Самуэль Аддо-Фремпонг, разработчик платформы minexTRM и директор по горнодобывающей деятельности в Tex-Mining, объясняет, как модель ранжирования целей на основе искусственного интеллекта (ИИ), ориентированная на экономику, сочетает в себе геологию с операционными и финансовыми вводами для сокращения времени на поиск, уточнения бюджетов на бурение, снижения воздействия на землю и доверия управляющих органов в различных сырьевых отраслях, включая критические минералы.
Tex-Mining получил премию за инновации на Mining Technology Excellence Awards 2025 за платформу, основанную на ИИ.
Горнодобывающие технологии (MT): Самуэль, поздравляем с премией за инновации. Когда вы оглядываетесь на 2015 год, какая проблема в принятии решений в области исследований побудила вас создать minexTRM, и как эта миссия развивалась?
Минеральное исследование – дорогостоящее, длительное и рискованное мероприятие, так как не существует уверенности в значительных находках. Именно это побудило меня разработать модель, которая могла бы направлять компании к целям с высоким потенциалом для становления крупными находками. С течением времени, с ростом спроса на минеральные ресурсы и необходимостью пополнения истощенных ресурсов, стало ясно, что время имеет значение, и необходимо было отыскать следующие крупные залежи быстрее. Именно тогда в модель был внедрен искусственный интеллект для улучшения анализа данных и повышения точности прогнозов, с конечной целью сокращения времени на открытие минералов.
MT: Как изначальное видение повлияло на выбор продуктов, которые вы делали? Что вы специально включили (или исключили), чтобы сохранить удобство инструмента для полевых и корпоративных команд?
Помимо геологической подписи, эта модель включает в себя инженерные, операционные и финансовые данные в качестве вводных параметров модели. Идея заключается в оценке потенциальных операционных параметров и экономики различных исследовательских целей уже на ранних стадиях разведки. Следует отметить, что помимо геологического контекста операционные и финансовые данные имеют значительное влияние на экономику минерального месторождения. Это является основным мотивом для их включения в модель.
MT: Победа в этой награде неизбежно повышает ожидания. Что означает это признание для ваших отношений с клиентами и ваших собственных целей как лидера?
Победа в премии за инновации демонстрирует положительное влияние, которое оказывает эта модель ранжирования целей минерального исследования на основе ИИ в горнодобывающей отрасли. Мы понимаем ожидания и с нетерпением ждем сотрудничества с нашими клиентами в их различных минеральных проектах. Моя личная цель – решить насущную проблему, с которой на данный момент сталкивается наша отрасль, а именно заменить быстро истощающиеся минеральные ресурсы, используя преимущества этой модели для достижения этой цели.
MT: Многие инструменты обещают более точное нацеливание. В повседневном использовании что меняется в первую очередь для клиента – как они планируют бурение, структурируют исследования или распределяют бюджеты?
Что отличает этот инструмент – это включение операционных и финансовых данных, помимо геологии. С использованием этого инструмента компании уверены в своей способности обнаружить крупные минеральные залежи при начале продвинутого бурения. Бюджеты на бурение разрабатываются с учетом многообещающих исследовательских целей, что экономит затраты, время и окружающую среду, так как такой нацеленный подход к бурению приводит к меньшим воздействиям на окружающую среду.
MT: Внедрение редко сводится только к технологическим вопросам. С какими самыми большими препятствиями вы столкнулись – качество данных, культура или рабочие процессы – и как вы помогли командам преодолеть их?
Горнодобывающая отрасль относительно медленно принимает новые технологии, вероятно из-за сочетания культурных и качественных проблем. Что помогло с внедрением этого инструмента – это успешная стадия пилотирования. Для убеждения клиентов в эффективности этого инструмента в ранжировании исследовательских целей запускаются пилотные проекты с использованием известных предварительных геологических данных. Когда инструмент ранжирует различные перспективы и советует, с какими перспективами следует продолжить продвинутую разведку в подготовке к разработке месторождения, клиенты убеждаются, когда прогнозы совпадают с результатами их усилий по продвинутой разведке.
MT: Доверие приобретается на шахте и в зале совета директоров. Как вы подтверждаете результаты модели с геологами и финансовыми командами, чтобы обе стороны чувствовали уверенность в действиях по ранжированию?
Один из подходов, который способствовал принятию результатов модели, – это соответствие результатов модели результатам продвинутого бурения на месторождении. По сути, модель используется для ранжирования и прогнозирования перспективных исследовательских целей на основе существующих данных о ранних стадиях исследования месторождения. Хотя результаты от продвинутых / уверенных буровых работ доступны, намеренно используются данные о ранних стадиях. Результат модели затем сравнивается с доступными результатами уверенных буровых работ, и когда они совпадают, руководство убеждается в работоспособности модели.
MT: Одним из преимуществ minexTRM является сравнение различных целей на экономической основе. Можете ли вы поделиться, как это повлияло на решения на портфельном уровне, не возвращаясь к уже известным примерам?
Геология в одиночку недостаточна для определения экономического минерального месторождения. Помимо геологии, необходимо учитывать инженерные и операционные параметры, затраты и прогнозы цен на сырье. Совмещение всех этих факторов может изменить общую экономику минерального месторождения. На мой взгляд, перспективная минеральная цель – это та, которая удовлетворяет всем параметрам, и именно с такими вопросами мы общаемся с клиентами при разработке их стратегий минерального исследования.
MT: Вы работаете с различными геологиями и видами сырья, включая критические минералы. Какие практические уроки вы извлекли из адаптации подхода к различным стилям залежей и регионам?
Это интересный вопрос. Природа и стиль минерализации могут быть схожими для определенных типов месторождений, но не одинаковыми, поскольку каждое месторождение имеет свою уникальность. Простыми словами, алгоритмы ИИ в модели генерируются для выявления этих уникальных особенностей и индикаторов для помощи в анализе шаблонов в рамках процесса прогнозирования. Важно знать возможные контроли минерализации даже на ранней стадии исследований для предоставления этого фонового знания потенциальной геологической подписи.
MT: ИИ быстро развивается. Как вы обновляете модели, сохраняя стабильность пользовательского опыта для команд на месте?
Алгоритмы ИИ работают в фоновом режиме во время анализа геологических данных, обновления в целом независимы от пользовательского интерфейса. Пользователи могут без проблем использовать инструмент независимо от обновлений алгоритмов.
MT: Где вы намеренно оставляете человека в процессе, и как вы балансируете автоматическое ранжирование с экспертным мнением на ключевых точках принятия решений?
Хотя инструмент в основном автоматизирован, требуются человеческие вводы в области ввода предварительных геологических данных, таких как различные формы геофизики и геохимические аномалии. Кроме того, люди нужны для определения входных параметров затрат, потенциальных операционных параметров и финансовых вводов, таких как цена на сырье и дисконтные ставки.
MT: Сценарный и чувствительный анализ являются центральными на платформе. Как клиенты используют эти инструменты для навигации в реальном времени по волатильности цен, инфляции затрат или металлургической неопределенности?
Обычно инструмент позволяет клиентам выполнять различные чувствительности на основном рейтинге. Во время этого анализа чувствительности клиенты могут оценить, насколько чувствительны ранжированные перспективы к различным операционным и экономическим параметрам. Это помогает клиентам принимать решение о том, какие перспективы продвигать для дальнейшего развития, основываясь на их надежности при различных операционных и экономических условиях.
MT: Помимо стоимости обнаружения и увеличения запасов, какие метрики лучше всего оценивают стоимость в рамках многолетних программ разведки – скорость принятия решения, конверсия ресурсов или что-то еще?
Инструмент создает ценность в четырех ключевых областях – снижение стоимости обнаружения, сокращение времени обнаружения, сокращение нарушения земли и ускоренное принятие решений, другими словами, ускоренное определение стратегии разведки.
MT: Экологические, социальные и корпоративные аспекты (ESG) и эффективность все чаще идут бок о бок. Как платформа помогает сокращать ненужное бурение, сокращать кампании или снижать воздействие на землю?
Представьте, что у вас есть несколько объектов разведки, и вы не знаете, какой из них продвигать для развития. В результате вы можете пробурить все из них, чтобы принять это решение. При этом будет нарушено большое площадь. В то время как использование этой модели позволит сузить эти цели до наиболее перспективных для продвижения буровых работ, тем самым сокращая воздействие на землю.
MT: Взглянув в будущее, на какие возможности вы сейчас делаете ставку и как они способствуют вашему видению объективной и беспристрастной разведки?
Спрос на критические минералы растет, поскольку они необходимы для современных технологий, экономики и национальной безопасности. Мы видим, как страны гонятся за доминированием в сфере критических минералов. Впереди больше внимания будет уделено выявлению основных источников критических минералов. Это делает использование этой модели наивысшим приоритетом для помощи в поиске основных источников критических минералов, таких как литий, кобальт, медь, никель и редкоземельные элементы.
Об Самуэле Аддо-Фремпонге
Самуэль Аддо-Фремпонг – горный инженер с более чем 16-летним опытом работы с базовыми и драгоценными металлами. В настоящее время он занимает должность Директора по горному делу в Tex-Mining, консалтинговой фирме по горному делу с головным офисом в Дубаи, Объединенные Арабские Эмираты, предоставляющей консалтинговые услуги по горному делу клиентам по всему миру. Самуэль окончил университет горного дела и технологии в Гане по специальности горное дело. Затем он закончил (с отличием) Колорадскую школу горного дела, где получил степень магистра горного дела и управления.
Область экспертизы Самуэля включает в себя генерацию целей минерального разведки, разработку стратегий для минеральной разведки, отчеты о минеральных ресурсах и запасах, строительство и развитие горнодобывающих предприятий, оптимизацию горнодобывающих процессов, сделки слияния и поглощения, технические исследования (предварительная экономическая оценка, предварительные исследования осуществимости, исследования осуществимости), а также горнодобывающие технологии и инновации. Он работал над горнодобывающими проектами и операциями в Африке, Ближнем Востоке, Латинской Америке и Восточной Европе, сосредоточившись на золоте, меди, кобальте, редкоземельных элементах, литии, никеле и графите.
Самуэль является Компетентным / Квалифицированным лицом, определенным по стандартам Канады NI 43-101, SEC США, JORC Австралии и SAIMM Южной Африки, и является членом Общества горного, металлургического и геологического изучения (SME), Американской ассоциации по исследованию и разработке рудных месторождений и Австралийского института горного и металлургического дела (AusIMM).
Контакт: samuel.addofrempong@tex-mining.com
"После прорыва: Самуэль Аддо-Фремпонг, разработчик minexTRM, о ситуационном открытии на основе данных" был создан и опубликован Mining Technology, брендом, принадлежащим GlobalData.
Информация на этом сайте предоставлена добросовестно исключительно в общих информационных целях. Она не предназначена для использования в качестве основы для принятия вами решений, и мы не делаем никаких заявлений, гарантий или обещаний, будь то явных или подразумеваемых, относительно ее точности или полноты. Прежде чем предпринимать какие-либо действия на основе содержания нашего сайта, вам следует получить профессиональные или специализированные консультации.
