هوش مصنوعی در فرآوری مواد معدنی – هوش مصنوعی انعطاف پذیری در فرآوری مواد معدنی را افزایش می دهد

حتی قبل از همه‌گیری COVID-19، شرکت‌های فرآوری مواد معدنی با عدم اطمینان عمیق دست و پنجه نرم می‌کردند. کسانی که برای مهار قدرت هوش مصنوعی گام برداشتند، انعطاف پذیری عملیاتی را بهبود بخشیدند.

از آنجایی که کووید-۱۹ همچنان بر زندگی و معیشت میلیون‌ها نفر تأثیر می‌گذارد، شاید مهم‌ترین شوک را به صنایع از آموزش گرفته تا مراقبت‌های بهداشتی و تامین مواد غذایی در تقریباً یک قرن وارد کند.

شرکت‌های فرآوری مواد معدنی نیز باید با عدم قطعیت و نوسانات عمیق دست و پنجه نرم کنند. قبل از کووید-19، برخی در حال انجام اقداماتی برای ایجاد قابلیت‌های خود برای مقابله با نوسانات ذاتی در بازارهای کالا بودند. اما رویدادهای اخیر که چالش‌هایی را  مانند در دسترس بودن نیروی کار، زنجیره تامین و تقاضا ایجاد کردند، نیاز به سطوح بالاتر انعطاف پذیری عملیاتی را در مدت زمان کوتاهی ایجاد کردند.

اینجاست که پیشرفت‌های اخیر در هوش مصنوعی (AI) کمک کرده است. به طور معمول، کارخانه‌های فرآوری دارای ترابایت داده ذخیره شده در طول چندین سال هستند که می‌تواند با داده‌های مالی و بازار ترکیب شود تا بینشی منحصر به فرد در مورد سودآوری تحت سناریوهای مختلف به دست آورد. چندین اپراتور پیشگام شروع به مهار هوش مصنوعی کرده اند تا نه تنها چالش‌های کوتاه مدت را حل کنند، بلکه انعطاف پذیری عملیاتی را به عنوان یک مزیت رقابتی بلندمدت افزایش دهند. مطالعات موردی زیر رویکردهای اتخاذ شده توسط دو بازیکن در به کارگیری این قابلیت‌های جدید را روشن می‌کند.

تولیدکننده کود ترکیبی: ایجاد انعطاف پذیری عملیاتی در سال‌های اخیر، تغییرات مکرر در قیمت‌های بازار، شرکت‌های کود را تحت تأثیر قرار داده است و به استراتژی‌های جدید فرآوری سنگ معدن برای به حداکثر رساندن سودآوری بلندمدت نیاز دارد. این پخش کننده یکپارچه از قبل شروع به ساخت ابزارهای هوش مصنوعی و قابلیت‌های عملیات انعطاف پذیر در فراوری خود کرده بود. هنگامی که COVID-19 رخ داد، شرکت این قابلیت‌ها را برای عبور از بحران گسترش داد.

اولین قدم استفاده از هوش مصنوعی برای درک همبستگی بین قیمت‌های بازار و سودآوری در مدل‌های عملیاتی مختلف بود. به طور خاص، اثرات حداکثر کردن تولید (سود فوری) یا بازده (سود بلند مدت) را با عمر اقتصادی معدن مقایسه کرد. همچنین اثرات به حداکثر رساندن عیار سنگ معدن بهره‌برداری شده و تأثیر ویژگی‌های مختلف سنگ بر هزینه‌های پایین دستی را مورد بررسی قرار داد.

با ساخت مدل‌های هوش مصنوعی برای درک بهتر این محرک‌ها، این شرکت توانست استراتژی‌های سودآورتری را شناسایی کند و بینش‌های شگفت‌انگیزی را به دست آورد.

به عنوان مثال، به حداکثر رساندن تولید همیشه سودآورترین مدل عملیاتی نبود. برنامه‌ریزی معدن و استقرار نیروی انسانی کمترین انعطاف‌پذیری و سخت‌ترین سازگاری را در میان تغییرات در پویایی بازار داشتند. علاوه بر این، تصمیمات کارخانه پرعیارسازی می‌تواند به بیش از 20 درصد تغییر در هزینه‌های پردازش پایین دستی منجر شود.

با درک عمیق محرک‌های سود در سراسر زنجیره ارزش پیچیده شرکت، متوجه شد که همبستگی‌های پیچیده میان صدها متغیر درگیر به چیزی بیش از «تجربه اپراتور» نیاز دارد. در عوض، یک ابزار هوش مصنوعی بر روی بسیاری از لایه‌های داده‌های تاریخی ایجاد کرد که به رهبری کارخانه، از جمله اپراتورها، اجازه می‌دهد پیامدهای مالی چندین تصمیم عملیاتی را درک کنند (نمایشگاه). این به اپراتورها کمک کرد تا کارهای زیر را انجام دهند:

• مشخص کردن ویژگی‌های بهینه سنگ به جای فرآوری سنگ معدنی که در حال حاضر معدن تولید می‌کند، که منجر به تغییرات پویا در طرح‌های معدن می‌شود.
• پارامترهای کارخانه را برای بهینه‌سازی توان عملیاتی، عیار و بازده تغییر دهید تا سود در ساعت را برای کارخانه به حداکثر برسانید.
• افزایش مهارت فروش و فرآیند برنامه‌ریزی عملیات، نزدیک کردن اپراتورها به واقعیت های بازار.

 

 

بحران کووید-19 تنها چند ماه از عمر آن می‌گذرد، بنابراین خیلی زود است که اثرات این رویکرد عملیات مبتنی بر داده را در یک بازه زمانی متنوع و معنادار به اندازه کافی تعیین کنیم. با این حال، این بازیکن در حال حاضر از نظر مالی انعطاف‌پذیرتر است و موقعیت خوبی برای استفاده حداکثری از مرحله ریکاوری دارد.

تولیدکننده فلزات اساسی: بحران کنونی فرصتی برای آزمایش مهارت‌های جدید برای برخی شرکت‌ها فراهم کرده است. این مورد برای یک تولیدکننده یکپارچه فلزات پایه بود. زمانی که COVID-19 ظهور کرد، این شرکت قبلاً در مسیر ایجاد قابلیت‌های مهارتی و هوش مصنوعی بود. این شرکت با استفاده از قابلیت‌های جدید خود توانست تولید و بازده را افزایش دهد و در عین حال برخی از مفروضات عملیاتی دیرینه را نادیده بگیرد. نتایج به ایجاد اعتماد بیشتر در هوش مصنوعی و روش‌های چابک در سراسر تجارت کمک کرد.

این بحران به سرعت بر تقاضای بازار و قیمت‌گذاری در بازارهای نهایی برای تولید کننده فلزات اساسی تأثیر گذاشته است. همچنین بر توانایی شرکت برای بهره برداری از تعدادی از دارایی‌های خود تأثیر گذاشته است. به عنوان اولین واکنش، اپراتور تعدادی از استراتژی‌های سنتی واکنش به بحران را در نظر گرفت، از جمله کاهش هزینه‌ها، کاهش عملیات، و بازنگری در برنامه معدن خود برای هدف قرار دادن سنگ معدن‌های سودآورتر.

اما چندین ابزار جدید نیز داشت که می‌توانست از آن استفاده کند. ابتدا، شرکت شروع به آموزش مجدد مدل‌های هوش مصنوعی کرد که از بهینه‌سازی برای تولید فلز گرفته تا بهینه‌سازی برای بازده، هزینه یا هر دو در این محیط جدید. این شرکت همچنین از هوش مصنوعی برای تکمیل تلاش‌های سنتی برنامه‌ریزی معدن برای تعیین سودآوری بالقوه در سطوح مختلف تولید و تکمیل برنامه‌ریزی سناریو استفاده کرد.

 

ارزش، اصول، و فرآیندها و ابزارهای هوش مصنوعی حرفه ای عامل افزایش انعطاف‌پذیری شرکت، با کمک به، واکنش سریع‌تر به بحران

سودآوری در سطوح مختلف تولید و تکمیل سناریو برنامه‌ریزی.

ثانیا، این سازمان تیم‌های حرفه‌ای خود را که اخیراً ایجاد شده است، به روش‌های جدیدی به محض وقوع بحران، مستقر کرد.

تیم‌ها قبلاً رویکردهای جدید رادیکالی برای حل مشکلات را پذیرفته بودند، به‌جای تلاش بر روی راه‌حل‌های بی‌نقص، از طریق اسپرینت‌های دو هفته‌ای و پیاده‌سازی حداقل محصولات بادوام برای آزمایش، یادگیری و بهبود مکرر استفاده کردند.

تیم‌های حرفه‌ای که بر روی کاهش محدودیت‌ها یا بهینه‌سازی تولید متمرکز بودند، برای حمایت از پاسخ COVID-19 متمرکز شدند. در یک نمونه متقابل ، یک تیم حرفه‌ای بر روی این موضوع تمرکز کردند که چگونه می تواند به طور چشمگیری خطر قرار گرفتن در معرض را برای اپراتورهای کامیون باربری خود کاهش دهد. این تیم راه‌های خلاقانه‌ای را برای تغییر شلوغی صبحگاهی به منظور بهبود ایمنی خدمه و پشتیبانی از اهداف عملیاتی ایجاد کرد. این تیم راه‌های خلاقانه‌ای را برای تغییر شلوغی صبحگاهی به منظور بهبود ایمنی خدمه و پشتیبانی از اهداف عملیاتی ایجاد کرد. سایر تیم‌های حرفه ای با دقت توجه خود را به چگونگی کاهش هزینه‌ها معطوف کرده‌اند.

در سطح سازمانی، هم سایت‌ها و هم توابع از طرح‌بندی و اهداف و نتایج کلیدی برای توسعه برنامه‌هایی برای پاسخ به واقعیت عملیاتی جدید خود استفاده می‌کنند. وقتی تمرکز کلی بر روی بهینه‌سازی تولید بود، شرکت از طرح‌نویسی استفاده کرده بود تا سازمان را حول مجموعه‌ای ساده و واضح از اهداف هماهنگ کند. اکنون، تیم‌ها از همین فرآیند برای کمک به شرکت برای تطبیق سریع اهداف با محیط جدید و ایجاد برنامه‌های واقعی برای دستیابی به آنها استفاده می‌کنند.

به دلیل کارهایی که قبلا انجام داده بود، شرکت در زمان وقوع بحران انعطاف پذیرتر و پاسخگوتر به تغییرات بود. تیم‌ها قبلاً یاد گرفته بودند که به داده‌ها اعتماد کنند، ریسک کنند و با موقعیت‌ها  خود را وفق دهند. این مهارت‌ها به شرکت کمک می کند تا با شرایط جدید سازگارتر باشند.

وضعیت برای این ماینر همچنان در حال تکمیل شدن است، اما ارزش نیروی حرفه ای، اصول و فرآیندها، و ابزارهای هوش مصنوعی که در سال گذشته توسعه داده است، با کمک به واکنش سریعتر به بحران، انعطاف پذیری آن را افزایش داده است.

 

اقلام آماده برای شرکت‌های فرآوری مواد معدنی

از آنجایی که شرکت‌ها برای محافظت از نیروی کار خود و حفظ سودآوری در طول بحران COVID-19 و پس از آن تلاش می‌کنند، نیاز به استقبال از هوش مصنوعی و روش‌های حرفه‌ای بیشتر شده است.

در اینجا مؤلفه‌های کلیدی سفر به روشی ریزبینانه‌تر و مبتنی بر داده‌ها آورده شده است:

• از استفاده هوش مصنوعی در فرآوری مواد معدنی جهت مدیریت روزانه و تصمیم‌گیری در عملیات به جای استفاده از مدل‌های تجربی
• حرکت از برنامه‌ریزی تولید نسبتاً سفت و سخت با استفاده از بودجه‌های بلندمدت به برنامه‌ریزی کوتاه مدت دو هفته‌ای و افزایش چابکی در سراسر ارزش زنجیره
• استفاده از روش‌های مبتنی بر ارزش چندگانه و ساخته‌شده برای هدف متناسب با الزامات خاص بجای ابزارهای تک دستوری، پلاگین و بازی
• تبدیل برنامه‌ریزی نیروی کار سفت و سخت به مدل‌های چابک‌تر، با یک تیم چند بعدی با تمرکز بر مناطق دارای اولویت بالا

 

چگونه شروع کنیم؟

شرکت‌های فراوری که به تازگی تحولات دیجیتال را آغاز کرده‌اند، انگیزه قوی‌تری برای حرکت سریع برای ایجاد چابکی و هوش مصنوعی دارند، زیرا انجام این کار برای مدیریت بحران ضروری است.

آنها می‌توانند با راه‌اندازی یک تیم با مجموعه مهارت‌های جدید مورد نیاز برای اجرا شروع کنند. این تیم شامل دانشمندان داده برای ساخت ابزار یادگیری ماشینی، مهندسان داده برای ساختار و مرتب کردن داده‌ها و یک مربی حرفه‌ای برای تسریع استقرار حرفه ای خواهد بود.

بعلاوه، اعضای منتخب نیروی کار باید به عنوان صاحبان محصول مهارت داشته باشند تا اطمینان حاصل شود که محصول نهایی نیازهای خاص کسب و کار را به عنوان راهنما برای ایجاد پل بین کارشناسان عملیات در سایت کارخانه و دانشمندان برآورده می‌کند. به موازات آن، دسترسی به داده‌های قدیمی در زمینه‌های عملیاتی، مالی و سایر زمینه‌ها و سپس پاکسازی، ساختار و ترکیب داده‌ها برای تجزیه و تحلیل مهم است.

یک مدل هوش مصنوعی را می‌توان با این ساختار تیمی جدید و با اتخاذ اصول حرفه‌ای که با یک نمونه اولیه شروع می‌شود و سپس استقرار آن در مقیاس و آزمایش برای عملکردهای چندگانه هدف مورد نیاز کسب و کار ساخته می‌شود.

گام کلیدی دیگر سرمایه‌گذاری در مدیریت تحولات است: تمایل به کنار گذاشتن مفروضات و فرآیندهای طولانی مدت و توانمندسازی تیم‌ها برای ریسک‌پذیری – در محدوده‌های روشن و در راستای بینش‌های مدل‌سازی. این عنصر همچنین شامل ایجاد هماهنگی حرفه‌ای در تیم‌های عملیاتی و تحلیلگران بازار برای ارزیابی شرایط بازار و بحث در مورد پیامدهای تجاری برای استفاده از مدل است. برای دوره‌های عدم قطعیت قابل‌توجه، به دفعات ارزیابی کوتاه‌تری نیاز است.

با توجه به پیشرفت‌ها در قدرت محاسباتی و در دسترس بودن داده‌ها، هوش مصنوعی در حال حاضر برای مدیران شرکت‌های پیشرو فرآوری مواد معدنی مورد توجه قرار گرفته است. بحران کووید-19 یک محرک اضافی برای تسریع در استقرار آن فراهم می‌کند چون قابلیت‌های ساخت برای مهار قدرت هوش مصنوعی در این اوضاع اقتصادی جدید ضروری است.