندسازی فرآیندها، باید برای هر فرآیند یا زیرفرآیند، اینترنت اشیاء یا دستگاه‌های مجهز به هوش مصنوعی را مانند یک کالا یا یک قطعه یدکی خریداری کرده و با نصب آنها، اقدام به هوشمندسازی سیستم‌ها کنند، در حالی‌که هوش مصنوعی نه‌تنها زیرساخت و برنامه‌ریزی می‌خواهد، بلکه باید از درون و بطن خود سازمان‌ها، شرکت‌ها و کارخانجات آغاز شود. هوش مصنوعی در بستر حرکت و تحول دیجیتال تحقق می‌یابد و قبل از حرکت به‌سوی هوش‌مصنوعی، زیرساخت‌های زیادی برای ایجاد تحول دیجیتال در یک سازمان موردنیاز است.

سازکار ایجاد تحول دیجیتال در معادن

وی افزود: برای ایجاد تحول دیجیتال، یک سازمان، شرکت، کارخانه و...، نخست باید فرآیند دیجیتالی‌کردن یعنی تبدیل داده‌ها و اطلاعات به فایل‌های کامپیوتری را آغاز کند و سپس قدرت تحلیل داده‌ها را در درون سیستم افزایش دهد تا بتواند داده‌ها و اطلاعات موجود را تبدیل به دانش کند. با پرورش دانش در یک سازمان یا شرکت و شناسایی چالش‌ها یا نیازها در بطن آنها، حرکت به‌سوی تولید و ارائه محصولات دانش‌بنیان برای ایجاد ارزش‌افزوده یا فناوری و نوآوری انجام می‌شود؛ بنابراین تحلیل داده‌ها در یک سازمان یا شرکت ختم به ایجاد دانش شده و بلوغ دانش در سازمان سبب ایجاد توانمندی برای حل چالش‌ها و ارائه محصولاتی می‌شود که به محصولات دانش‌بنیان موسوم هستند و اقتصاد دانش‌بنیان نیز الهام گرفته از همین رویکرد است.

ورود هوش مصنوعی در مدیریت صنایع

وفایی‌فرد ادامه داد: برای ورود هوش مصنوعی در مدیریت صنایع و تحقق اتوماسیون پیشرفته صنعتی و فرآیندی، الزاما نیاز به ارائه محصولات دانش‌بنیان نیست، بلکه برای حرکت به سمت هوش‌مصنوعی ابتدا باید یک سازمان از فرآیند دیجیتالی‌کردن، به سمت افزایش داده‌ها و سازماندهی آنها و سپس تحلیل داده‌ها حرکت کند. پس از نیل به بلوغ و پختگی در تحلیل‌ها در یک سیستم، آن سیستم باید بتواند الگوریتم‌های اجرایی، عملیاتی، مدیریتی یا فرآیندی را برای ایجاد بهره‌وری یعنی افزایش کیفیت و کمیت در یک سیستم، شناسایی و ایجاد کند. ارائه الگوریتم‌ها می‌توانند قدرت تصمیم‌گیری را افزایش دهند و در نتیجه می‌توان با ارائه آموزش به یک ماشین، قدرت تصمیم‌گیری را از انسان به همان ماشین منتقل کرد تا بعد تحلیل‌ها به‌سرعت توسط هوش مصنوعی یا یک ابزار مجهز به اتوماسیون هوشمند، انجام و تصمیم‌گیری نیز به‌سرعت توسط ابزار مجهز به هوش مصنوعی اتخاذ شود.داده‌هایی که برای تحلیل سیستمی و سپس ایجاد آموزش ماشینی مورداستفاده قرار می‌گیرند، باید در آن‌واحد از کمیت و کیفیت و برخوردار باشند؛ بنابراین قبل از هر چیز و مقدم بر ارائه هرگونه تحلیل داده‌ها، خود داده‌ها بایست به‌درستی پایش شوند تا تحلیل‌های درست و دقیق‌تری ارائه شود. این امر به افزایش دقت در آموزش ماشینی کمک شایانی می‌کند.

چالش‌های معادن و صنایع معدنی

مجری طرح ایجاد زیست‌بوم نوآوری و فناوری ایمینو اظهار کرد: بزرگ‌ترین معضل و چالش در شرکت‌ها، سازمان‌ها و کارخانه‌ها به‌ویژه در بخش معادن و صنایع معدنی ایران این است که اولا به‌دلیل نبود بسترهای لازم برای سیر در مسیر تحول دیجیتال، امکان گردآوری داده وجود ندارد و حتی اگر امکان گردآوری داده‌ها و اطلاعات درباره یک سیستم خاص مقدور باشد، امکان افزایش کمیت داده‌ها و تبدیل آنها به متاداده‌ها یا داده‌های بزرگ وجود ندارد. بشر خود می‌تواند بسیاری از داده‌ها را تحلیل کند، اما با افزایش کمیت داده‌ها و تبدیل آنها به داده‌های کلان یا به‌اصطلاح کلان‌داده‌ها، ذهن بشر دیگر یارای تحلیل ندارد و اینجاست که انسان باید بتواند الگوریتمی طراحی کند که از پس تحلیل کلان‌داده‌ها به‌صورت زمان واقعی برآید تا بدین‌وسیله ماشین، ابزار یا دستگاهی که به این الگوریتم آموزش مجهز شده، بتواند بدون درنگ تصمیم‌گیری کند.

وفایی‌فرد ادامه داد: معضل دیگر در صنایع ایران، اساسا کیفیت خود داده‌هاست چه رسد به کیفیت کلان‌داده‌ها. بسیاری از داده‌هایی که ما در صنایع معدنی به‌دست می‌آوریم، فاقد کیفیت لازم برای بهره‌برداری و تجزیه‌وتحلیل در راستای نیل به دانش در نزدیک سیستم هستند. آنچه سبب کاهش کیفیت داده‌ها می‌شود، بروز خطا هنگام قرائت داده‌هاست. آنچه سبب بروز خطا و کاهش کیفیت داده‌ها می‌شود، ضعف در پایش دقیق داده‌ها و نظارت بر آنهاست. برای پایش داده‌ها در معادن و صنایع معدنی، باید به‌جای استفاده از ابزارهای اندازه‌گیری آنالوگ مانند همان گیج‌های متداول آنالوگ، به سمت استفاده از گیج‌های اندازه‌گیری دیجیتال و ابزارهای دقیق برویم تا دقت اندازه‌گیری‌هایمان را افزایش دهیم. ما هنوز در سیستم‌های اندازه‌گیری آنالوگ جا مانده‌ایم و اقبال زیادی در استفاده از سیستم‌های اندازه‌گیری دیجیتال و ابزارهای دقیق نداشته‌ایم.

وی افزود: سومین معضل در معادن و صنایع معدنی ایران، ضعف در تجزیه‌وتحلیل داده‌هاست. برای تجزیه‌وتحلیل داده‌ها نیاز به افراد باتجربه، متخصص و دارای دانش مکفی داریم. به‌طورکلی در صنایع با کمبود نیروهای فرآیندی و عملیاتی که قابلیت و توانمندی تجزیه‌وتحلیل داشته باشند، روبه‌رو هستیم. قدرت تجزیه‌وتحلیل نه‌تنها به سواد آکادمیک بستگی دارد، بلکه به میزان درگیری با فرآیندهای عملیاتی و تجارب اجرایی و عملیاتی افراد بستگی دارد. آنچه سبب ایجاد پیوند بین دانش آکادمیک و دانش تجربی افراد و در نتیجه افزایش قدرت تجزیه‌وتحلیل می‌شود، آموزش‌های مهم فرآیندی و عملیاتی است. آموزش سبب می‌شود یک فرد دارای تجربه اجرایی بتواند به صرافت شناسایی چالش‌ها، نیازها، کمبودها و مشکلات فنی موجود در خطوط تولید، ساخت و... و ارائه راهکار برای حل آنها بیفتد و مسیر تحول دیجیتال شامل دیجیتالی‌کردن دستگاه‌ها، تجهیزات و خدمات، پایش داده‌ها، کنترل دیجیتالی عملیات و... را تا سطح رسیدن به اتوماسیون دیجیتال پیشرفته و در نهایت بکارگیری هوش مصنوعی در فرآیندها و کنترل عملیات، به‌خوبی طی کند.

چالش‌های زیست‌محیطی

 ما در دنیای امروز به‌دلیل بروز تغییرات اقلیمی و به بیان بهتر افزایش شدت و نوع رخدادهای ناشی از تغییرات اقلیمی (نظیر سیل و خشکسالی)، با سطح بی‌سابقه‌ای از تهدیدات مواجهیم. تغییرات اقلیمی بشر را ناچار به سناریوسازی برای تغییرات اقلیمی و پیش‌بینی دقیق‌تر در زمینه تاثیر تغییرات اقلیمی بر فعالیت‌های صنعتی، محیط‌زیست، میزان تولید گازهای گلخانه‌ای و... کرده است. این شرایط، نیاز به افزایش عمق تحلیل‌ها و گستردگی تحلیل‌ها را و در نتیجه نیاز به استفاده از قدرت هوش مصنوعی جهت تجزیه‌وتحلیل و همچنین تصمیم‌گیری را نیز بیشتر کرده است. اگر به اندازه کافی افراد زبده و تحلیلگر نداشته باشیم تا بتوانند با تکیه بر تجارب ارزنده نسبت به ارائه تحلیل و تبدیل تحلیل‌ها به الگوریتم‌های تشخیصی هوش مصنوعی، اقدام کنند، به‌طبع استفاده از هوش مصنوعی نمی‌تواند ثمربخش باشد و بلکه ممکن است مخرب نیز باشد. مجری طرح ایجاد زیست‌بوم نوآوری و فناوری ایمینو خاطرنشان کرد: برای شناسایی نیازهای آینده و به‌طورکلی ارتقای نوآوری و فناوری در معادن و صنایع معدنی، سوای تحلیل‌های فنی و اقتصادی، تغییرات اقلیمی باید مدنظر قرار گیرند. به‌عنوان‌مثال، در ۲۰ سال گذشته، نرخ تبخیر- تعریق و شوری آب‌های زیرزمینی در کشورمان بیش از ۳۰ درصد افزایش یافته است. به‌طبع تغییر شوری، یک محرک دینامیکی بسیار قوی و تاثیرگذار روی فرآیندهای فلوتاسیون و به‌طورکلی فرآوری مواد معدنی خواهد بود. بنابراین شاید لازم باشد قبل از احداث یا توسعه هر کارخانه فرآوری در آینده، ابتدا به فکر شیرین‌سازی منابع آب مصرفی کارخانه‌ها باشیم. نیاز ما به انسان‌های تحلیلگر، روزبه‌روز افزایش می‌یابد. این انسان‌های تحلیلگر هستند که می‌توانند با شناسایی مخاطرات، چالش‌ها و نیازهای حال و آینده آن‌هم با نگرش به سناریوها و الزامات ناشی از تغییرات اقلیمی، ضمن ارزیابی دقیق و واقع‌گرایانه ریسک‌ها، ما را به‌سوی استفاده از هوش مصنوعی در تحلیل‌ها و تصمیم‌گیری‌های مبتنی بر کلان‌داده‌ها سوق دهند.

راهبرد هوش مصنوعی و تحول دیجیتال

وی افزود: هوش مصنوعی در انتهای تحول دیجیتال قرار دارد، اما نکته مهم این است که تحول دیجیتال باید به‌صورت تدریجی انجام شود. این بدان معناست که نمی‌توان کل یک سیستم بزرگ مانند یک معدن یا یک کارخانه فرآوری را در مقیاس کامل توسط هوش‌مصنوعی هدایت کرد و هوش مصنوعی باید ابتدا در زیرفرآیندها ساری و جاری شود و سپس مدیریت فرآیندهای اصلی و در نهایت مدیریت کل یک سیستم به هوش مصنوعی سپرده شود. هوش مصنوعی در معادن و صنایع معدنی درحال‌حاضر عمدتا برای اهدافی مانند افزایش ایمنی و کارآیی مورداستفاده قرار می‌گیرد و استفاده از آن برای ارتقای بهره‌وری سیستمی مانند کمیت و کیفیت محصولات و به‌طوری کلی ایجاد زنجیره ارزش، بسیار کم است، زیرا مقوله یا حوزه اخیر از حساسیت بالاتری برخوردار است و نمی‌توان مدیریت آن را به‌آسانی به هوش مصنوعی سپرد.

بنابراین در معادن و صنایع معدنی نیز هوش مصنوعی باید به‌تدریج در فعالیت‌های اکتشافی، استخراج و فرآوری وارد شود. شرکت‌های بزرگ معدنی جهان مانند VaLe در برزیل، BHP در استرالیا و Rio Tinto در کانادا نیز از چنین سیاستی پیروی می‌کنند و با استفاده از اینترنت اشیا، در فاز نخست برای افزایش ایمنی و کارآیی در معادن برنامه‌ریزی می‌کنند تا بتوانند به‌مرور مدیریت هوش مصنوعی را در فرآیندهای عملیاتی ساده‌تر جاری کنند. برای تحقق فاز نخست هوشمندسازی در معادن، ابتدا ارتباطات در معادن از طریق اینترنت اشیاء متحول و تقویت می‌شود. در مرحله بعدی از فاز اول، از اینترنت اشیاء برای کنترل دستگاه‌هایی که دارای استهلاک هستند یا مصرف انرژی قابل‌ملاحظه‌ای دارند (مانند پایش ارتعاش، غلتک‌ها، نوارهای نقاله، پایش‌های زیست‌محیطی، ابزارها و تجهیزات ژئوتکنیکی) و نیز نقاطی که نزدیک به مراکز کنترل بوده و تقاضاهای خاص برای مصرف انرژی یا الزام سطح ایمنی حداقلی دارند، استفاده می‌شوند و درحال‌حاضر حتی در این شرکت‌ها نیز پلتفرم مشخصی برای استفاده از هوش‌مصنوعی در مقیاس وسیع وجود ندارد. در برخی از سایت‌های مهم در این شرکت‌ها، برای افزایش کارآیی عملیاتی و ایمنی در معادن، از حمل‌ونقل هوشمند استفاده می‌شود.

سخن پایانی

استفاده از هوش مصنوعی برای اکتشافات معدنی، روبه گسترش است و استفاده از داده‌های ماهواره‌ای مبتنی بر هوش مصنوعی، کاربرد گسترده‌تری در اکتشافات معدنی پیدا کرده‌اند. تلفیق تصاویر ماهواره‌ای با الگوریتم‌های پیشرفته آموزش ماشینی مبتنی بر هوش مصنوعی، امکان شناسایی نهشته‌های معدنی از راه دور و نیز تجزیه‌وتحلیل آنها را فراهم می‌کند. به‌طورکلی، اکتشافات معدنی مبتنی بر ماهواره می‌توانند به شرکت‌های معدنی کمک کنند تا تصمیمات آگاهانه‌تری در مورد کیفیت و کمیت منابع معدنی در یک ناحیه مشخص بگیرند. به‌علاوه، تکنولوژی‌های اکتشافات ماهواره‌ای سبب افزایش ایمنی و کاهش ریسک ناشی از اکتشافات می‌شوند. از سوی دیگر باید توجه داشت که هوشمندسازی به معنی ادغام تکنولوژی عملیاتی با اینترنت اشیا (Internet of Things یا IoT) نیست، بلکه باید تکنولوژی‌های عملیاتی و اینترنت اشیا به‌صورت ایزوله در لایه‌های مجزا باقی بمانند. در واقع مرکز ثقل امنیت در معدنکاری، همان تکنولوژی عملیاتی است. برای رسیدن به تکنولوژی عملیاتی در معادن و صنایع معدنی، هنوز نیاز به جمع‌آوری داده‌های عملیاتی بیشتری داریم. تکنولوژی عملیاتی در واقع روش استفاده از سخت‌افزار و نرم‌افزار برای کنترل تجهیزات معدنی است و قبل از هر چیز با دنیای فیزیکی تعامل دارد و به‌طورکلی مرتبط با سیستم‌های کنترل و ایمنی، اینترنت اشیاء و نیز مالکیت فرآیندهای صنعتی است و در نهایت اینکه تلفیق تکنولوژی هوش مصنوعی و تکنولوژی ماهواره استخراج منابع معدنی را به‌صرفه‌تر و پربازده‌تر می‌کند.