Arbor 
Tracer l'origine de chaque chargement
Comprendre la provenance du minerai
Du modèle et du bloc abattu au godet et au chargement
Relier les opérations dans une chaîne de traçabilité du minerai
Solution minière · Grade Control Copilot
Chaque godet, chaque chargement
Vers une destination mieux adaptée
Gestion des teneurs native IA
Moins de dilution et de pertes, une teneur plus stable
Les points clés
Le modèle de teneur entre dans les opérations
Des éléments probants à chaque étape
Tracer l'origine de chaque chargement
Évaluer d'abord la confiance
Puis décider de mesurer et de la destination
Transformer l'incertitude sur la teneur et les coûts de mesure
En recommandations de routage explicables
Relier chaque optimisation
Aux comptes réels de l'exploitation
Calibrer les prévisions par les analyses et rapprocher l'exécution des données de production
Évaluer ensemble bénéfices et coûts supplémentaires
01 / 03
Graphe opérationnel des flux de minerai · OreFlow Graph
D'un bloc de minerai
Jusqu'à l'analyse finale
Le modèle décrit la matière, les opérations indiquent sa destination. Relier objets, événements et résultats permet de retrouver les éléments justifiant chaque recommandation.
Un chargement, une chaîne complète de traçabilitéPositions et connexions illustrent le mécanisme
Un modèle avec sa version et son niveau de confiance
Teneurs, impuretés et incertitudes des blocs constituent le point de départ. Abattage, chargement, transport, alimentation de l'usine et analyses préservent l'identité des matériaux pour remonter du résultat à l'origine.
Drones · Actualisation fréquente de la géométrie
Le terrain évolue
La base de l'extraction aussi
Observer la géométrie du tas abattu, l'avancement du front et les volumes pour réaligner le modèle géologique sur le terrain.
Faire voir au modèle le terrain actuelCouches de démonstration, et non résultats de levés réels
Le drone actualise la géométrie
Géologie et analyses déterminent la teneur
Réunir le terrain récent, les versions du modèle et les indices de déplacement après tir dans un même repère pour vérifier les limites d'extraction. Des images aériennes ordinaires ne mesurent pas directement le Fe souterrain ; contrôler aussi le recalage et ses erreurs.
Pelles et tombereaux · Estimation des origines
La teneur de ce chargement
Se construit à chaque chargement de godet
Démonstration interactive · Données hors productionUn même tombereau
Un même tombereau
Peut recevoir plusieurs blocs
Associer les positions du godet aux blocs, puis calculer le mélange pondéré en masse. Modifier la part chargée depuis la zone A.
Zone A · Fe 62 %Zone B · Fe 54 %
% FeMoyenne prévue du chargement. Intégrer aussi l'erreur d'attribution des sources, l'incertitude géologique et l'échelle de mesure.
Teneur du chargement = Σ (fraction massique de la source × teneur de la source)
Tracer chaque godet lorsque sa position est précise
Conserver comme inconnues les origines non établies
Heures de chargement, trajectoires du godet, limites d'extraction et pesées déterminent ensemble la confiance dans les origines. Sans données par godet, structurer les enregistrements par front ou lot vérifiable, sans inventer une origine précise.
Décider sous incertitude
Une même teneur moyenne
Des niveaux de confiance différents
La moyenne ne suffit pas. Plus le modèle est incertain, plus il importe d'évaluer la probabilité d'atteindre la teneur cible.
Modèle probabiliste illustratif · Fe moyen 58,3 %
Probabilité d'atteindre 57 % de Fe
%Des origines mieux connues et des éléments plus solides resserrent la distribution prévue. Poursuivre son calibrage avec les analyses réelles.
Teneur, origine et échelle
Déterminent ensemble la confiance
Déterminent ensemble la confiance
Seuils et probabilités illustrent la méthode. Les contraintes réelles incluent aussi impuretés, récupération et exigences du procédé.
Développer la représentation de l'incertitude
Moyenne du chargement μ = Σ wᵦμᵦ ; variance Var(g) = wᵀΣw + erreur d'attribution des sources + erreur d'échelle. L'exemple utilise une loi normale de moyenne 58,3 %, avec des écarts types de 0,65 et 1,8 point de pourcentage. Valider distribution, corrélations et paramètres avec les données réelles de la mine.
Mesure sélective · EVSI
Mesurer
Là où la mesure apporte le plus
Une mesure supplémentaire changerait-elle la décision ? Le gain couvrirait-il les coûts de mesure, d'attente et de détour ?
Tous les tombereaux ne doivent pas faire un détour pour être mesurésChoisir les mesures selon leur valeur décisionnelle et les conditions du site
Simulation par chargement · Montants en CNY
Mesurer d'abord, puis actualiser la destination proposée
Éléments du chargementMesures complémentaires cibléesRéévaluer
Si la mesure apporte une amélioration attendue de 900 CNY et coûte 350 CNY avec l'attente et le détour, la valeur nette de l'information est de 550 CNY. Dans cet exemple, mesurer peut être pertinent.
EVSI = meilleure valeur attendue après mesure − meilleure valeur actuelle − coût supplémentaire. Cet exemple ne représente pas un gain réel. Adapter le capteur au minerai, à la granulométrie et à la représentativité de l'échantillonnage.
Optimisation spécialisée + Confirmation humaine
Teneur, capacité et distance
Déterminent la prochaine destination
Une recommandation doit respecter les contraintes de production et pouvoir être exécutée sur site. L'IA organise les éléments, un modèle spécialisé optimise, puis géologues et régulateurs confirment.
Contraintes simplifiées · Hors régulation réelle
Destination recommandée
Concasseur
Dans cet exemple, les contraintes de teneur sont satisfaites et le concasseur dispose de capacité. Le plan approuvé permet un envoi direct à l'usine pour limiter les manutentions supplémentaires.
Tombereau actuelConcasseur
Recommandation → Confirmation géologie / régulation → Exécution
Conserver versions d'entrée, justification, approbateur et point réel de déchargement. Valider séparément l'écriture vers les systèmes et le périmètre du contrôle sur site.
Contraintes de qualité
Teneur minimale en Fe, teneurs maximales en SiO₂, Al₂O₃ et P, et probabilité de conformité
Contraintes de production
Débit du concasseur, capacité des stocks, compatibilité des matériaux et plan actuel
Contraintes économiques
Comparer valeur par tonne, mesure, détour et reprises de matériaux
Réconciliation des analyses · ROI Ledger
Chaque optimisation
Rapprochée des comptes d'exploitation
Rapprocher teneurs, tonnages et destinations à partir des analyses et de la production réelles. Évaluer selon un même périmètre le minerai préservé, les stériles détournés et les coûts supplémentaires.
Prévision → Exécution → Analyse → Réconciliation → CalibrageRemonter des résultats à l'origine des flux pour préparer l'amélioration suivante
Valeur nette selon ces hypothèses
¥100 tonnes × CNY 200 + 200 tonnes × CNY 80 − CNY 15 000
Hypothèses illustratives : 200 CNY par tonne sèche de minerai préservé et 80 CNY économisés par tonne sèche de stériles détournés. La mine doit confirmer les valeurs réelles ; ne pas compter deux fois le même bénéfice.
Démonstration de méthode comptable, pas prévision de rendement. Établir une référence par zones et postes comparables, en neutralisant prix, humidité, stocks et autres évolutions techniques.
Moins de dilution
Vérifier les tonnes de stériles entrant dans le flux de minerai et localiser les erreurs de classement
Moins de pertes de minerai
Vérifier les tonnes de minerai envoyées aux verses et conserver les matériaux en attente de mesure ou de décision
Teneur plus stable
Comparer analyses d'alimentation et distributions prévues pour vérifier la réduction des biais et fluctuations
Développer les méthodes comptables et limites des éléments probants
Définir d'abord les dénominateurs, classes de matériaux et stocks non résolus pour la dilution et les pertes. Le bilan massique rapproche tonnes sèches entrantes, sortantes et variation des stocks. Valider par reconstitution historique, témoins appariés et pilotes contrôlés. Les pourcentages des illustrations de recherche ne sont pas des résultats Arbor.
Commencer par une zone d'extraction
Valider une boucle complète
Sur le terrain
Relier modèles géologiques, FMS, drones et systèmes d'analyse existants. Commencer par les données vérifiables et confronter les recommandations à la production réelle.
01 · Reconstitution historique
Réconcilier d'abord le passéAligner modèles, coordonnées, trajets des tombereaux et analyses ; reconstituer le flux d'une zone et repérer les origines manquantes et erreurs de classement.
02 · Validation en parallèle
Comparer les recommandationsProduire les recommandations en parallèle de l'exploitation, sans modifier les consignes. Enregistrer quand elles diffèrent, pourquoi et avec quels résultats ultérieurs.
03 · Pilote contrôlé
Étendre progressivement selon les preuvesAprès confirmation humaine, lancer un pilote limité, puis étendre selon la validation de la qualité, des coûts et des interfaces.
Arbor · Grade Control Copilot
Faire du modèle de teneur
Une base pour agir sur le terrain
Échanger sur la gestion des teneurs ↗Capacités, sources de données et modalités de déploiement
Cette page présente une solution et des mécanismes envisagés pour les mines à ciel ouvert, pas un catalogue de fonctions livrées. Modèles probabilistes, capteurs, granularité des données, intégration, droits et écriture dépendent de l'évaluation et de la validation du projet. Images IA, couches et interactions sont explicatives, non des relevés clients.
La méthode s'appuie sur les recherches fournies sur Grade Control Copilot et le graphe des flux de minerai. Références techniques : Maptek Grade Control、Analyses minérales CSIROet Modélisation des objets et actions Palantir. Ces références n'impliquent ni partenariat, ni compatibilité intégrale des interfaces, ni livraison existante par Arbor.