Artificiell intelligens utvecklad vid Luleå tekniska universitet hjälper gruvindustrin att få fram värdefulla insikter som döljer sig i borrdata och banar väg för effektivare, säkrare och mer autonoma gruvverksamheter.

Forskningen är en del av Mine.IO, ett europeiskt projekt som syftar till att digitalisera hela gruvans värdekedja genom datadelning och samarbete, från prospektering till avfallshantering.

Säkerhet och effektivitet är två grundpelare inom gruvindustrin. Information från gruvborrning kan nu sorteras och analyseras med hjälp av AI för att ge mer detaljerade och korrekta insikter. Denna information kan effektivisera efterföljande processer och bidra till säkrare borrning.

– Förändringar i data speglar förändringar i den bergmassa som borras. Det är förstahandsinformation som avslöjar både borrprestanda och själva borrprocessen i berget, säger Sohan Singh Rajpurohit, postdoktoral forskare vid Luleå tekniska universitet.

AI filtrerar bort bruset

Rå borrdata tenderar att vara brusig och ostrukturerad. Operatörer tar pauser, borrstänger läggs till, utrustning justeras och andra aktiviteter sker under processen. Som ett resultat blir det svårare att utifrån data urskilja vad som faktiskt händer i bergformationen.

Med Sohan Singh Rajpurohits forskning filtrerar det nya AI-systemet bort bruset.

– Själva borrprocessen har tydliga signaturer. AI lär sig att känna igen dessa mönster och kan klassificera vilken data som är relaterad till borrning och vilken som inte är det, säger han.

När AI lär sig tänka som en erfaren borrare

Till skillnad från AI bygger traditionella filtreringsmetoder på fasta regler. Eftersom geologiska förhållanden ofta förändras har regelbaserade system svårt att hänga med. AI kan däremot anpassa sig till dessa variationer. Den rensade datan används sedan av forskare för att klassificera malm och gråberg. Den rensade datan analyseras också för att identifiera om berget är intakt eller sprucket.

– Olika typer av material kan reagera olika under borrning. En erfaren borrare kan utveckla en intuition för detta. Genom datan kan AI fånga samma intuition, säger Sohan Singh Rajpurohit.

Informationen kan sedan skickas tillbaka till borrningsarbetet, vilket gör det möjligt att göra justeringar i realtid. Detta kan förbättra energieffektiviteten, minska avfall och hjälpa gruvföretag att utvinna värdefulla mineraler mer selektivt.

Självanpassande borrsystem i framtiden

På längre sikt ser Sohan Singh Rajpurohit denna forskning som en del av den bredare övergången mot mer autonoma gruvsystem. Visionen är ett borrsystem som kontinuerligt kan bedöma bergförhållanden under borrning och automatiskt anpassa sig till rådande förhållanden under markytan.

Genom Sohan Singh Rajpurohits forskning tar gruvindustrin ytterligare steg mot ökad säkerhet och effektivitet.

– Vi gör maskinen smartare för att uppnå automatisering och få tillgång till svåråtkomliga fyndigheter. Det slutliga målet är ett borrsystem som använder mindre energi, är säkrare och fortfarande utvinner de mineraler vi behöver för mänskliga framsteg.

Fakta:

Mine.IO är ett europeiskt projekt som syftar till att digitalisera hela gruvans värdekedja. Genom en molnbaserad plattform möjliggör det datadelning och samarbete från prospektering till avfallshantering. Målet är att stärka gruvindustrins effektivitet, säkerhet och hållbarhet.