Minh họa AI về không gian xúc bốc và vận tải tại mỏ sắt lộ thiên

Giải pháp khai khoáng · Grade Control Copilot

Mỗi gầu xúc, mỗi chuyến xe
Đến nơi phù hợp hơn

Quản lý hàm lượng trên nền tảng AI
Giảm pha loãng, giảm tổn thất, ổn định hàm lượng

Điểm nổi bật

Điểm nổi bật

Đưa mô hình hàm lượng vào vận hành
Mỗi bước đều có căn cứ

Minh họa AI máy xúc chất tải lên xe mỏ, thể hiện nguồn gốc và quá trình bốc vật liệu

Truy xuất nguồn của từng chuyến xe
Biết quặng đến từ đâu

Từ mô hình, khối nổ mìn đến gầu xúc và chuyến xe
Kết nối chuỗi truy xuất dòng quặng

Tìm hiểu đồ thị dòng quặng ↗
Minh họa AI phân luồng xe tải mỏ và tuyến vòng kiểm tra

Đánh giá độ tin cậy trước
Rồi quyết định có kiểm tra và chuyển đi đâu

Chuyển bất định hàm lượng và chi phí kiểm tra
Thành khuyến nghị phân luồng có thể giải thích

Xem cách hình thành quyết định ↗
Minh họa AI mẫu quặng và hoạt động kiểm tra

Kết nối mỗi lần tối ưu
Với sổ sách vận hành thực tế

Hiệu chuẩn dự báo bằng hóa nghiệm; đối chiếu thực thi với hồ sơ sản xuất
Tính đồng thời lợi ích và chi phí bổ sung

Tìm hiểu vòng khép kín giá trị ↗

Đồ thị vận hành dòng quặng · OreFlow Graph

Từ một khối quặng
Đến kết quả hóa nghiệm cuối cùng

Mô hình mô tả vật liệu; hồ sơ vận hành cho biết vật liệu đi đâu. Liên kết đối tượng, sự kiện và kết quả để mỗi khuyến nghị đều truy xuất được bằng chứng.

Minh họa AI quan hệ không gian giữa khu khai thác, máy xúc, vận tải và cấp liệu nhà máy
Mô hình khốiKhối nổ mìnXúc bốcXe tải mỏKho quặng / nghiềnHóa nghiệm / đối soát
Một chuyến xe, một chuỗi truy xuất đầy đủVị trí và liên kết chỉ minh họa cơ chế

Một mô hình, giữ nguyên phiên bản và độ tin cậy

Hàm lượng, tạp chất và bất định của khối là cơ sở đánh giá. Duy trì danh tính vật liệu qua nổ mìn, xúc bốc, vận tải, cấp liệu và hóa nghiệm để truy kết quả cuối về nguồn.

Drone · Cập nhật hình học thường xuyên

Khi hiện trường thay đổi
Cập nhật cơ sở khai thác

Quan sát hình dạng đống quặng sau nổ mìn, tiến độ gương khai thác và thay đổi thể tích để khớp mô hình địa chất với thực địa.

Minh họa AI drone khảo sát địa hình sau nổ mìn và khu khai thác lộ thiên
Đưa hiện trạng thực địa vào mô hìnhCác lớp chỉ minh họa cơ chế, không phải kết quả đo đạc thực tế

Drone cập nhật hình học
Địa chất và hóa nghiệm xác định hàm lượng

Đưa bề mặt mới nhất, phiên bản mô hình và bằng chứng dịch chuyển do nổ mìn vào cùng hệ tọa độ để rà soát ranh giới khai thác. Ảnh bay thông thường không đo trực tiếp Fe dưới đất; cập nhật hình học cũng cần kiểm tra độ chính xác căn chỉnh không gian và sai số.

Máy xúc và xe tải mỏ · Ước lượng nguồn vật liệu

Hàm lượng của chuyến xe này
Bắt đầu từ mỗi lần xúc bốc

Minh họa AI gầu máy xúc chất quặng sắt lên xe tải mỏ
Mô phỏng cơ chế tương tác · Không phải dữ liệu sản xuất

Một chuyến xe
Có thể chứa vật liệu từ nhiều khối

Liên kết vị trí gầu xúc với khối, rồi tính phối trộn theo khối lượng. Thử thay đổi tỷ lệ chất tải từ Khu A.

Khu A · Fe 62%Khu B · Fe 54%
58.8% Fe

Giá trị trung bình dự báo cho từng chuyến xe. Vẫn cần xét sai số khớp nguồn, bất định địa chất và quy mô đo lường.

Hàm lượng chuyến xe = Σ (tỷ phần khối lượng nguồn × hàm lượng nguồn)

Truy xuất từng gầu khi có vị trí chính xác
Giữ trạng thái chưa biết khi bằng chứng chưa đủ

Thời gian chất tải, quỹ đạo gầu, ranh giới khai thác và cân tải cùng xác định độ tin cậy nguồn. Nếu thiếu dữ liệu cấp gầu, tổ chức hồ sơ theo gương khai thác hoặc lô có thể xác minh, không ép suy ra nguồn chính xác.

Quyết định trong bất định

Cùng hàm lượng trung bình
Khác mức độ tin cậy

Một giá trị trung bình chưa đủ. Mô hình càng bất định, xác suất đạt hàm lượng mục tiêu càng quan trọng.

Mô phỏng xác suất · Fe trung bình 58,3%Mục tiêu 57%5255586164Hàm lượng Fe / %

Xác suất đạt Fe 57%

97.7%

Nguồn rõ hơn và bằng chứng đầy đủ hơn giúp phân bố dự báo tập trung hơn. Vẫn cần liên tục hiệu chuẩn bằng hóa nghiệm thực tế.

Hàm lượng, nguồn và quy mô
Cùng quyết định độ tin cậy

Ngưỡng và xác suất dùng để giải thích phương pháp. Ràng buộc thực tế còn gồm tạp chất, mức thu hồi và yêu cầu công nghệ.

Mở xem cách mô hình biểu diễn bất định

Trung bình chuyến xe μ = Σ wᵦμᵦ; phương sai Var(g) = wᵀΣw + sai số khớp nguồn + sai số quy mô. Hình dùng phân bố chuẩn với trung bình 58,3%, độ lệch chuẩn lần lượt 0,65 và 1,8 điểm phần trăm. Phân bố, tương quan và tham số phải được xác minh bằng dữ liệu mỏ thực tế.

Đo lường có chọn lọc · EVSI

Dùng kiểm tra
Cho vật liệu đáng kiểm tra nhất

Một phép đo bổ sung có làm thay đổi quyết định? Giá trị thu được có bù chi phí kiểm tra, chờ đợi và đi vòng không?

Minh họa AI đường vận tải chính và tuyến vòng kiểm tra có chọn lọc
Không phải xe nào cũng cần đi vòng để kiểm traChọn phép đo theo giá trị quyết định và điều kiện thực địa
Mô phỏng quyết định theo chuyến xe · Giá trị bằng CNY

Kiểm tra trước, rồi cập nhật khuyến nghị điểm đến

Bằng chứng theo chuyến xeKiểm tra bổ sung có chọn lọcĐánh giá lại

Nếu kiểm tra bổ sung dự kiến cải thiện giá trị quyết định CNY 900, còn kiểm tra, chờ đợi và đi vòng tốn CNY 350, giá trị thông tin ròng là CNY 550. Khi đó kiểm tra thêm có thể đáng làm.

EVSI = giá trị tối ưu kỳ vọng sau kiểm tra − giá trị tối ưu hiện tại − chi phí bổ sung. Ví dụ không đại diện lợi ích kiểm tra thực tế; phương pháp cảm biến phải phù hợp khoáng vật, cỡ hạt và tính đại diện mẫu.

Tối ưu chuyên ngành + Con người xác nhận

Hàm lượng, công suất và cự ly vận tải
Cùng quyết định điểm đến tiếp theo

Khuyến nghị phải đáp ứng ràng buộc sản xuất và thực thi được tại mỏ. AI tổ chức bằng chứng, mô hình chuyên ngành giải bài toán tối ưu, cán bộ điều độ và địa chất xác nhận kết quả.

Minh họa AI trung tâm điều độ từ xa giám sát xúc bốc và vận tải mỏ
Mô phỏng ràng buộc đơn giản · Không phải điều độ thực tế

Điểm đến được khuyến nghị

Trạm nghiền

Trong ví dụ này, hàm lượng đáp ứng ràng buộc và trạm nghiền còn khả năng tiếp nhận. Khuyến nghị đưa thẳng vào nhà máy theo kế hoạch được duyệt để giảm chuyển tải lại.

Xe tải mỏ hiện tạiTrạm nghiền
Khuyến nghị → Địa chất / điều độ xác nhận → Thực thi

Lưu phiên bản đầu vào, căn cứ quyết định, người phê duyệt và điểm dỡ thực tế. Xác minh riêng chức năng ghi trả qua giao diện và phạm vi điều khiển tại mỏ.

Ràng buộc chất lượng

Hàm lượng Fe tối thiểu, giới hạn tối đa SiO₂, Al₂O₃, P và xác suất đáp ứng yêu cầu

Ràng buộc sản xuất

Công suất nghiền, sức chứa kho quặng, tính tương thích vật liệu và kế hoạch hiện tại

Ràng buộc kinh tế

So sánh giá trị mỗi tấn quặng với chi phí kiểm tra, đi vòng và chuyển tải lại

Đối soát hóa nghiệm · ROI Ledger

Mỗi lần tối ưu
Đều đối chiếu với sổ sách vận hành

Dùng hóa nghiệm thực và hồ sơ sản xuất để đối chiếu hàm lượng, số tấn và điểm đến. Thống nhất cách tính quặng tránh tổn thất, đất đá thải được tách ra và chi phí phát sinh.

Minh họa AI mẫu quặng và bàn hóa nghiệm
Dự báo → Thực thi → Hóa nghiệm → Đối soát → Hiệu chuẩnTruy kết quả cuối về nguồn theo dòng quặng để hỗ trợ chu kỳ cải tiến sau
Ví dụ tính giá trị · Không phải lợi ích thực tế của khách hàng

Giá trị ròng theo các giả định này

¥21,000

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

Giả định minh họa: giá trị ròng giảm tổn thất quặng CNY 200/tấn khô; tiết kiệm tách đất đá thải CNY 80/tấn khô. Mỏ phải xác nhận số thực tế, không tính trùng cùng một lợi ích.

Đây là mô phỏng phương pháp hạch toán, không phải dự báo hoàn vốn dự án. Lập đường cơ sở từ khu khai thác và ca tương đồng, kiểm soát ảnh hưởng giá, độ ẩm, tồn kho và cải tiến kỹ thuật khác.

Giảm pha loãng

Xác minh số tấn đất đá thải vào dòng quặng và bước phát sinh phân loại sai

Giảm tổn thất quặng

Xác minh số tấn quặng bị đưa vào bãi thải; giữ riêng vật liệu chờ kiểm tra hoặc quyết định

Ổn định hàm lượng

So sánh hóa nghiệm cấp liệu với phân bố dự báo để đánh giá sai lệch và biến động có giảm không

Mở phương pháp hạch toán và giới hạn bằng chứng

Phải thống nhất mẫu số, phân loại vật liệu và xử lý tồn kho chưa quyết định trước khi đo pha loãng và tổn thất quặng. Cân bằng khối lượng đối chiếu tấn khô vào, ra và thay đổi tồn kho. Xác minh hiệu quả bằng tái dựng lịch sử, đối chứng tương đồng và thí điểm có kiểm soát. Không lấy phần trăm cải thiện từ minh họa nghiên cứu làm thành tích Arbor.

Bắt đầu từ một khu khai thác

Chứng minh một vòng vận hành
Trong thực tế

Kết nối mô hình địa chất, FMS, drone và hệ thống hóa nghiệm sẵn có. Bắt đầu bằng dữ liệu xác minh được và kiểm chứng khuyến nghị với sản xuất thực.

Minh họa AI xác minh kết hợp dữ liệu drone và sản xuất ở khu khai thác được chọn

01 · Tái dựng lịch sử

Đối chiếu quá khứ trước

Căn chỉnh mô hình, tọa độ, chuyến xe và hóa nghiệm để tái dựng dòng vật liệu một khu, tìm thiếu hụt dữ liệu nguồn và dấu hiệu phân loại sai.

02 · Kiểm chứng chạy song song

So sánh khuyến nghị với vận hành hiện tại

Chạy khuyến nghị song song với sản xuất, không đổi chỉ thị. Ghi lúc khác biệt, lý do và kết quả tiếp theo.

03 · Thí điểm có kiểm soát

Mở rộng dần theo bằng chứng

Thí điểm phạm vi hẹp sau xác nhận của con người, rồi mở rộng theo kiểm chứng chất lượng, chi phí và giao diện.

Arbor · Grade Control Copilot

Để mô hình hàm lượng
Hỗ trợ hành động tại mỏ

Trao đổi về quản lý hàm lượng ↗
Năng lực giải pháp, nguồn dữ liệu và ghi chú triển khai

Trang trình bày giải pháp quản lý hàm lượng và cơ chế vận hành dự kiến cho mỏ lộ thiên, không phải danh sách chức năng đã bàn giao. Mô hình xác suất, cảm biến, mức chi tiết dữ liệu, tích hợp, quyền và ghi trả phụ thuộc đánh giá, kiểm chứng dự án. Cảnh AI, lớp dữ liệu và tương tác chỉ giải thích khái niệm, không phải hồ sơ hiện trường khách hàng.

Phương pháp dựa trên nghiên cứu chiến lược Grade Control Copilot và đồ thị vận hành dòng quặng được cung cấp. Tham khảo kỹ thuật gồm Kiểm soát hàm lượng Maptek、Phân tích khoáng vật CSIROvà Mô hình hóa đối tượng và hành động Palantir. Trích dẫn không hàm ý quan hệ đối tác, tương thích giao diện toàn diện hay Arbor đã triển khai sẵn.