کاهش هزینه چالزنی در معادن با هوش مصنوعی

هوش مصنوعی در حوزه معدن و پروژه‌های عمرانی نیز می‌تواند مفید و کارساز باشد. اخیراً پژوهشگران، به بررسی پیش‌بینی نرخ نفوذ سرمته در سنگ، با استفاده از هوش مصنوعی پرداختند. هدف از این پژوهش، کاهش هزینه‌های عملیاتی در فعالیت‌های عمرانی و معدنی است و توسط پژوهشگران گروه استخراج دانشکده فنی و مهندسی دانشگاه تربیت مدرس، انجام شده است.

با کسب نتیجه مثبت از این پژوهش، از این پس عملیات چال‌زنی در معادن با صرف وقت و هزینه کمتری صورت می‌گیرد. عملیات چال‌زنی اولین گام در برخی فعالیت‌های معدنی و عمرانی است که هزینه زیادی دارد و به همین دلیل تجهیز و نگهداری اقلام مصرفی آن مهم است. برای بررسی استهلاک دستگاه‌ها و اقلام مصرفی مورد نیاز برای چال‌زنی، ابزار دقیقی در دست نیست و مهم است که این عملیات با دقت بالایی صورت گیرد تا از هزینه‌های اضافی جلوگیری شود. کاهش هزینه‌های عملیات، وابسته به شناخت محیط کاری و چگونگی عملکرد دستگاه در شرایط مختلف زمین است. برای تشخیص بازدهی دستگاه در مناطق مختلف و اندازه‌گیری راندمان چال‌زنی، شاخص‌های متفاوتی در نظر گرفته شده که مهم‌ترین آنها نرخ نفوذ و قابلیت چال‌زنی است.

این پژوهش حاصل نتایج پایان‎‌نامه کارشناسی ارشد «علی نعمتی» در رشته  مهندسی معدن، استخراج مواد معدنی، است و هدف آن، پیش‌بینی نرخ نفوذ سرمته در سنگ و بررسی تأثیر پارامتر رده‌بندی توده سنگ، ژئومکانیکی در معدن و پارامترهای عملیاتی دستگاه بر میزان نرخ نفوذ سرمته در سنگ و عملکرد دستگاه چال‌زنی به روش هوشمند است. جهت این ارزیابی دستگاه‌های چال‌زنی اطلس کپکو، هوشر، سانوارد و تامراک موجود در معدن مس سونگون مورد بررسی قرار گرفتند. در نهایت پس از انجام آزمون‌های آزمایشگاهی و برداشت‌های میدانی، بانک اطلاعاتی از 85 چال و همچنین معیارهای سنجش مورد نظر از معدن مس سونگون، گردآوری شد.

در مدل، نیروی فشاری پشت سر مته و فشار دَوَران سرمته، جزو پارامترهای عملیاتی دستگاه چال‌زنی و پارامتر توده سنگ، از سیستم رده‌بندی توده سنگ و چکش اشمیت متغیر ژئومکانیکی استفاده شده است. با وجود داده‌های زمین‌شناسی و شناسایی عملکرد دستگاه، مطالعه آماری بر روی چهاردستگاه چال‌زنی انجام شد و تأثیر هر یک از متغیرهای چال‌زنی بر روی نرخ نفوذ سرمته بررسی شد. نتایج این تحلیل، ارتباطی معنی‌دار بین متغیرهای مورد بررسی و نرخ نفوذ سرمته را نشان می‌دهد. به این ترتیب که در دستگاه‌های اطلس کپکو، هوشر و سانوارد، فشار پشت‌ سر مته، به ترتیب با ضریب تعیین 87، 86 و 71 درصد، مؤثرترین متغیر قلمداد می‌شود. در دستگاه تامراک با ضریب تعیین 85 درصد، مؤثرترین متغیر بر نرخ نفوذ سرمته؛ فشار دَوَران است. همچنین مدلی برای پیش‌بینی نرخ نفوذ سرمته با ضریب تعیین 91، 89، 89 و 83 به ترتیب برای دستگاه‌های کپکو، هوشر، تامراک و سانوارد به دست آمد. این تحلیل به شیوه رگرسیون خطی چند متغیره، با استفاده از متغیرهای مسئله به دست آمد.

در این بررسی برای تمامی دستگاه‌ها و متغیرها، مدلی با ضریب تعیین 74 درصد، جهت تخمین نرخ نفوذ سرمته ایجاد شد و با تحلیل حساسیت مدل، متغیر فشار پشت سر مته، بیشترین تأثیر و فشار دَوَران کمترین تأثیر را در معدن مورد مطالعه دارد.

نتایج این پژوهش برگرفته از پایان‌نامه کارشناسی ارشد «علی نعمتی» با راهنمایی دکتر «مسعود منجزی» و با مشاوره دکتر «جعفر خادمی» در دانشگاه تربیت مدرس است.