روز ملی صنعت و معدن، فرصت مناسبی برای بررسی الزامات این تحول و ترسیم چشم‌انداز آینده معدنکاری کشور به شمار می‌رود. به همین مناسبت، صمت در گفت‌وگو با مجید وفایی‌فرد، مدیر مرکز نوآوری ایمینو، وضعیت معدن دیجیتال در ایران، مهم‌ترین موانع توسعه هوش مصنوعی و مسیر پیش‌روی هوشمندسازی معادن را بررسی کرده است.

چند درصد از معادن ایران واقعاً به مرحله معدن دیجیتال رسیده‌اند و شاخص سنجش چیست؟

در حال حاضر نمی‌توان رقم دقیقی از معادن دیجیتال ایران ارائه کرد، اما برآوردهای کارشناسی نشان می‌دهد که کمتر از ۵ درصد معادن کشور به سطح «معدن دیجیتال یکپارچه» رسیده‌اند. همچنین حدود ۱۵ تا ۲۰ درصد معادن بزرگ، به‌ویژه در حوزه سنگ‌آهن، مس و فولاد، بخشی از فناوری‌های دیجیتال مانند سیستم‌های پایش، اتوماسیون محدود، نرم‌افزارهای برنامه‌ریزی تولید، مدیریت ناوگان و کنترل تجهیزات را به کار گرفته‌اند. در مقابل، بیش از ۷۰ درصد معادن کوچک و متوسط همچنان با روش‌های سنتی یا نیمه‌مکانیزه فعالیت می‌کنند و فاصله قابل‌توجهی با استانداردهای معدنکاری هوشمند دارند. مهم‌ترین دلایل این فاصله، محدودیت سرمایه‌گذاری، فرسودگی ماشین‌آلات، ضعف زیرساخت‌های ارتباطی، کمبود نیروی متخصص و هزینه بالای پیاده‌سازی فناوری‌های نوین است.

برای سنجش میزان دیجیتالی شدن معادن نیز لازم است از یک مدل بلوغ مشخص استفاده شود. یکی از مدل‌های رایج، تقسیم‌بندی پنج‌سطحی بلوغ دیجیتال است. در سطح نخست، معدن تنها از تجهیزات مکانیزه استفاده می‌کند، اما داده‌ها به‌صورت ساختاریافته جمع‌آوری نمی‌شوند. در سطح دوم، بخشی از اطلاعات عملیاتی ثبت و ذخیره می‌شود. سطح سوم شامل استقرار سامانه‌های مانیتورینگ دیجیتال، داشبوردهای مدیریتی و پایش لحظه‌ای فرآیندهاست. در سطح چهارم، تحلیل‌های پیش‌بینانه، هوش مصنوعی و تصمیم‌گیری مبتنی بر داده وارد چرخه مدیریت معدن می‌شود و در نهایت، سطح پنجم به معدن هوشمند یکپارچه اختصاص دارد؛ جایی که اینترنت اشیا (IoT)، هوش مصنوعی، دوقلوی دیجیتال (Digital Twin)، سامانه‌های خودکار و اتوماسیون پیشرفته به‌صورت هماهنگ در تمام بخش‌های معدن، از اکتشاف تا فرآوری، به کار گرفته می‌شوند.

مهم‌ترین شاخص‌های ارزیابی بلوغ دیجیتال نیز شامل میزان یکپارچگی داده‌ها، درصد تصمیم‌گیری‌های مبتنی بر تحلیل داده، سطح اتوماسیون تجهیزات، توانایی پیش‌بینی خرابی ماشین‌آلات، مدیریت هوشمند تولید، اتصال تجهیزات به شبکه‌های صنعتی، استفاده از سامانه‌های هوشمند برای برنامه‌ریزی عملیات، کاهش توقف‌های ناخواسته، افزایش بهره‌وری و بهبود ایمنی است. هرچه معدن در این شاخص‌ها عملکرد بهتری داشته باشد، به سطوح بالاتری از معدنکاری دیجیتال نزدیک‌تر خواهد بود و می‌تواند با هزینه کمتر، بهره‌وری بیشتر و تصمیم‌گیری دقیق‌تر، رقابت‌پذیری خود را در بازارهای جهانی افزایش دهد.

مهم‌ترین مانع توسعه هوش مصنوعی در معادن ایران چیست؟

مهم‌ترین مانع توسعه هوش مصنوعی در معادن ایران، کمبود داده‌های باکیفیت، استاندارد و قابل‌اعتماد است. هوش مصنوعی زمانی می‌تواند عملکرد مؤثری داشته باشد که به حجم کافی از داده‌های دقیق، منظم و پیوسته دسترسی داشته باشد؛ در حالی که در بسیاری از معادن کشور، اطلاعات عملیاتی به‌صورت پراکنده، غیرساختاریافته و حتی دستی ثبت می‌شود. این موضوع باعث می‌شود مدل‌های هوش مصنوعی از دقت و کارایی لازم برای تحلیل، پیش‌بینی و تصمیم‌سازی برخوردار نباشند.

پس از چالش داده، ضعف زیرساخت‌های ارتباطی در معادن دورافتاده نیز از موانع مهم به شمار می‌رود. بسیاری از معادن به شبکه‌های ارتباطی پایدار، اینترنت صنعتی و تجهیزات لازم برای انتقال لحظه‌ای داده‌ها دسترسی ندارند و این مسئله امکان استفاده از سامانه‌های هوشمند، اینترنت اشیا (IoT) و پایش برخط را محدود می‌کند.

نبود استانداردهای یکپارچه برای جمع‌آوری، ذخیره‌سازی و تبادل داده‌های صنعتی نیز از دیگر چالش‌های اساسی است. در بسیاری از شرکت‌ها، هر بخش از نرم‌افزارها و فرمت‌های متفاوتی استفاده می‌کند و همین موضوع یکپارچه‌سازی اطلاعات را دشوار می‌سازد. علاوه بر این، کمبود نیروی انسانی متخصص که به‌طور همزمان با حوزه معدن، علوم داده و هوش مصنوعی آشنا باشد، روند اجرای پروژه‌های تحول دیجیتال را کند کرده است.

در کنار این موارد، محافظه‌کاری مدیریتی و شناخت محدود نسبت به مزایای اقتصادی فناوری‌های نوین نیز نقش قابل‌توجهی دارد. بسیاری از مدیران هنوز هوش مصنوعی را یک هزینه اضافی می‌دانند، نه ابزاری برای افزایش بهره‌وری، کاهش هزینه‌ها و ارتقای ایمنی. در حالی که تجربه کشورهای پیشرو نشان می‌دهد سرمایه‌گذاری در دیجیتال‌سازی و هوش مصنوعی، در میان‌مدت با کاهش توقفات تولید، بهینه‌سازی مصرف انرژی، افزایش بهره‌وری تجهیزات و کاهش ریسک‌های عملیاتی، بازگشت سرمایه قابل‌توجهی به همراه خواهد داشت. بنابراین، توسعه هوش مصنوعی در معادن ایران نیازمند برنامه‌ای جامع برای ارتقای کیفیت داده، توسعه زیرساخت‌های ارتباطی، تربیت نیروی متخصص و ایجاد فرهنگ پذیرش فناوری در میان مدیران و فعالان این صنعت است.

آیا در شرایط تحریم، توسعه هوش مصنوعی بومی در معادن امکان‌پذیر است؟

بله،  تجربه سال‌های اخیر نشان داده که تحریم‌ها اگرچه دسترسی به برخی تجهیزات و فناوری‌های خارجی را محدود کرده‌اند، اما در عین حال انگیزه بیشتری برای توسعه راهکارهای بومی و تکیه بر توان داخلی ایجاد کرده‌اند. در حوزه هوش مصنوعی نیز بخش قابل توجهی از فناوری‌های پایه، از جمله الگوریتم‌ها، چارچوب‌های نرم‌افزاری و ابزارهای توسعه، به‌صورت متن‌باز در دسترس هستند و این موضوع فرصت مناسبی برای طراحی و پیاده‌سازی سامانه‌های هوشمند در معادن ایران فراهم کرده است.

از سوی دیگر، کشور در حوزه علوم داده، برنامه‌نویسی و تربیت نیروی انسانی متخصص از ظرفیت قابل قبولی برخوردار است. دانشگاه‌ها، شرکت‌های دانش‌بنیان و استارت‌آپ‌های فعال در حوزه هوش مصنوعی می‌توانند با همکاری شرکت‌های معدنی، سامانه‌های بومی برای مدیریت عملیات، پیش‌بینی خرابی تجهیزات، بهینه‌سازی تولید و تحلیل داده‌های معدنی توسعه دهند. این همکاری‌ها علاوه بر کاهش وابستگی به فناوری خارجی، می‌تواند به شکل‌گیری دانش فنی داخلی و ایجاد مزیت رقابتی پایدار منجر شود.

با این حال، توسعه هوش مصنوعی بومی به معنای بی‌نیازی کامل از فناوری‌های خارجی نیست. همچنان در برخی بخش‌های سخت‌افزاری و نرم‌افزارهای تخصصی وابستگی‌هایی وجود دارد. از جمله این موارد می‌توان به سنسورهای پیشرفته صنعتی، تجهیزات دقیق پایش و مانیتورینگ و برخی نرم‌افزارهای تخصصی ژئومدلینگ، شبیه‌سازی و طراحی معادن اشاره کرد که دسترسی به آنها در شرایط تحریم با محدودیت‌هایی همراه است.

در مجموع، اگرچه تحریم‌ها چالش‌هایی برای توسعه معدن هوشمند ایجاد کرده‌اند، اما مانع قطعی محسوب نمی‌شوند. با سرمایه‌گذاری هدفمند در زیرساخت‌های دیجیتال، حمایت از شرکت‌های دانش‌بنیان، توسعه فناوری‌های بومی و تقویت همکاری میان دانشگاه و صنعت، می‌توان بخش قابل توجهی از نیازهای هوش مصنوعی در معادن را در داخل کشور تأمین کرد و حتی در برخی حوزه‌ها به توان رقابتی دست یافت.

آیا هوش مصنوعی احتمال کشف ذخایر جدید معدنی را افزایش می‌دهد؟

بدون تردید بله. هوش مصنوعی امروز به یکی از مؤثرترین ابزارهای اکتشاف معدنی در جهان تبدیل شده و می‌تواند احتمال شناسایی ذخایر جدید را به شکل قابل‌توجهی افزایش دهد. برخلاف روش‌های سنتی که تحلیل حجم عظیمی از داده‌های زمین‌شناسی و ژئوفیزیکی زمان‌بر و تا حد زیادی وابسته به تجربه کارشناسان بود، الگوریتم‌های هوش مصنوعی قادرند میلیون‌ها داده را در مدت کوتاهی پردازش کرده، الگوهای پنهان را شناسایی و مناطق امیدبخش را با دقت بیشتری معرفی کنند.

مهم‌ترین کاربردهای هوش مصنوعی در اکتشاف، تحلیل هم‌زمان داده‌های ژئوفیزیکی، ژئوشیمیایی، تصاویر ماهواره‌ای، داده‌های سنجش از دور و اطلاعات زمین‌شناسی است. این فناوری با تلفیق منابع مختلف داده، مدل‌های پیش‌بینی‌کننده‌ای تولید می‌کند که احتمال وجود ذخایر معدنی را در هر محدوده برآورد کرده و اولویت‌بندی دقیقی برای اجرای عملیات اکتشافی و حفاری ارائه می‌دهد. در نتیجه، هزینه‌های اکتشاف کاهش یافته، ریسک سرمایه‌گذاری کمتر می‌شود و احتمال موفقیت پروژه‌ها افزایش می‌یابد.

در ایران نیز استفاده از هوش مصنوعی در این حوزه هنوز در مراحل ابتدایی قرار دارد، اما نتایج برخی پروژه‌های پژوهشی و اجرایی امیدوارکننده بوده است. استفاده از مدل‌های یادگیری ماشین برای پهنه‌بندی پتانسیل معدنی، اولویت‌بندی نقاط حفاری و تحلیل داده‌های اکتشافی در برخی محدوده‌ها، نشان داده است که این فناوری می‌تواند دقت تصمیم‌گیری را به شکل محسوسی افزایش دهد و از انجام حفاری‌های کم‌بازده جلوگیری کند.

با این حال، توسعه گسترده این فناوری با چالش‌هایی نیز روبه‌رو است. مهم‌ترین مانع، کمبود پایگاه‌های داده بزرگ، استاندارد و یکپارچه است. الگوریتم‌های هوش مصنوعی برای دستیابی به نتایج دقیق، به حجم زیادی از داده‌های باکیفیت نیاز دارند و هرچه کیفیت و تنوع داده‌ها بیشتر باشد، دقت پیش‌بینی نیز افزایش خواهد یافت. بنابراین، ایجاد بانک‌های اطلاعاتی جامع، دیجیتال‌سازی داده‌های اکتشافی و استانداردسازی اطلاعات، پیش‌نیاز توسعه کاربرد هوش مصنوعی در اکتشافات معدنی کشور به شمار می‌رود. در صورت فراهم شدن این زیرساخت‌ها، هوش مصنوعی می‌تواند به یکی از مهم‌ترین ابزارهای کشف ذخایر جدید و کاهش ریسک سرمایه‌گذاری در بخش معدن ایران تبدیل شود.

نسخه اقتصادی معدن دیجیتال برای معادن کوچک چیست؟

برای بسیاری از معادن کوچک و متوسط، حرکت به سمت معدن دیجیتال به معنای اجرای پروژه‌های پرهزینه و خرید تجهیزات پیچیده نیست. واقعیت این است که این معادن می‌توانند با اجرای یک مدل «دیجیتال حداقلی اما هوشمند» نیز بخش قابل‌توجهی از مزایای تحول دیجیتال را به دست آورند. هدف در این رویکرد، استفاده از فناوری‌هایی است که با کمترین هزینه، بیشترین تأثیر را بر بهره‌وری، کاهش توقفات و مدیریت عملیات داشته باشند.

در این مدل، نصب سنسورهای کم‌هزینه روی تجهیزات کلیدی مانند، پمپ‌ها یا نوار نقاله‌ها، امکان پایش مستمر عملکرد ماشین‌آلات را فراهم می‌کند. همچنین استفاده از داشبوردهای ابری ساده، این امکان را به مدیران می‌دهد که اطلاعات تولید، مصرف سوخت، ساعات کارکرد تجهیزات و شاخص‌های عملکرد را به‌صورت لحظه‌ای مشاهده و تحلیل کنند.

یکی دیگر از مهم‌ترین اقدامات، استفاده از سیستم‌های تعمیرات و نگهداری پیش‌بینانه است. این فناوری با تحلیل داده‌های تجهیزات، خرابی‌های احتمالی را پیش از وقوع شناسایی کرده و از توقف‌های ناگهانی و هزینه‌های سنگین تعمیر جلوگیری می‌کند. همچنین بهره‌گیری از پهپادها برای نقشه‌برداری، پایش پیشرفت عملیات، محاسبه حجم باطله و کنترل ایمنی، بدون نیاز به سرمایه‌گذاری سنگین، می‌تواند دقت و سرعت عملیات را افزایش دهد.

در کنار این موارد، استفاده از خدمات هوش مصنوعی به‌صورت اشتراکی یا SaaS (Software as a Service) یکی از مناسب‌ترین راهکارها برای معادن کوچک است. در این مدل، معدنکاران بدون نیاز به خرید زیرساخت‌های گران‌قیمت، از طریق اشتراک ماهانه یا سالانه به نرم‌افزارهای تحلیلی، سامانه‌های هوشمند و خدمات پردازش داده دسترسی پیدا می‌کنند.

در مجموع، نسخه اقتصادی معدن دیجیتال برای معادن کوچک، بر اجرای پروژه‌های کم‌هزینه، تدریجی و هدفمند استوار است. این رویکرد ضمن کاهش ریسک سرمایه‌گذاری، زمینه افزایش بهره‌وری، کاهش هزینه‌های عملیاتی و ارتقای رقابت‌پذیری معادن کوچک را فراهم می‌کند و می‌تواند نخستین گام برای حرکت آنها به سمت معدنکاری هوشمند باشد.

طی ۵ سال آینده کدام فناوری بیشترین اثر را دارد؟

در افق پنج‌ساله پیش‌رو، تحول دیجیتال در معادن بیش از هر چیز تحت‌تأثیر دو فناوری کلیدی خواهد بود؛ اینترنت اشیای صنعتی (IIoT) و هوش مصنوعی عملیاتی (Operational AI). اگرچه فناوری‌هایی مانند دوقلوی دیجیتال، پهپادها، رباتیک، پردازش ابری و تحلیل کلان‌داده نیز نقش مهمی در آینده معدنکاری دارند، اما این دو فناوری، پایه و موتور اصلی تحول دیجیتال در معادن محسوب می‌شوند.

در اولویت نخست، اینترنت اشیای صنعتی قرار دارد؛ زیرا هیچ سامانه هوشمندی بدون داده‌های دقیق، مستمر و قابل اعتماد قادر به تصمیم‌گیری نیست. نصب حسگرها روی ماشین‌آلات، تجهیزات فرآوری، خطوط انتقال و حتی محیط معدن، امکان پایش لحظه‌ای عملکرد تجهیزات، مصرف انرژی، شرایط ایمنی و روند تولید را فراهم می‌کند. این داده‌ها زیرساخت اصلی برای مدیریت هوشمند معدن هستند و بدون آنها، استفاده از هوش مصنوعی عملاً امکان‌پذیر نخواهد بود.

در رتبه دوم، هوش مصنوعی عملیاتی قرار می‌گیرد که با تحلیل داده‌های جمع‌آوری‌شده، می‌تواند الگوهای پنهان را شناسایی کرده و در حوزه‌هایی مانند تعمیرات پیش‌بینانه، بهینه‌سازی تولید، کاهش مصرف انرژی، مدیریت ناوگان ماشین‌آلات، کنترل کیفیت و برنامه‌ریزی استخراج، تصمیم‌های دقیق‌تر و سریع‌تری ارائه دهد. استفاده از AI علاوه بر کاهش هزینه‌ها، موجب افزایش بهره‌وری، کاهش توقفات ناخواسته تجهیزات و ارتقای ایمنی عملیات معدنی خواهد شد.

در کنار این دو فناوری، توسعه دوقلوی دیجیتال (Digital Twin) برای شبیه‌سازی فرآیندهای معدنی، استفاده گسترده‌تر از پهپادها در نقشه‌برداری و پایش معادن و همچنین بهره‌گیری از رایانش ابری برای مدیریت داده‌ها، از دیگر روندهای مهم آینده خواهند بود. با این حال، موفقیت همه این فناوری‌ها در گرو ایجاد زیرساخت داده، توسعه شبکه‌های ارتباطی پایدار و سرمایه‌گذاری هدفمند در تحول دیجیتال است.

در مجموع، می‌توان گفت آینده معدنکاری هوشمند از «داده» آغاز می‌شود؛ اینترنت اشیای صنعتی داده را تولید می‌کند و هوش مصنوعی آن را به تصمیم تبدیل می‌کند. هر معدنی که زودتر این دو فناوری را در برنامه توسعه خود قرار دهد، شانس بیشتری برای افزایش بهره‌وری، کاهش هزینه‌ها و رقابت‌پذیری در بازارهای جهانی خواهد داشت.