پژوهشگران دانشگاه تهران با بهکارگیری سامانههای هوش مصنوعی، توانستهاند دقت پیشبینی اندازه ذرات در کارخانههای فرآوری مواد معدنی را بهبود بخشند و خطای پیشبینی را به کمتر از ۱۰ میکرون برسانند.
توسعه سامانه OptiMine و چالشهای انرژی
طبق اطلاعات موجود، ۱۰ میلیون تیم پژوهشی دانشگاه تهران به رهبری مهدی قراباغی، عضو هیئت علمی دانشکده مهندسی معدن، سامانهای به نام OptiMine را برای بهینهسازی مدارهای آسیاکنی و کارخانههای فرآوری مواد معدنی طراحی کردهاند. این سامانه با استفاده از روشهای واقعی، به دقت پیشبینی اندازههای ذرات محصول پرداخته و خطای پیشبینی را به کمتر از ۱۰ میکرون کاهش داده است.
اهداف و چشماندازهای آینده
این سامانه به دنبال کاهش مصرف انرژی در کارخانههای فرآوری مواد معدنی است، بدون اینکه کیفیت محصول تحت تأثیر قرار گیرد و همچنین به افزایش تناژ تولید کمک میکند. مصرف بالای انرژی الکتریکی یکی از چالشهای اساسی در معادن و صنایع معدنی به شمار میرود. قراباغی در این باره گفت: “هدف محوری OptiMine فراتر از پیشبینی عملکرد تجهیزات بوده و شامل حرکت بهسوی کاهش مصرف انرژی در کارخانههای فرآوری است.”
چشمانداز این تیم شامل هوشمندسازی فرآیندهای تولید و توسعه سامانههای هوشمند برای پایش کارخانههای فرآوری است. این سامانهها به تصمیمگیریهای مبتنی بر شواهد کمک کرده و از بهرهبرداری تجربی به سمت تصمیمگیری هوشمند حرکت میکنند.
این پیشرفت در فناوری هوش مصنوعی میتواند به کاهش هزینههای عملیاتی و بهبود کیفیت محصولات در صنایع معدنی کمک کند. با کاهش مصرف انرژی، این سامانه نه تنها به صرفهجویی اقتصادی میانجامد بلکه به حفظ محیط زیست نیز یاری میرساند.
پرسشهای پرتکرار
چه کسانی در توسعه سامانه OptiMine مشارکت داشتهاند؟
تیم توسعه این سامانه شامل مهدی قراباغی، ابوالفضل محمدخدایی، پوریا ضیایی، شهریار محمدی و جواد تقوی است.
هدف اصلی سامانه OptiMine چیست؟
هدف اصلی این سامانه کاهش مصرف انرژی در کارخانههای فرآوری مواد معدنی و افزایش تناژ تولید بدون افت کیفیت محصول است.
چگونه این سامانه به بهینهسازی عملکرد کارخانهها کمک میکند؟
این سامانه با استفاده از هوش مصنوعی و دادههای واقعی، دقت پیشبینی اندازههای ذرات را بهبود بخشیده و از تصمیمگیریهای سنتی به سمت تصمیمگیریهای مبتنی بر شواهد حرکت میکند.
این پروژه چه تاثیری بر صنایع معدنی دارد؟
این پروژه میتواند به کاهش هزینههای انرژی و بهبود کیفیت محصولات در صنایع معدنی کمک کند و به افزایش بهرهوری و پایداری این صنایع منجر شود.