Analyse et évaluations de base pilotées par l'IA pour une exploitation minière durable
Utiliser l’IA pour révolutionner les méthodes d’évaluation géométallurgique et géoenvironnementale.
Résumé du projet
Mise à jour en septembre 9, 2024
Le problème
La demande de minéraux essentiels pour des solutions technologiques vertes et numériques dans le cadre de la transition mondiale vers un avenir à faible émission de carbone continue de croître. Les sociétés minières du monde entier sont confrontées à une pression énorme pour fournir des métaux et des minéraux, en plus de résoudre les problèmes de durabilité, de rentabilité et de chaînes d'approvisionnement résilientes. Il existe un besoin urgent d'approches hautement efficaces dans l'industrie minière qui privilégient la réduction des déchets et de l'impact environnemental dans la gestion des gisements, tout en restant productives, rationalisées et rentables.
L'ingénierie géotechnique et la géométallurgie sont des approches interdisciplinaires cruciales qui offrent à l'industrie minière des outils pour prévoir et relever une multitude de défis complexes, notamment la demande volatile, les conditions géologiques complexes et la diminution de la qualité du minerai, améliorant ainsi la durabilité et la responsabilité environnementale tout au long de l'exploitation minière. Le processus visant à déterminer le comportement de blocs particuliers de gisements de minerai pendant la phase d'exploitation implique le développement de modèles de blocs géotechniques (GeoTech), géométallurgiques (GeoMet) et géoenvironnementaux (GeoEnv) en 3D qui décrivent le comportement d'un gisement de minerai en termes de considérations géotechniques, de traitement des minéraux et environnementales pendant la phase d'exploitation.
Bien que ces modèles de blocs 3D présentent de nombreux avantages pour le secteur minier, les approches conventionnelles dans ce domaine posent souvent des défis en termes d’exigences et de coûts élevés en matière d’échantillons, de subjectivité dans la sélection des échantillons, ainsi que de rareté et de qualité des données.
Les défis mentionnés nécessitent une réévaluation et une modification des flux de travail existants dans la création de modèles de blocs 3D GeoTech, GeoMet et GeoEnv pour répondre efficacement à la question critique.
Comment nous le résolvons
Dirigé par Mines Agnico Eagle, un chef de file mondial de l’industrie de l’exploitation aurifère, en collaboration avec GeologicAI, Malvern Panalytical, Minpraxis Solutions et l’Université du Québec en Abitibi-Témiscamingue (UQAT), ce projet s’attaque aux obstacles à l’élargissement des connaissances de ces modèles de blocs 3D à partir des méthodes conventionnelles en introduisant des tests géométallurgiques et géotechniques de pointe et en intégrant de manière transparente des scanners de carottes de forage automatisés de pointe et des méthodes d’intelligence artificielle (IA). Ces avancées comprennent :
- Intégration de l'analyse automatisée des carottes et transformation de la sélection des échantillons:L'intégration d'un scanner de carottes automatisé multi-capteurs conçu pour les applications géométallurgiques et géoenvironnementales, ainsi que l'approche basée sur l'IA et basée sur le scan de carottes, viseront à éliminer la subjectivité dans le processus d'échantillonnage manuel des carottes. Cela conduira à une meilleure représentativité des échantillons sélectionnés et à une amélioration de la précision des modèles obtenus.
- Établissement d'un cadre pour les mini-tests géotechniques (GeoTech) et géométallurgiques (GeoMet):Ces tests trouvent un équilibre entre une quantité minimale d'échantillons, des durées d'essai réduites, une rentabilité et une précision pour l'interprétation des caractéristiques géotechniques et métallurgiques, et devraient remplacer en partie les tests géotechniques et métallurgiques traditionnels pour la dureté des roches (c'est-à-dire la fragmentation) et l'évaluation des compétences.
- Exploiter les modèles prédictifs 3D basés sur l'IA qui utilisera le balayage automatisé des carottes et les tests GeoMet Mini pour fournir une précision exceptionnelle lors de l'évaluation de la variabilité des corps minéralisés.
- Améliorer la productivité géotechnique, métallurgique et environnementale réduire la dépendance aux substances chimiques et améliorer la capacité à prédire et à identifier la composition des résidus miniers, atténuant ainsi les risques environnementaux.
Le projet offre à l’équipe des opportunités uniques non seulement pour atteindre ses objectifs immédiats de développement de produits commercialisés, mais aussi pour se positionner comme un leader mondial de l’innovation, influençant les normes de l’industrie, favorisant la collaboration et contribuant à l’avancement durable et responsable du secteur minier dans le monde entier. Rien qu’avec les partenaires du projet, on prévoit d’économiser au moins 24,000 XNUMX heures de travail par an qui étaient auparavant consacrées aux essais métallurgiques conventionnels, à la diagraphie des carottes et à l’échantillonnage manuel. Ses avantages éclaireront le développement de stratégies d’exploitation minière sélective, garantissant la viabilité économique et minimisant le risque de contretemps opérationnel.
L'évolutivité et la polyvalence du projet vont au-delà des limites des services miniers classiques, étendant ses avantages aux fournisseurs de technologies d'IA, aux sociétés de conseil, aux services de données et au monde universitaire. Ces entités peuvent améliorer leurs offres dans des domaines tels que la géologie, l'ingénierie minière, la métallurgie, l'environnement et les logiciels pour les géosciences, tout en explorant des marchés qui respectent des normes de qualité strictes, comme l'industrie électronique.
Ce projet met non seulement en valeur la technologie canadienne basée sur l’IA sur la scène internationale, mais offre également aux sociétés minières et à leurs collaborateurs une perspective mondiale pour améliorer l’évaluation des ressources aurifères et minérales critiques, augmenter les taux de récupération de la production, réduire la consommation d’énergie et les risques environnementaux et optimiser la VAN. En fin de compte, cette approche contribue à favoriser une industrie minière plus résiliente et durable, en phase avec les demandes évolutives de l’avenir.
