کانی مگ، محمد قهرمانی کوشان- شرکت‌های معدنی که در حوزه فرآوری فعالیت می‌کنند، با یک عدم اطمینان در رابطه با نتایج صد درصدی فرآوری مواد معدنی رو به رو هستند. چندسالی است که هوش مصنوعی در تمامی بخشهای صنایع جهان رخنه کرده است، موسسه مکنزی در گزارشی اعلام کرد که شرکت‌های معدنی با کمک هوش مصنوعی مسیر فرآوری مواد معدنی را رشد بهبود بخشیده‌اند.
تحقیقات نشان میدهد، شرکت‌هایی که در حوزه فرآوری فعالیت دارند با یک عدم قطعیت و نوسانات عمیق در رابطه با نتیجه فرآوری مواد معدنی دست و پنجه نرم می‌کنند. قبل از کووید-۱۹، برخی شرکت‌ها در حال انجام اقداماتی برای افزایش قابلیت‌های خود برای مقابله با نوسانات ذاتی محصولات در بازارها بودند. تغییر مسیر تولید در جهان، با علوم، فناوری و تکنولوژی‌های تازه‌ای مانند هوش مصنوعی، اینترنت اشیا، علوم داده و … شکل بی‌نظیری به خود گرفته است.
جدیدا، کارخانه‌های فرآوری مواد معدنی دارای داده‌های ذخیره شده‌ای هستند. این داده‌ها می‌توانند تحلیل‌های مالی و شرایط محصولات در بازارها را با یکدیگر ترکیب کنند تا بینشی منحصر به فرد در مورد سودآوری سناریوهای مختلف به دست آید. در کارخانه‌های فرآوری چندین اپراتور پیشگام شروع به فعالیت به کمک هوش مصنوعی می‌کنند. این مزیت‌ها نه تنها چالش‌های کوتاه مدت را حل می‌کند، بلکه انعطاف پذیری عملیاتی را به عنوان یک مزیت رقابتی بلندمدت افزایش میدهد.مطالعات موردی انجام شده در موسسه مکنزی قابلیت‌های جدید هوش مصنوعی در فرآوری مواد معدنی را نشان میدهد.
چابکسازی عملیات‌های معدنی
در سال‌های اخیر، تغییرات مکرر در قیمت محصولات معدنی، فعالیت شرکت‌های معدنی را تحت تأثیر قرار داده است. به همین دلیل شرکت‌های معدنی و کارخانه‌های فرآوری مواد معدنی به استراتژی‌های جدید فرآوری سنگ معدن و به حداکثر رساندن سودآوری در بلندمدت نیاز دارند. این بازیکنان حوزه معدن قبل از شروع فعالیت، اقدام به ساخت ابزارهای هوش مصنوعی و ایجاد قابلیت‌های چابکسازی در پردازش داده‌ها کرده‌اند. هنگامی که COVID-19 رخ داد، شرکت‌های معدنی این قابلیت‌ها را برای عبور از بحران‌های احتمالی گسترش دادند.
اولین گام استفاده از هوش مصنوعی در صنعت معدن، برای درک همبستگی بین قیمتهای بازار و سودآوری در مدل‌های عملیاتی معادن بود. به طور خاص، می‌توان به کمک هوش مصنوعی اثرات حداکثر کردن تولید (سود فوری) یا بازده (سود بلند مدت) را با عمر اقتصادی معدن مقایسه کرد. همچنین به کمک هوش مصنوعی می‌توان اثرات به حداکثر رساندن عیار سنگ معدن بهره‌برداری شده و تأثیر ویژگی‌های مختلف سنگ بر هزینه‌های پایین دستی را مورد بررسی قرار داد.
با ساخت مدل‌های هوش مصنوعی برای درک بهتر محرک‌های بازار، شرکت‌های معدنی توانستند استراتژی‌های سودآورتر را شناسایی کنند و بینش‌های شگفت‌انگیزی را به دست آورند.
استفاده از هوش مصنوعی در کارخانه‌های فرآوری میتواند، هزینه‌های پردازش پایین دستی را تا ۲۰درصد کاهش دهد.
کارخانه‌های فرآوری می‌توانند یک ابزار هوش مصنوعی بر روی بسیاری از لایه‌های داده‌های تاریخی ایجاد کنند. این موضوع به واحد مدیریتی کارخانه‌ها و اپراتورها، اجازه میدهد تا پیامدهای مالی تصمیم‌های عملیاتی را درک کنند. این موضوع به اپراتورها کمک کرد تا کارهای زیر را انجام دهند:
-مشخص کردن ویژگی‌های بهینه سنگ به جای فرآوری سنگ معدنی که در معدن استخراج می‌شود، این موضوع منجر به تغییرات پویا در طرح‌های معدن می‌شود.
پارامترهای کارخانه را برای بهینه سازی توان عملیاتی، درجه و بازده تغییر می‌دهند تا سود تولید برای کارخانه را به حداکثر برسانند.
افزایش چابکی فروش و فرآیند برنامه ریزی عملیات، نزدیک کردن اپراتورها به واقعیت‌های بازار.
هوش مصنوعی؛ محوری برای مدیریت بحران
برخی شرکت‌ها، بحران کرونا را فرصتی برای آزمایش مهارت‌های جدید عنوان می‌کنند. زمانی که COVID-19 شیوع پیدا کرد، برخی شرکت در مسیر ایجاد قابلیت‌های هوش مصنوعی در دل خود بودند. این شرکت‌ها با استفاده از قابلیت‌های جدید خود توانستند تولید و بازده را افزایش دهند. در عین حال برخی از مفروضات عملیاتی دیرینه را هم نادیده بگیرند. نتایج به ایجاد اعتماد بیشتر به هوش مصنوعی و روش‌های چابکسازی شرکت‌های معدنی در مسیر تجارت کمک کرد.
بحران COVID-19 به سرعت بر تقاضای بازار و قیمت گذاری در بازارهای نهایی برای تولید کننده فلزات اساسی تأثیر گذاشت. همچنین بر توانایی شرکت‌ها برای بهره برداری از دارایی‌ها و ذخایر استراتژیک هم تاثیر گذاشت. به عنوان اولین واکنش، مدیران تعدادی از استراتژی‌های سنتی واکنش به بحران را در نظر گرفتند، از جمله کاهش هزینه‌ها، کاهش‌میزان عملیات و هزینه‌های آن، بازنگری در برنامه معادن و تغییر اهداف به سمت استخراج سنگ معدن‌های سودآورتر.
مدیران در زمان بحران ابزار جدیدی هم داشتند که می‌توانستند از آن استفاده کنند. ابتدا، برخی شرکت‌ها شروع به آموزش مجدد مدل‌های هوش مصنوعی کردند. در این روش از بهینه‌سازی برای تولید فلز گرفته تا بهینه‌سازی برای بازده، بررسی شد. این شرکت‌ها همچنین از هوش مصنوعی برای تکمیل تلاش‌های سنتی برنامه‌ریزی معدن برای تعیین سودآوری بالقوه در سطوح مختلف تولید و تکمیل برنامه‌ریزی سناریوهای متفاوت استفاده می‌کردند.
تحول درونی یک شرکت معدنی با هوش مصنوعی
شرکت‌های معدنی تیم‌های خود را، با روش‌های جدید برای مقابله با بحران مجهز کرده‌اند. تیم‌ها قبلاً رویکردهای جدید رادیکالی را برای حل مشکلات پذیرفته بودند، به‌جای تلاش بر روی راه‌حل‌های بی‌نقص، از طریق اسپرینت‌های دو هفته‌ای و اجرای حداقل محصولات قابل دوام برای آزمایش، یادگیری و بهبود مکرر استفاده کردند.
تیم‌های چابکی که بر کاهش تنگناها یا بهینه‌سازی تولید متمرکز بودند، برای حل بحران‌های ناشی از COVID-19 متمرکز شدند. در یک نمونه، یک تیم بر این موضوع تمرکز کردند که چگونه می‌توان به طور چشمگیری خطر قرار گرفتن در معرض را برای اپراتورهای کامیون باربری کاهش داد. این تیم راه‌های خلاقانه‌ای برای تغییر شلوغی صبحگاهی برای بهبود ایمنی خدمه و حمایت از اهداف عملیاتی ایجاد کرد. سایر تیم‌ها هم توجه خود را به چگونگی کاهش هزینه‌ها معطوف کردند.
انعطاف پذیری شرکت‌های معدنی در برابر بحران‌ها با هوش مصنوعی
زمانی که تمرکز کلی شرکت‌های معدنی بر بهینه‌سازی تولید بود، شرکت‌های پیشرو از طرح‌‌هایی استفاده کرده بودند تا سازمان را حول یک مجموعه ساده و واضح از اهداف هماهنگ کنند. اکنون، تیم‌ها از همین فرآیند برای کمک به شرکت برای تطبیق سریع اهداف با محیط جدید و ایجاد برنامه‌های واقع بینانه برای دستیابی به آنها استفاده می‌کنند.
به دلیل کارهایی که قبلا انجام شده بود، شرکت‌ها انعطاف پذیرتر و پاسخگوتر به تغییرات در زمان وقوع بحران بودند. تیم‌ها قبلاً یاد گرفته بودند که به داده‌ها اعتماد کنند، ریسک کنند و با موقعیت‌ها خود را وفق دهند. این مهارت‌ها به شرکت‌ها کمک کرد تا با شرایط کاملاً تغییر یافته سازگار شوند. وضعیت برای این گروه از معدنکاران همچنان در حال تکامل است، اما ارزش، اصول و فرآیندهای ابزارهای هوش مصنوعی، معادن و شرکت‌های معدنی را کمک می‌کند تا با واکنش سریع‌تر به بحران، انعطاف‌پذیری خود را افزایش دهند.
همانطور که شرکت‌ها برای محافظت از نیروی کار خود و حفظ سودآوری در طول بحران COVID-19 و پس از آن تلاش می‌کنند، نیاز به پذیرش هوش مصنوعی و روش‌های آن در معادن و شرکت‌های معدنی بیشتر شده است.
با توجه به پیشرفت‌ها در قدرت محاسباتی و در دسترس بودن داده‌ها، هوش مصنوعی در حال حاضر برای مدیران شرکت‌های پیشرو فرآوری مواد معدنی مورد توجه قرار گرفته است. بحران COVID-19 یک محرک اضافی برای تسریع استقرار آن فراهم می‌کند.ایجاد قابلیت‌هایی برای مهار قدرت هوش مصنوعی در این واقعیت اقتصادی جدید ضروری است.
