AI-д бэлтгэгдсэн уурхай: Портал төслөөс эхэлнэ

44.6 сая ам.долларын “портал” гэдэг нь зүгээр нэг хоёр амны нүх ухаж буй ажил биш. Энэ бол уурхайг дижитал, цахилгаанжсан, автоматжуулалттай ажиллуулахын тулд хамгийн түрүүнд тавигддаг суурь дэд бүтэц.

2025 оны төгсгөлд NioCorp компанийн ТУЗ АНУ-ын Небраска дахь Elk Creek критикал минералын төслийн Underground Mine Portal Project-ийг баталлаа. 2026 оны 1-р улиралд эхлэхээр төлөвлөсөн энэ ажил нь уурхайн гол нэвтрэлтийн гарц, зам, дэмжих байгууламжуудаас гадна хоёр ихэр рамп (twin mine ramps)-ийг өрөмдөж тэсэлж байгуулах ажлыг хамарна.

Манай “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын өнцгөөс харахад нэг зүйл тод: AI нэвтрүүлэх тухай яриа “программ” дээр биш, “портал” дээр эхэлдэг. Учир нь өгөгдөл цуглуулах, цахилгаан тээвэрлэлтийн систем ажиллуулах, хүмүүс ба машин нэг орчинд аюулгүй зэрэгцэн хөдөлгөх бүхэн нь уурхай газрын хэвлийд хэрхэн орж, хэрхэн логистикоо шийдэж байгаагаас хамаардаг.

Портал төслийн утга: “AI-ready” уурхайн эхний шалгуур

Хариулт нь энгийн: Портал бол уурхайн газрын доорх үйл ажиллагааны “хаалга”, харин AI бол тэр хаалгаар орж ирэх бүх урсгалыг (хүн, тоног төхөөрөмж, материал, өгөгдөл) онож удирдах тархи.

NioCorp-ийн баталсан портал төслийн хүрээнд:

• Суурь чулуулгад хүрэх хүртэл ухалт,
• Twin ramps-ийг өрөмдөж тэсэлж байгуулах,
• Талбайн дотоод зам,
• Дэмжих дэд бүтэц зэрэг хийгдэнэ.

Эдгээр нь харахад “иргэний ажил” мэт боловч бодит байдал дээр ирээдүйн автоматжуулалттай уурхайн шаардлагуудыг хангах геометр юм.

Яагаад AI-д “геометр” хэрэгтэй вэ?

AI системүүд (жишээ нь хөдөлгөөний оновчлол, мөргөлдөөнөөс сэргийлэх, тоног төхөөрөмжийн тасралтгүй ажиллагаа) хамгийн түрүүнд дараах нөхцөлийг шаарддаг:

• Тогтмол, давтагдах урсгал (хаана юу явж байгааг загварчилж болох)
• Сенсор байрлуулах боломжтой орчин (сүлжээ, камер, лидар, RFID)
• Аюулгүй тусгаарлалт (хүн-машины бүсчлэл)

Портал ба рампын шийдэл зөв байвал эдгээрийг хэрэгжүүлэх өртөг эрс буурдаг. Буруу байвал AI суурилуулах гэж “гал унтраах” маягаар дараа нь засвар, өргөтгөл хийхээс өөр аргагүй.

Railveyor сонголт: автоматжуулалт, цахилгаанжилтын суурь логик

Гол санаа: NioCorp нь Elk Creek дээр босоо амтай (twin-shaft) загвараас татгалзаж, цахилгаан тэжээлтэй Railveyor™ bulk material handling системийг сонгосноор дэд бүтцээ AI-д илүү зохицсон чиглэл рүү эргүүлж байна.

Railveyor-ийн онцлог нь “дамжуурга + төмөр зам” хосолсон зарчимтай, цахилгаан хөтлүүртэй тээвэрлэлтийн шийдэл. Нийтлэлд дурдсанаар энэ сонголт нь:

• Анхны хөрөнгө оруулалтыг бууруулах,
• Газрын доорх дэд бүтцийг энгийншүүлэх,
• Pre-development хугацааг богиносгох боломжтой гэж үзжээ.

AI хаанаас орж ирэх вэ?

Railveyor шиг системүүдийн хүч нь дан ганц механикт биш. Удирдлагын өгөгдөлд байдаг. Тухайлбал:

• Тээвэрлэлтийн урсгалын бодит цагийн өгөгдөл
• Мотор, дугуй, замын элэгдлийн дохио
• Ачааллын хэлбэлзэл, саатлын шалтгаан

Эндээс AI хийх “хоол” гарч ирнэ.

• Predictive maintenance: эд анги эвдрэхээс өмнө засварын цаг товлох
• Throughput optimization: хүдэр/материалын урсгалыг бөглөрөлгүй барих
• Energy optimization: оргил ачааллыг тэгшилж цахилгааны зардлыг удирдах

Монголд энэ логик шууд хэрэгжинэ. Манай уурхайнуудын хамгийн том зардлын нэг нь тээвэрлэлт ба зогсолт. Тээвэрлэлт цахилгаанжиж, өгөгдөл “тасралтгүй” болж байж AI бодит үр дүн өгдөг.

Цахилгаан тоног төхөөрөмж = аюулгүй байдал + өгөгдөл

Шууд хариулт: Цахилгаанжсан уурхайн давуу тал нь зөвхөн утаа багасгах биш, харин мэдрэгчтэй, хянагддаг, алгоритмд ойлгомжтой орчин бүрдүүлдэгт оршино.

NioCorp-ийн мэдэгдлээр Railveyor систем цахилгаанаар ажиллана, мөн газрын доорх тоног төхөөрөмжүүдийг бүхэлд нь цахилгаанжуулах чигтэй. Дизельтэй харьцуулахад:

• Агааржуулалтын ачаалал буурна (зарим уурхайн хувьд энэ нь эрчим хүчний том хэрэглэгч)
• Дуу чимээ, халалт, утаатай холбоотой эрсдэл багасна
• Тоног төхөөрөмжийн ажиллагааны параметрүүд илүү дижитал байдаг (battery health, regen braking, power draw гэх мэт)

Монголын уурхайд бодитоор ямар ашиг гарах вэ?

Миний харсан нийтлэг асуудал бол “AI нэвтрүүлнэ” гээд эхлээд дашбоард хийчихдэг. Харин талбай дээр:

• сүлжээ тасалддаг,
• өгөгдөл стандартгүй,
• тоног төхөөрөмжийн төлөвийг хэмжих датчик байхгүй,
• аюулгүй ажиллагааны дүрэм нь “цаасан” хэвээр байдаг.

Цахилгаанжуулалт + дижитал хяналт хоёрыг зэрэг бодвол AI бодитоор:

• осол/near-miss-ийн давтамжийг бууруулах,
• төлөвлөгдөөгүй зогсолт багасгах,
• тонн тутмын зардал тогтворжуулах боломж өгдөг.

“Критикал минерал” ба AI: нийлүүлэлтийн хэлхээ яагаад энд огтлолцдог вэ?

Нэг өгүүлбэрээр: AI хөгжих тусам дата төв, цахилгаан сүлжээ, батерей, өндөр технологийн үйлдвэрлэл тэлнэ — тэлэх бүрд нь ниобий, сканди, титан, ховор шороо зэрэг критикал минералын хэрэгцээ нэмэгдэнэ.

Elk Creek төслийн 2022 оны feasibility study-д:

• 38 жилийн ашиглалтын хугацаанд 36.7 сая тн хүдэр боловсруулах,
• 171,140 тн ferroniobium,
• 3,676 тн Sc2O3,
• 431,793 тн TiO2 үйлдвэрлэх,
• мөн ховор шороон исэл (TREO) 632,900 тн indicated resource-т багтсан гэж дурдсан.

Эндээс Монголын уншигчдад хамаатай хоёр сургамж гарна:

1. Критикал минерал гэдэг нь зөвхөн экспортын боломж биш — урт хугацааны хөрөнгө оруулалт, санхүүжилтийн өрсөлдөөнтэй талбар.
2. Зах зээл “ногоон” ба “дижитал” чиглэл рүү явж байгаа үед уурхайнууд тогтвортой ажиллагаа + баталгаатай нийлүүлэлт-ээр ялгарна. AI яг үүнийг хэмжиж, удирдаж өгдөг.

Монголын компаниуд NioCorp-оос юу сурах вэ? (AI нэвтрүүлэхийн өмнөх 5 алхам)

Гол санаа: AI бол төгсгөлийн чимэглэл биш, төслийн эхнээс суулгадаг архитектур.

Энэ мэдээний цаана байгаа “менежментийн хичээл”-ийг Монголын уул уурхайд хөрвүүлбэл:

1. Critical path-аа ил тод тодорхойл

   • NioCorp портал төслийг “critical path schedule item” гэж шууд хэлсэн. AI төсөл ч адил. Хаанаас үр ашиг гарч, хаанаас эрсдэл буурахыг эхлээд тогтоо.

2. Дэд бүтэц дээр стандарт тогтоож байж дата ярь

   • Рамп, тээвэрлэлтийн шийдэл, цахилгаан хангамж, сүлжээ, OT/IT интеграцийн стандартгүй бол AI-ийн өгөгдөл “хог” болно.

3. Цахилгаанжилтыг эрчим хүчний удирдлагатай нь хамт төлөвлө

   • Battery fleet, цэнэглэлт, оргил ачаалал, генерац/сүлжээний хослол — эдгээрийг AI-аар оновчлох боломжтой.

4. Аюулгүй ажиллагааг алгоритмд ойлгомжтой болго

   • Geofencing, proximity detection, access control зэрэг нь AI-тай хамгийн хурдан ROI өгдөг кейсүүд.

5. Нэг “өндөр үнэ цэнтэй” хэрэглээнээс эхэл

   • Жишээ нь: тээвэрлэлтийн бөглөрөл бууруулах, засварын төлөвлөлт, эсвэл хүний хөдөлгөөний эрсдэлийн хяналт. Дараа нь өргөжүүл.

“AI нэвтрүүлэх хамгийн хямд үе бол барилга эхлэхээс өмнө. Хамгийн үнэтэй үе нь уурхай ажиллаж эхэлсний дараа.”

2026 оны төлөв ба манай цувралын дараагийн бодит асуулт

NioCorp 2026 оны 1-р улиралд ажлаа эхлүүлэхээр төлөвлөж, 44.6 сая ам.долларын хөрөнгө оруулалтаар уурхайн гол нэвтрэлтийн гарцыг байгуулж байна. Энэ нь санхүүжилт бүрэн шийдэгдээгүй байсан ч суурь ажлаа урагшлуулж, төслийн эрсдэлийг бууруулж байгаа алхам гэж уншигдана.

Монголын уул уурхайд ч адилхан нөхцөл олон. Том өөрчлөлт хийхэд дандаа “бүгд бэлэн болохыг” хүлээвэл цаг алдана. Харин хамгийн зөв дараалал нь:

• дэд бүтэц + өгөгдөл + аюулгүй ажиллагаа-ны сууриа тавих,
• дараа нь AI-аар оновчлол, автоматжуулалтаа шатлалтай өсгөх.

Тэгэхээр таны уурхай AI-д хэр бэлтгэгдсэн бэ? Портал, тээвэрлэлт, цахилгаанжилт, өгөгдлийн стандарт дөрөв дээр өнөөдөр оноо тавиад үз. Бид энэ цувралын дараагийн нийтлэлүүдээр яг эдгээрийг Монголын нөхцөлд хэрхэн хэрэгжүүлэх талаар илүү практик жишээ, хэрэгжүүлэлтийн зураглалтай нь ярья.