هوش مصنوعی و برنامه‌ریزی هدفمند؛ کلیدهای توسعه اکتشاف معادن ایران

وی اضافه کرد: در بخش معدن در حوزه آموزش مشکلات زیادی داریم؛ در حال حاضر در کشور ما مهندسی اکتشاف را به دانشجویان در قالب ۱۴۶ واحد درسی آموزش می‌دهند، اما هیچ واحدی به عنوان «طراحی اکتشافی» در این میان وجود ندارد.

سعدمحمدی بیان کرد: همان‌طور که من بارها گفته‌ام، با وجود آن‌که در کشور ما حوادث معدنی به وفور اتفاق می‌افتد؛ ایمنی معادن در چه جایگاهی قرار دارد؟

پیشنهاد من این است که به‌ویژه از طریق انجمن‌های حرفه‌ای مانند خانه معدن و سایر نهادهای مرتبط و دانشگاه‌های معتبر مانند دانشگاه‌های امیرکبیر، صنعتی شریف، تهران، اصفهان و دیگر دانشگاه‌ها، نفرات اول تا سوم این دانشگاه‌ها در رشته‌های مورد نیاز کشور، سربازی‌شان را در این مجموعه‌ها بگذرانند شاید بتوان تا حدی این چالش‌ها را رفع کرد.

خبر مرتبط

پیشرفت پروژه بزرگ مس جانجا در استان سیستان و بلوچستان

️در مجتمع مس جانجا پروژه های مختلفی در حال فعالیت هستند که از آن جمله به پروژه های معدن، تغلیظ، لیچینگ و زیر ساخت می‌توان اشاره کرد.

وی اظهار داشت: این افراد باید انگیزه‌های خود را در دانشگاه پیدا کنند تا در مسیر درستی قرار بگیرند.

بنابراین نباید همه فقط در مسیر آموزش در دانشگاه‌ها باقی بمانند بلکه باید این افراد پس از فارغ‌التحصیلی در سیستم‌های صنعتی و معدنی کشور حضور داشته باشند تا در آینده نیروی انسانی ماهری پرورش یابند.

مدیرعامل هلدینگ سرمایه‌گذاری توسعه معادن و فلزات توضیح داد: مجموعه‌های آموزشی ما هنوز از آنچه که باید، فاصله دارند.

اکنون بسیاری از روش‌ها و امکانات حفاری ما با سیستم‌های قدیمی، حتی از روسیه یا اروپا، فاصله زیادی پیدا کرده است.

وی اضافه کرد: دستگاه‌های حفاری جدید به‌صورت هوشمند حرکت می‌کنند و به سمت مسیرهایی که احتمال گسل و جابجایی دارند هدایت می‌شوند، اما هنوز از بسیاری از این دستاوردها استفاده نکرده‌ایم.

همچنین سیستم‌های نشست نیز امروز کاملاً هوشمند هستند و هیچ دخالتی از سوی فرد در انتقال نمونه‌ها وجود ندارد.

بنابراین، ما نیاز به آموزش صحیح و تجهیزاتی داریم که با برنامه‌ریزی هدفمند می‌توانند ما را به سطح موفقیت برسانند.

وی در ادامه با اشاره به نرم‌افزارهای جدید که مورد استفاده برخی شرکت‌های دانش‌بنیان در حال توسعه هستند گفت:  پیشنهاد من این است که این نرم‌افزارها و برنامه‌ها به‌طور جدی مورد استفاده قرار گیرند تا هزینه‌های اکتشاف کاهش یابد.

در حال حاضر، داده‌های هوش مصنوعی و مدل‌های ریاضی تحلیل‌های دقیقی از اکتشاف‌ها ارائه می‌دهند؛ به‌طور مثال، در اکتشاف کانسارهای رسوبی، چگالی شبکه به‌طور دقیق محاسبه می‌شود و با کمترین هزینه، می‌توان تا ۷۰ درصد به قطعی بودن ذخیره معدنی نزدیک شد.

سعدمحمدی در پایان گفت: موفقیت از مرز تلاش عبور می‌کند، تلاش و برنامه‌ریزی هدفمند، می‌تواند ما را به مرزهای دانش برساند؛ این نکته‌ای است که برای توسعه باید در نظر داشته باشیم.

معادن ما در مقایسه با تعداد زیاد معادن فعال، متوسط تولید کمی دارند و باید تلاش کنیم تا این مشکل در اسرع وقت حل شود.

منبع: اقتصاد آنلاین