تاثیر هوش مصنوعی در بومی سازی ماشین آلات معدنی و راه سازی در ایران

صفحه اقتصاد -

• تعریف هوش مصنوعی(AI) Artificial intelligence:

هوش مصنوعی به معنای توانایی کامپیوترها و ماشین ها برای یادگیری ،تصمیم گیری و حل مسئله شبیه انسان است.

به زبان ساده هوش مصنوعی  مجموعه ای از الگوریتم ها و روش های محاسباتی است که به سیستم های کامپیوتری این توانایی را می‌دهد که شبیه انسان یاد بگیرند، تصمیم گیری کنند، الگو پیدا کنند و پیش بینی انجام دهند.

مثال ساده تر:

-بازکردن قفل گوشی با تشخیص چهره  (face id) 

-انتخاب مسیر بهینه توسط گوگل مپ

- تحلیل داده های عملکردی ماشین آلات معدنی و پیش بینی خرابی ها

• نقش هوش مصنوعی در صنعت ماشین آلات معدنی

-طراحی و مهندسی معکوس با کمک الگوریتم های یادگیری ماشین

-عیب یابی و پیش بینی خرابی دستگاه های معدنی

-بهینه سازی مصرف انرژی و سوخت در ماشین آلات

-ارتقاء ایمنی عملیات معدنی و کاهش ریسک حوادث

• سوال کلیدی

آیا هوش مصنوعی در صنعت ماشین آلات معدنی ایران کاربردی است یا خیر؟

در نگاه اول به دلیل محدودیت های زیر ساختی، کمبود داده و ضعف در انتقال فناوری ،ممکن است تصور شود هوش مصنوعی در ایران کاربرد کمتری دارد.

اما واقعیت این است که در شرایطی که کشور با تحریم و وابستگی به واردات قطعات مواجه است هوش مصنوعی میتواند یکی از کارآمد ترین ابزارها برای تسریع فرآیند بومی سازی باشد.

در بسیاری از حوزه ها مانند عیب یابی تجهیزات ،مهندسی معکوس ،بهینه سازی مصرف انرژی ، طراحی قطعات و دیجیتال سازی خطوط تولید ، حتی با امکانات موجود در ایران نیز قابلیت پیاده سازی وجود دارد.

بنابراین پاسخ این سوال مثبت است؛ هوش مصنوعی نه تنها کاربردی است بلکه میتواند مزیت رقابتی اصلی برای بومی سازی ماشین آلات معدنی در ایران محسوب شود.

• نقش هوش مصنوعی در صنعت ماشین آلات معدنی (با توضیحات و مثال های خارج از کشور):

1. عیب یابی و پیش بینی خرابی

• در استرالیا شرکت Rio Tinto با نصب سنسورهای هوشمند روی دامپتراک ها و بیل های مکانیکی توانسته است با استفاده از هوش مصنوعی زمان دقیق خرابی ها را پیش بینی کند و هزینه های نگهداری را تا ۱۵% کاهش دهد.
• این تجربه نشان می‌دهد در ایران هم می‌توان با نصب حسگر روی ماشین آلات وارداتی و تحلیل داده ها، به جای تعمیرات پرهزینه و واردات قطعات، از پیش بینی و تعمیر به موقع استفاده کرد.

2. بهینه سازی مصرف سوخت و انرژی

• شرکت Caterpillar الگوریتم های هوش مصنوعی را برای تنظیم هوشمند موتور های دیزلی دامپتراک ها به کار گرفته است که باعث کاهش ۱۰ تا ۱۲ درصدی مصرف سوخت شده است.
• برای کشور ایران که وارد کننده سوخت گران قیمت دیزل در معدن است چنین الگوریتم هایی می‌تواند به راحتی بومی سازی و پیاده سازی شود.

3. مدل سازی دیجیتال “Digital Twin”

• در فنلاند شرکت Sandvik از "دو قلوی دیجیتال" برای طراحی و شبیه سازی قطعات حفاری استفاده کرده است این مدل ها پیش از ساخت واقعی، عملکرد قطعات را در شرایط واقعی معدن شبیه سازی می‌کنند.
• در ایران هم میتوان قبل از تولید قطعات حساس مثل چرخدنده با سیستم هیدرولیک ، نسخه دیجیتال را طراحی و تست کرد تا هزینه های آزمایش فیزیکی کاهش یابد.

4. ایمنی و کاهش ریسک عملیات معدنی

• در کانادا شرکت Barrick Gold از سیستم بینایی ماشین“Computer Vision” مبتنی بر Ai برای شناسایی مناطق پرخطر در معادن رو باز استفاده می‌کنند.
• این سیستم ها با پردازش تصویر ماهواره ای و دوربین های معدن، ریزش یا شکست احتمالی دیواره معدن را پیش بینی می‌کنند. چنین الگوریتم هایی می‌تواند در معادن رو باز ایران مانند معدن مس سرچشمه، گل گهر و... جان صد ها معدن کار را نجات دهد.

مطالعات موردی بین المللی با جزئیات:

1. چین: کشور چین با توسعه سیستم های هوشمند در معادن ذغالسنگ توانست وابستگی خود را به واردات کاهش دهد. این کشور که یکی از بزرگترین مصرف کنندگان ماشین آلات دنیاست با اتکا به هوش مصنوعی توانسته است:

• کامیون های معدنی بدون راننده در معادن ذغالسنگ راه اندازی کند.
• سیستم های هوشمند کنترل حفاری را برای افزایش سرعت استخراج به کار گیرد.
• نتیجه آن کاهش ۲۰% هزینه های عملیاتی و کاهش وابستگی به ماشین آلات وارداتی غربی.

2. هند: کشور هند با استفاده از تحلیل داده و هوش مصنوعی در طراحی قطعات ماشین آلات معدنی  بخش بزرگی از نیاز داخلی خود را تأمین کرده است.

هند با استفاده از Ai و یادگیری ماشین شرکتCoal India Limited  را دیجیتال کرده است این شرکت با ایجاد پایگاه داده عملکرد، تجهیزات توانسته است قطعات حساس مثل موتور های برقی و سیستم های هیدرولیک را بومی سازی کند .

نتیجه صرفه جویی بیش از 500 میلیون دلار هزینه واردات تجهیزات معدنی طی 5 سال.

3. روسیه: کشور روسیه نیز با بهره‌گیری از شبیه سازی دیجیتال توانسته بخش قابل توجهی از ماشین آلات معدنی را بومی سازی کند.

روسیه به دلیل تحریم ها مجبور شد به سمت بومی سازی حرکت کند در شرکتNorilsk Nickel با کمک الگوریتم های شبیه سازی دیجیتال و یادگیری عمیق، تولیدات داخلی قطعات دامپتراک های 130 تنی را آغاز کردند.

نتیجه کاهش 30% وابستگی به قطعات غربی در 3 سال

4. استرالیا: کشور استرالیا با هوشمند سازی ماشین آلات خود اپراتور ها یا رانندگان را از گردنه خارج نموده.

استرالیا شرکتBHP Billitonدر معادن سنگ آهن خود کامیون های هوشمند خودران را جایگزین رانندگان کرده است؛ این کامیون‌ ها توسط هوش مصنوعی هدایت می‌شوند و داده های مربوط به بارگیری و مسیر را به صورت لحظه ای تحلیل می‌کنند.

نتیجه آن افزایش بهره وری حمل مواد تا 25%و کاهش هزینه های انسانی

جمع بندی تقویت شده:

این نمونه ها نشان می‌دهد که هوش مصنوعی دیگر یک فناوری لوکس یا آینده نگرانه نیست، بلکه یک ابزار عملیاتی و استراتژیک برای کشور هایی است که به دنبال بومی سازی و کاهش وابستگی هستند.

برای کشور ایران، استفاده از تجربیات چین، روسیه و هند که شرایط مشابهی در محدودیت واردات دارند ، می‌تواند مسیر راهبردی موفقی باشد.

هوش مصنوعی در بومی سازی ماشین آلات معدنی و راه سازی:

هوش مصنوعی می تواند در فرآیند بومی سازی این ماشین آلات نقش کلیدی ایفا کند.

1. مهندسی معکوس هوشمند:

با استفاده از اسکن سه بعدی و الگوریتم های یادگیری ماشین، می توان مدل قطعات پیچیده را بازسازی و حتی بهینه تر از نسخه اصلی طراحی کرد.

مثلا روسیه از Ai برای باز‌ طراحی موتور دامپتراک های بلاروسی (Belaz) استفاده کرده است.

2. تحلیل داده های عملکردی:

داده های واقعی از کارکرد دامپتراک ها در معادن ایران جمع آوری می شود و Ai با تحلیل آن ها نقاط ضعف قطعات وارداتی را شناسایی می کند.

مثلا چین برای طراحی سیستم تعلیق کامیون های معدنی هوشمند از داده های میدانی هزاران کامیون استفاده کرد.

3. بهینه سازی تولیدات داخلی:

در خطوط تولید داخلی هوش مصنوعی می تواند فرآیند های جوشکاری ،ریخته گری و ماشین کاری قطعات بزرگ را کنترل کند و کیفیت را افزایش دهد .

مثلا شرکت لیبهر آلمان از Aiدر کنترل کیفی قطعات ریخته گری سنگین استفاده می کند.

4. ایمنی و نگهداری هوشمند:

در بومی سازی ماشین آلات Ai می تواند سیستم های نظارت هوشمند روی موتور ، گیربکس و سیستم ترمز را طراحی کند تا قبل از خرابی هشدار دهد.

این موضوع برای دامپتراک های سنگین حیاتی است چون توقف یک دستگاه می تواند تولید کل معدن را مختل کند.

5. بومی سازی ماشین آلات راه سازی (لودرها، بولدوزرها و گریدرها):

Ai در طراحی بهینه سیستم های هیدرولیک و موتور های کم مصرف نقش کلیدی دارند.

در هند الگوریتم هایAi به شرکتJbc کمک کرد مصرف سوخت لودر های بومی سازی شده را تا 10% کاهش دهد.

• جمع بندی:

بومی سازی دامپتراک های 130 تا 150 تنی نیازمند یک استراتژی ترکیبی از مهندسی معکوس ، استفاده از داده های میدانی و هوش مصنوعی است.

هوش مصنوعی میتواند زیان و هزینه بومی سازی را به شکل چشمگیری کاهش دهد و کیفیت محصول نهایی را به استاندارد جهانی نزدیک کند.

در  بخش ماشین آلات راه سازی و معدنی سبک تر نیزAi می تواند به بهبود طراحی موتور ، کاهش مصرف سوخت ، افزایش عمر قطعات و ارتقاء ایمنی کمک کند.

چرا Aiدر صنعت ماشین آلات معدنی مهم است ؟

چون با کمک آن می توانیم قبل از خراب شدن دامپتراک یا لودر ، خرابی را پیش بینی کنیم . هزینه تعمیر را کاهش دهیم.

میتوانیم مصرف سوخت ماشین آلات را کمتر کنیم و بهره وری را بالا ببریم.

در فرآیند بومی سازی Ai کمک می کند قطعات پیچیده مثل موتور و گیربکس برا دقیق تر طراحی و شبیه سازی کنیم.

یعنی هوش مصنوعی می تواند هم در ساخت داخل و هم در بهره برداری از ماشین آلات یک ابزار کلیدی باشد.

توان فعلی کشور در بومی سازی ماشین آلات راه سازی و معدنی:

1. بومی سازی دامپتراک های سنگین:

• ساخت دامپتراک های ۱۵۰ تنی تمام برقی:

 

دامپتراک 150 تنی بومی سازی شده(بخش کنترل مرکزی ،شاسی، اتاق بار، کابین راننده، و بخشی از سیستم هیدرولیک)

 

• نخستین نمونه دامپتراک ۱۵۰ تنی با رانش تمام برقی برای اولین بار در ایران بومی سازی شد. این دستاورد حاصل دو  سال تلاش و همکاری یک تیم متخصص ایرانی در شرکت فنی مهندسی گهر صنعت که در سال ۱۴۰۱ در نمایشگاه ماشین آلات معدنی و راه سازی زنجان رونمایی شد و کشور ایران را جزو معدود کشور های دارنده فناوری ساخت کامیون های غول پیکر قرار داد.
• مهمترین و پیچیده‌ ترین بخش این غول معدنی، «سیستم کنترل مرکزی» آن است که به عنوان مغز متفکر دامپتراک عمل می‌کند ؛ این سامانه پیشرفته، مسئولیت هماهنگی بین برق تولیدی ژنراتور و فرامین اپراتور را بر عهده دارد و توان الکتریکی را از طریق کابل‌ها به موتور های درون چرخ‌ها (ترکشن موتور) هدایت می‌کند.
• این بخش حیاتی، به طور کامل در داخل کشور توسعه یافته است.
• علاوه بر این، بخش‌های دیگری مانند شاسی، اتاق بار، کابین راننده و بخشی از سیستم هیدرولیک نیز با تکیه بر توان داخلی طراحی و ساخته شده‌اند.
• قرارداد مهندسی و ساخت دامپتراک ۱۳۶ تنی:

 

نمونه دامپتراک 136 تنی بومی سازی شده توسط شرکت ملی مس ایران و شرکت مپنا( 65 درصد بومی سازی شده)

 

ایران قرارداد مهندسی و ساخت اولین دامپتراک136 تنی الکترومکانیکال Ac-Ac بومی سازی شده را بین گروه مپنا و شرکت ملی مس ایران به امضاء رسانیده است. عمق ساخت داخل پیش‌بینی شده حدود 65 درصد است.

•  رونمایی از دامپتراک ۶۰ تنی بومی سازی شده:

نمونه دامپتراک 60 تنی که توسط شرکت ایمیدرو و گل گهر بومی سازی شده

 

پروژه بومی سازی شده دامپتراک 60 تنی با راهبری ایمیدرو و کارفرمایی شرکت گل گهر به سرانجام رسیده وزیر صمت از ان رونمایی کرد. ساخت داخل هر دستگاه دامپتراک در داخل کشور موجب صرفه جویی به میزان 400 هزار یورو می شود.

2. بومی سازی ماشین آلات راه سازی

• بومی سازی ۴۰ درصدی ماشین آلات راه سازی : رئیس انجمن تولید کنندگان و وارد کنندگان ماشین آلات راه سازی با بیان اینکه  میانگین عمق ساخت داخل ماشین آلات سنگین در کشور ۴۰ درصد است گفت تولید داخل جوابگوی  نیاز کشور نیست.
• فرسودگی ۱۷ هزار دستگاه ماشین آلات راه سازی و معدنی
• براساس آمار وزارت صمت حدود ۱۷ هزار دستگاه ماشین آلات فرسوده معدنی و راه سازی در کشور وجود دارد که باید از رده خارج و ماشین آلات نو جایگزین آن ها شوند.
• صرفه جویی ۱/۷ میلیارد دلاری با بومی سازی تجهیزات معدنی:
• رئیس هیأت عامل ایمیدرو گفت: با اجرای برنامه های بومی سازی بیش از یک میلیارد و هفتصد میلیون دلار در سه سال گذشته صرفه جویی ارزی به دست آمده است.
• بومی سازی سامانه های توزین صنایع معدنی :
• یک شرکت دانش بنیان با بومی سازی و کرنش سنجی در سال ۵۰۰ هزار دلار از واردات و ارز بری جلوگیری می کند.

• ضرورت ورود به هوش مصنوعی در بومی سازی ماشین آلات معدنی و راه سازی :

1. افزایش بهره وری و کاهش هزینه ها:

همانطور که گفتیم ماشین آلات معدنی سنگین مانند دامپتراک 130 تا 150 تن هزینه نگهداری بالایی دارند هوش مصنوعی با پیش بینی خرابی ها و بهینه سازی مصرف سوخت می تواند هزینه های تعمیر و نگهداری را به شکل چشمگیری کاهش دهد.

2. سرعت بخشیدن به فرآیند بومی سازی طراحی و تولید قطعات پیچیده بدون شبیه سازی دیجیتالی و تحلیل داده ، زمان بر و پرهزینه است. و هوش مصنوعی امکان شبیه سازی و مهندسی معکوس هوشمند را فراهم می کند بنابراین روند بومی سازی سریعتر می شود.
3. ارتقاء کیفیت و ایمنی میتواند نظارت لحظه ای بر عملکرد قطعات و سیستم های هیدرولیکی و الکتریکی  ماشین آلات داشته باشد.

• نتیجه : افزایش ایمنی و کاهش ریسک حوادث

4. مدیریت داده های عملیاتی: معادن و پروژه های بزرگ حجم عظیمی از داده ها را تولید می کنند(عملکرد موتور، بار، شیب مسیر، دما و لرزش)

بدونAiتحلیل دستی  این داده ها غیر ممکن است.

Aiکمک می کند تصمیم گیری بر پایه داده ها و بهینه سازی-استراتژی انجام شود.

5. رقابت پذیری و استقلال صنعتی: کشور های صنعتی مانند چین ،هند و روسیه با بهره گیری از هوش مصنوعی توانسته اند وابستگی خود به واردات ماشین آلات را کاهش دهند.

• برای کشور ایران ورود به این مسیر به معنی حفظ رقابت پذیری، کاهش ارز بری، ایجاد مزیت صنعتی و توسعه پایدار است.

 

نتیجه گیری:

• هوش مصنوعی امروزه به یکی از مهم ترین ابزارهای تحول در صنعت معدن و بومی سازی ماشین آلات معدنی تبدیل شده است این فناوری با تحلیل داده های پیچیده، شبیه سازی شرایط کاری و یادگیری از عملکرد تجهیزات توانسته فرآیند طراحی ، ساخت و نگهداری ماشین آلات را متحول کند و نقش مهمی در کاهش وابستگی به خارج ایفا کند. در فرآیند بومی سازی هوش مصنوعی باعث تسریع طراحی، بهینه سازی عملکرد، قطعات، پیش بینی خرابی ها و افزایش بهره وری تجهیزات می شود و در نتیجه هزینه ها را کاهش و کارایی را افزایش می دهد.
• در کشور ما، شرکت هایی نظیر گهر صنعت ، هپکو ، ایمیدرو و برخی مراکز تحقیقاتی دانشگاهی گام های ابتدایی اما موثر در استفاده از الگوریتم های هوش مصنوعی برای طراحی قطعات سیستم های کنترل و تحلیل داده های عملکردی ماشین آلات برداشته اند هرچند این مسیر هنوز در مراحل آغازین خود قرار دارد اما زیر ساخت دانشی و نیروی انسانی متخصص به تدریج در حال شکل گیری است و می توان آینده ای روشن برای بومی سازی هوشمند ماشین آلات معدنی در ایران متصور بود.
• ضرورت ورود جدی به عرصه هوش مصنوعی  در صنعت معدن امروز بیش از هر زمان دیگری احساس می شود ، استفاده هدفمند از این فناوری نه تنها موجب کاهش وابستگی به واردات و ارتقاء سطح دانش فنی داخلی می گردد، بلکه زمینه ساز توسعه فناوری های نوین همچون دامپتراک های برقی و سیستم های حفاری هوشمند نیز خواهد بود؛ در واقع هوش مصنوعی می تواند کشور را از مرحله مونتاژ و مهندسی معکوس به مرحله طراحی و توسعه مستقل فناوری ارتقاء دهد.
• با این حال مسیر توسعه و بهره گیری از هوش مصنوعی  در بومی سازی ماشین آلات معدنی خالی از چالش نیست و نبود داده های دقیق و استاندارد برای آموزش مدل ها، کمبود نیروی انسانی متخصص میان رشته ای ، محدودیت زیرساخت های محاسباتی و مقاومت سازمانی در برابر فناوری های نو از جمله موانعی هستند که باید با برنامه ریزی دقیق و همکاری نهاد های صنعتی و علمی برطرف شوند.
• در جمع بندی می توان گفت هوش مصنوعی قلب تپنده آینده بومی سازی در حوزه ماشین آلات معدنی است. با سرمایه گذاری هوشمند ، تربیت نیروی انسانی متخصص و ایجاد بسترهای همکاری میان صنعت و دانشگاه می توان از ظرفیت عظیم این فناوری برای توسعه پایدار، افزایش بهره وری و ارتقاء جایگاه فناورانه کشور در عرصه معدن استفاده کرد.

 

 

    فرشاد ابراهیم نژاد

مجری طرح ساماندهی تجهیزات و ماشین آلات معدنی

   مهر ماه 1404

 

مطالعه بیشتر:

• برگزاری بیستمین دوره تربیت کارور دستگاه حفاری در مرکز تحقیقات یزد

اخبار مرتبط

• بررسی طرح شورابه‌های قم در جلسه‌ای با حضور مسئولان ارشد استان و ایمپاسکو
• شاخص‌های کلیدی عملکرد در ایران: از «عددسازی» تا «بهبود واقعی»
• سمیعی نژاد: ایمپاسکو؛ اهلیت متقاضیان در واگذاری معادن را در نظر گیرد / زارع: اجرا و راه اندازی ۲۲ طرح توسعه ای با سرمایه ۳ میلیارد یورو
• انگیزه و رضایت شغلی مسیر رشد و پویایی است

پیشنهاد سردبیر

• پیش بینی نماینده مجلس: قیمت گوشت در آستانه رسیدن به ۲ میلیون تومان + ویدئو
• پیش بینی قیمت طلا و سکه فردا چهارشنبه ۱۴ آبان ۱۴۰۴ | آخرین قیمت طلا و تحلیل امروز | طلا فردا اوج می گیرد؟
• پیش بینی قیمت دلار فردا چهارشنبه ۱۴ آبان ماه ۱۴۰۴ | آخرین تحلیل و پیش بینی بازار ارز | دلار گران می شود؟
• فروش فوری و جدید ایران خودرو آبان ۱۴۰۴: شرایط طرح مادران و طرح عادی + جدول کامل