AI-гаар газар доорх уурхайг үр ашигтай сэргээх арга

70+ хүнтэй өөрийн баг, 80 гаруй гуравдагч талын ажиллах хүч, 4 жилийн хугацаанд 20 км орчим газар доорх малталт. Hillgrove-ийн antimony–gold төслийг дахин хөдөлгөх гэж буй Larvotto-ийн энэ “execution mode” бол нэг зүйлийг шууд хэлж өгч байна: газар доорх уурхайг сэргээх ажил бол техник, хүн, цаг, эрсдэлийн нарийн синхрончлол.

Энэ нийтлэл “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын хүрээнд Hillgrove-ийн сэргэлтийг кейс болгон авч, хиймэл оюун ухаан (AI) газар доорх олборлолтыг хэрхэн илүү аюулгүй, таамагтай, өндөр бүтээмжтэй болгодог дээр бодитоор буулгаж ярья. Австралийн нэг уурхай дахин амь орж байгаа нь Монголд шууд хуулж тавих жишээ биш. Харин ямар өгөгдөл, ямар шийдвэр, ямар процесс дээр AI хамгийн их үнэ цэнэ өгдгийг харуулах сайн жишээ.

Hillgrove-ийн сэргэлтээс харагдах “жинхэнэ ажил”: хөгжүүлэлт

Хамгийн эхний зорилго бол хүдэр гаргах биш, уурхайг ажиллуулах чадвартай болгох. Hillgrove дээр газар доорх хөгжүүлэлт Metz бүсээс эхэлж, дараа нь Garibaldi руу шилжинэ. Хөтөлбөрт:

• decline ба lateral малталт
• хуучин малталтын rehabilitation (сэргээн засвар)
• ground support суурилуулалт
• haulage (тээвэрлэлтийн) зохион байгуулалт

гэсэн үндсэн ажлууд орж байна. Энэ бол “одооноос олборлоод эхэлье” гэхээс илүү 4 жилийн хугацаанд 20 км газар доорх өргөтгөл төлөвлөсөн инженерийн марафон.

Эндээс Монголын олон уурхайд танил дүр зураг харагдана: хүдэр байгаа ч үйлдвэрлэл зогссон, эсвэл шинэ шат руу орох гэж байгаа үед хөгжүүлэлтийн бүтээмж, аюулгүй байдал, хугацааны сахилга бат нь ашгийн гол хөдөлгүүр болдог.

AI энэ шатанд яг юуг сайжруулдаг вэ?

AI-г “робот” гэж ойлгох нь хамгийн том эндүүрэл. AI бол шийдвэрийн чанар, төлөвлөлтийн нарийвчлал, эрсдэлийн хяналтыг дээшлүүлэх систем.

Hillgrove шиг төслийн хөгжүүлэлтийн үед AI голчлон 4 чиглэлд өгөөж өгдөг:

1. Өдөр тутмын short-interval control: ээлж бүрийн ахиц, саатлыг бодит цагт барьж, дараагийн 6–24 цагийн төлөвлөгөөг автоматаар “шинэчилж” өгнө.
2. Бэхэлгээ ба чулуулгийн эрсдэлийн таамаг: зураглал, геотехникийн хэмжилт, чичиргээ/сейсмийн мэдээлэл дээр суурилж эрсдэлийн бүсийг эрт илрүүлнэ.
3. Тээвэр, тоног төхөөрөмжийн ашиглалтын оновчлол: LHD/тээврийн цикл, бөглөрөл, сул зогсолт, түлш/цахилгааны хэрэглээг горимчлон сайжруулна.
4. Хүний аюулгүй ажиллагаа: ойртолтын сэрэмжлүүлэг, ослын өмнөх “near-miss” загварчлал, PPE/зөрчил илрүүлэлт.

Яагаад antimony (сурьма) өнөөдөр дахин “анхаарлын төв” болов?

Сурьма бол critical minerals жагсаалтад улам тод байр суурь эзэлж байна. Гол шалтгаан нь нийлүүлэлтийн эрсдэл, стратегийн хэрэглээ, батерей/металлург/галд тэсвэртэй материал зэрэг салбаруудын эрэлт.

Монголын хувьд “critical minerals” сэдэв ярихаар ихэнхдээ зэс, газрын ховор элемент рүү хэлбийдэг. Гэхдээ бодит амьдрал дээр уурхайнуудын ROI-г нөөцийн төрөл биш, олборлолтын сахилга бат тодорхойлдог.

“Critical minerals”-ын үнэ цэнэ өсөх тусам үйлдвэрлэлийн алдагдал (dilution), саатал, осол, чанарын хэлбэлзэл нь шууд мөнгө болж хувирдаг.

Тиймээс Hillgrove-ийн сэргэлтийг анхаарах шалтгаан нь зөвхөн сурьма-алт биш. Дахин эхлүүлж буй газар доорх уурхайд процессын алдаа хамгийн үнэтэй байдагтай холбоотой.

Газар доорх уурхайд AI хамгийн хурдан “мөнгө болдог” 5 хэрэглээ

Шууд өгөөж гаргах AI хэрэглээ бол лабораторийн туршилт биш, өдөр тутмын шийдвэрийг “баталгаажуулдаг” хэрэгслүүд. Монголын уурхайнууд дээр ч хамгийн хурдан буух 5 хэрэглээг тодорхой хэлбэрээр жагсаая.

1) Хөгжүүлэлтийн цикл ба бүтээмжийн прогноз

Зорилго: “энэ долоо хоногт хэдэн метр урагшлах вэ?” гэдгийг таамгаар биш өгөгдлөөр хэлдэг болох.

AI/ML загвар нь дараах өгөгдлөөр ажиллана:

• цикл хугацаа (өрөмдөх–тэсэлгээ–агааржуулалт–цэвэрлэгээ)
• тоног төхөөрөмжийн availability/утилилити
• багийн бүрэлдэхүүн, туршлага
• чулуулгийн төрлийн өөрчлөлт

Гаралт нь:

• дараагийн 24/72 цагийн ахицын прогноз
• саатлын магадлал ба шалтгааны эрэмбэ
• хамгийн өндөр нөлөөтэй 1–2 арга хэмжээ (жишээ нь сэлбэгийн бэлэн байдал, тэсэлгээний цонх)

2) Dilution ба ore loss-ийг багасгах “grade control” AI

Зорилго: хүдэр/хаягдлын хил зааг дээр алдаа гаргахгүй байх.

Газар доорх уурхайд dilution 5–10% өсөхөд л боловсруулах өртөг огцом нэмэгддэг. AI нь:

• нүүрний зураг, дээжлэлтийн үр дүн
• геологийн загварын шинэчлэлт
• тоног төхөөрөмжийн байрлал (telemetry)

дээр суурилж зогсоох, үргэлжлүүлэх, чиглэл солих шийдвэрийг илүү хурдан, илүү баталгаатай болгодог.

3) Геотехникийн эрсдэлийн эрт сэрэмжлүүлэг

Зорилго: “осол болохоос өмнө” хэлдэг системтэй болох.

AI нь чулуулгийн хөдөлгөөн/сейсмийн дохио, деформацийн мэдрэгч, бэхэлгээний мэдээлэл, уурхайн зураглалын өөрчлөлтөөс:

• өндөр эрсдэлийн бүсийн зураг
• ажлын зөвшөөрөл/хязгаарлалтын санал
• дэд бүтцийн эвдрэлд хүрэх магадлал

гэсэн гаргалгаа өгч чадна. Энэ нь зөвхөн аюулгүй байдлаас гадна төлөвлөгдөөгүй зогсолтыг бууруулдаг.

4) Тоног төхөөрөмжийн урьдчилан засвар (predictive maintenance)

Зорилго: эвдрэлээр биш, төлөвлөгөөгөөр засвар хийх.

LHD, өрмийн машин, тээвэр, сэнс, насос гэх мэт тоног төхөөрөмж дээр:

• чичиргээ
• температур
• гидравлик даралт
• моторын гүйдэл

зэрэг дохиогоор эвдрэлийн эрсдэлийг урьдчилан тооцоолбол сэлбэг–хуваарь–хүн гурвыг нэг дор оновчилдог. Монголын уурхайд энэ нь нийлүүлэлтийн улирлын эрсдэл (өвлийн логистик)тэй бүр илүү сайн нийцдэг.

5) Ажиллах хүч ба сургалтын “ур чадварын зураглал”

Зорилго: зөв хүнийг зөв ажлын байранд зөв үед.

Hillgrove дээр өөрийн 70+ ажилтан, 80 гуравдагч талын хүн зэрэгцэн ажиллаж байна. Ийм зохион байгуулалтад:

• стандарт ажиллагааны зөрчил
• ослын эрсдэлтэй зан төлөв
• сургалтын цоорхой

амархан гарна. AI нь ажлын бүртгэл, сургалтын мэдээлэл, инцидент/near-miss тайлангаар хэн ямар сэдвээр дахин давтах хэрэгтэй гэдгийг бодитоор гаргаж өгдөг.

Монголын уурхайд Hillgrove шиг “сэргэлтийг” AI-тай хийх практик зам

Хамгийн зөв эхлэл бол том платформ авах биш, 90 хоногийн хэмжигдэхүйц асуудал сонгох. Би уурхайд AI хийх гэж буй багуудад нэг л зарчим хэлдэг: “Өгөгдлөө эмхэл, нэг шийдвэрийг хэмж, дараа нь өргөтгө.”

90 хоногийн пилотын санал (хэт том биш, хэмжигдэхүйц)

1. Нэг участок сонго: decline хөгжүүлэлт эсвэл нэг stoping block.
2. 3 KPI-г хатуу тогтоо:
   • ахиц (м/ээлж эсвэл тн/ээлж)
   • төлөвлөгөөний биелэлт (%)
   • төлөвлөгдөөгүй зогсолт (мин/ээлж)
3. Өгөгдлийн “минимум багц”:
   • тоног төхөөрөмжийн telemetry
   • ээлжийн тайлан (digital form байхад хангалттай)
   • геологийн/геотехникийн үндсэн тэмдэглэгээ
4. Нэг загвар, нэг хэрэглээ: жишээ нь цикл хугацааны прогноз + саатлын шалтгаан санал болгодог dashboard.
5. Удирдлагын хэмнэл: өглөөний 15 минутын хурлаар тухайн AI гаргалгааг заавал ашигла.

Хэрвээ 90 хоногийн дараа KPI дээр тогтвортой 3–7% сайжруулалт гарч байвал дараагийн шатанд (grade control, maintenance, геотехник) өргөтгөхөд үндэслэл бүрдэнэ.

“AI нэвтрүүллээ” гэдэг нь програм суулгасан гэсэн үг биш

AI төслүүдийн ихэнх нь технологи дээр биш, үйл ажиллагааны сахилга ба өгөгдлийн чанар дээр гацдаг. Газар доорх уурхайд хамгийн нийтлэг 3 алдаа бий:

• Өгөгдөл “эзэнгүй”: хэн ямар талбар бөглөх, хэн баталгаажуулах нь тодорхойгүй.
• KPI буруу сонголт: “AI хийлээ” гэдгийг батлах хэмжүүргүй.
• Уурхайн багийн оролцоо сул: зөвхөн IT/төслийн баг гүйгээд, талбай дээр ашиглахгүй.

Hillgrove-ийн жишээн дээр нэг сонирхолтой санаа харагдана: гэрээт үйлчилгээ үзүүлэгч (PYBAR) full-service solution өгч, тоног төхөөрөмжөөс эхлээд статутын хяналт, HSE системээ хамт авч орсон. Монголын нөхцөлд ч AI-г зөв хийе гэвэл процессын эзэн тодорхой байх ёстой. Тэгэхгүй бол платформ худалдаж авсан ч өдөр тутмын шийдвэрт нөлөөлөхгүй.

Дараагийн алхам: Монголын газар доорх уурхайд AI-г “ажиллуулж” эхлэх нь

Hillgrove-ийн сэргэлт нэг санааг хүчтэй баталж байна: газар доорх уурхайд амжилт гэдэг нь хөгжүүлэлт, аюулгүй байдал, тоног төхөөрөмжийн бэлэн байдал, хүдрийн чанарын сахилга дөрөв дээр тогтдог.

Манай “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын гол санаа ч энэ. AI бол гоё тайлан биш; удирдлагын өдөр тутмын шийдвэрийг тоон үндэслэлтэй болгох арга.

Хэрвээ та 2026 онд газар доорх олборлолтоо өргөжүүлэх, эсвэл зогссон участгаа дахин асаах гэж байгаа бол нэг асуултаас эхлээрэй: “Бид ээлж бүрийн төлөвлөгөөг ямар өгөгдлөөр хамгаалдаг вэ?”

Хариулт нь “туршлага” л байвал боломж байна. AI тэр боломжийг бодит үр дүн болгоно — зөв асуудлаас, зөв хэмжүүртэй эхэлбэл.

Хэрвээ хүсвэл: танай уурхайн нөхцөлд тохируулсан 90 хоногийн пилотын хүрээ (KPI, өгөгдлийн жагсаалт, хэрэгжүүлэх дараалал)-г хамт гаргаж өгч болно. Тухайн шийдэл бодит үйлдвэрлэл дээр хэмжигдэх ёстой, өөрөөр бол хэрэггүй.