AI-тай уурхай: Portal-оос эхэлдэг бүтээмж

$44.6 саяын өртөгтэй “portal” буюу газар доорх уурхайн үндсэн нэвтрэлтийн ажил бол зүгээр нэг ухаж, тэсэлж зам гаргах төсөл биш. Энэ бол дараагийн 10–30 жилийн аюулгүй байдал, зардал, тоног төхөөрөмжийн сонголт, логистик, өгөгдлийн архитектур бүгдийг “анхны алхмаар” нь тодорхойлдог шийдвэр.

АНУ-ын Небраскад хэрэгжихээр буй NioCorp-ийн Elk Creek төслийн ТУЗ газар доорх уурхайн гол хаалга (portal) ба хоёр налуу рамп байгуулах төслийг баталсан нь (ажил 2026 оны 3-р улирлын хугацаанд эхлэх төлөвтэй) олон улсын уул уурхайн салбарын нэг чиг хандлагыг тод харуулж байна: цахилгаанжуулалт + автоматжуулалт + хиймэл оюун ухаан гурав нийлж байж л газар доорх уурхай “үнэхээр” үр ашигтай болдог.

Энэ нийтлэл бол “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын хүрээнд: Elk Creek-ийн portal шийдвэрээс суралцаад, Монголын уурхайнууд (шинэ төсөл ч бай, өргөтгөл ч бай) хиймэл оюун ухааныг уул уурхайн бүтээн байгуулалт, олборлолт, тээвэрлэлтийн эрсдэл бууруулах, хугацаа барих, зардал хянахад яаж бодитоор ашиглаж болохыг задлан тайлбарлана.

Portal төслийн утга: “ганц ажил” биш, бүтэн системийн шийдвэр

Portal ба налуу рампын шийдвэр гарсан мөчөөс эхлээд уурхай дараах 3 зүйл дээр тогтдог: урсгал (ore/material flow), агааржуулалт/аюулгүй байдал, ложистик/засвар үйлчилгээний бүтцийг яаж зохион байгуулах вэ.

Elk Creek-ийн хувьд энэ portal нь 2024 онд сонгосон Railveyor™ (цахилгаан тээвэрлэлтийн систем) хэрэгжих үндсэн нөхцөл болж байна. Нэг өгүүлбэрээр хэлбэл: “portal + цахилгаан тээвэр + цахилгаан тоноглол” гэдэг нь өгөгдөлжсөн уурхай байгуулахад хамгийн тохиромжтой суурь.

Монголын хувьд энэ санаа танил: шинэ налуу ам, шинэ туннел, шинэ тээвэрлэлтийн шийдэл (конвейер/локомотив/авто тээвэр) нь хөрөнгө оруулалтын хамгийн том багцуудын нэг. Харин олон компани үүнийг зөвхөн барилга угсралтын ажил гэж харж, өгөгдөл ба AI-ийн шаардлагыг хожим нь “нэмээд” шийдэх гээд гацдаг. Тэгээд:

• Датчик, холбоо, камер, RTLS (real-time location) суурилуулах нэмэлт ажил гарна
• Агааржуулалт, замын зохион байгуулалт “өгөгдөлд суурилсан” биш тул энергийн зардал өснө
• Автоматжуулалтын боломж хязгаарлагдана

Portal бол барилгын ажил шиг харагддаг ч үнэндээ дижитал уурхайн эхлэл байдаг.

Railveyor ба цахилгаанжуулалт: AI хэрэглэх “шалтгаан” нь эндээс гарч ирдэг

Elk Creek нь өмнөх “хоёр босоо ам (twin-shaft)” төлөвлөлтийг Railveyor-оор орлуулснаар анхны хөрөнгө оруулалт, хөгжүүлэлтийн хугацааг бууруулна гэж мэдэгдсэн. Энэ өөрчлөлт нэг чухал үр дагавартай: уурхай урсгалын тогтвортой чанар дээр илүү мэдрэмтгий болно.

Railveyor мэт цахилгаан тээвэрлэлтийн системүүдийн давуу тал нь:

• Дизель автотээврээс үүдэх агаарын бохирдол, дулаан, тоосжилт багасна
• Тасралтгүй урсгалтай тул тоног төхөөрөмжийн ашиглалт өндөр байж болно
• Цахилгаанжуулалт нь сенсор, контроллер, өгөгдөл цуглуулалтын дэд бүтцийг дагуулж ирдэг

Гэхдээ нэг “хатуу үнэн” бий: цахилгаанжуулалт дангаараа үр ашгийг баталгаажуулдаггүй. Урсгал тасалдвал бүх системийн үр ашиг унадаг. Энд л хиймэл оюун ухаан бодит утгаараа хэрэгтэй болдог.

AI ямар асуудлыг яг шийддэг вэ?

AI-ийн үнэ цэнэ нь “ухаантай харагдах” биш. Харин өдөр бүр тулгардаг гурван асуултад тоон хариу өгдөгт байгаа юм.

1. Хэзээ эвдрэх вэ? (Predictive maintenance)

• Хөдөлгүүр, дамжуулга, дугуй/ролик, чиглүүлэгч хэсгүүдийн чичиргээ, температур, гүйдэл, тосолгооны өгөгдлөөр эвдрэлийг урьдчилан таамаглана.

1. Ямар үед урсгал саатах вэ? (Bottleneck prediction)

• Налуу рамп дээрх хөдөлгөөн, ачих/буулгах цикл, засварын цонх, хүний хөдөлгөөний зөрчил зэргээс урсгалын саатал үүсэх эрсдэлийг урьдчилан илрүүлнэ.

1. Яаж хамгийн бага энергээр явуулах вэ? (Energy optimization)

• Агааржуулалтын “Ventilation on Demand”, тээврийн хурд/ачааллын төлөвлөлт, оргил ачааллын үеийн цахилгаан хэрэглээг оновчилно.

Монголын уурхайд энэ логик бүр илүү чухал. Өвлийн оргил ачаалал, цахилгааны үнэ/хязгаарлалт, сэлбэгийн урт нийлүүлэлтийн хугацаа зэрэг нь “тасалдал”-ыг үнэтэй болгодог.

Portal бүтээн байгуулалтад AI: хугацаа барих хамгийн бодит арга

Portal байгуулах ажил нь ухалт, өрөмдлөг-тэсэлгээ, зам/талбайн дэд бүтэц, аюулгүй ажиллагааны хяналт гээд олон багийн зэрэгцээ ажиллагаа. Энэ үед AI-г “барилга эхэлсний дараа” биш, төслийн төлөвлөлтийн үеэс ашиглавал хамгийн их өгөөжтэй.

1) Дижитал ихэр (digital twin) + төлөвлөлтийн симуляци

Хариу: Portal-ийн геометр, хөдөлгөөний зохион байгуулалт, агааржуулалт, тээвэрлэлтийн урсгалыг нэг загварт оруулах нь дараагийн зардлыг бууруулдаг.

Дижитал ихэр дээр:

• Налуу рампын налуу, эргэлтийн радиус, уулзварууд
• Тээврийн системийн багтаамж
• Хүний болон тоноглолын хөдөлгөөний дүрэм
• Агааржуулалт/утаа зайлуулалт

…гэх мэтийг зэрэг туршиж, “цаасан дээр зөв” байсан шийдэл бодит амьдрал дээр түгжрэл үүсгэхээс хамгаална.

2) Өрөмдлөг-тэсэлгээний чанарын AI хяналт

Хариу: Overbreak/underbreak (илүү ухалт/дутуу ухалт)-ыг багасгавал бетончлол, бэхэлгээ, тээвэрлэлтийн нэмэлт ажил шууд буурна.

AI нь:

• Тэсэлгээний дараах зураг/лазер скан
• Өрмийн мөрийн өгөгдөл
• Чулуулгийн ангилал (geomechanics)

…-ыг нэгтгээд тэсэлгээний загварыг дараагийн циклд сайжруулдаг. Энэ бол “гоё” технологи биш, метр тутмын өртөг дээр нөлөөлдөг практик шийдэл.

3) Аюулгүй ажиллагаа: хүний хөдөлгөөн ба “ойртолт”-ын эрсдэл

Хариу: Камер + RTLS + дүрс танилт ашиглаад аюултай бүсэд хүн орсон эсэх, “ухагч машин ойртож байна уу” зэрэг ойртолтын эрсдэлийг бодитоор бууруулж болно.

Монголд газар доорх олборлолт нэмэгдэхийн хэрээр (алт, зэс, нүүрсний зарим шийдлүүд, гүний уурхай) энэ төрлийн proximity detection системүүд зайлшгүй стандарт болно.

Critical minerals ба Монгол: яагаад энэ кейс бидэнд хамаатай вэ?

Elk Creek нь ниобий (ferroniobium), сканди (Sc2O3), титаны исэл (TiO2) үйлдвэрлэх 38 жилийн насжилттай гэж өмнөх судалгаанд туссан. Энэ төрлийн чухал ашигт малтмал (critical minerals) нь:

• Өндөр технологийн үйлдвэрлэл (хайлш, бат бөх ган, цахилгаанжуулалт)
• Цахилгаан автомашин, сэргээгдэх эрчим хүч
• Батлан хамгаалах, сансар

…зэрэг нийлүүлэлтийн сүлжээнд ордог. Өөрөөр хэлбэл, AI системүүдийг ажиллуулах дата төв, сүлжээ, тоног төхөөрөмжүүд өөрсдөө чухал ашигт малтмалын хэрэглээг өсгөж байна.

Монголын хувьд “critical minerals”-ын яриа ганцхан лити, газрын ховор элементээр хязгаарлагдахгүй. Бодит боломж нь:

• Одоогийн уурхайнуудын дагалдах элемент илрүүлэлт, баяжуулалтын өгөөж нэмэх
• Шинэ төслүүдийн байгаль орчин, ус, эрчим хүчний шаардлагад нийцсэн зураг төсөл
• Гүний болон газар доорх шийдэлд цахилгаанжуулалт + автоматжуулалт нэвтрүүлэх

Эндээс л манай цувралын гол санаа гарна: AI нь “дээд талын тайлан” биш, тоног төхөөрөмжийн ашиглалт, аюулгүй байдал, энергийн зардал дээр буудаг.

Монголын уурхайн удирдлагад: Portal-оос өмнө асуух 7 асуулт

Хариу: Хэрвээ та шинэ налуу ам, туннел, эсвэл газар доорх дэд бүтцийн ажил эхлүүлэх гэж байгаа бол AI-ийн үнэ цэнийг баталгаажуулах хамгийн хурдан арга нь асуултын жагсаалт юм.

1. Тээвэрлэлтийн урсгалын зорилтот багтаамж хэд вэ (т/цаг)? Тэрийг хэмжих датчик, системийг зураг төсөлдөө суулгасан уу?
2. Агааржуулалтын систем “Ventilation on Demand” хийхээр төлөвлөгдсөн үү? Хүний байршил/тоноглолын өгөгдөл шаардлагатай гэдгийг тооцсон уу?
3. RTLS, Wi‑Fi/5G/LTE дэд бүтэц хаанаас хаа хүртэл хамрах вэ? Portal-аас эхлээд зурагласан уу?
4. Өрөмдлөг-тэсэлгээний чанарыг хэмжих (scan-to-BIM) процесс бий юу?
5. Засвар үйлчилгээний өгөгдөл (CMMS) ба сенсорын өгөгдөл нэг системд нийлэх үү?
6. Кибер аюулгүй байдлыг OT түвшинд (PLC, контроллер, сүлжээ) хэрхэн шийдэх вэ?
7. AI төслийн эзэн нь хэн бэ: IT юу, үйлдвэрлэл үү, засвар үйлчилгээ юу?

Эдгээрт тодорхой хариултгүй бол “AI нэвтрүүлнэ” гэдэг нь ихэвчлэн POC хийсээр дуусдаг.

2026 он руу харсан бодит төлөв: AI-г уурхайд амжилттай буулгах дараалал

Хариу: AI-г амжилттай нэвтрүүлэх хамгийн найдвартай арга бол бага эрсдэлтэй хэсгээс эхэлж, өгөгдлийн сахилга бат тогтоогоод, дараа нь автоматжуулалт руу ахих.

Монголын уурхайнуудын хувьд (2026 онд төсөв, эрчим хүч, хүний нөөцийн дарамт үргэлжилнэ гэж үзвэл) дараах дараалал ажил хэрэгч:

1. Condition monitoring: чичиргээ/температур/гүйдлийн датчик суурилуулж, эвдрэлээс өмнө засварлах.
2. Dispatch + bottleneck analytics: тээврийн цикл, түгжрэлийг өгөгдлөөр барьж, төлөвлөлтийг сайжруулах.
3. Safety analytics: proximity, зөрчил илрүүлэлт, ослын “ойролцоо” тохиолдлыг бүртгэх.
4. Energy optimization: агааржуулалт, насос, компрессорын хэрэглээг процессын бодит хэрэгцээнд тааруулах.
5. Autonomy-ready design: шинэ portal/рамп/засварын талбайгаа автономит тоноглолд нийцүүлж зураглах.

Энэ логик Elk Creek-ийн кейстэй яг нийцнэ: portal бол зөвхөн нэвтрэх хаалга биш, AI ажиллах орчныг барьж өгөх дэд бүтэц.

Сайн уурхай “илүү их өгөгдөл” цуглуулдаггүй. Зөв өгөгдлийг зөв мөчид цуглуулдаг.

Portal төслийн шийдвэрүүдийг харахад нэг санаа ил байна: ирээдүйн газар доорх уурхай “цахилгаан” байна, тэгээд “өгөгдөлтэй” байна, харин өгөгдөлтэй уурхай AI ашиглахгүй байж чаддаггүй.

Манай энэ цувралын дараагийн нийтлэлүүдэд бид Монголын нөхцөл дээр илүү нарийвчилж:

• Ventilation on Demand-ийг ямар датчикаар эхлүүлэх вэ
• Тээврийн системийн bottleneck-ийг KPI болгон тогтоох арга
• Засвар үйлчилгээний AI-г 90 хоногт багтааж хэрхэн эхлүүлэх вэ

…гэсэн практик загваруудыг задлана.

Та өөрийн уурхайн portal/налуу ам/тээвэрлэлтийн шинэчлэл дээр AI-г бодитоор суулгахыг хүсвэл хамгийн түрүүнд нэг зүйлээс эхлээрэй: “урт хугацааны урсгал”-ын зураглал. Урсгал тодорхой бол AI-ийн хэрэглээ, өгөгдлийн шаардлага, хөрөнгө оруулалтын эрэмбэ автоматаар тодордог.