هوش مصنوعی (AI) در سال ۲۰۲۳ در مقابل چشم قرار گرفت و اصطلاحا منفجر شد ، اما در پشت صحنه، بسیاری از سازمان‌‌‌ها سال‌‌‌هاست که بی‌‌‌سرو صدا در حال آزمایش و پیاده‌‌‌سازی هوش مصنوعی در موارد مختلف هستند. در استخراج، هوش مصنوعی در حال تبدیل شدن به یک پیشنهاد آزمایشی یا آزمایشی رایج در بسیاری از استخراج کنندگان سطح ۱ و ۲ است. هوش مصنوعی هنوز یک فناوری بدون اشتباه نیست. تعبیر رایج هوش مصنوعی این است : «کامپیوتری به اندازه یک فرد باهوش است»

نکته قابل توجه و از قلم افتاده این است افرادی که هوش مصنوعی را ایجاد می‌کنند آن را برای حل مشکلات خاصی ایجاد کرده‌اند نه برای تقلید از انسان. در حال حاضر هوش مصنوعی به دو روش کلی استفاده می‌‌‌شود: برای پیش‌‌‌بینی یا بهینه‌‌‌سازی فرآیندهای موجود.

در استخراج، هوش مصنوعی شروع به ظهور در سراسر زنجیره ارزش کرده است. در حالی که کاربردهای خاص به طور قابل توجهی متفاوت هستند، نمای کلی از مشکلات موجود در هر منطقه را از زنجیره ارزش آن می‌توان به راحتی درک کرد. ما باید پیش‌‌‌بینی کنیم که یک جسم ارزشمند ممکن است کجا باشد، سپس بر اساس آن پیش‌‌‌بینی برای آزمایش آن عمل کنیم. نتایج آزمایش برای بهبود پیش‌‌‌بینی بعدی بازخورد می‌‌‌دهند. مثلا برنامه‌ریزی کامیون‌های باربری در یک گودال یک مشکل بهینه‌سازی است. ما می‌خواهیم زمان بیکاری را به حداقل برسانیم و توان عملیاتی را برای یک ناوگان در یک روز معین به حداکثر برسانیم و فاکتورهای ثابت و متغیر مختلفی داریم.

دوقلوهای دیجیتال

دوقلوهای دیجیتال (دوقلوها) بخشی از دنیای واقعی را در نرم افزار منعکس می‌کنند تا بتوانیم داده ها را تجزیه و تحلیل و دستکاری کنیم و تغییراتی را در دنیای واقعی ایجاد کنیم. امروزه ما سیستم‌‌‌ها و کاربر‌های بسیاری داریم که کارهای متفاوتی انجام می‌‌‌دهند، زمانی که مشکلی پیش می‌‌‌آید، کاربر به درون سیستم‌‌‌های خود نگاه می‌‌‌کنند تا داده‌‌‌هایی را در مورد کارهایی که باید انجام دهند جمع‌‌‌آوری کنند. مشکل این است که هر کاربری ممکن است داده‌‌‌های متفاوتی از سیستم‌‌‌های نگهداری، کنترل و برنامه‌‌‌ریزی ببیند، و برخی در محل به مشکل نگاه می‌‌‌کنند و از چشم و گوش خود برای تشخیص مشکل استفاده می‌‌‌کنند، و برخی دیگر در هزار کیلومتر دورتر هستند و مشکل را تصور می‌‌‌کنند. . هر انسانی بخش متفاوتی از مشکل را به شیوه‌ای متفاوت می‌بیند. دوقلوهای دیجیتال با ایجاد یک تصویر واحد از مشکل، وضوح و زمینه ایجاد می‌کنند، جایی که همه کاربر‌ها می‌توانند داده‌های یکسان (از بسیاری از سیستم‌ها) را به روشی مشابه ببینند و در نتیجه تصمیم‌‌‌گیری‌‌‌ها بهبود می‌‌‌یابند، زیرا تعمیر و نگهداری می‌‌‌تواند داده‌‌‌های کنترلی را ببیند و همچنین برنامه‌‌‌ریزی می‌‌‌تواند داده‌‌‌های مهندسی را ببیند، و همه آنها می‌‌‌توانند ببینند چه زمانی داده‌‌‌ها در تضاد هستند. تصمیماتی که از طریق یک دوقلو اتخاذ می‌‌‌شوند، سپس به سیستم‌‌‌ها سرازیر می‌‌‌شوند و تغییری در دنیای واقعی ایجاد می‌‌‌کنند که نهایتا در دوقلو منعکس می‌‌‌شود.

دوقلوهای دیجیتال برای استخراج

در دنیای معدن، دو طبقه اصلی از دوقلوها وجود دارد که منعکس کننده صنعت هستند: دوقلوهای دارایی و دوقلوهای فرآیند. معدن دارایی‌‌‌های بزرگ و پیچیده بسیاری است و معدن‌‌‌کاری یک صنعت مبتنی بر فرآیند است، دوقلو در ماینینگ باید داده‌‌‌های دارایی، پردازش و کار را برای ایجاد وضوح و زمینه مورد بررسی قرار دهد.
دوقلو آسیاب SAG یک مثال است: دوقلو دارایی روی ماشین‌آلات، دما و ارتعاش، مصرف برق، تعمیر و نگهداری انجام شده و برنامه‌ریزی شده و داده‌های مهندسی تمرکز می‌کند. فرآیند دوقلو بر راندمان سنگ‌زنی، استفاده از مواد مصرفی، جریان ورودی و خروجی تمرکز دارد. این دوقلوها ممکن است برای اهداف بسیار متفاوتی مورد استفاده قرار گیرند، اما آنها به وضوح به طور جدایی ناپذیری به هم مرتبط هستند، مانند دنیای واقعی که جداسازی جریان مواد از پوشش پوسته غیر ممکن است.

دوقلوها و هوش مصنوعی

این دو دسته از فناوری مشترکاتی دارند . هر دوی آنها به دنبال بهبود تصمیمات هستند. هوش مصنوعی بهینه سازی و پیش بینی می‌کند. دوقلوها وضوح و زمینه را فراهم می کنند. کنار هم قرار دادن آنها به تصمیم گیرندگان وضوح و زمینه را در بهینه سازی و پیش‌بینی دارایی ها، فرآیندها و کار می‌دهد. هوش مصنوعی توانایی بهبود برخی تصمیمات و یادگیری نحوه بهبود بیشتر را فراهم می‌کند. دوقلوها انسان ها را قادر می‌سازند تا پیش بینی‌ها و بهینه‌سازی‌های هوش مصنوعی را با سیستم ها و فرآیندهای مبتنی بر قوانین که هر روز استفاده می‌کنیم، مقایسه کنند. با رشد هوش مصنوعی، عملکرد و در همه موارد استفاده، نسبت پیش‌‌‌بینی‌‌‌های منطقی تغییر می‌‌‌کند و موارد پیش‌‌‌بینی نقض قوانین افزایش می‌‌‌یابد. گروه‌‌‌هایی از انسان‌‌‌ها برای حل این تعارض‌‌‌ها و امکان اجرای پیش‌‌‌بینی‌‌‌ها و بهینه‌‌‌سازی‌‌‌ها بدون پیامدهای منفی، نیازمند شفافیت بیشتر هستند. همان‌طور که قدرت پیش‌‌‌بینی و بهینه‌‌‌سازی معیارهای خاص افزایش می‌‌‌یابد، انتظارات نیز افزایش می‌‌‌یابد که این بینش‌‌‌ها برای بهبود معیارهای کلی عملیات معدن مورد استفاده قرار گیرند. در بیشتر موارد، این کار مستلزم همکاری نزدیک برای درک تغییرات در فرآیندهای تجاری مبتنی بر قانون و تأثیرات تغییرات در فرآیندها، کار و دارایی‌ها است. هوش مصنوعی این پتانسیل را دارد که نحوه تصمیم‌گیری ما را به طور کامل تغییر دهد، اما برخی از تصمیمات برای چند دهه در دستان انسان باقی خواهند ماند و صنعت ما باید ترکیب مناسبی از ماشین و انسان را در سطح سایت و فردی پیدا کند. دوقلوهای دیجیتال روشی را برای پیوند دادن افراد، فرآیندها و فناوری به یکدیگر در سطح سایت و مدیریت این انتقال ها به روش‌های ساختاریافته و با ریسک مناسب تنظیم می‌کنند.