تجزیه‏‏‏‌و‏‏‏‌تحلیل داده‌ها و نقش آن در معدن‌کاری هوشمند

مژده درمنده - امید اصغری کارشناس‌ارشد مدیریت اطلاعات دانشگاه تهران / عضو هیات‌علمی دانشکده مهندسی معدن دانشگاه تهران تجزیه‌‌‌‌وتحلیل داده‌ها تغییرات عمده‌ای را در دنیای تجارت ایجاد‌ کرده‌است. شرکت‌ها از تجزیه‌‌‌‌وتحلیل داده‌ها سود می‌برند تا تاثیر مثبتی بر عملکرد، درآمدهای روبه‌‌‌‌رشد و کارآیی خود داشته باشند. بدون‌شک، یکی از حوزه‌هایی که پتانسیل زیادی در تجزیه‌‌‌‌وتحلیل داده‌ها دارد، صنعت معدن است.

تجزیه‌‌‌‌وتحلیل داده‌ها به‌طور فزاینده‌ای برای عملیات معدن‌کاری اهمیت پیدا کرده‌است، زیرا این صنعت همچنان به تلاش برای کارآیی بیشتر و مقرون‌‌‌‌به‌‌‌‌صرفه‌بودن نیاز دارد.  با استفاده از تجزیه‌‌‌‌وتحلیل داده‌ها، شرکت‌های معدن‌کاری می‌توانند زمینه‌‌‌‌های بهبود عملیات خود را شناسایی کرده و استراتژی‌هایی را برای افزایش بهره‌‌‌‌وری توسعه دهند، اگرچه تجزیه‌‌‌‌وتحلیل داده‌ها موضوع جدیدی در معدن‌کاری نیست، اما حجم و از همه مهم‌تر میزان استفاده از آن در این بخش به‌طور قابل‌توجهی در چند سال‌گذشته افزایش یافته‌است. برای صنعتی که‌میلیاردها‌ دلار درآمد کسب می‌کند، تجزیه‌‌‌‌وتحلیل داده‌ها نباید به‌عنوان یک کار لوکس یا آنچه که «باید در آینده انجام دهیم» نگاه شود، بلکه باید به‌عنوان یک ضرورت تلقی شود. هر روز داده‌های بیشتری جمع‌‌‌‌آوری می‌شود، اما نه اپراتورها، نه مدیران و نه مدیران ارشد شرکت‌ها نمی‌توانند آنها را ادغام کرده و به‌طور کامل از آن استفاده‌کنند.

از سوی دیگر، اپراتورها و مدیران معدنی برای دستیابی به اهداف سودآور در این بازار نامطلوب، تحت‌فشار شدیدی هستند. در مواجهه با افزایش هزینه‌های انرژی، کمیاب‌شدن سنگ‌‌‌‌های معدنی با عیار بالا، کاهش قیمت کالاها و حاشیه سود کمتر، هرگز برای یک معدن مهم نبوده‌است که از داده‌های خود بیشترین استفاده را داشته‌باشد. مطمئنا شرکت‌ها امیدوارند که بر اساس وعده‌‌‌‌های داده‌شده توسط تجزیه‌‌‌‌وتحلیل داده‌ها، سودهای کلانی را کسب کنند و هزینه‌های عملیاتی خود را کاهش دهند.

 تجزیه ‌‌‌‌و تحلیل داده‌ها

عملیات معدن‌کاری هوشمند، بخش مهمی از عملیات مدرن است. با داده‌ها و راه‌‌‌‌حل‌‌‌‌های تحلیلی مناسب، شرکت‌ها می‌توانند بینش ارزشمندی در مورد عملیات خود به‌دست آورند، تولید را بهینه کنند و هزینه‌ها را کاهش دهند. راه‌‌‌‌حل‌‌‌‌های تجزیه‌‌‌‌وتحلیل داده‌ها در انواع مختلف وجود دارد. از جمع‌‌‌‌آوری و تحلیل داده‌های اولیه گرفته تا الگوریتم‌های پیشرفته یادگیری ماشین. شرکت‌ها می‌توانند راه‌‌‌‌حل‌‌‌‌های مناسبی را متناسب با نیازهای خود انتخاب کنند. شرکت‌ها همچنین می‌توانند از راه‌‌‌‌حل‌‌‌‌های منبع باز مانند آپاچی هدوپ یا آپاچی اسپارک برای ساخت راه‌‌‌‌حل‌‌‌‌های داده سفارشی استفاده کنند. علاوه‌بر این، شرکت‌ها می‌توانند از راه‌حل‌‌‌‌های مبتنی بر ابر مانند Microsoft Azure یا خدمات وب‌آمازون (AWS) برای ذخیره و تجزیه‌‌‌‌وتحلیل داده‌های خود استفاده کنند. از تجزیه‌‌‌‌وتحلیل داده‌ها می‌توان برای تجزیه‌‌‌‌وتحلیل فرآیندهای تولید، شناسایی ناکارآمدی‌‌‌‌ها و پیشنهاد راه‌هایی برای بهبود آنها استفاده کرد. همچنین می‌تواند برای نظارت بر عملکرد تجهیزات و شناسایی مناطق برای بهینه‌سازی به‌‌‌‌کار برده شود. علاوه‌بر این، می‌توان برای شناسایی خطرات ایمنی آن را مورد‌استفاده قرار داد و شرکت‌ها را قادر ساخت تا اقدامات پیشگیرانه‌‌‌‌ای را برای جلوگیری از حوادث انجام دهند.

در نهایت، تجزیه‌‌‌‌وتحلیل داده‌ها را می‌توان برای به‌دست آوردن بینشی در موردنیازها و ترجیحات مشتری استفاده کرد، زیرا به شرکت‌ها اجازه می‌دهد تا نیازهای مشتریان خود را بهتر برآورده کنند. صنعت معدن در استفاده از روباتیک و اتوماسیون پیشرفت‌های زیادی دارد. روباتیک و اتوماسیون به شرکت‌ها این امکان را می‌دهد که فرآیندهای خاصی را که قبلا به‌صورت دستی انجام می‌‌‌‌شده‌‌‌‌است، خودکار کنند و کارآیی را افزایش و هزینه‌ها را کاهش دهند. علاوه‌بر این، روباتیک و اتوماسیون برای نظارت بر شرایط در معادن استفاده می‌شود که به اطمینان از ایمنی معدن‌کاران کمک می‌کند. برخی از روندهای نوظهور در صنعت معدن فرصت‌هایی را برای تجزیه‌‌‌‌وتحلیل داده‌ها ایجاد می‌کنند. دوقلوهای دیجیتال به‌عنوان راهی برای نظارت بر شرایط در زمان واقعی به‌طور فزاینده‌ای در صنعت معدن محبوبیت پیدا کرده‌است. علاوه‌بر این، از فناوری بلاک‌چین برای ردیابی منشأ مواد استخراج‌‌‌‌شده‌استفاده می‌شود و تضمین لازم را برای اخلاقی‌بودن آنها ارائه می‌کند. در نهایت، از هوش‌مصنوعی (AI) برای بهینه‌سازی فرآیندهای تولید و افزایش کارآیی استفاده می‌شود.

 مزایای تجزیه‌‌‌‌وتحلیل داده‌ها در عملیات معدن‌کاری

تجزیه‌‌‌‌وتحلیل داده‌ها می‌تواند مزایای زیادی را برای عملیات معدن‌کاری فراهم کند. با استفاده از داده‌ها و راه‌‌‌‌حل‌‌‌‌های تجزیه‌‌‌‌وتحلیل، شرکت‌ها می‌توانند بینش‌‌‌‌های ارزشمندی در مورد عملیات خود به‌دست آورند، فرآیندهای تولید را بهینه کنند، هزینه‌ها را کاهش و ایمنی را افزایش دهند. تجزیه‌‌‌‌وتحلیل داده‌ها می‌تواند بینش‌‌‌‌هایی را در مورد عملیات معدن‌کاری به شرکت‌ها ارائه دهد که کشف آنها بدون استفاده از داده‌ها و راه‌‌‌‌حل‌‌‌‌های تجزیه‌‌‌‌وتحلیل غیرممکن است. به‌عنوان مثال، تجزیه‌‌‌‌وتحلیل داده‌ها را می‌توان برای شناسایی مناطقی که فرآیندهای تولید آن ناکارآمد است یا می‌توان هزینه‌ها را کاهش داد، استفاده کرد. تجزیه‌‌‌‌وتحلیل داده‌ها همچنین می‌تواند برای شناسایی خطرات ایمنی بالقوه و رسیدگی به آنها قبل از تبدیل‌شدن به یک مشکل استفاده شود. با درک روابط بین متغیرهای مختلف، شرکت‌ها می‌توانند فرصت‌هایی را برای بهبود فرآیندهای تولید و افزایش کارآیی شناسایی کنند. این امر‌ می‌تواند منجر به افزایش بهره‌‌‌‌وری و صرفه‌جویی در هزینه‌ها شود.  در نهایت، می‌توان از تجزیه‌‌‌‌وتحلیل داده‌ها برای کاهش هزینه‌ها استفاده کرد. با درک داده‌ها، شرکت‌ها می‌توانند حوزه‌هایی که می‌توانند موجب کاهش هزینه‌ها شوند را شناسایی کرده و استراتژی‌هایی را برای انجام این کار پیاده‌‌‌‌سازی کنند.

تجزیه‌‌‌‌وتحلیل داده‌ها همچنین فرصتی را برای شرکت‌ها فراهم می‌کند تا درک بهتری از مشتریان خود به‌دست آورند و به آنها اجازه می‌دهد تا محصولات و خدمات خود را برای رفع نیازهای مشتریان خود بهتر تنظیم کنند. با تجزیه‌‌‌‌وتحلیل داده‌های مشتریان، شرکت‌ها می‌توانند روندها و بینش‌‌‌‌هایی را شناسایی کنند که می‌تواند به آنها در درک بهتر بازار هدفشان کمک کند.

این امر، به نوبه خود می‌تواند به آنها کمک کند تا استراتژی‌های بازاریابی موثرتر را توسعه دهند و محصولات و خدمات خود را بهتر ارائه دهند. فرآیند کسب داده‌ها قطعا پیچیده است و به تجهیزات، فناوری‌ها و علوم مختلفی مانند فناوری اطلاعات، مهندسی و زمین‌‌‌‌شناسی نیاز دارد. ناگفته نماند که این قطعات مختلف پازل، متمایزکننده‌‌‌‌هایی هستند که شانس تجزیه‌‌‌‌وتحلیل داده‌ها را برای تاثیرگذاری بزرگ در این صنعت افزایش می‌دهند. یکی از نمونه‌‌‌‌ها، پیش‌بینی زمان خرابی تجهیزات معدن‌کاری می‌تواند باشد. IBM یک نسخه آزمایشی از یک برنامه را طراحی کرده‌است که می‌توان از آن برای تجزیه‌‌‌‌وتحلیل داده‌ها و استفاده از داده‌های تاریخی برای پیش‌بینی زمان خرابی یا احتمال خرابی تجهیزات استفاده کرد. مطمئنا این رویکرد از نظر استراتژی و اجرا بسیار چالش‌‌‌‌برانگیز است.

برخی از چالش‌های کلیدی که در حال‌حاضر صنعت معدن درخصوص تجزیه‌‌‌‌وتحلیل داده‌ها با آن مواجه است، عبارتند از:

تصمیم‌گیری درباره اینکه کدام داده‌ها باید جمع‌‌‌‌آوری و تجزیه‌‌‌‌وتحلیل شوند. بخش معدن، مطمئنا حجم عظیمی از اطلاعات را در طول زنجیره معدن تولید می‌کند. اینکه بتوان از طریق این داده‌ها شناسایی و انتخاب کرد که چه چیزی برای تصمیم‌گیری آگاهانه در کسب‌وکار و تاثیر مثبت بر روی خط‌مشی نهایی سازمان نیاز است، مطمئنا بزرگ‌ترین چالش است.

 ادغام داده‌ها از چندین سیستم، فروشنده و پلتفرم.  این موضوع یک چالش بسیار دشوار از نظر ایجاد یک رویکرد سیستم ‌‌‌‌داده منسجم است. قطعا بسیاری از مراحل دیگر فرآیند معدن‌کاری وجود دارد که در آن تجزیه‌‌‌‌وتحلیل داده‌ها می‌تواند مورد‌استفاده قرار گیرد. از استخراج سنگ‌معدن، فرآوری تا جداسازی و تغلیظ. یکی از زمینه‌‌‌‌هایی که ممکن است برای ناکارآمدی شرکت‌های معدنی موثر باشد، بخش لجستیک آن است. بسیاری از داده‌های مربوط به حمل‌ونقل از طریق داده‌های مربوط به استفاده از راه‌آهن یا کامیون‌‌‌‌ها برای انتقال کالاها به بندر به‌دست می‌آید. بسیاری از کاستی‌‌‌‌های گزارش‌شده مربوط به مقادیر اعلامی شرکت‌ها از فرآیندهای خودکار بارگیری واگن‌‌‌‌های ریلی است. صنعت معدن تمام پتانسیل‌های حاصل از تجزیه‌‌‌‌وتحلیل داده‌ها را لمس خواهد کرد. با وعده رویه‌‌‌‌های ایمنی بهتر، افزایش کارآیی و بهره‌‌‌‌وری و هزینه‌های کمتر، هر شرکتی که هنوز از تجزیه‌‌‌‌وتحلیل داده‌ها استفاده نمی‌کند، احتمالا به‌زودی این کار را انجام خواهد داد.