AI ба ногоон төмөр: Fortescue–Baowu түншлэлээс Монголд хэрэгжүүлэх 5 алхам

2025 оны төгсгөлд гангийн салбар нэг зүйлийг улам чанга хэлж байна: “нүүрсээр хайлуулах” загвар бол санхүү, зохицуулалт, хэрэглэгчийн шаардлагын гурван талаас нэгэн зэрэг шахагдаж байна. Үүний бодит жишээ нь Fortescue компани Хятадын Baowu группийн охин Taiyuan Iron and Steel (TISCO)-тэй устөрөгч дээр суурилсан плазма-идэвхжүүлэлттэй төмөр, гангийн металлургийн туршилтын хамтын ажиллагаа эхлүүлсэн явдал.

Энэ мэдээ Монголын уул уурхай, олборлох салбарт хамаагүй мэт сонсогдож магадгүй. Гэхдээ би үүнийг өөр өнцгөөс хардаг. “Ногоон төмөр” гэдэг нь зөвхөн хайлуулах зуухны технологи биш; уурхайн өгөгдөл, эрчим хүч, чанарын тогтвортой байдал, нийлүүлэлтийн сүлжээний бүхэл бүтэн системийн асуудал. Тэгээд яг эндээс хиймэл оюун ухаан (AI) бодит ажил болж эхэлдэг.

Энэ нийтлэл “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын хүрээнд Fortescue–TISCO кейсийг ашиглаад:

• Ногоон төмөр (green iron) гэж юуг хэлээд байна вэ, яагаад одоо чухал болсон бэ
• Устөрөгчийн плазма технологи яагаад өгөгдөл их шаарддаг тул AI-тай салшгүй вэ
• Монголын уурхайнууд “зөвхөн хүдэр экспортлох”-оос нэг шат ахихын тулд юу хийх ёстой вэ
• Лийд болгон хувиргах бодитой алхмууд (ямар баг, ямар өгөгдөл, ямар пилот?)

Fortescue–TISCO хамтын ажиллагааны гол санаа юу вэ?

Хамгийн шууд хариулт: Тэд нүүрстөрөгч багатай ган үйлдвэрлэх шинэ маршрутын аж үйлдвэрийн хэмжээний туршилт руу орж байна.

Fortescue болон TISCO нь устөрөгч дээр суурилсан плазма-идэвхжүүлэлттэй төмөр, гангийн металлургийн технологийг үйлдвэрийн нөхцөлд туршихаар тохиролцсон. Төслийн хүрээнд:

• Жилд 5,000 тонн хүртэл хайлмал төмөр үйлдвэрлэх чадалтай пилот шугамын
  • зураг төсөл,
  • барилга,
  • ашиглалт зэрэг багтана.

Fortescue-ийн хувьд өөр нэг чухал мөр бий: энэ маршрут нь тэдний Пилбарагийн хүдэртэй нийцэх эсэх. Өөрөөр хэлбэл “технологи сайн” гэдэг дангаараа хангалтгүй; түүхий эдийн минералоги, хольц, ширхэглэл, чийгшил, хэлбэлзэл зэрэг нь бүхнийг шийднэ.

Ногоон төмөр үйлдвэрлэлд ялдаг компани бол хамгийн сайн зуухтай нь биш, хамгийн сайн “өгөгдөлтэй тэжээл”-тэй нь байдаг.

Энэ өгөгдлийн тоглоомд AI шууд орж ирнэ.

Ногоон төмөр ба AI: Яагаад салшгүй холбоотой вэ?

Хамгийн шууд хариулт: Устөрөгчийн технологиуд (ялангуяа плазма, DRI зэрэг) нь процессын цонх нарийн, хэлбэлзэлд мэдрэмтгий тул тасралтгүй хяналт, прогноз, оновчлол шаарддаг—энэ нь AI-ийн үндсэн талбар.

Процессын тогтвортой байдал = өгөгдлийн тогтвортой байдал

Устөрөгч ашигласан төмөр боловсруулахад дараах хувьсагчид байнга хөдөлнө:

• Хүдрийн Fe агуулга, SiO₂/Al₂O₃ зэрэг хольц
• Тэжээлийн ширхэглэл, нягт, чийг
• Эрчим хүчний үнэ ба цахилгааны тасалдал/хэлбэлзэл
• Устөрөгчийн үйлдвэрлэл, хадгалалт, дамжуулалтын горим

AI-ийн үнэ цэнэ эндээс гарна:

• Digital twin (дижитал ихэр): Тэжээлийн өөрчлөлтөд зуух/реактор хэрхэн хариулахыг урьдчилан тооцно.
• Advanced process control: Температур, плазмын горим, урсгалуудыг бодит хугацаанд оновчилно.
• Quality prediction: Хайлмал төмрийн найрлага, шаарны шинжийг урьдчилан таамаглана.

“Нүүрсээр хайлуулах” ба “устөрөгчөөр хайлуулах” хоёрын бизнес ялгаа

Нүүрсэн технологи олон арван жилийн турш өргөн процессын цонхтой явж ирсэн. Харин устөрөгчийн горимд:

• Эрчим хүчний өртөг нь илүү мэдрэмтгий
• Процессын хазайлт бүтээгдэхүүний чанарт хурдан нөлөөлнө
• Хэмжилт, мэдрэгч, өгөгдөлгүй бол үйлдвэрлэл “доголдоно”

Тиймээс AI бол нэмэлт гоёл биш, үйлдвэрлэлийн сахилга бат юм.

Монголд энэ кейс ямар боломж нээж байна?

Хамгийн шууд хариулт: Монгол ногоон төмөр, ногоон ган руу “маргааш” үсрэхгүй ч өгөгдлийн бэлтгэл, хүдэр-чанарын тогтвортой байдал, эрчим хүчний оновчлол гэсэн 3 суурийг өнөөдөр тавибал олон улсын түншлэл бодит болно.

Монголын уул уурхай экспортод түшиглэсэн хэвээр. Гэхдээ 2026–2030 оны хооронд нүүрстөрөгчийн ул мөр, бүтээгдэхүүний гарал үүсэл, тогтвортой байдлын шалгуур худалдаанд илүү нөлөөлөх тусам “зөвхөн тонн” биш “тонн + баталгаажсан нүүрстөрөгчийн мэдээлэл” зардаг болно.

Эндээс Монголын компаниуд дараах байдлаар ашиг хүртэнэ:

• Нүүрстөрөгчийн тооцоолол (Scope 1–2) автоматжуулах: Эрчим хүч, түлш, тээврийн өгөгдөл нэг цэгт.
• Олборлолтын төлөвлөлт AI-тай болох: Хольцын хэлбэлзлийг бууруулж, “тэжээл”-ийг тогтвортой болгоно.
• Нийлүүлэлтийн сүлжээний ил тод байдал: Хэнээс юу ирсэн, ямар чанартай, ямар ул мөртэйг нотолно.

Ногоон төмрийн технологи Монголд яг өнөөдөр баригдахгүй байж болно. Харин түүхий эдийн чанарын тогтвортой байдал + өгөгдлийн дэд бүтэц бол заавал хэрэгтэй.

Устөрөгчийн плазма технологид AI яг юу хийдэг вэ?

Хамгийн шууд хариулт: AI нь хүдэр–процесс–эрчим хүчний гурван урсгалыг нэг загварт нийлүүлж, гарц/чанар/өртгийг зэрэг оновчилдог.

1) Хүдрийн “зангилаа” асуудлыг AI шийднэ

Монголын олон ордод (ялангуяа холимог хүдрийн биетүүдэд) хамгийн том асуудал бол чанарын хэлбэлзэл. AI-тай геометаллургийн загвар:

• өрөмдлөг, сорьц, лабораторийн өгөгдлийг нэгтгээд
• хүдэр боловсруулах зан төлөвийг урьдчилан таамаглаж
• ямар блокийг хэзээ олборлох нь хамгийн ашигтайг санал болгоно.

Үр дүн: реактор/зууханд орох тэжээл илүү тогтвортой → ногоон технологи бодит болно.

2) Эрчим хүч ба устөрөгчийн хуваарь

Устөрөгч үйлдвэрлэх (электролиз) нь цахилгааны өртөг, тасралттай шууд холбоотой. AI дараахыг хийж чадна:

• сэргээгдэх эх үүсвэрийн гаралтыг прогнозлох
• электролизерийн ачааллыг үнэ/гарцад тохируулж хуваарьлах
• хадгалалтын савны түвшин, хэрэглээний оргилыг тэнцвэржүүлэх

Энгийнээр хэлбэл: “эрчим хүч хямд үед устөрөгч үйлдвэрлэж, процессоо таслалгүй явуулах” нь зөвхөн автомат дүрэм биш, прогноз шаардсан ажил.

3) Тасралтгүй үйлдвэрлэлийн найдвартай ажиллагаа

Fortescue өөрөө “continuous production”-д найдвартай ажиллах эсэхийг онцолсон. Энэ бол AI-ийн хамгийн классик хэрэглээ:

• тоног төхөөрөмжийн эвдрэлээс өмнө анхааруулдаг predictive maintenance
• мэдрэгчийн гажуудлыг барьж засдаг anomaly detection
• процессын хяналтыг тогтворжуулдаг model predictive control

Монголын компаниудад зориулсан “5 алхам” хэрэгжүүлэх зураглал

Хамгийн шууд хариулт: Ногоон төмөр рүү явах зам Монголд “зуух барих”-аас биш, өгөгдлөө цэгцлэхээс эхэлнэ.

Алхам 1: Хүдэр–чанарын өгөгдлөө үйлдвэрлэлийн хэлээр нэгтгэ

Эхний 60–90 хоногт хийх ажил:

• сорьц, лабораторийн үр дүн, олборлолтын блок модель, баяжуулалтын өгөгдөл
• бүгд нэг data model дээр очих

Зорилго: “PDF тайлан”-аас гарч, машин унших боломжтой болгох.

Алхам 2: Геометаллургийн прогноз загвар байгуул

• Хүдрийн төрөл тус бүрийн боловсруулалтын зан төлөв
• Хольцын өөрчлөлт бүтээгдэхүүнд хэрхэн нөлөөлөх

Энд ML (машин сургалт) хамгийн хурдан ROI өгдөг. Яагаад гэвэл зөв төлөвлөлт нь шууд зардал бууруулдаг.

Алхам 3: Эрчим хүчний “үнэ–хэрэглээ” хяналтын самбар

Ногоон үйлдвэрлэл ярьж байгаа бол:

• цахилгаан, дизель, тэсэлгээ, тээвэр
• бүгдийн хэрэглээг нэгтгэсэн real-time dashboard хэрэгтэй.

Энэ нь дараагийн алхам болох нүүрстөрөгчийн тооцооллын суурь.

Алхам 4: Нүүрстөрөгчийн тооцооллыг автоматжуул

Таны бүтээгдэхүүн “ногоон” гэж хэлэгдэх эсэх нь маркетингээр биш, мөрөөрөө шийдэгдэнэ.

• Scope 1–2 тооцооллыг сар бүр биш, өдөр бүр шинэчилдэг болох
• өгөгдөл нь аудитад тэсвэртэй (лог, мөр, баталгаажуулалттай) байх

Алхам 5: Олон улсын түншлэлд зориулсан пилот сонго

Fortescue–TISCO шиг түншлэл амжилттай болохын нэг нөхцөл нь туршилтын шугам.

Монголд шууд “5,000 тн/жил хайлмал төмөр” биш байж болно. Харин:

• хүдэр бэлтгэл (агломераци/брикет),
• баяжмалын чанарын тогтвортой байдал,
• эрчим хүчний оновчлол,
• бүтээгдэхүүний ул мөрийн баталгаажуулалт

гэсэн чиглэлээр 6–9 сарын хугацаатай pilot сонгоод, үр дүнгээ тоогоор хамгаалах нь илүү бодит.

Удирдлагууд ихэвчлэн энд алдаа гаргадаг

Хамгийн шууд хариулт: “AI төсөл” гэж нэрлээд датагүйгээр эхэлдэг, эсвэл нэг удаагийн демогоор зогсоодог.

Би уул уурхайн байгууллагуудад хамгийн олон харсан гурван алдаа:

1. Өгөгдлийн эзэмшигч тодорхойгүй (хэн хариуцах вэ?)
2. OT/IT зааг дээр гацдаг (SCADA, лаборатори, ERP хоорондоо ярихгүй)
3. Пилот KPI нь буруу (зөвхөн “accuracy” биш, тонн/зардал/тасралтгүй ажиллагааг хэмж)

Хэрвээ та ногоон төмөр, AI, автоматжуулалт ярьж байгаа бол KPI-аа ингэж тавь:

• Чанарын хэлбэлзэл (Fe, хольц) хэдэн хувь буурсан бэ?
• Тонн тутмын эрчим хүчний хэрэглээ хэдээр өөрчлөгдсөн бэ?
• Тонн тутмын CO₂e тооцоо хэдийд “бодит цаг”-т орсон бэ?
• Төлөвлөгөө–гүйцэтгэлийн зөрүү хэдээр багассан бэ?

Монголын уурхайн хувьд энэ бүхний утга нь юу вэ?

Fortescue–TISCO түншлэл нэг зүйлийг тодорхой харуулж байна: ногоон үйлдвэрлэл бол дан ганц үйлдвэр биш—түүхий эд, өгөгдөл, эрчим хүч, хамтын ажиллагааны нийлбэр. Монголын уул уурхай энэ чиглэлд ухаалаг алхвал зөвхөн илүү их олборлох биш, илүү өндөр шаардлагатай зах зээлд нийцсэн бүтээгдэхүүн санал болгох боломж нээгдэнэ.

Хэрвээ танай компани 2026 онд AI хэрэгжүүлэхээр төлөвлөж байгаа бол би нэг л зүйлийг санал болгоно: нэг “том платформ” худалдаж авахаас өмнө нэг “зөв пилот” сонго. Дараа нь тэр пилотоо өргөжүүл.

Ирэх жилүүдэд Монголын уул уурхай “AI ашигласан олборлолт”, “автоматжуулалт”, “аюулгүй ажиллагааны прогноз” гэдэг үгнүүдийг улам их ярина. Харин хамгийн том ялгаа нь нэг өгүүлбэрт багтана:

Ногоон ирээдүйг амлах амархан. Харин өгөгдөл дээр суурилж нотлох нь үнэ цэнтэй.

Таны бодлоор Монголд ногоон төмөр/ногоон ган руу ойртоход хамгийн түрүүнд шийдэх ёстой зүйл нь өгөгдөл, эрчим хүч, эсвэл олон улсын түншлэл-ийн аль нь вэ?