ماهیت پیچیده صنعت فولاد

در میان نخستین پذیرندگان هوش مصنوعی، صنعت فولاد به‌دلیل ماهیت پیچیده و داده‌محور بودن آن و اتکا به نیروی کار گسترده، از مابقی صنایع متمایز است. ادغام هوش مصنوعی در صنعت فولاد، عملیات را متحول و فرصت‌های زیادی را برای بهینه‌سازی و افزایش کارآیی ایجاد می‌کند. با استفاده از فناوری‌های هوش مصنوعی، شرکت‌های فولادی می‌توانند بهره‌وری را افزایش و هزینه‌ها را کاهش دهند، مصرف انرژی را به حداقل برسانند و رضایت مشتری و کیفیت محصول را نیز بهبود بخشند. به همین دلیل است که صنعت فولاد سرمایه‌گذاری‌های بسیاری در زمینه هوش مصنوعی در سال‌های اخیر انجام داده است. در طول چند سال گذشته، هوش مصنوعی به دلیل قابلیت‌های پردازش قدرتمند حجم وسیعی از داده‌ها، پیشرفت چشمگیری داشته است. «داده» یک عامل صرفه‌جویی در انرژی است و انرژی محرک ماشین‌آلاتی است که مواد خام را به ستون فقرات تمدن مدرن تبدیل می‌کنند. این اشتهای سیری‌ناپذیر برای انرژی به هزینه‌های زیاد برای تولیدکنندگان فولاد و ردپای قابل‌توجه زیست‌محیطی منجر می‌شود. بااین‌حال، وضعیت تغییر کرده و هوش مصنوعی به‌عنوان یک ابزار قدرتمند برای هدایت صنعت فولاد پایدارتر و مقرون به‌صرفه‌تر و مقابله با چالش‌های زیست‌محیطی در حال ظهور است.

در همین راستا شرکت Fero Labs مستقر در شهر نیویورک راه را در استفاده از هوش مصنوعی برای توسعه دستورالعمل‌های سبز جهت بازیافت فولاد باز کرده و به‌طور مؤثر به این چالش‌ها رسیدگی می‌کند. بازیافت فولاد مشکلات منحصربه‌فردی را به همراه دارد. در درجه اول به این دلیل که هر دسته (Batch) از ضایعات فولادی ذوب‌شده، دارای ترکیب شیمیایی مشخصی است. این تنوع می‌تواند استحکام فولاد جدید تولیدشده را تحت تأثیر قرار دهد. این موضوع غالباً کارخانه‌ها را مجبور می‌کند که هر دسته را با مواد تازه استخراج‌شده ترکیب کنند تا استانداردهای صنعت را برآورده سازند. بااین‌حال، این فرآیند نه‌تنها پرهزینه، بلکه پیچیده است و اغلب منجر به استفاده بیش‌ازحد از منابع دست‌اول می‌شود که این امر، انتشار گازهای گلخانه‌ای را به همراه خواهد داشت.

Berk Birand، مدیرعامل شرکت Fero Labs و یکی از بنیان‌گذاران آن، توضیح می‌دهد که چگونه هوش مصنوعی به پلتفرم این شرکت برای رسیدگی به این چالش‌ها کمک می‌کند. با ایجاد کپی مجازی از فرآیندهای تولید فولاد، فناوری Fero نشان می‌دهد که کارخانه‌های فولادی معمولاً حدود ۹ درصد بیشتر از نیاز خود، از منابع استفاده می‌کنند. تولیدکنندگان می‌توانند با کمک هوش مصنوعی و با تجزیه‌وتحلیل کل فرآیند بازیافت و بکارگیری بهترین شیوه‌ها، نیاز به آلیاژهای جدید را به حداقل برسانند.

این نرم‌افزار از رویکرد یادگیری ماشین بیزی (Bayesian machine learning) به‌منظور تعیین مقدار بهینه مواد اضافی موردنیاز برای هر دسته از فولادهای بازیافتی مذاب استفاده می‌کند. به گفته Birand، مدل

هوش‌مصنوعی می‌تواند کارآیی هر دسته یا فرآیند را با دقتِ به اصطلاح جراحی به حداکثر برساند و خطر خطای انسانی را به میزان قابل‌توجهی کاهش دهد. پس از آموزش کافی با داده‌های تولید، نرم‌افزار به‌صورت بی‌درنگ راهکار ارائه می‌کند و به تولیدکنندگان اجازه می‌دهد اهداف پایداری خود را بدون قربانی کردن سود یا کیفیت دنبال کنند. Birand توضیح می‌دهد که این مدل به‌عنوان یک جعبه سفید (White Box) عمل می‌کند و کاربران را قادر می‌سازد تا نتایج یادگیری آن را درک و ارزیابی کنند. او می‌گوید که مدل‌های ما برای شناسایی دستور پخت مناسب، گرما و کارآیی عملیاتی برای به حداکثر رساندن بازده، کاهش ضایعات و به حداقل رساندن استفاده از منابع دست‌اول طراحی شده‌اند. تاثیر هوش مصنوعی بر تولید فولاد قابل‌توجه است. در 5 کارخانه‌ای که از نرم‌افزار Fero Labs استفاده می‌کنند، الگوریتم‌های یادگیری ماشین به‌طور مؤثری تخصص مهندسان را بهبود بخشیده‌اند و به آنها اجازه می‌دهند تا با چالش‌های پیچیده‌تری نسبت به روش‌های سنتی مقابله کنند. وظایفی که زمانی نیازمند ماه‌ها تلاش اختصاصی بود، اکنون در چند دقیقه تکمیل می‌شوند و عملکرد را بهینه می‌کنند و هزینه‌ها و انتشار گازهای گلخانه‌ای را کاهش می‌دهند. Birand تأکید می‌کند که «پس از استقرار این مدل، شرکت‌های فولادی

۹۰ برابر سریع‌تر از روش‌های سنتی به نتایج می‌رسند.»

ادغام هوش مصنوعی توسط آزمایشگاه‌های Fero به نتایج قابل‌توجهی منجر شده است؛ بیش از ۲۰ میلیون دلار صرفه‌جویی، کاهش بیش از ۱۰۰ هزار تن انتشار کربن و حفظ یک میلیون پوند مواد خام. با توجه به اینکه صنعت فولاد مسئول ۱۱ درصد از انتشار کربن در جهان است، ظرفیت هوش مصنوعی برای هدایت شیوه‌های پایدار بسیار زیاد است. Fero Labs ادعا می‌کند که نرم‌افزار آن می‌تواند استفاده از مواد معدنی در تولید فولاد را تا ۳۴ درصد کاهش دهد. گزارش سال ۲۰۲۱ از سوی «مشارکت جهانی در زمینه هوش مصنوعی» (Global Partnership on Artificial Intelligence) تخمین می‌زند که اجتناب از استخراج، ذوب و حمل‌ونقل این آلیاژها می‌تواند از انتشار حدود ۴۵۰ هزار تن کربن در سال جلوگیری کند. اگر این رویکرد در سراسر چشم‌انداز تولید فولاد ایالات‌متحده اتخاذ شود، می‌تواند از انتشار حدود ۱۱.۹ میلیون تن کربن در هر سال جلوگیری کند که معادل یک‌چهارم کل انتشارات شهر نیویورک است. این دستاورد نشان می‌دهد که هوش مصنوعی نه‌تنها می‌تواند به بهبود کارآیی و کاهش هزینه‌ها کمک کند، بلکه می‌تواند نقش کلیدی در کاهش اثرات زیست‌محیطی صنایع سنگین ایفا کند. با گسترش این فناوری در سایر بخش‌های تولیدی، ظرفیت جهانی برای کاهش چشمگیر انتشار کربن و حفاظت از منابع طبیعی به طرز قابل‌توجهی افزایش می‌یابد.

تـاثیر هـوش مصـنوعی بـر عمـلکرد معـادن

در دنیای امروز، به دلیل ارزان بودن و ظرفیت نامحدود ابزارهای برداشت و ذخیره داده‌ها در سطح کلان، در علوم و صنایع مختلف حجم عظیمی از اطلاعات وجود دارد که حاوی الگوها و ساختارهای مهمی هستند. شرکت‌های فعال در بخش‌های مختلف نظیر بانک‌ها، مراکز ارائه دهنده خدمات مخابراتی، بیمه‌گرها و غیره در تلاش‌اند تا از روابط موجود در میان اطلاعات خود، به منظور کاهش هزینه‌های جاری و درآمدزایی استفاده کنند. صنایع معدنی در ایران و برخی کشورها هنوز از رویکردهای بسیار سنتی استفاده کرده و نسبت به سایر صنایع از پیشرفت‌های فناورانه به مقدار اندکی بهره برده و همچنان برای رسیدن به وضعیت مطلوب راه طولانی در پیش دارند. به طوری‌که بسیاری از معادن به دلیل آنکه در مناطق دور از دسترس یا صعب‌العبور هستند همچنان دسترسی به زیرساخت‌های ارتباطی نداشته و امکان تجهیز آنها به وسایل ارتباطی هزینه‌بر است.

حال سوالی که مطرح می‌شود این است که استفاده از هوش‌مصنوعی در معادن، کدام بخش‌ها را متحول می‌کند؟ بررسی‌ها نشان می‌دهد که

بهره گیری از هوش مصنوعی در معادن، در پنچ بخش حضور فناوری‌های خودمختار، مدیریت چالش‌های زیست محیطی، بهبود اکتشاف و دست‌یابی به منابع جدید، مرتب‌سازی مواد معدنی و بهبود ایمنی و کاهش حوادث را متحول می‌کند.

اصطلاح هوش مصنوعی چند سالی است که سر و صدای زیادی ایجاد کرده و نوید آن را می‌دهد که تقریباً در هر زمینه‌ای از صنایع، تولید و تجارت تاثیرگذار باشد. به همین دلیل هوش مصنوعی در معادن هم روز به روز رشد کرده و به جایگاه خود نزدیک می‌شود.

بخش معدن با سایر صنایع تفاوتی ندارد، اما هوش‌مصنوعی به دور از تبلیغات صرف، ظرفیت بالایی برای ایجاد تحول و تغییر در این صنعت دارد. پیشرفت‌ها و کاربردهای فراوانی برای هوش‌مصنوعی در معادن وجود دارد که همگی مزایای قابل توجهی از کاهش هزینه‌ها و افزایش بهره‌وری گرفته تا بهبود ایمنی و کاهش اثرات زیست‌محیطی را شامل می‌شوند.

سخن پایانی

یکی از نخستین تحول‌هایی که هوش مصنوعی در معادن ایجاد می‌کند، شناسایی بهتر مناطق بالقوه برای استخراج یا حفاری است. هوش مصنوعی می‌تواند برای کسب دانش و درک بیشتر از زمین و پیش‌بینی و ترسیم آن به میزان بسیار دقیق‌تری استفاده شود. تطبیق الگو و تجزیه و تحلیل پیش‌بینی‌کننده با توانایی هوش مصنوعی برای تجزیه و تحلیل مقادیر زیادی از داده‌های زمین‌شناسی برای آشکار کردن محتمل‌ترین مکان‌های ذخایر معدنی و سایر منابع ترکیب می‌شود.