تقاضا برای مس، نیکل، لیتیوم و خاک‌های معدنی کمیاب تا سال ۲۰۴۰ چهار برابر افزایش می‌یابد.

اصلی‌ترین چالش حوزه معدن در سال‌های پیش‌رو

بر اساس گزارش سالانه معدن ۲۰۲۵ از شرکت خدمات مالی و حسابداری BDO، بازار جهانی فلزات معدنی و خاک‌های کمیاب در نیمه دوم از دهه میلادی جاری با افزایش بی‌سابقه تقاضا روبه‌رو خواهد شد و پیش‌بینی می‌شود تقاضا برای مواد معدنی کلیدی مانند مس، نیکل، لیتیوم و خاک‌های معدنی کمیاب تا سال ۲۰۳۰ حدود سه برابر و تا سال ۲۰۴۰ چهار برابر بالا رود.

طبق جزئیات این گزارش علت رشد تقاضا برای این دسته از فلزات معدنی به نقش حیاتی آن‌ها در فناوری انرژی‌های تجدیدپذیر از جمله وسایل نقلیه الکتریکی و پنل‌های خورشیدی بازمی‌گردد. با این حال تحلیلگران شرکت BDO نبود نیروی کار با دانش و استعداد کافی را اصلی‌ترین چالش حوزه معدن در سال‌های پیش‌رو عنوان می‌کنند و معتقدند شرکت‌های معدنی باید از سال ۲۰۲۵ به استخدام نیروی کار جوان روی بیاورند تا با ارائه آموزش‌های لازم از چالش نبود نیروی کار در دهه میلادی آینده به راحتی عبور کنند.

انقلاب در حوزه معدن به رهبری هوش مصنوعی

طبق گزارش سالانه معدن ۲۰۲۵ شرکت BDO، نه تنها تقاضا برای فلزات معدنی تا سال ۲۰۴۰ افزایش چشمگیری پیدا می‌کند بلکه بخش معدن شاهد یک انقلاب تکنولوژیکی از طریق پیشرفت در رباتیک، اتوماسیون و هوش مصنوعی خواهد بود. درواقع شرکت‌های معدنی به کمک هوش مصنوعی قادر به افزایش اقدامات ایمنی در سراسر عملیات تولید خواهند بود و میزان استخراج و تولید آن‌ها با استفاده از هوش مصنوعی از طریق شناسایی و کشف مواد معدنی بالا خواهد رفت. همچنین این فناوری کمک شایانی به کاهش انتشار گازهای گلخانه‌ای از سوی صنایع و معادن می‌کند. اعضای شرکت BDO باوجود پیشرفت‌های قابل‌توجه در این حوزه به کمک هوش مصنوعی، معدن‌کاری را همچنان یکی از خطرناک‌ترین صنایع در جهان می‌داند.

آفریقا مهد معدن سبز جهان می‌شود

ارزیابی‌های شرکت BDO نشان می‌دهد بخش معدن آفریقا در طول سال‌های اخیر دستخوش تغییرات محسوسی شده است و شرکت‌های معدنی در آفریقا درصدد کاهش استفاده از سوخت‌های فسیلی در فرآیند استخراج و تولید مواد معدنی هستند. علاوه بر این انتظار می‌رود تولید سنگ‌های معدنی فلزی و غیرفلزی در آفریقا افزایش یابد. به گفته مت کرین ( Matt Crane)، رئیس منابع طبیعی و انرژی BDO آفریقا در مقایسه با سایر کشورها اقدامات مؤثری در حوزه جایگزینی انرژی‌های تجدیدپذیر با فسیلی و کربن‌زدایی داشته تا از حجم انتشار گازهای گلخانه‌ای خود در بخش معدن بکاهد، از این رو آفریقا طی سال‌های آتی به الگویی برای حرکت به سمت معدن سبز در جهان تبدیل خواهد شد.

هوش مصنوعی در معدن

صنعت معدن همواره در خط مقدم پیشرفت فناوری بوده است. از موتور بخار که استخراج زغال‌سنگ را سودآور کرد تا تکنیک‌های پیشرفته حفاری، نوآوری نقش کلیدی در بهره‌وری و کارایی ایفا کرده است. در سال‌های اخیر هوش مصنوعی تاثیری بسزا در تغییر بازی فعالیت‌های معدنی داشته است؛ از امکان کشف‌های جدید تا ارتقای اتوماسیون، افزایش تولید، ایمنی و شیوه نگهداری.

سیستم‌های مبتنی بر هوش مصنوعی در عملیات معدن برای افزایش دقت در برآورد منابع به کار گرفته می‌شوند. این سیستم‌ها با تحلیل داده‌های زمین‌شناسی و تاریخچه معدن، امکان ارائه برآوردهای دقیق‌تری از ذخایر معدنی را فراهم می‌آورند و به شرکت‌های معدنی در تصمیم‌گیری‌های سرمایه‌گذاری، برنامه‌ریزی تولید و تخصیص منابع کمک می‌کنند. هوش مصنوعی همچنین به بهینه‌سازی عملیات معدن و مدیریت دارایی‌ها کمک می‌کند. با استفاده از دستگاه‌ها و حسگرهای اینترنت اشیا، جمع‌آوری داده‌های لحظه‌ای امکان‌پذیر شده و عملکرد تجهیزات، شاخص‌های عملیاتی و مشکلات احتمالی شناسایی می‌شوند. الگوریتم‌های هوش مصنوعی این داده‌ها را پردازش کرده و الگوهای پیش‌بینی دقیق‌تری برای بهبود تصمیم‌گیری ارائه می‌دهند.

علاوه بر این، سیستم‌های خودکار مبتنی بر هوش مصنوعی می‌توانند کارایی و ایمنی در عملیات معدن را به‌طور قابل ‌توجهی افزایش دهند. وسایل نقلیه و ماشین‌آلات خودران مجهز به الگوریتم‌های هوش مصنوعی می‌توانند در زمین‌های ناهموار و پیچیده حرکت کنند و وظایف را با دقت بالا انجام دهند که این امر به کاهش خطای انسانی و خطرات منجر می‌شود. سیستم‌های نگهداری پیش‌بینی‌شده مبتنی بر هوش مصنوعی نیز به پایش وضعیت تجهیزات و پیشگیری از خرابی‌های غیرمنتظره کمک می‌کنند.

فناوری هوش مصنوعی همچنین در ترویج مسئولیت‌پذیری زیست‌محیطی و پایداری در صنعت معدن حرف‌های زیادی برای گفتن دارد. الگوریتم‌های هوش مصنوعی می‌توانند فرآیند برنامه‌ریزی معادن را بهینه‌سازی کنند و عواملی مانند احیای زمین و حفظ زیستگاه‌ها را در نظر بگیرند.

الکس دی جگر، مدیرعامل Conundrum Australia که نرم‌افزارهای یادگیری ماشین برای تحول دیجیتال در صنعت فلزات و معدن تولید می‌کند، در این‌باره گفته است: «تمرکز فناوری هوش مصنوعی بر کارآیی در عملیات و تولید است و فایده اصلی آن نه‌تنها در سودآوری، بلکه در سبزتر کردن معادن است. اگر بتوانیم مواد بیشتری از آنچه استخراج کرده‌ایم به دست بیاوریم، با بهره‌گیری از هوش مصنوعی می‌توانیم به‌طور چشم‌گیری مصرف آب و برق خود را کاهش دهیم.» وی اضافه می‌کند حسگرها و فناوری‌های سنجش از راه دور، به همراه الگوریتم‌های هوش مصنوعی، امکان نظارت مداوم بر کیفیت آب‌وهوا را فراهم می‌آورند و به شناسایی و واکنش سریع به هرگونه اختلال زیست‌محیطی کمک می‌کنند. چنین سیستم‌های نظارتی به تضمین رعایت مقررات زیست‌محیطی و ترویج شیوه‌های استخراج منابع پایدار کمک می‌کنند.

هوش مصنوعی همچنین می‌تواند الگوهای مصرف انرژی را تحلیل کرده و بهینه‌سازی‌هایی برای صنعت معدن پیشنهاد دهد که این قابلیت می‌تواند به کاهش انتشار گازهای گلخانه‌ای و رد پای کربن منجر شود. الگوریتم‌های یادگیری ماشین می‌توانند داده‌های عملیاتی را تحلیل کنند تا کارآیی فرآیندهای معدنی را بهبود بخشند، به‌گونه‌ای که انرژی، آب و سایر منابع به‌طور موثرتری استفاده شوند و هدررفت منابع کاهش یابد.

در معدن اسکوندیدای BHP شیلی، از سال ۲۰۲۲ تاکنون، با کمک فناوری هوش مصنوعی، بیش از سه میلیارد لیتر آب و ۱۱۸ گیگاوات‌ساعت انرژی صرفه‌جویی شده است. برای حمایت از گذار جهانی به کربن صفر، صنایع باید روش‌های بهتر و پایدارتری برای تولید فلزات و مواد معدنی موردنیاز برای گذار انرژی پیدا کنند که به نظر می‌رسد هوش مصنوعی در این زمینه بسیار خوب عمل کرده است.

با همه مزیت‌های هوش مصنوعی در صنعت معدن، این صنعت به‌طور ذاتی خطرناک است و در بسیاری از کشورها، مدیریت ریسک برای حفظ ایمنی افراد و محیط زیست اولویت زیادی دارد. با این ‌حال، ریسک‌گریزی بیش از حد می‌تواند مانع پیشرفت و فرصت‌های رشد شود. کشورهایی که نگرشی پیشروتر نسبت به نوآوری دارند، در پذیرش هوش مصنوعی پیشرفت بیشتری داشته‌اند و از لحاظ کارایی و صرفه‌جویی در هزینه‌ها مزیت رقابتی به دست آورده‌اند. عدم پذیرش فناوری‌های جدید می‌تواند چالش‌هایی مانند برآورد نادرست منابع، بهینه‌سازی ناکارآمد فرآیندهای استخراج و مقابله نامناسب با اثرات زیست‌محیطی به همراه داشته باشد و کشور محروم از فناوری ممکن است نتواند از پتانسیل هوش مصنوعی برای ایجاد شیوه‌های معدنی ایمن‌تر و پایدارتر بهره‌مند شود.

از کاربردهای مهم هوش مصنوعی در صنعت معدن، اکتشاف و برآورد منابع است. روش‌های سنتی اکتشاف معمولاً زمان‌بر و پرهزینه بوده و نتایج محدودی به همراه دارند. اما فناوری‌های مبتنی بر هوش مصنوعی، مانند الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها، فرآیند اکتشاف را دگرگون کرده‌اند.

ابزارهای متعددی برای تحلیل حجم زیادی از داده‌های زمین‌شناسی وجود دارد، از جمله سوابق حفاری تاریخی، تصاویر ماهواره‌ای و داده‌های حسگرها که به شناسایی مناطق مستعد برای ذخایر معدنی کمک می‌کنند. با کمک هوش مصنوعی، زمین‌شناسان می‌توانند تصمیم‌گیری‌های خود را بهینه کنند، به‌سرعت مکان‌های بالقوه استخراج را شناسایی کنند، ریسک‌های شکست اکتشافی را کاهش دهند و در وقت و منابع ارزشمند صرفه‌جویی کنند.

هوش مصنوعی در فرآیند اکتشاف می‌تواند به شرکت‌های معدنی کمک کند تا مواد معدنی و منابع را با شناسایی الگوها و ناهنجاری‌هایی در داده‌ها که ممکن است از سوی زمین‌شناسان انسانی نادیده گرفته شود سریع‌تر و کارآمدتر پیدا کنند.

سخن پایانی

در دنیای دیجیتال که به‌سرعت در حال تحول است، سازمان‌ها با فشار فزاینده‌ای برای نوآوری و همچنین فعالیت به‌شیوه‌ای پایدار روبه‌رو هستند. نوآوری رشد و رقابت‌پذیری را تقویت می‌کند و پایداری مسئولیت‌پذیری اخلاقی را تضمین می‌کند. در صنعت معدن نیز هوش مصنوعی با متحول کردن نحوه انجام عملیات روزانه، این صنعت را دگرگون کرده است.