Ilustrasi AI tentang penambangan, pemuatan, dan pengangkutan di tambang bijih besi terbuka

Solusi pertambangan · Grade Control Copilot

Setiap bucket, setiap muatan truk
Menuju tujuan yang lebih tepat

Manajemen kadar berbasis AI
Kurangi dilusi dan kehilangan bijih, stabilkan kadar

Sorotan utama

Sorotan utama

Terapkan model kadar di lapangan
Setiap langkah didukung bukti

Ilustrasi AI ekskavator memuat truk tambang, memperlihatkan asal dan pemuatan material

Telusuri asal setiap muatan truk
Ketahui dari mana bijih berasal

Dari model dan blok peledakan hingga bucket dan muatan truk
Bangun rantai ketertelusuran pergerakan bijih

Jelajahi graf aliran bijih ↗
Ilustrasi AI pengalihan truk tambang dan jalur pengujian alternatif di area penambangan

Nilai tingkat keyakinan terlebih dahulu
Lalu tentukan perlunya pengujian dan tujuan material

Ubah ketidakpastian kadar dan biaya pengujian
Menjadi rekomendasi pengalihan yang dapat dijelaskan

Lihat proses pengambilan keputusan ↗
Ilustrasi AI sampel bijih dan kegiatan pengujian

Hubungkan setiap optimasi
Dengan pembukuan operasional yang nyata

Kalibrasi prediksi dengan hasil analisis; cocokkan pelaksanaan dengan catatan produksi
Hitung manfaat dan biaya tambahan secara bersamaan

Jelajahi siklus nilai ↗

Graf operasi aliran bijih · OreFlow Graph

Dari satu blok bijih
Hingga hasil analisis akhir

Model menjelaskan material; catatan operasi menunjukkan ke mana material dikirim. Hubungkan objek, peristiwa, dan hasil agar setiap rekomendasi dapat ditelusuri ke buktinya.

Ilustrasi AI hubungan spasial antara area tambang, ekskavator, pengangkutan, dan umpan pabrik
Model blokBlok peledakanPemuatanTruk tambangTimbunan / peremukanAnalisis / rekonsiliasi
Satu muatan truk, satu rantai ketertelusuran utuhPosisi dan hubungan hanya mengilustrasikan mekanisme

Satu model, dengan versi dan tingkat keyakinan tetap tercatat

Kadar blok, pengotor, dan ketidakpastian menjadi dasar penilaian. Peledakan, pemuatan, pengangkutan, penerimaan pabrik, dan analisis mempertahankan identitas material agar hasil akhirnya dapat ditelusuri ke sumbernya.

Drone · Pembaruan geometri berkala

Saat kondisi lapangan berubah
Perbarui dasar penambangan

Amati bentuk tumpukan hasil peledakan, kemajuan muka tambang, dan perubahan volume untuk menyelaraskan model geologi dengan kondisi nyata.

Ilustrasi AI drone memetakan medan pascapeledakan dan area tambang terbuka
Masukkan kondisi lapangan terkini ke dalam modelLapisan menjelaskan mekanisme, bukan hasil survei nyata

Drone memperbarui geometri
Geologi dan analisis menentukan kadar

Selaraskan permukaan terkini, versi model, dan bukti pergeseran akibat peledakan dalam sistem koordinat yang sama untuk memeriksa batas penambangan. Citra udara biasa tidak mengukur Fe bawah tanah secara langsung; pembaruan geometri juga memerlukan pemeriksaan ketelitian penyelarasan spasial dan galat.

Ekskavator dan truk tambang · Estimasi asal material

Kadar muatan truk ini
Berasal dari setiap kegiatan pemuatan

Ilustrasi AI bucket ekskavator memuat bijih besi ke truk tambang
Demonstrasi mekanisme interaktif · Bukan data produksi

Satu muatan truk
Dapat berisi material dari beberapa blok

Hubungkan posisi bucket dengan blok, lalu hitung campuran berbobot massa. Coba ubah proporsi pemuatan dari Area A.

Area A · Fe 62%Area B · Fe 54%
58.8% Fe

Rata-rata prediksi per muatan truk. Galat pencocokan asal, ketidakpastian geologi, dan skala pengukuran tetap perlu diperhitungkan.

Kadar muatan truk = Σ (fraksi massa sumber × kadar sumber)

Telusuri setiap bucket jika posisinya diketahui secara presisi
Biarkan asal tetap tidak diketahui jika buktinya kurang

Waktu pemuatan, lintasan bucket, batas penambangan, dan penimbangan bersama-sama menentukan keyakinan atas asal material. Jika data per bucket tidak tersedia, gunakan muka tambang atau batch yang dapat diverifikasi, tanpa memaksakan estimasi asal yang presisi.

Keputusan dalam ketidakpastian

Kadar rata-rata yang sama
Tingkat keyakinan berbeda

Rata-rata saja tidak cukup. Semakin tidak pasti modelnya, semakin penting probabilitas mencapai kadar target.

Demonstrasi model probabilitas · Rata-rata Fe 58,3%Target 57%5255586164Kadar Fe / %

Probabilitas mencapai Fe 57%

97.7%

Asal yang lebih jelas dan bukti yang lebih kuat mempersempit distribusi prediksi. Tetap kalibrasikan terhadap hasil analisis nyata.

Kadar, asal, dan skala
Bersama-sama menentukan tingkat keyakinan

Ambang dan probabilitas menjelaskan metode. Kendala nyata juga mencakup pengotor, perolehan, dan persyaratan pengolahan.

Buka penjelasan representasi ketidakpastian dalam model

Rata-rata muatan truk μ = Σ wᵦμᵦ; varians Var(g) = wᵀΣw + galat pencocokan asal + galat skala. Ilustrasi menggunakan distribusi normal, rata-rata 58,3%, dengan simpangan baku 0,65 dan 1,8 poin persentase. Distribusi, korelasi, dan parameter harus divalidasi dengan data tambang nyata.

Pengukuran selektif · EVSI

Gunakan pengujian
Pada material yang paling memerlukannya

Apakah pengukuran tambahan akan mengubah keputusan? Apakah nilainya menutup biaya pengujian, waktu tunggu, dan pengalihan rute?

Ilustrasi AI jalan angkut utama dan jalur pengujian selektif
Tidak setiap truk perlu dialihkan untuk pengujianPilih pengukuran menurut nilai keputusan dan kondisi lapangan
Simulasi keputusan per muatan truk · Nilai dalam CNY

Uji terlebih dahulu, lalu perbarui rekomendasi tujuan

Bukti per muatan trukPengujian tambahan selektifNilai ulang

Jika pengujian tambahan diperkirakan meningkatkan nilai keputusan sebesar CNY 900, sedangkan pengujian, waktu tunggu, dan pengalihan rute menelan CNY 350, nilai informasi bersihnya CNY 550. Dalam contoh ini, pengujian tambahan mungkin layak.

EVSI = nilai optimal yang diharapkan setelah pengujian − nilai optimal saat ini − biaya tambahan. Contoh ini bukan manfaat pengujian nyata; metode sensor harus sesuai dengan mineral, ukuran partikel, dan keterwakilan sampel.

Optimasi spesialis + Konfirmasi manusia

Kadar, kapasitas, dan jarak angkut
Bersama-sama menentukan tujuan berikutnya

Rekomendasi harus memenuhi kendala produksi dan dapat dijalankan di lapangan. AI menyusun bukti, model spesialis menyelesaikan optimasi, lalu petugas pengatur operasi dan geologi mengonfirmasi hasilnya.

Ilustrasi AI pusat pengaturan jarak jauh memantau pemuatan dan pengangkutan tambang
Demonstrasi kendala sederhana · Bukan pengaturan operasi langsung

Tujuan yang direkomendasikan

Peremuk

Dalam contoh ini, kadar memenuhi kendala dan peremuk masih memiliki kapasitas. Rekomendasinya mengirim langsung ke pabrik sesuai rencana yang disetujui untuk mengurangi pemindahan ulang.

Truk tambang saat iniPeremuk
Rekomendasi → Konfirmasi geologi / pengatur operasi → Pelaksanaan

Simpan versi masukan, bukti keputusan, pemberi persetujuan, dan titik bongkar nyata. Validasi penulisan balik antarmuka dan lingkup kendali lapangan secara terpisah.

Kendala kualitas

Kadar Fe minimum, batas maksimum SiO₂, Al₂O₃, P, dan probabilitas memenuhi persyaratan

Kendala produksi

Kapasitas peremuk dan timbunan, kesesuaian material, serta rencana berjalan

Kendala ekonomi

Bandingkan nilai per ton bijih dengan biaya pengujian, pengalihan rute, dan pemindahan ulang

Rekonsiliasi analisis · ROI Ledger

Setiap optimasi
Dicocokkan dengan pembukuan operasional

Gunakan hasil analisis nyata dan catatan produksi untuk mencocokkan kadar, tonase, dan tujuan. Hitung bijih yang tidak jadi hilang, batuan sisa yang dipisahkan, serta biaya tambahan dengan dasar yang konsisten.

Ilustrasi AI sampel bijih dan meja analisis laboratorium
Prediksi → Pelaksanaan → Analisis → Rekonsiliasi → KalibrasiTelusuri hasil akhir kembali ke sumber melalui aliran bijih untuk mendukung perbaikan berikutnya
Contoh perhitungan nilai · Bukan hasil pelanggan

Nilai bersih berdasarkan asumsi ini

¥21,000

100 ton × CNY 200 + 200 ton × CNY 80 − CNY 15 000

Asumsi ilustratif: nilai bersih pengurangan kehilangan bijih CNY 200/ton kering, dan penghematan pemisahan batuan sisa CNY 80/ton kering. Nilai nyata harus dikonfirmasi tambang; manfaat yang sama tidak boleh dihitung dua kali.

Ini demonstrasi metode pembukuan, bukan prakiraan imbal hasil proyek. Gunakan area tambang dan giliran kerja yang sebanding sebagai dasar, dengan mengendalikan pengaruh harga, kadar air, persediaan, dan perubahan teknis lainnya.

Dilusi lebih rendah

Verifikasi tonase batuan sisa yang masuk ke aliran bijih dan tahap terjadinya salah klasifikasi

Kehilangan bijih lebih rendah

Verifikasi tonase bijih yang terkirim ke tempat pembuangan batuan sisa; pertahankan material yang menunggu pengujian atau keputusan

Kadar stabil

Bandingkan hasil analisis umpan dengan distribusi prediksi untuk menilai penurunan bias dan variasi

Buka metode pembukuan dan batas bukti

Sepakati penyebut, klasifikasi material, serta penanganan persediaan yang belum diputuskan sebelum mengukur dilusi dan kehilangan bijih. Neraca massa mencocokkan ton kering masukan, keluaran, dan perubahan persediaan. Verifikasi dampak melalui rekonstruksi historis, pembandingan yang sepadan, dan uji coba terkendali. Persentase perbaikan dalam ilustrasi penelitian tidak dinyatakan sebagai capaian Arbor.

Mulai dari satu area tambang

Buktikan satu siklus operasi
Secara nyata

Hubungkan model geologi, FMS, drone, dan sistem analisis yang sudah ada. Mulai dengan data terverifikasi dan uji rekomendasi terhadap produksi nyata.

Ilustrasi AI validasi gabungan data drone dan produksi di area tambang terpilih

01 · Rekonstruksi historis

Cocokkan dahulu catatan masa lalu

Selaraskan model, koordinat, perjalanan truk, dan analisis untuk merekonstruksi aliran material satu area serta menemukan kekurangan data asal dan salah klasifikasi.

02 · Validasi bayangan

Bandingkan rekomendasi dengan operasi berjalan

Jalankan rekomendasi sejajar dengan produksi tanpa mengubah instruksi. Catat kapan rekomendasinya berbeda, alasannya, dan hasil selanjutnya.

03 · Uji coba terkendali

Perluas bertahap berdasarkan bukti

Mulai uji coba terbatas setelah konfirmasi manusia, lalu perluas berdasarkan validasi kualitas, biaya, dan antarmuka.

Arbor · Grade Control Copilot

Biarkan model kadar
Mendukung tindakan di lapangan

Diskusikan manajemen kadar ↗
Kemampuan solusi, sumber data, dan catatan implementasi

Halaman ini menyajikan solusi manajemen kadar dan mekanisme operasi yang direncanakan untuk tambang terbuka, bukan daftar fungsi yang sudah diserahkan. Model probabilitas, sensor, kerincian data, integrasi, izin, dan penulisan balik bergantung pada penilaian serta validasi proyek. Adegan AI, lapisan, dan interaksi menjelaskan konsep, bukan rekaman lapangan pelanggan.

Metode mengacu pada riset strategi Grade Control Copilot dan graf operasi aliran bijih yang disediakan. Referensi teknis meliputi Pengendalian kadar Maptek、Analisis mineral CSIROdan Pemodelan objek dan tindakan Palantir. Referensi tidak menyiratkan kemitraan, kompatibilitas antarmuka penuh, atau penyerahan yang telah dilakukan Arbor.