به گزارش اقتصاد آنلاین به نقل از دنیای‌اقتصاد، در این نشست، غلامرضا ملاطاهری مدیر آموزش، پژوهش و فناوری سازمان توسعه و نوسازی معادن و صنایع معدنی ایران (ایمیدرو)، امید اصغری عضو هیات‌علمی دانشگاه تهران و رئیس موسسه پژوهشی و آموزشی یونیدو، محمدرضا خالصی عضو هیات علمی دانشگاه تربیت مدرس، سیداحمد مشکانی مدیر ارشد گروه معدنی و بازرگانی زرمش و محمدجواد مقصودی به نمایندگی از شرکت صنایع مس شهید باهنر و نمایندگانی از شرکت ملی مس ایران حضور داشتند.
نکته دیگر آنکه شهریورماه سال ۱۴۰۱ قرار است در رویدادی با همکاری مشترک «دنیای‌اقتصاد»، دانشگاه تهران و برخی ارگان‌ها به بررسی دیجیتالی شدن، علوم پیرامونی آن و صنعت معدنکاری پرداخته شود. همچنین در حاشیه این رویداد، نمایشگاهی از توانمندی‌‌‌ها برگزار خواهد شد.
در ابتدای این نشست، امید اصغری ضمن اشاره به تحولات اخیر ذیل انقلاب چهارم صنعتی عنوان کرد: این پنل در تلاش است که فضاسازی مشخصی از وضعیت معادن در شرایط جدید و وضعیت پیش‌‌‌رو ذیل انقلاب چهارم صنعتی را ترسیم کند؛ آن‌‌‌هم در شرایطی که ۱۶۰معدن مختلف مورد بررسی قرار گرفت تا بستر مناسب‌‌‌تری برای بهره‌‌‌گیری از تغییرات تکنولوژی به کار گرفته شود.
اکتشافات عمیق، استخراج و حمل‌ونقل در این چارچوب می‌‌‌‌‌‌گنجد؛ آن‌‌‌هم در شرایطی که در بسیاری از فعالیت‌‌‌های معدنکاری نزدیک به ۳۰درصد هزینه‌‌‌ها دقیقا به حمل‌ونقل بازمی‌گردد.
محمدجواد مقصودی در ادامه این نشست به هوش مصنوعی و نقش آن در انقلاب چهارم صنعتی اشاره و عنوان کرد: انقلاب چهارم مصنوعی همچنین هوش مصنوعی موجب شد در تمامی علوم شاهد تحول چشمگیری باشیم.
هوش مصنوعی چیزی شبیه به فرآیند آموزش کودک است؛ مثلا شیوه کار با قاشق آن‌گونه که کودک آموزش می‌بیند، میتواند چیزی شبیه به عملکرد یادگیری هوش مصنوعی باشد؛ آن هم در شرایطی که در دو رویکرد شبکه‌های عصبی و بیگ‌دیتا (اطلاعات پرحجم) قابل بررسی است.
اما باید به این نکته توجه کرد که هوش مصنوعی به‌مرور از انسان قوی‌تر میشود و مسلط‌تر یک فرآیند را کنترل می‌کند. همچنین سرعت و دقت بالاتری دارد که به افزایش بهره‌وری منجر خواهد شد. در حوزه معدن تعمیر و نگهداری لوازم و تجهیزات همچون دامتراک را میتوان در این رویکرد مورد بحث قرار داد؛ مثلا جایگزینی سریع و رصد اتفاقات آن به سرعت در دسترس خواهد بود.
در حوزه حوادث و ایمنی با توجه به سرعت عمل در رصد و جمع‌آوری اطلاعات و استفاده از موارد مشابه، به‌خوبی میتواند کمک معدنکاری باشد. همچنین در حوزه اکتشاف به کمک تصاویر ماهوارهای میتوان رخنمون‌های یک منطقه را مورد بررسی قرار داد و به این نتیجه رسید که آیا یک منطقه ارزش پی‌‌‌جویی و اکتشاف دارد یا خیر. این فرآیندهای ذیل هوش مصنوعی را باید رویکرد بینرشتهای در نظر گرفت که از ظرفیتهای بسیاری برخوردار است.
در ادامه این نشست، غلامرضا ملاطاهری به چهره دیگری از کاربرد هوش مصنوعی و ردپای انقلاب چهارم صنعتی در معدنکاری اشاره کرد و گفت: در حوزه‌‌‌های معدنی ریسکهای شناخته‌شده داخلی و جهانی به ۱۱ تا ۱۲ مورد می‌‌‌رسد.
از جمله این ریسکها میتوان به عدم‌قطعیت‌های سیاسی و سیاستگذاری، ریسکهای اجتماعی، وضعیت مواد اولیه، ریسکهای تکنولوژیکی، شرایط حفاظت از محیط‌زیست و... اشاره کرد که اغلب با حوزه هوشمندسازی و تکنولوژی‌ها مرتبط هستند.
هماکنون اهمیت استفاده از هوش مصنوعی در حوزه‌هایی که در گذشته چندان هم شناخته شده نبودند، برجسته شده است. این در حالی است که ذخایر معدنی پرعیار رو به افول هستند و به صورت کلی ذخایر معدنی هم از لحاظ کمّی و کیفی با تهدید جدی روبه‌رو شده‌اند.
این موارد به معنی آن است که فرآوری و تکنولوژی‌هایی که روی بهره‌وری بالاتر در فاز استحصال مواد اولیه فعالیت می‌کنند نیاز به توجه بیشتری دارند؛ زیرا عیار پایین یکی از ریسکهای غیر‌قابل کتمان در این حوزه است. این موارد فضای ورود انقلاب صنعتی چهارم و تکنولوژی‌های هوشمند به معدنکاری را دارد.
وی در ادامه عنوان کرد: هزینه مواد اولیه و ملزومات تولید را باید مورد توجه جدی قرار داد. مصارف بهینه آب و انرژی دو رکن بسیار مهم در کاهش هزینه‌‌‌ها خواهند بود. البته باید به این نکته نیز اشاره کرد که استفاده از هوش مصنوعی با چالش‌هایی همراه بوده و هست؛ آن هم در شرایطی که به مرور زمان معدن به رشته‌‌‌های دیگر همچون برق- مخابرات مکانیک و... وابسته میشود.
بنابراین ورود هوش مصنوعی و تکنولوژی‌های جدید به فاز معدنکاری به‌سادگی محقق نخواهد شد. میان‌‌‌بر بهبود عملکردها را میتوان ورود شرکت‌های دانشبنیان به فاز معدن برشمرد. باید پنجره‌های صنعت را به روی شرکت‌های دانشبنیان باز کرد.
البته مصادیق هوش مصنوعی در جهان مورد ارزیابی قرار گرفت. باید به این نکته توجه کرد که کنترل‌های هوشمند، زیرساختهای اکتشاف، ظرفیتهای ماهوارهای و عکس‌های هوایی همگی به کاهش هزینه‌‌‌ها منجر میشوند.
در حمل‌ونقل، هوشمندسازی ماشین‌آلات یکی از سوال‌های مهم در کاهش هزینه‌هاست. بهتر است شرکت‌های دانشبنیان در گام اول با مشکلات بخش معدن آشنا شوند. همچنین باید صنعت ریسک هوشمندسازی را پذیرفت.
وی در ادامه به یکی از موارد مشخص در صنعت اشاره کرد و گفت: با راه‌‌‌اندازی مرکز دیسپچینگ (حمل‌ونقل) در چادرملو، شاهد بودیم که هزینه حمل‌ونقل ۲۰درصد کاهش یافت. نکته مهم اینکه برخی هزینه‌‌‌ها و ریسکها در معدنکاری شاید کمرنگ خودنمایی کنند؛ ولی همین ریسکها در فولاد افزایش می‌‌‌یابند.
بهتر است در ابتدا شرکت‌های دانشبنیان و ایده‌‌‌پردازان داخلی و خارج از صنعت شرایط را به‌خوبی مشاهده و رصد کنند و در کنار آن با پذیرش ریسکهای احتمالی در مسیر هوشمندسازی ارکان حرکت کنیم؛ آن‌‌‌هم در وضعیتی که مقاومت‌‌‌هایی در این مسیر مشاهده خواهد شد. باید با آموزش و فرهنگ‌‌‌سازی مبانی هوشمندسازی و انقلاب چهارم صنعتی را رواج داد.
اصغری در ادامه عنوان کرد: پذیرش و آشنایی مدیران یکی از ارکان مهم و ملزومات موفقیت در حوزه هوشمندسازی فعالیت‌‌‌هاست؛ آن‌‌‌هم در شرایطی که اغلب مدیران تمایلی به تغییر در ترکیب تیم برنده ندارند.
مهم این است که رقبا در حال حرکت رو به جلو هستند؛ آن‌‌‌هم در شرایطی که چالش‌‌‌های زیست‌‌‌محیطی حتی رهگیری میزان کربن تولیدشده در فرآیندهای عملیاتی در پایان مرحله تولید حتی محصول نهایی قابل محاسبه و احصاست و این مطلب خود به یکی از ارکان هزینه‌‌‌ها در آینده بدل خواهند شد.
محمدرضا خالصی در بخش دیگری از این پنل عنوان کرد: به انقلاب صنعتی توجه کنیم؛ انقلاب (یا دگرگونی عمیق) با تحولات صنعتی و پیشرفت مرسوم متفاوت است. اساسا در بسیاری از فرآیندها با سازوکار قبلی نمی‌‌‌توان کار کرد. مدیران چاره‌‌‌ای جز پذیرش شرایط ندارند.
اما فرآیندهای ذکرشده و هوشمندسازی‌‌‌ها با چالش‌‌‌های دیگری نیز همراه هستند. بعضا چیزهایی که در فرآیندهای تولیدی ما نالازم یا ناکارآمد هستند معرفی و ارائه میشوند. واژه‌‌‌هایی همچون اتوماسیون و هوشمندسازی که بعضا موردنیاز نیست بسیار مورد تاکید قرار می‌گیرد. جالب آنکه کسانی که از اتوماسیون و مدیریت سیستماتیک بی‌‌‌بهره بوده‌‌‌اند، از هوشمندسازی صحبت می‌کنند.
وی در ادامه به دو نمونه مشخص اشاره کرد و گفت: توسعه سنسورها مدت‌‌‌ها مورد توجه بوده و هست. خود سنسور به‌شدت ارزان است؛ ولی در فرآیندهای اندازه‌‌‌گیری به‌شدت گران تمام میشود. اینکه سنسور (حسگر) به وفور وجود دارد ولی اندازه‌‌‌گیری‌‌‌ها در غالب صنایع گران هستند خود فضایی برای حضور شرکت‌های دانشبنیان و استفاده از این ظرفیت به شمار می‌رود.
نکته دوم آنکه ذخیرهسازی دادهها بسیار ارزان شده و حجم ذخیرهسازی بالا رفته است. از آن مهم‌تر آنکه ارتباط بین دادهها نیز ارزان شده است. این موارد خود زیرساخت‌‌‌هایی برای ایفای نقش به شمار می‌رود. نکته مهم آنکه برخی حرف‌‌‌های خاص توسعه را عقب می‌‌‌اندازند و اتوماسیون‌‌‌های بی‌‌‌دلیل و بی‌‌‌بهره ممکن است نیازهای واقعی را به عقب بیندازد.
سید احمد مشکانی در ادامه این پنل بخش معدن را به چهار حوزه مختلف تقسیم کرد و نقش علوم و مهندسی را برای آنها برشمرد. وی گفت: در اکتشاف۹۰درصد علوم (دانش) و ۱۰درصد مهندسی (و عملکرد) ایفای نقش می‌کند و نقش نیروی ماهر برجسته است. وی معتقد بود تصاویر ماهوارهای به تنهایی معدن پیدا نمی‌‌‌کنند.
وی در ادامه گفت: در استخراج، ۹۰درصد مهندسی و ۱۰درصد علم و در فرآوری، ۸۰درصد مهندسی و ۲۰درصد علوم ایفای نقش می‌کند و در بازرگانی هیچ‌کدام از این موارد نیست و بیشتر مهارت است؛ مهارت تجمیع علم و مهندسی. مشکانی در ادامه عنوان کرد: در اکتشاف جای گسترده‌‌‌ای برای هوشمندسازی نداریم.
مشکل اصلی مشکل نیروی کار ماهر است. باید دید که در کدام موضوع میتوان هوشمندسازی را مطرح کرد و کجا باید با سرعت کمتری حرکت کنیم. هوشمندسازی و انقلاب چهارم صنعتی یک الزام است؛ انتخاب نیست و راه دیگری نداریم. این در حالی است که بخش خصوصی پیشران است؛ نه به منابع دولتی نیاز دارد و نه بوروکراسی دولتی دارد؛ اما متاسفانه بخش خصوصی مستقیما رونق چندانی در ایران ندارد.
تبصره‌های سیستم بوروکراتیک کشور سرعتگیر مهمی در برابر این قبیل تغییرات است؛ اما بخش خصوصی در حوزه هوشمندسازی قطعا مسیر خود را طی می‌کند. نکته مهم اینکه باید در این حوزه از خودنمایی و اصطلاحا Showing Off فاصله بگیرید. اول باید درک کنیم (چه می‌‌‌خواهیم) و سپس اجرا کنیم. راهی جز پذیرش هوشمندسازی نداریم؛ ولی بعضا دانش استفاده از برخی چیزها را هم نداریم.
محمد جواد مقصودی در ادامه این نشست به سیستم‌های ابری اشاره کرد و گفت: یکی از زیرساختهای انقلاب چهارم صنعتی، بحث سیستم‌های ابری است. یکی از حسن‌‌‌های آن همین نکته است که دیتاهای موجود از نقاط مختلف را بتوان با دسته‌‌‌بندی هوشمند ارائه کرد.
این مطلب موجب خواهد شد تا سایر شرکت‌ها به‌سادگی از این اطلاعات استفاده کنند؛ به جای آنکه برای ارائه توانمندی‌‌‌ها و دستاوردها حتما نمایشگاه یا رویدادی نیاز باشد. نکته دیگر آنکه بخش خصوصی به دنبال چیزی می‌رود که به آن نیاز داشته باشد یا از آن فرآیند منتفع شود. با توجه به تجربیات پیشین میتوان گفت احتمال آن کم است که بخش دولتی در این مسیر گام بردارد.
نکته دیگر آنکه با هوش مصنوعی و الگوریتم‌‌‌ها راه‌‌‌های بهینه‌‌‌ای پیدا میشود که بعضا تجربه‌‌‌ای در این خصوص وجود نداشته است تا جایی که میتوان گفت چیزی پشت آن نبوده است.
این مطلب را باید در نظر گرفت که با داده‌های در اختیار میتوان سودهای اعجاب‌‌‌آوری به دست آورد. پیشنهاد میشود در پروژه‌‌‌های فوق‌لیسانس یا دکترا، این الگوها را تعریف کنیم تا در فرآیندهای بینرشتهای از هوش مصنوعی و معدن، محصولی ارائه شود که به نفع کشور باشد.
در ادامه این نشست ملاطاهری به توانمندی‌‌‌های ایمیدرو پرداخت و عنوان کرد: زیرساختهای لازم را ایمیدرو میتواند فراهم کند.
در این خصوص پروژه‌‌‌هایی با همکاری دانشگاه صنعتی شریف انجام داده‌ایم. در دورنمای ۲۰۵۰ (در دست بررسی) میتوان گفت ناگزیر هستیم انقلاب صنعتی نسل چهارم را مورد توجه جدی قرار دهیم و در این خصوص بسته‌‌‌های سیاستی برای ورود به دیجیتالی‌شدن و هوشمندسازی معادن مورد بررسی قرار گرفته است.
نقشه راه هوشمندسازی ایران در قالب مطالعات و مطالب تطبیقی هماکنون در دستور کار قرار دارد. به‌عنوان نمونه برخی از معادن کشورهای توسعه‌یافته که با معادن ما شباهت دارد ساده‌‌‌ترین مسیری است که میتواند به اطلاعات جذابی منتهی شود.
پس از این رویکرد؛ چند معدن در ایران انتخاب میشود تا با طراحی هوشمندسازی آنها به عنوان یک مدل و طرح پایلوت مورد بررسی قرار گیرد. بر اساس این طرح‌‌‌های پایلوت، نقشه راه و دستورالعمل‌های پیرامونی آن در خصوص هوشمندسازی مورد بحث قرار خواهد گرفت. نکته مهم دیگر یا یک عارضه را میتوان ارتباطات محدود با ذی‌نفعان عنوان کرد.
مثلا در بحث عناصر نادر خاکی بسیاری از افراد فعال بودند؛ اما از حال هم خبر ندارند. به عنوان نمونه دیگر (یکی از خروجی‌های طرح ۲۰۵۰) بحث خوراک پرینترهای سه‌بعدی بود. فراخوان دادیم چون فکر می‌‌‌کردیم کسی این کار را نکرده است؛ اما واقعیت آن بود که جلوی چشم ما در اطراف تهران چنین کالایی در حال تولید بوده است.
در این خصوص البته بحث مالکیت معنوی جدی و مهم خواهد بود؛ اگرچه هماکنون در حال انعقاد قرارداد هستیم. از ویژگیهای مهم مزایای پرینت سه‌بعدی بحث صرفه به مقیاس نیست؛ زیرا تولید برای ارقام محدود در زمان کم طرح‌‌‌ریزی شده است. وی در ادامه عنوان کرد: یکی از الزامات موفقیت این قبیل طرح‌‌‌ها برقراری ارتباطات موثر بین همه ذی‌نفعان است که پیگیر این مطلب بوده و به دنبال بسترسازی و جریان‌سازی بودیم.
خالصی در ادامه گفت: یکی از مهم‌ترین الزامات این است که موانع برجسته‌‌‌ای بر سر راه نباشد. یکی از این موانع مالکیت معنوی است. مثلا در حوزه طلا در بخش‌‌‌های مواجه با سیانور، نصب هر سنسور بین ۱۵۰ تا ۲۰۰ دلار هزینه دارد که مثلا برای کل سیستم چیزی نزدیک به ۴۵۰دلار هزینه میشود.
این در حالی است که همین سیستم را میتوان با برخی تغییرات ۴۵هزار دلار فروخت و چیزی هم کم نخواهد داشت. اگر ارتباطات با جهان ذیل برجام باز هم محقق‌شود، میتوان دانش فنی فروخت. نه اینکه فقط خریدار باشیم بلکه فروشنده نیز خواهیم بود؛ اگرچه به اخذ مالکیت معنوی نیاز خواهد بود.
بعضا با برخی شرکت‌های خارجی وارد شراکت شدیم تا مالکیت معنوی محصول را اخذ کنیم. مثلا برای ناخن‌‌‌های لودر نوآوری جالبی را شاهد بودیم که با یک دوربین تعداد ناخن‌‌‌های موجود را می‌‌‌شمرد؛ زیرا جدا شدن آن به معنی ورود به ماده معدنی و ساییده شدن مسیر فرآوری است. این قبیل نوآوری‌‌‌های ذیل مالکیت معنوی باید متعلق به یک نفر باشد.
در اواخر این جلسه مباحث مختلفی مطرح‌شد که نمایندگانی از شرکت ملی مس ایران نیز در این گفت‌وگو حاضر شدند. اینکه در کانادا به کمک استفاده از بیگ دیتا یا اطلاعات گسترده و پردازش آنها به کمک هوش مصنوعی به معادن جدیدی دست پیدا کردند، نکته مهمی بود که به‌عنوان اثر هوش مصنوعی بر اکتشافات عنوان شد.
این در حالی است که بحث وزن دادن به دادهها اغلب توسط یک کارشناس صورت می‌گیرد. بنابراین ممکن است در این خصوص هوش مصنوعی اهمیت کمتری از کار کارشناسی داشته باشد.
این در حالی است که برخی معتقد بودند هوش مصنوعی میتواند وزن و اهمیت اکتشاف سطحی یا اصطلاحا اکتشافات چکشی را کاهش دهد اما واقعیت آن است که هزینه پایین نیروی کار ماهر در کشور یک نکته مهم به شمار می‌رود.
در این خصوص نمایندگانی از شرکت ملی مس ایران عنوان داشتند با همکاری دو دانشگاه در استرالیا و کانادا توانستند به موفقیت‌هایی دست یابند که نشان داد اکتشافات قابلیت هوشمندسازی دارد.
نتیجه آن تاکنون به دقت بالا در نقشه‌های زمین شناسی منتهی شده است؛ آن هم در شرایطی که همان‌گونه که متخصصان آموزش می‌‌بینند هوش مصنوعی نیز میتواند آموزش ببیند تا جایی که بعید نیست در آینده حضور کارشناس سر زمین اکتشافی چندان هم مهم نباشد.
به‌عنوان یک نمونه مشخص در بدنه اجرایی شرکت ملی مس ایران عنوان شد با داده‌های جدید به نتایجی رسیدیم که در نهایت کانی‌زایی مس را در اعماق برای برخی از ذخایر اثبات کرد و معتقد بودند اکتشافات پتانسیل بالایی برای هوشمندسازی دارد و باید به اتوماسیون اعتماد کنیم.
این پنل تخصصی از ویژگیهای جذابی برخوردار بود که یکی از آنها توجه همگی بر اهمیت هوشمندسازی دادهها و ابعاد انقلاب چهارم صنعتی بود.
همه متفق‌‌القول بودند که هوشمندسازی یک الزام است و این الزام به زودی اثرات بزرگی بر معدنکاری در جهان بر جای خواهد گذاشت؛ اما درخصوص شرایط و ویژگیهای آن اختلاف‌نظرهای مقطعی وجود داشت.
