Så kan gruvindustrin bli mer kostnadseffektiv när AI predikterar maskinunderhåll
Inom ramen för PiiA-projektet “Cirkulär ekonomifacilitator för gruvindustrin” utvecklas ett beslutsstödsverktyg av aktörer som Boliden, LKAB och Luleå tekniska universitet. AI-lösningen ska rekommendera optimala underhållsstrategier för mobila gruvmaskiner, vilket kan leda till kostnadsbesparingar med upp till en kvarts miljard kronor.
Stora besparingar när AI predikterar underhåll
Inom gruvindustrin har mobila maskiner en avgörande roll i värdekedjan. Dessa maskiner arbetar kontinuerligt, dygnet runt, endast med avbrott för operatörsbyte. Den konstanta driften innebär utmaningar gällande tillgänglighet och slitage. Projektet, stött av Sveriges ledande gruvföretag och underleverantörer, adresserar dessa utmaningar.
– För närvarande saknas verktyg för att avgöra om nya maskiner bör inköpas eller om befintlig utrustning bör underhållas, säger Johan Odelius universitetslektor vid Luleå tekniska universitet som leder projektet. Vi utvecklar en lösning som kommer att erbjuda gruvindustrin vägledning för maskinernas livslängd och optimalt intervall för byte av viktiga komponenter, vilket kan leda till ökad produktion och minskade kostnader. Vi beräknar att det kan leda till besparingar mellan 40 och 250 miljoner kronor per år för gruvindustrin.
Datadrivet beslutsstöd ger ökad kontroll åt gruvbolagen
– Projektet kan ha stor betydelse för gruvindustrin, menar Taoufik Najeh, forskare inom projektet och biträdande universitetslektor vid Luleå tekniska universitet. Genom att samla in data från maskinerna med industriellt IoT (IIoT) kombinerat med fysiska och datadrivna AI-modeller kan vi förutse maskinernas optimala livslängd och planera underhåll utan att störa driften.
Verktyget är baserat på en hybridmetod som förenar datadriven AI med fysiska slitagemodeller, kallad “Physical AI”. Detta tillvägagångssätt möjliggör noggranna rekommendationer och livslängdsprognoser som även beaktar ekonomiska och miljömässiga aspekter. En demonstrator kommer att utvecklas för att gruvbolagen ska kunna testa olika livslängdsförlängningsmetoder och utvärdera deras effektivitet och livscykelkostnad.
En utmaning är att maskintillverkarna ofta bestämmer när delar ska bytas eller ny utrustning ska köpas in. Men med tillgång till data från maskinerna kan gruvbolagen få ökad kontroll.
– Gruvföretagen vill själva kunna avgöra när det är dags för utbyte eller nyinvestering, fortsätter Taoufik. Vi tror att det finns en optimal tidpunkt för detta och vårt system kommer att kunna beräkna den.
Nästa steg för det prediktiva AI-verktyget
Forskarna är halvvägs genom att utveckla en modell och nu integreras sensorer i maskinerna för att samla in data som kan förutsäga livslängd och underhållsbehov.
AI-modellerna kommer sedan att integreras i ett grafiskt användargränssnitt (GUI), där företagen kan få vägledning för reparationer och maskinbyte. Verktyget kommer att underlätta beslutsfattande och ge gruvbolagen större autonomi i underhållsfrågor.
– Projektet representerar en spännande framtid för gruvindustrin, där AI och fysiska modeller samverkar för att skapa ett mer hållbart och effektivt sätt att nyttja våra maskiner och anläggningar, säger Taoufik Najeh. Tekniken har potential att förändra hur vi ser på livslängd och underhåll av industriella maskiner och kan vara vara en viktig del i övergången till en mer hållbar gruvindustri.
Projektet Cirkulär ekonomifacilitator för gruvindustrin koordineras av Luleå tekniska universitet i samarbete med Boliden och LKAB.
