Уурхай бүрэн гүнд шилжихэд AI юуг өөрчилдөг вэ?

Нэг уурхай “сүүлчийн автосамосвал” илгээж ил уурхайгаа хаах мөч бол энгийн үйл ажиллагааны төгсгөл биш. Энэ бол өгөгдөл, аюулгүй байдал, үйлдвэрлэлийн логик бүхэлдээ өөрчлөгдөх цэг. Австралийн Баруун Австралид байрлах Kathleen Valley литийн уурхай гурван жилийн ил олборлолтоо дуусгаж, бүрэн гүний олборлолт руу албан ёсоор шилжсэн нь энэ өөрчлөлтийг маш тод харууллаа.

Энэ мэдээ Монголын уул уурхайд яагаад хамаатай вэ? Учир нь гүний уурхай бол “зүгээр л өөр арга” биш — мэдээллийн чанар, шийдвэр гаргалтын хурд, хөдөлмөрийн аюулгүй байдлын стандарт огцом өсөхийг шаарддаг орчин. Тэр шаардлагыг хангах хамгийн бодит хэрэгсэл нь хиймэл оюун ухаан (AI), ялангуяа мэдрэгч, дүрс танилт, урьдчилан таамаглах анализ, оновчлолын алгоритм дээр суурилсан шийдлүүд юм.

Энэ нийтлэл бол “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын хүрээнд: гүний уурхайд шилжих үеийн гол эрсдэл, боломж, мөн AI ашиглан үр ашиг, аюулгүй байдал, тоног төхөөрөмжийн ашиглалт дээр бодитоор юу сайжруулж болохыг илүү шууд, хэрэгжихүйц өнцгөөс задлая.

Kathleen Valley-ийн сургамж: илээс гүнд шилжихэд юу өөрчлөгддөг вэ?

Гол санаа нь энгийн: ил уурхай “өргөн талбай–өндөр харагдацтай” бол гүний уурхай “хязгаарлагдмал орчин–өндөр тодорхойгүй байдалтай”. Энэ ялгаа нь төлөвлөлт, логистик, аюулгүй ажиллагааны бүх дүрмийг дахин бичдэг.

Kathleen Valley-ийн хувьд ил олборлолтын хүдэр нь үйлдвэрийн шугамыг ашиглалтад оруулах, эрчимжүүлэхэд тэжээл болсон. Харин хаягдал чулуулгийг ROM pad болон tailings facility зэрэг дэд бүтэц байгуулахад ашигласан гэж мэдээлсэн. Өөрөөр хэлбэл, ил уурхай нь гүний олборлолт руу “шилжилтийн гүүр” болж өгчээ.

Монголын уурхайд энэ юуг хэлж өгч байна вэ?

Хэрвээ та ил уурхайгаас гүнд шилжих (эсвэл зэрэгцээ явуулах) төлөвлөгөөтэй бол 3 зүйлийг бодитоор тооцох хэрэгтэй:

1. Хүдрийн урсгалын тогтвортой байдал: Гүний олборлолт эхний үед хэлбэлзэлтэй байдаг. Ил уурхайгаас үүсгэсэн стратегийн stockpile нь тээрэмд тэжээлийн эрсдэлийг бууруулдаг.
2. Орчны эрсдэлийн өсөлт: Агааржуулалт, тоосжилт, дулаан, хий, чулуулгийн тогтворжилт зэрэг нь “өдөр тутмын” асуудал болдог.
3. Ажил гүйцэтгэх хугацааны нарийвчлал: Нэг саатал нь бүх урсгалыг гацаана. Тиймээс төлөвлөлт, засвар үйлчилгээ, хөдөлгөөн зохицуулалт ил уурхайгаас илүү “мэдрэмтгий”.

Энэ гурвыг AI хамгийн хурдан хүчтэй болгож чаддаг.

Гүний уурхайд AI хамгийн түрүүнд өгөх 4 бодит ашиг

Шууд хариулт: гүний уурхайд AI-ийн үнэ цэнэ нь аюулгүй байдал + тасралтгүй үйлдвэрлэл + нэгж өртөг гэсэн гурван зүйл дээр нэг дор илэрдэг.

1) Аюулгүй байдлын “урьдчилан анхааруулах систем”

Гүний уурхайд осол ихэвчлэн “гэнэт” мэт харагддаг ч өгөгдөл дээр бол шинж тэмдэг нь өмнө нь гарсан байдаг. AI-ийн хамгийн зөв хэрэглээ бол тэр шинж тэмдгийг хүнээс өмнө барих.

Хэрэгжих нийтлэг шийдлүүд:

• Дүрс танилт: каск, гэрэл ойлгогч хантааз, амны хаалт, хамгаалах нүдний шил зэргийг камертай бүсэд автоматаар шалгах.
• Хийн мэдрэгчийн урьдчилан таамаглал: метан, CO, O2 түвшний хэлбэлзлийг хэв маягаар нь дүгнэж, тухайн хэсгийн эрсдэлийг минут/цагийн өмнө оношлох.
• Ойролцоо байдал ба мөргөлдөөнөөс сэргийлэх: хүн–машин, машин–машины ойролцоо байдал дээр real-time анхааруулга.

Гүний уурхайд сайн AI гэдэг “аюулыг бүрмөсөн алга болгох” биш. Аюулын өмнөх дохиог илүү эрт, илүү тод болгох юм.

2) Тоног төхөөрөмжийн тасралтыг урьдчилан багасгах (predictive maintenance)

Гүний уурхайд LHD, jumbo, truck зэрэг тоног төхөөрөмжийн зогсолт нь шууд олборлолт, тээвэрлэлтийг зогсооно. AI энд эвдрэл гарсны дараа биш, гарахаас өмнө ажилладаг.

Юу цуглуулах вэ?

• доргилт, температур, тосны чанар, гидравликийн даралт
• мотор/дамжуулгын ачааллын профайл
• операторын горимын хэв маяг

Юу гаргах вэ?

• эд ангийн үлдсэн ашиглалтын хугацаа (RUL)
• эрсдэлийн ангилал (өндөр/дунд/бага)
• засварын төлөвлөгөөг үйлдвэрлэлийн хуваарьтай давхар оновчлох санал

Монголд олон компани “CMMS-ээ л сайжруулчихвал болно” гэж боддог. Би үүнтэй санал нийлдэггүй. CMMS бол бүртгэл. AI бол урьдчилан шийдвэр гаргах механизм. Хоёулаа хэрэгтэй, гэхдээ үүрэг нь өөр.

3) Агааржуулалтын зардлыг бууруулах хамгийн том боломж: Ventilation on Demand + AI

Гүний уурхайн эрчим хүчний том хэрэглэгч бол агааржуулалт. Ventilation on Demand (VoD) буюу шаардлагатай үед шаардлагатай хэмжээгээр агааржуулах зарчим дээр AI нэмэгдэхээр:

• ямар хэсэгт хэдэн хүн, ямар машин ажиллаж байгааг real-time мэднэ
• тоосжилт/хий/дулааны нөхцөлөөс хамаарч агаарын урсгалыг автоматаар тохируулна
• “аюулгүй байдлын доод хязгаар”-ыг хатуу барьж, илүүдэл хэрэглээг танана

Энд хамгийн чухал нь: инженерийн дүрэм + AI-ийн таамаг хамт явах. Цэвэр “black box” байдлаар агааржуулалт удирдах нь эрсдэл.

4) Гүний олборлолтын төлөвлөлт: богино цикл дээр оновчлох

Гүний уурхайд төлөвлөгөө “сар”-аар биш, ихэвчлэн ээлж–өдөр–7 хоног дээр амьдардаг. AI-ийн оновчлолын давуу тал нь:

• хүдэр/хаягдлын урьдчилсан ангилал (grade control) сайжруулах
• тээврийн маршрутыг бодит түгжрэл, замын нөхцөл, засварын ажлаар нь тооцох
• тээрэм–олборлолтын уялдааг tighter хийх (өөрөөр хэлбэл “үйлдвэр тэжээх” асуудлыг өдөр тутам шийдэх)

Lithium зэрэг зах зээл нь мөчлөгтэй бүтээгдэхүүн дээр энэ нь илүү үнэ цэнтэй. Kathleen Valley уурхай “зах зээлийн эрэлтэд тааруулж үйлдвэрлэлийг уян хатан өсгөх боломж”-той гэж онцолсон нь санамсаргүй үг биш.

Илээс гүнд шилжих төслийн “өгөгдлийн жагсаалт”: AI хийхээс өмнө хийх ажил

Шууд хэлэхэд: AI төслийн 60% нь загвар (model) биш, өгөгдөл.

Гүний уурхайд шилжих үед эхнээс нь дараахыг стандарт болгож өгвөл дараа нь хамаагүй хямд тусна.

Миний санал болгодог MVP өгөгдлийн багц

• Флотын телематик: байрлал, хурд, ачаалал, түлш/цахилгаан хэрэглээ
• Орчны мэдрэгч: хий, тоос, температур, чийг, агаарын урсгал
• Засварын өгөгдөл: эвдрэл, сэлбэг, зардал, засварын хугацаа
• Операторын лог: ээлж, туршлага, сургалтын төлөв
• Гео-өгөгдөл: чулуулгийн ангилал, тогтворжилтын тэмдэглэл, зураглал

Хурдан хэрэгжих 90 хоногийн төлөвлөгөө

1. 2–3 өндөр нөлөөтэй use case сонго (жишээ нь: VoD, мөргөлдөөнөөс сэргийлэх, эвдрэл таамаглах)
2. Нэг уурхайд, нэг түвшинд, нэг баг дээр туршилтын хүрээ тогтоох
3. KPI-г маргаангүй болгох:
   • зогсолтын цаг (hours)
   • ослын тохиолдлын near-miss тоо
   • агааржуулалтын kWh/тонн
4. Мэдээллийн эзэн, хандах эрх, кибер аюулгүй байдлын дүрмийг эхэнд нь шийдэх

Энэ алхамуудыг алгасвал AI төсөл “гоё танилцуулга”-аас хэтрэхгүй.

Lithium ба AI: нэг нь нөгөөгөө тэжээдэг бодит холбоо

Lithium бол батарейн гол түүхий эд. Харин батарейгүйгээр уурхайд цахилгаанжуулалт, зай хураагууртай тоног төхөөрөмж, мэдрэгчийн сүлжээ, тасралтгүй мониторинг хийхэд өртөг өснө. Нөгөө талд AI-ийн дата төв, тооцооллын өсөлт нь эрчим хүч, батарейн эрэлтийг өсгөнө. Тэгэхээр литийн нийлүүлэлт ба AI-ийн өсөлт хоорондоо бодит эдийн засгийн холбоотой.

Монголын хувьд энэ холбоо нь нэг мөрөөр хэлбэл: чухал ашигт малтмалын төслийн өрсөлдөх чадвар нь зөвхөн нөөцөөр биш, олборлолтын ухаалаг ажиллагаагаар хэмжигдэж эхэлсэн.

Монголын уурхайд асуух 5 асуулт (өөртөө болон удирдлагадаа)

1. Манайд гүний уурхайн аюулгүй ажиллагааны өгөгдөл (хий, тоос, хөдөлгөөн) real-time байдаг уу?
2. Эвдрэл гарсны дараах бус, эвдрэлээс өмнөх засварын шийдвэрийг өгөгдлөөр гаргаж чадаж байна уу?
3. Үйлдвэрлэл–засвар–HSSE багууд KPI дээрээ нэг хэлээр ярьдаг уу?
4. Тоног төхөөрөмжийн ханган нийлүүлэгчийн өгөгдөлтэй уялдах нээлттэй архитектур сонгосон уу?
5. AI-ийн ашиглалтыг “проект” гэж биш, үйл ажиллагааны стандарт болгох эзэнтэй юу?

Хэрвээ эдгээрийн 3-аас дээш нь тодорхой хариултгүй бол AI хийхээсээ өмнө сууриа засах шаардлагатай гэсэн үг.

Дараагийн алхам: гүний уурхайд AI-г зөв эхлүүлэх нь

Kathleen Valley-ийн жишээнээс харахад шилжилтийн амжилтыг ганц тоног төхөөрөмж, ганц гэрээ, ганц сайн баг тодорхойлохгүй. Төлөвлөсөн хугацаандаа ил олборлолтоо хааж, гүний олборлолтоо өсгөх гэдэг бол сахилга баттай төлөвлөлт, өгөгдөлд суурилсан удирдлагын нийлбэр.

Манай “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын логик ч энд таарна: AI бол чамин сонголт биш. Гүний уурхайд AI байхгүй бол эрсдэл өндөр, зардал өндөр, шийдвэр удаан гэсэн бодит байдалтай тулна.

Хэрвээ та 2026 онд гүний уурхайн үйлдвэрлэлээ өсгөх, эсвэл ил–гүний холимог горим дээр тогтвортой ажиллах зорилготой бол нэг шийдвэр хамгийн үнэ цэнтэй: эхний 90 хоногт зөв use case сонгож, зөв өгөгдөл цуглуулж, хэмжигдэхүйц KPI дээр ажиллах.

Таны уурхайд гүнд шилжих (эсвэл гүний олборлолтоо өсгөх) хамгийн “өвдөлттэй” хэсэг нь аль вэ — агааржуулалт уу, тоног төхөөрөмжийн зогсолт уу, эсвэл хүний аюулгүй байдал уу?