Халуунд “цагаан” хариу: уул уурхайд AI-тай хослуулах нь

Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байнаBy 3L3C

Радиатив хөргөлтийн бүрхүүлүүд AC-ийн хэрэглээг 15–20% бууруулж чадна. Үүнийг уурхайд AI хяналттай хослуулбал үр ашиг тогтвортой өснө.

Radiative coolingCool roofMining energy efficiencyAI monitoringSustainability
Share:

Featured image for Халуунд “цагаан” хариу: уул уурхайд AI-тай хослуулах нь

Халуунд “цагаан” хариу: уул уурхайд AI-тай хослуулах нь

2025 оны зун дэлхийн хэд хэдэн бүсэд халалт цахилгаан сүлжээг сөхрүүлсэн нь санамсаргүй явдал биш. Эрчим хүчний оргил ачаалал өсөх тусам агааржуулалтын хэрэгцээ нэмэгдэж, тэр нь дахин сүлжээг ачаалж “муу тойрог” үүсгэдэг. Энэ асуудлыг нэг л том станц, нэг л шинэ шугамаар шийднэ гэж найдах нь ихэнхдээ бодитой биш.

Энд нэг сонирхолтой зүй тогтол гарч ирдэг: дулааныг эх үүсвэр дээр нь багасгах хамгийн хямд “эрчим хүч” байж болно. Радиатив хөргөлт (radiative cooling) гэдэг олон зуун жилийн турш байгаль дээр ажиллаж ирсэн үзэгдлийг материалын шинжлэх ухаан ашиглан “баталгаатай бүтээгдэхүүн” болгож байна. Хамгийн сайхан нь — энэ нь цахилгаан иддэггүй.

Манай цувралын гол сэдэв болох “хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” гэдэг өнцгөөс харахад, радиатив хөргөлтийн түүх бол нэг төрлийн кейс: шинэ технологи бодит үйлдвэрлэлийн зардал, эрсдэл, тогтвортой байдлын асуудлыг нэг дор хөдөлгөж чаддаг. Уул уурхайд AI яг үүнийг л хийх гэж оролдож байгаа.

Радиатив хөргөлт гэж юу вэ, яагаад одоо хэрэгтэй болсон бэ?

Хариулт нь энгийн: зөв материал сонгож, зөв гадаргуу дээр түрхэхэд тухайн гадаргуу нарны гэрлийг илүү их буцааж ойлгож, өөрийн дулааныг “агаарын цонх” гэж нэрлэдэг инфра улаан долгионы мужид сансарт тарааж чадна. Ингэснээр гадаргуу зарим нөхцөлд орчны температураас ч доош хөрөх боломжтой.

Энэ үзэгдэл өдөр тутмын амьдралд нэлээд танил. Шөнө гадаа хоносон машины дээвэр өглөө конденсацтай (шүүдэр) байдаг нь металл гадаргуу дулаанаа тэнгэр рүү цацаж хөрснөөс үүддэг.

Сүүлийн арван жилд судлаачид үүнийг үйлдвэрлэлийн түвшинд авч ирсэн. Зарим фотоник хальс, тусгай бүтэцтэй бүрхүүлүүд 8–13 микрометрийн долгионы “атмосферийн цонх”-оор дулааныг гадагшлуулахад чиглэдэг. Харин зах зээл бодит хэрэглээнд илүү ойр бүтээгдэхүүн рүү шилжиж, керамик суурьтай “cool roof”, нанобүтцэт бүрхүүл, өндөр ойлттой полимер зэрэг өргөн зурваст нарны ойлт сайтай шийдлүүд давамгайлах болжээ.

Эндээс уул уурхайд хэрэгтэй нэг санаа тод харагдана: лабораторийн гайхалтай демо дангаараа хангалтгүй, талбай дээр олон жил тэсэх бат бөх, засвар үйлчилгээтэй, нийлүүлэлтийн сүлжээнд багтах шийдэл л ялдаг.

Тоогоор ярих нь: дээвэр будалт яаж эрчим хүч хэмнэдэг вэ?

Гол санаа: радиатив хөргөлтийн материал нь хөргөлтийн ачааллыг бууруулж, оргил цагийн цахилгаан хэрэглээг багасгана. Зарим туршилт, пилот төслүүдэд барилгын агааржуулалтын эрчим хүчний хэрэглээ 15–20% хүртэл буурсан тохиолдол гарсан нь салбарынхны анхаарлыг татаж байна.

Үйлдвэр, агуулах, худалдааны төвийн хувьд энэ нь хоёр утгатай:

  • Оpex буурах: хөргөлтөд зарцуулах кВт.ц багасна
  • Оргил ачааллын эрсдэл буурах: сүлжээний хязгаарлалттай үед үйлдвэрлэлийн саатал, генераторын түлшний зардал өсөх эрсдэл багасна

Уул уурхайн бааз, боловсруулах үйлдвэр, засварын цехүүд, агуулахууд ч адилхан “барилга” шүү дээ. Монголд өвөл давамгай боловч зуны халалт сүүлийн жилүүдэд илүү мэдрэгдэж, ялангуяа Өмнөговийн бүсэд контейнер оффис, ажилчдын хотхон, агуулахын дотор температур “бодит асуудал” болдог.

Гэхдээ нэг чухал ялгаа бий: уурхайд гадаргуу тоосжилт, салхи, механик элэгдэл, химийн нөлөөлөлд илүү өртдөг. Тэгэхээр энд технологийн амжилтын шалгуур нь зөвхөн ойлт биш, гадаргуугийн бохирдол даах чадвар + арчилгааны горим юм.

Хязгаарлалт нь хамгийн том боломж: бохирдол, үүл, “forever chemicals”

Шууд хариулт: радиатив хөргөлт төгс шийдэл биш, харин зөв орчин, зөв ашиглалтад маш өндөр өгөөжтэй хэрэгсэл.

Энэ технологи дараах хүчин зүйлээс их хамаарна:

Үүлшил ба цаг агаар

Үүл ихтэй үед дулаан сансарт “алга болох” суваг хаагдаж үр ашиг буурна. Энэ нь уул уурхайн талбайд хийж болох нэг ухаалаг алхмыг санал болгодог: материалын сонголтыг зөвхөн “дундаж улирал”-аар биш, цаг уурын өгөгдөлтэй нь хамт үнэлэх.

Тоосжилт, утаа, гадаргуугийн бохирдол

Өндөр ойлттой гадаргуу бохирдохоороо шууд “харлана”. Уурхайд энэ хамгийн бодит эрсдэл.

Практик зөвлөмж:

  • Будалтын өмнө гадаргуугийн тоос наалдац (adhesion) ба цэвэрлэгээний горимыг зураг төсөлд оруулах
  • Өөрөө цэвэрших (hydrophobic) бүрхүүл эсвэл гадаргуугийн хамгаалалтыг хамт сонгох
  • Энгийн KPI тогтоох: “сар бүрийн ойлтын алдагдал” эсвэл “барилгын дотор температурын өсөлт”

Фторполимер ба “задрахгүй” химийн эрсдэл

Гадна орчинд хамгийн удаан тэсдэг, хямд ангиллын зарим бүтээгдэхүүн фторполимер (жишээ нь Teflon төрлийн) материалд тулгуурладаг. Энэ нь байгальд задардаггүй “forever chemicals” ангилал руу хальтирч болзошгүй.

Энд миний байр суурь тод: тогтвортой байдал ярьж байгаа бол материалын найрлага, амьдралын мөчлөгийн үнэлгээг (LCA) гэрээний түвшинд оруулах хэрэгтэй. Түр зуурын зардал хэмнэлт урт хугацаанд лицензийн эрсдэл, хаягдлын асуудал болж буцаж ирдэг.

Уул уурхайд AI яагаад энд орж ирэх ёстой вэ?

Гол санаа: радиатив хөргөлт бол “материалын” шийдэл, харин AI бол сонголт, хэмжилт, ашиглалт, арчилгааг бодит өгөгдөл дээр тулгуурлан оновчлох систем.

Өөрөөр хэлбэл: будгийг түрхээд дуусахгүй. Үр ашиг нь цаг хугацааны явцад “алга болж” болно. AI үүнийг барьж, буцаан сайжруулахад тусалдаг.

1) Хаана хэрэгтэйг AI-гаар тодорхойлох (site prioritization)

Уурхайн бүх барилга, байгууламжийг зэрэг шинэчлэх боломжгүй. Тэгвэл хаана хөргөлтийн ачаалал хамгийн өндөр, хаана ажилчдын тав тух, тоног төхөөрөмжийн найдвартай байдалд хамгийн их нөлөөлөх вэ?

AI/аналитикийн бодит хэрэглээ:

  • Барилгын температур, чийгшил, цахилгаан хэрэглээ (smart meter, датчик) дээр суурилж “халалтын халуун цэг”-ийг тодруулах
  • Дулааны камерын зураг (термографи) ашиглан дээврийн алдагдал, халалтын тархалтыг ангилах

2) “Ойлт унаж эхэллээ” гэдгийг эрт барих (condition monitoring)

Уурхайд тоосжилтоос шалтгаалсан гүйцэтгэлийн уналт хурдан илэрч болно.

AI-гаар хийх хамгийн ашигтай зүйл бол:

  • Хэвийн үеийн температурын профайлыг “суурь” гэж авч, аномали илрүүлэлт хийх
  • Цэвэрлэгээ, дахин бүрэх ажлыг календарь биш, өгөгдөлд суурилсан байдлаар төлөвлөх

3) Эрчим хүчний удирдлагатай холбох (demand management)

Радиатив хөргөлт өөрөө пассив. Гэхдээ уурхай дээр “актив” системүүд (агааржуулалт, хөргөлтийн төхөөрөмж, фэн, насос) бий.

AI-тай хамт:

  • Өдрийн халуун оргил үед агааржуулалтын тохируулгыг хүнээс хамаарал багатай оновчлох
  • Дизель генератор, сэргээгдэх эх үүсвэр, сүлжээний хэрэглээг нэг дор харж оргил ачааллын торгууль/эрсдэлийг бууруулах

Эндээс гарах нэг өгүүлбэр байдаг:

Материал дулааныг бууруулдаг, AI тэр бууралтыг тогтвортой хадгалдаг.

Хэрэгжүүлэх богино төлөвлөгөө: уурхайн “cool roof + AI” пилот

Хариулт нь практик: 8–12 долоо хоногийн жижиг пилотоос эхэлбэл эрсдэл бага, суралцах хурд өндөр.

  1. Пилот объект сонгох (1–2 долоо хоног): ажилчдын хотхоны 1 барилга + засварын цех эсвэл агуулах зэрэг хоёр өөр төрлийн барилга.
  2. Суурь хэмжилт (2–3 долоо хоног):
    • Дотор/гадна температур, чийгшил
    • Хөргөлтийн цахилгаан хэрэглээ (боломжтой бол дэд тоолуур)
    • Дээврийн термограф зураг
  3. Бүрхүүл сонголт ба хэрэгжилт (1–2 долоо хоног): тоосжилтын нөхцөл, цэвэрлэгээний боломж, баталгаат хугацааг гэрээний шалгуур болго.
  4. AI/аналитик хяналт (4–6 долоо хоног):
    • Өдөр тутмын температурын профайл
    • Хэрэглээний өөрчлөлт
    • Гүйцэтгэлийн уналт илрүүлэх энгийн дүрэм эсвэл ML загвар
  5. ROI тайлан: кВт.ц хэмнэлт, оргил ачааллын бууралт, ажилчдын тав тухын хэмжүүр (гомдол/зогсолт/тоног эвдрэл гэх мэт) дээр тулгуурлан шийдвэр гарга.

Радиатив хөргөлтөөс уул уурхай юу “сурч” авах вэ?

Нэгдүгээр сургамж: хамгийн сайн санаа хамгийн сайн нийлүүлэлт, засвар үйлчилгээ, хэмжилтгүй бол замхарна. Радиатив хөргөлтийн бүтээгдэхүүнүүдийн “реалити чек” нь үүл, тоос, элэгдэл. Уул уурхайн AI төслүүд ч ялгаагүй — өгөгдөл бохир, сүлжээ тасалдана, хүмүүсийн ажлын урсгал өөрчлөгдөнө.

Хоёрдугаар сургамж: тогтвортой байдал гэдэг PR биш, техникийн шаардлага. “Forever chemicals” шиг асуудал гарч ирэхэд салбар бүхэлдээ нэр хүнд, лицензийн эрсдэл хүлээнэ. Уул уурхайд AI нэвтрүүлэхдээ ч өгөгдлийн засаглал, кибер аюулгүй байдал, нийлүүлэгчийн эрсдэлийг анхнаасаа гэрээний түвшинд бичдэг байх хэрэгтэй.

Энэ цувралын дараагийн нийтлэлүүдэд бид AI ашиглан эрчим хүч, тоног төхөөрөмжийн найдвартай ажиллагаа, аюулгүй ажиллагааг зэрэг сайжруулах бодит загваруудыг задлан ярья. Харин одоо таны уурхайд нэг асуулт үлдэж байна: та хөргөлтийн зардлаа бууруулахдаа “тоног төхөөрөмж нэмэх”-ээсээ өмнө дулааныг үүсэх цэг дээр нь багасгах боломжоо тооцож үзсэн үү?