В 2018 году основатель WipWare Том Палангио поделился своим опытом работы в отрасли с другими компаниями. Будущее майнинга с использованием ИИ: первые шаги к организации, ориентированной на аналитические данные., отчет, подготовленный Делойт а также NORCAT Изучение возможностей и проблем, связанных с применением искусственного интеллекта в горнодобывающей промышленности.
В докладе рассматривалось, как горнодобывающие предприятия могут внедрять новые технологии, преодолевать барьеры на пути их внедрения и более эффективно использовать оперативные данные.
Опираясь на многолетний опыт в области взрывчатых веществ и измерения осколочной способности, Палангио обсудил традиционное нежелание горнодобывающей промышленности внедрять незнакомые технологии. Новые решения должны не только демонстрировать технические возможности, но и учитывать операционные риски, затраты на внедрение и практические потребности людей, использующих их.
ПРОМЫШЛЕННАЯ КУЛЬТУРА - Tom Palangio
Горнодобывающая промышленность традиционно воспринималась как рискованное предприятие с неопределенными долями, нестабильностью инвестиций и переменными ценами на металлы, поэтому поощрялась любая возможность снизить риск и придерживаться проверенных методов работы. Такое неприятие риска ограничивало возможности для инноваций, и многие крупные предприятия избегали брать на себя инициативу в доказательстве эмпирической эффективности новых технологий, поскольку первоначальные затраты и потенциальный провал или риски, связанные с передовыми инновациями, считались неразумными. Подход WipWare заключался в том, чтобы сосредоточить внимание на улучшении повседневной работы передовых рабочих, включая отказ от практики проб и ошибок прошлого, когда сотрудники, пытающиеся предсказать разрыв дробилки, часто увеличивали время простоя оборудования. Опираясь на нейронные сети, WipWare предоставляет данные о размерах материала в режиме реального времени на протяжении всего процесса добычи, что позволяет автоматизировать управление процессом, что улучшает способность рабочих предвидеть сбои в своей работе и сокращать расходы за счет сокращения времени простоя и увеличения срока службы оборудования ». (Стр.7)
Его вклад подчеркнул важное различие: сбор большего количества данных не обязательно означает принятие более эффективных решений. Измерение становится ценным, когда информация достигает людей и систем, способных действовать на её основе.
В отчете также обсуждалось, как автоматизированное определение размеров материалов и другие технологии могут способствовать более эффективному управлению технологическими процессами, помогая предприятиям распознавать меняющиеся условия и реагировать соответствующим образом.
Ознакомьтесь с отчетом Deloitte и NORCAT.
Читать Будущее майнинга с искусственным интеллектом через исследовательскую коллекцию компании Deloitte.
Для практического примера того, как измерения параметров материалов могут влиять на принятие решений в горнодобывающей промышленности, изучите... От взрыва до измельчения: использование данных о фрагментации для повышения эффективности добычи полезных ископаемых..
WipWare