فازت شركة Tex-Mining ، وهي شركة استشارية للموارد المعدنية ، بجائزة الابتكار في حفل توزيع جوائز التميز في تكنولوجيا التعدين لعام 2025 لشركة Minextrm Minextrm.
يدمج MINEXTRM المدخلات الجيولوجية والهندسية والمالية في منصة لدعم القرار الواحدة القائمة على الاحتمالات والتي تساعد على تحديد الفرص ذات القيمة العليا وتحديد أولوياتها وتسريع الاكتشاف الاقتصادي. تم تطويره من قبل صموئيل أدو إيربونج في عام 2015 وتم ترقيته في عام 2020 لدمج الذكاء الاصطناعى لتحليل مجموعة بيانات العلوم الجيولوجية الكبيرة ، وقد تم استخدام النموذج في مشاريع المعادن الذهبية والمعادن الحرجة في إفريقيا وأوروبا والأمريكتين ، ودعم الاكتشافات الأسرع ، والتكاليف المنخفضة ، وتحسين تحويل الموارد إلى الاحتياطيات.
اكتشف التسويق B2B الذي يؤدي
اجمع بين ذكاء الأعمال والتميز التحريري للوصول إلى المهنيين المشاركين عبر 36 منصة إعلامية رائدة.
اكتشف المزيد
تم الحكم على هذا التصنيف المستهدف للمعادن التي تتم تمكينها من AI ، والتي تركز على الاقتصاد ، وهي تبسيط قرارات الاستكشاف ، ويقلل من التحيز ، ويحسن التكلفة والكفاءة الزمنية عبر مشاريع متنوعة.
تصنيف الهدف من الاستكشاف الذي يعمل بمواد AI والذي يربط الجيولوجيا بالاقتصاد
ما يميز MINEXTRM هو اتساع المعلومات التي يجمعها وكيف تربط الإشارات الجيولوجية بتصميم المناجم العملي والاقتصاد. على الجانب الجيولوجي ، يقبل النموذج مدخلات من الطائرات بدون طيار والمغناطيسية المحمولة جواً ، وعلم المغناطيسية الكهرومغناطيسية ، وقياس الغاما ، إلى جانب صور الأقمار الصناعية بالأشعة تحت الحمراء والصور النجمية. إنه يشتمل على الجيوفيزياء الأرضية وتوصيف السطح تحت السطحي ، ثم الطبقات في الكيمياء الجيولوجية متعددة الوسائط-المخلفات الوبائية والتربة والرواسب المائية والكيميائية المائية والكيميائية الحيوية. بدلاً من التعامل مع مجموعات البيانات هذه بمعزل عن ذلك ، يحللها النظام عن طريق أساليب الذكاء الاصطناعى الملكية ، بما في ذلك الشبكات العصبية (مع البنية التلافيفية عند الاقتضاء) ، ودعم آلات المتجهات ، وأدوات السيارات العميقة ، للكشف عن الأنماط في البيانات الصاخبة أو المتفرقة.
تتم ترجمة هذه المخرجات إلى نماذج هيكلية وليثولوجية ودرجة ، والتي تتألف من إطار كيفية حدوث التمعدن في السطح الفرعي وما هي الدرجات واللوحات التي يمكن توقعها. بشكل حاسم ، لا تتوقف المنصة عند الاحتمالية الجيولوجية. إنه يربط هذه النماذج بأشكال التعدين الاحتمالية – فتح الحفرة أو تحت الأرض أو مجموعة – وعوامل في المعلمات الهندسية والمالية مثل برامج الحفر والفحص المسبقة ، وتكاليف الدراسة والأعلاف ، وتكاليف المصانع والمعدات ، وتكاليف الأراضي والبناء ، وتكاليف التشغيل ، والاسترداد المعدني ، وزوايا الميل ، وأسعار الإنتاج ، وأسعار السلع ، ومعدلات الخصم. والنتيجة هي تصنيف اقتصادي أول قائم على الاحتمالات ، حيث يتقدم المستهدف ليس فقط لأنه يبدو واعداً جيولوجياً ، ولكن لأنه يظهر أيضًا إمكانية تلبية العتبات الاقتصادية في ظل افتراضات واقعية.
لدعم القرارات المنضبطة ، يطبق النموذج المحاكاة العشوائية لقياس عدم اليقين واختبار السيناريوهات البديلة. إنه يحدد المدخلات التي تؤثر على التصنيف المستهدف ، ويبلغ العلاقة بين التصنيف الأصلي والمعدل ، ويقيس متوسط التغيير في مواقف الترتيب عبر السيناريوهات ، إلى جانب الأهمية الإحصائية. تساعد الشفافية الفرق على فهم سبب إعطاء الأولوية للهدف ، وما هي البيانات التي من المحتمل أن تقلل من عدم اليقين ، وكيف يمكن أن تتحول التصنيفات مع ظهور معلومات جديدة.
النتائج المقاسة: انخفاض تكاليف الاكتشاف وتحويل الموارد بشكل أسرع
تنعكس التأثيرات العملية لهذه الأداة المبدعة التي تحركها AI في النتائج المبلغ عنها من العديد من المشغلين. في مشروع Banro’s Namoya ، بتطبيق تكلفة الاكتشاف التي تم تحديدها بنسبة 70 ٪ تقريبًا ، بينما زادت احتياطيات المعادن المبلغ عنها بحوالي 27 ٪. في Nordgold ، اعتماد الشركة على مستوى الشركة عبر تسعة مواقع تشغيل واستكشاف إلى النصف تقريبًا تكلفة الاكتشاف. لاحظ المسؤولون التنفيذيون أيضًا الجداول الزمنية للاكتشاف الأقصر لأن برامج الحفر كانت موجهة نحو احتمالات أعلى مرتبة في البداية ، بدلاً من الانتشار عبر مجال أوسع من الحالات الشاذة ذات الإمكانية المنخفضة.
في مكان آخر ، دمجت موارد الطائر الطنان النموذج في جميع أنحاء Kouroussa في غينيا ، و Dugbe في ليبيريا ، ويانفوللا في مالي. أطلقت المخرجات التي تصنيفها القيمة التعريف المستهدف وتخصيص الميزانية ، ومحاذاة برامج المرحلة المبكرة مع الأصول التي يمكن أن تنتقل إلى التطوير عاجلاً. في كازاخستان ، استخدمت KAZ Resources إطار العمل لتحديد أولويات الأهداف عبر أكثر من 50 قطعة استكشاف (حوالي 180 كيلومتر مربع) التي تركز على المعادن الحرجة مثل الليثيوم ، التانتالوم ، النيوبيوم ، روبيديوم ، وعناصر أرضية نادرة. في الشرق الأقصى الروسي ، طبقت نورنيكل النموذج على توليد الهدف الأولي في زابايكالسكي كراي ؛ انتقلت Eldorado Gold إلى دمج الأداة في عمليات الاستكشاف ، مشيرة إلى تحليلات حساسية السيناريو والقدرة على تحويل مدخلات الاستكشاف القياسية إلى قوائم قصيرة تصنيف القيمة ، مما يدل على التطبيق في سياق جيولوجي وتنظيمي مختلف.
عبر هذه الأمثلة ، يظهر خيط مشترك: يصبح المسار من الشذوذ إلى الفرصة القابلة للاستثمار أكثر وضوحًا عندما يتم تقييم الاحتمالية الجيولوجية إلى جانب التكاليف وعوامل الاسترداد وافتراضات الإنتاج. يبلغ المستخدمون عن محاذاة أكثر إحكامًا بين عدادات الحفر وإنشاء القيمة ، وعدد أقل من أهداف العائد المنخفض ، وتطور أكثر كفاءة من التوليد المستهدف من خلال مراحل الدراسة. اتساع نطاق أنماط التمعدن المدعومة – الأنظمة الباغرية مثل التدخلات الطبقات والبيغماتيت والبورفيريات ؛ الأنظمة الحرارية المائية بما في ذلك رواسب ظهرية ؛ الأنظمة الرسوبية مثل edex ، وتشكيلات الحديد المقطوعة ، والكسر ؛ والأنظمة المتحولة بما في ذلك skarns-يتيح محافظ تمتد على الذهب والمعادن الحرجة التي يمكن مقارنتها على أساس مشترك ، واعترف بالاقتصاد.
تخفيض التحيز وتخطيط السيناريو في قرارات الاستكشاف المعدني
اعتمدت قرارات الاستكشاف تقليديًا على تفسير الخبراء وتجميعها اليدوي لمجموعات البيانات المتباينة. يمكن أن يكون هذا النهج مستهلكًا للوقت وعرضه للتحيزات المعرفية والتنظيمية. من خلال أتمتة تكامل البيانات على نطاق واسع وتطبيق أساليب AI متسقة ، يقلل MINEXTRM من الاعتماد على الأحكام الذاتية وسرعات الاستهداف المبكر. الهدف ليس استبدال الخبرة ولكن توفير العمود الفقري المنهجي الذي يجعل القرارات أكثر قابلية للتكرار وأفضل ترتكز في مجمل الأدلة المتاحة.
كما يدعم سيناريو النموذج وقدرات الحساسية الحوكمة. من خلال توضيح الافتراضات الأكثر أهمية وكيف تخضع التصنيفات القوية في حالات مختلفة ، يمكن للفرق إعداد المزيد من مناقشات جوهرية لجان الاستثمار ومراجعات البوابة. نظرًا لأن أسعار السلع والتكاليف والاسترداد المعدني يتم تحديدها ، يمكن دمج بيانات جديدة بسرعة ، ويمكن إعادة تصنيف الأهداف دون إعادة بناء التقييم من نقطة الصفر. وهذا بدوره يدعم تخصيص رأس المال المنضبطة والتخطيط التكيفي – القوائم التي تهم عند تطور بيئات الاستكشاف وظروف السوق.
“نحن نستخدم الذكاء الاصطناعى كجامعة لاكتشاف وضرورة الطريقة التي نتوقع بها موقع الودائع الضخمة التالية. يتيح نموذج تصنيف الاستكشاف المعدني الذي يحركه AI-AI توليفًا سريعًا لمجموعات البيانات الضخمة ، واكتشاف أنماط من المستحيل تقريبًا على البشر تحديدها. تجمع الأداة بين المزيد من طبقات البيانات وتقلل من التحيزات والأخطاء البشرية من خلال الاعتماد على البيانات بدلاً من الافتراضات التاريخية. تبرز النتيجة النموذجية قوة الاستفادة من الذكاء الاصطناعي كأداة استكشاف ، مما يوضح كيف يمكن للتحليل المدعوم من AI لمجموعات البيانات الجيولوجي تحديد الأهداف التي تم تجاهلها مسبقًا بالطرق التقليدية. تساعد الأداة على تقليل استخدام الموارد ؛ توفير الوقت والمال مع تعزيز استهداف الحفر الأكثر كفاءة بحيث يكون هناك اضطراب أقل في الأرض.“
-صموئيل أدو فريبونج ، مطور MINXTRM ومدير التعدين في تكس
ملف تعريف الشركة
Tex-Mining هي شركة استشارية للموارد المعدنية مقرها في دبي والإمارات العربية المتحدة والعروض:
- خدمات الاستشارات التعدين: الموارد المعدنية وتقدير الاحتياطيات ، والإدارة التشغيلية المناجم ، والدراسات الجيوتقنية والمعدنية.
- خدمات الاستكشاف المعدني: تقييم المشروع المعدني ، التحليل الجغرافي المكاني ، توليد هدف الاستكشاف المعدني ، التقييم المحتمل للاستكشاف المعدني.
- الاستشارات الاستثمار: اتجاهات سوق السلع المعدنية وتحليلها ، تطوير استراتيجية الاستثمار ، إدارة المحافظ.
- كفاءة تشغيلية الألغام: تحسين العملية ، وإدارة سلسلة التوريد ، واستراتيجيات تخفيض التكاليف ، وموثوقية المعدات ، والتحكم.
- الابتكار والرقمنة: أتمتة العملية ، الذكاء الاصطناعي للاستكشاف المعدني ، حلول الطاقة المتجددة ، استراتيجيات الصيانة التنبؤية.
تعمل الشركة في بيئات متعددة السلعة ، بما في ذلك الليثيوم و REE والنحاس والذهب والزنك واليورانيوم.
على الصعيد العالمي ، يوجد Tex-Mining في الشرق الأوسط وأفريقيا وأوروبا الشرقية وأمريكا اللاتينية.
تفاصيل الاتصال
البريد الإلكتروني: samuel.addofrempong@tex-mining.com
الروابط
موقع إلكتروني: https://tex-mining.com
<!– –>
