علم داده‌کاوی؛ مسیر روشن نوآوری در معادن
علم داده‌کاوی؛ مسیر روشن نوآوری در معادن

کانی مگ، محمد قهرمانی کوشان- در تمامی کشورهای جهان دانش در اقتصاد نهادینه شده است. موج‌های فناوری در جهان صنایع را دچار تحول‌های شگرفی کرده است. به همین دلیل در تمام دنیا برای رسیدن به توسعه پایدار تلاش می‌شود تا از علوم جدید استفاده شود. علم داده‌کاوی یکی از علومی است که می‌تواند در بخش‌های […]

کانی مگ، محمد قهرمانی کوشان- در تمامی کشورهای جهان دانش در اقتصاد نهادینه شده است. موج‌های فناوری در جهان صنایع را دچار تحول‌های شگرفی کرده است. به همین دلیل در تمام دنیا برای رسیدن به توسعه پایدار تلاش می‌شود تا از علوم جدید استفاده شود. علم داده‌کاوی یکی از علومی است که می‌تواند در بخش‌های مختلف صنعت معدن مورد استفاده قرار گیرد.

معادن هم در دسته صنایعی هستند که ملزم به سوار بر موج نوآوری‌ها و فناوری‌ها هستند. متخصصان صنعت معدن با فناوری‌های پیشرفته تحقیقات خود را در راستای توسعه پایدار در معادن ترویج داده‌اند. این همان رسیدن به اقتصاد دانش بنیان در صنایع به خصوص معادن است.

برای مثال در کشور استرالیا نرم افزاری طراحی شده است که پرسش‌نامه‌هایی را برای توسعه صنعت معدن طراحی شده است. این پرسش‌نامه‌ها بر اساس مجموعه‌ جامعی از ادبیات داخلی و خارجی توسعه یافته و عمدتاً از داده‌های موجود در معادن نقل می‌شود. اطلاعات به دست آمده می‌تواند شرایط مناسبی را برای علم داده‌کاوی در معادن مهیا کند.

وقتی صحبت از دانش بنیان شدن معادن می‌شود، تمامی بخش‌های این صنعت باید تحت تاثیر دانش قرار بگیرد. بخش استخراج در معادن یکی از بخش‌هایی است که می‌تواند با بهره‌گیری از فناوری‌های نوین مانند اینترنت اشیا و سایر بسترهای هوش مصنوعی مانند داده‌کاوی در مسیر توسعه قرار گیرد.

در معادن موج چهارمی جهان،یک روش استخراج براساس نوآوری تکنولوژیکی و برپایه مدل پرسپترون چند لایه یادگیری ماشین به کار گرفته می‌شود.

نتایج نشان می‌دهد که بین دانش مکمل و کسب دانش همبستگی معناداری وجود دارد. کسب دانش به طور قابل توجهی با نوآوری مستمر مرتبط است. صنعت معدن  فناوری‌های پیشرفته‌ای را دریافته است. دانش کلید موفقیت صنعت معدن و  فناوری پیشرفته در آینده خواهد بود. این مباحث کمک شایانی به دست یابی به توسعه پایدار علی الخصوص در مناطق محروم جغرافیایی می‌کند.

در معادن توسعه یافته جهان یک رویکرد مبتنی بر دانش را برای استخراج قوانین تعمیم داده‌اند. این قوانین صحیح و تعاملی است. این رویکرد مبتنی بر دانش برای استخراج فقط برای مفاهیمی استفاده می‌شود که مورد علاقه فعالان معدنی است.

این رویکرد، یک پارامتر قابل کنترل توسط کاربر ارائه می‌دهد. با کمک آن کاربر می‌تواند به صورت تعاملی عملیات استخراج انجام شود.

برای انجام صحیح عملیات استخراج، از یک طبقه بندی بر اساس عملکرد و یک روش محدود برای تعمیم استفاده می‌شود.این نوع تعمیم از آنجایی که مبتنی بر گروه بندی معنایی مفاهیم است، معنادارتر است.از این دانش برای بهره برداری طبیعی و استخراج استفاده می‌شود.

تمامی کشورها برای رسیدن به توسعه پایدار در تلاش هستند. معادن هم باید در بخش‌ها مختلف عملیات خود عملکردی پایدار داشته باشند. برای فعالیتی پایدار در معادن باید مراحل مختلف را پشت سر گذاشت.

برای رسیدن به استخراجی پایدار در گام اول بر اساس داده‌هایی که نرم افزارها ارایه می‌کنند باید شناسایی مشکل انجام شود. پس از آن جمع‌آوری داده‌ها و  استخراج شواهد انجام می‌شود. شناسایی استدلال‌های موافق و مخالف و تصمیم‌گیری در رابطه با آینده بر اساس تحلیل داده‌های گذشته و کنونی انجام می‌شود.

برای اینکه در مراحل مختلف معدنکاری به خصوص عملیات استخراج به سطح قابل قبولی برسند، داده‌کاوی را به صورت جدی پیگیری می‌کنند. مدیران و تصمیم‌گیران معدن وظیفه استدلال  داده‌ها و به عبارت دیگر داده کاوی در سطح بالا را دارند. استدلال‌ها عمدتاً به درجاتی از دانش جهانی نیاز دارند تا شناسایی و درک شوند. با توجه به یک موضوع، داده‌های به دست آمده طبقه بندی می‌شوند که آیا اطلاعات به دست آمده چه سطحی از مشکلات را برطرف می‌کند. از سوی دیگر عملیات داده‌کاوی در مرحله استخراج کمک می‌کند تا راهکاری بهتری در پیش گرفته شود و اشتباهات گذشته انجام نشود.

در یک عملیات داده‌کاوی از یک مدل موضوعی برای تحلیل شواهد و دریافت ریشه مشکلات و چالش‌ها استفاده می‌شود.پس از آن نموداری را بر اساس داده‌های به دست آمده آماده‌سازی می‌شود.  با ترکیب این نمودارها، یک مدل مبتنی بر گراف به دست می‌آید، همانطور که ارزیابی‌ها نشان می‌دهد، از داده‌های ساختاریافته برای رسیدن به استخراجی پایدار استفاده می‌کند.

تکنیک‌های داده کاوی برای استخراج در معادن، به طور گسترده در برنامه‌های کاربردی از جمله پاسخ به سؤال، خلاصه سازی اسناد، استخراج رویداد و نظارت بر روند استخراج استفاده می‌شود. با این حال، روش‌های فعلی عمدتاً بر روی مجموعه داده‌های سفارشی شده در مقیاس کوچک برای اهداف خاص آزمایش می‌شوند. در دسترس بودن حجم زیادی از داده‌ها و جریان‌های داده با سرعت بالا نیاز به استفاده خودکار دانش از چنین منابع داده‌ای و تعمیم رویکردهای موجود به برنامه‌های کاربردی تر را برمی‌انگیزد.

داده‌کاوی در معادن بینش‌های تحلیلی را در اختیار معدنکار قرار می‌دهد تا بهترین شیوه‌ها را شناسایی کرده و عملکرد کلی خود را در سطح کارخانه و شرکت بهبود بخشد. حجم زیادی از داده‌ها را پردازش می‌کند و اطلاعات مناسب را در زمان مناسب در اختیارمعدنکار برای مراحل مختلف فعالیت معدنی قرار می‌دهد.