تخمین ریکاوری وزنی بهینه با استفاده از هوش مصنوعی

به گزارش بورس امروز، مهندس مهدی دیانت پور مدیر آزمایشگاه و کنترل کیفیت این شرکت با اشاره به اهمیت مدل ریاضی ارائه شده برای تخمین ریکاوری وزنی در معادن سنگ آهن گفت: در شرایط فعلی، ماهیانه به طور متوسط ۳۰۰ تست DavisTube با هزینه تقریبی هر تست ۱.۵۰۰.۰۰۰ ریال در این واحد آنالیز و گزارش می شود که در صورت عدم انجام آن، صرفه جویی سالانه ۵ میلیارد و ۴۰۰ میلیون ریال به همراه خواهد داشت.

علاوه بر این، مدت زمان مورد نیاز برای انجام هر تست از مرحله آماده سازی نمونه تا جدایش مغناطیسی به وسیله Davis Tube تقریبا ۵ ساعت است. بنابراین انجام روزانه این تست علاوه بر هزینه زیاد، نیازمند مدت زمان طولانی و دقت بالای پرسنل می باشد.

وی در ادامه گفت: به منظور کاهش هزینه و مدت زمان این تست با استفاده از هوش مصنوعی (تکنیک اسپلاین رگرسیون تطبیقی چند متغیره یا MARS) به یک مدل ریاضی دقیق برای تخمین مقدار ریکاوری وزنی وابسته به درصد آهن کل و اکسید آهن دست یافتیم که می تواند جایگزین مناسبی برای تست پر هزینه و زمان بر Davis Tube باشد. این طرح با همکاری پروفسور جیمز فینچ (استاد برجسته گروه مهندسی معدن و متالورژی دانشگاه مک گیل کانادا)، دکتر محمد نجف زاده (عضو هیات علمی دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان) و مهندس عیسی ابراهیمی (سرپرست شیمی دستگاهی شرکت صنعتی و معدنی گلگهر) انجام شده و نتایج آن در ژورنال بین المللی و تخصصی Canadian Metallurgical Quarterly از انتشارات Taylor & Francis و تحت نظارت انجمن مهندسی معدن، متالورژی و نفت کانادا به چاپ رسیده است.
مدیر آزمایشگاه و کنترل کیفیت گهرزمین از دیگر ویژگی های این مدل را:
دقت بالای مدل
کاهش در مصرف انرژی (آب و برق)
ارتقای سطح ایمنی پرسنل در محیط کار
قابلیت استفاده برای طراحی الگوی آتشباری و استخراج معدن
تصمیم گیری سریع و صحیح برای خوراک دهی به کارخانه فرآوری یا فروش سنگ آهن به کارخانه های همجوار
سادگی اندازه گیری پارامترهای مدل و در دسترس بودن آنها عنوان کرد.

گفتنی است براساس مدل پیشنهادی، اپلیکیشن محاسبه ریکاوری وزنی با همکاری مهندس وحید نجف آبادی از واحد IT تهیه و طراحی شده است.