Рюдигер Шредтер, глобальный руководитель подразделения горнодобывающей промышленности SAP, предлагает использовать искусственный интеллект для обеспечения максимальной безопасности хвостохранилищ.
От январского прорыва плотины на нефритовом руднике в Мьянме до другого связанного с оползнем провала в мае на золотом руднике на Филиппинах и июньского инцидента на чилийском медном руднике, 2024 год принес несколько громких напоминаний о том, что провалы хвостохранилищ остаются постоянной и дорогостоящей проблемой для горнодобывающей промышленности.
Насколько же он настойчив? По оценкам организации World Mine Tailings Failures, в мире насчитывается до 35 000 хвостохранилищ, и в период с 1960 по 2023 год в результате обрушений на этих объектах произошло 156 катастроф. Стоимость этих бедствий с точки зрения воздействия на здоровье людей, ущерба окружающей среде и ликвидации последствий неизмерима.
Однако теперь появилось новое поколение возможностей на базе искусственного интеллекта, дающее горнодобывающим компаниям определенно современный инструмент для лучшего управления этой извечной угрозой общественному здоровью, безопасности, финансовому положению и репутации бренда. Используя возможности сбора информации, моделирования и аналитики на базе искусственного интеллекта, компании могут управлять хвостохранилищами более активно и прогнозируемо — и в процессе, возможно, даже превращать материалы, попавшие в эти резервуары для отходов, в источник дохода.
Использование преимуществ возможностей искусственного интеллекта требует прочного фундамента. Это включает в себя готовность к работе в облаке (именно в облаке находится большинство возможностей искусственного интеллекта) и единую систему учета внутри компании для управления данными и их хранения. Компании, которые полагаются на множество различных процессов, электронных таблиц и систем, столкнутся с трудностями при сортировке свежих, точных и актуальных исторических данных и данных в режиме реального времени, необходимых инструментам искусственного интеллекта для получения информации. Короче говоря, чтобы использовать искусственный интеллект, вам нужно хорошо обращаться со своими данными, а также иметь возможность собирать данные из внутренних и внешних источников, а затем передавать их имеющимся у вас возможностям искусственного интеллекта.
Имея такую основу, пришло время приступить к изучению конкретных вариантов использования искусственного интеллекта в области управления хвостохранилищами, включая:
- Прогнозный анализ плотин и оборудования для выявления потенциальных отказов до того, как они произойдут. Данные в режиме реального времени, поступающие от оснащенного датчиками оборудования, могут выявить потенциальную проблему с этим оборудованием, которую можно устранить заблаговременно. Например, в случае насоса анализ данных о потреблении энергии, температуре и расходе может быстро выявить аномалию, указывающую на то, что пришло время заменить деталь внутри насоса. В более крупном масштабе интеллектуальные инструменты моделирования могли бы идентифицировать конкретную часть плотины, которая подвержена сильному дождю или сейсмическому сдвигу.
- Прогнозирование потенциальных факторов воздействия на плотины и оборудование на основе данных из внутренних и внешних источников. Модели искусственного интеллекта могут использовать ваши собственные исторические данные о хвостохранилище (проектные характеристики, история технического обслуживания и т.д.) и сопоставлять их с информацией о прогнозе погоды, например, чтобы предупредить компанию о том, что им следует предпринять активные шаги для предотвращения чрезмерного давления на плотину, насосы и тому подобное. Аналогичным образом, используя данные датчиков в режиме реального времени, искусственный интеллект может определять изменяющиеся условия внутри плотины и вокруг нее и заблаговременно оповещать соответствующий персонал.
- Использование удаленных камер, контролируемых искусственным интеллектом, для выявления условий, которые могут привести к отказам оборудования или плотины. Искусственный интеллект может анализировать видеопотоки в реальном времени, чтобы выявить потенциально вызывающие беспокойство изменения уровня воды, например, или изменения в топографии, которые могут быть проблематичными.
- Быстрый доступ к документации и истории о конкретном оборудовании. Запрашивая у второго пилота генеративный искусственный интеллект, техник может быстро получить доступ к информации о техническом обслуживании и другим важным данным об оборудовании.
- Соблюдение требований и отчетность. Еще одна область, в которой искусственный интеллект может помочь горнодобывающим компаниям, — это соблюдение новых стандартов для хвостохранилищ, таких как Глобальный отраслевой стандарт по обращению с хвостохранилищами. Из-за вовлеченности горнодобывающей промышленности во множество производственно-сбытовых цепочек и перерабатывающих производств, наряду с распространением нормативных актов, связанных с устойчивым развитием, горнодобывающие компании сталкиваются с растущей ответственностью за предоставление клиентам и регулирующим органам данных о происхождении добываемых ими материалов, способах их добычи и т.д. Все эти усилия основаны на сборе, стандартизации и совместном использовании данных. Вот тут-то и может помочь искусственный интеллект.
Существует еще одна мотивация для компаний предотвращать разрушения плотин и сохранять хвостохранилища на надлежащем месте: возможность извлекать ценные товары из этих скоплений отходов. Компания Vale заявила, что ожидает, что к 2030 году 10% ее добычи железной руды будет приходиться на повторное использование хвостов. Компания также запустила Agera, предприятие, которое продает песок, полученный в результате переработки хвостов. Возможности интеллектуального моделирования могут показать компаниям, как оптимизировать эти циклические процессы.
Важно отметить, что подобные интеллектуальные инструменты доступны уже сегодня, поэтому у горнодобывающих компаний теперь есть средства превратить управление хвостохранилищами из головной боли в реальную возможность для бизнеса.
