AI Autopilot — Optimierung des Mahlkreislaufs (Gold)
Herausforderung
Der Mahlkreislauf gab das Tempo der gesamten Anlage vor — und die manuelle Steuerung begrenzte Durchsatz und Konsistenz. Operatoren konnten optimale Sollwerte nicht rund um die Uhr halten, während Gesteinstyp, Aufgabemischung und Feststoffanteil ständig wechselten.
Methode
25-tägiger kontrollierter Test (10. Januar – 5. Februar 2024) auf demselben Mahlkreislauf, mit Wechsel zwischen KI-geführtem und manuellem Betrieb in 48-Stunden-Zyklen — kontrolliert nach Gesteinstyp, Aufgabemischung, Feststoffanteil und Betriebsraten.
In die Analyse gingen nur Zeiträume mit ≥85 % aktiven Betriebsstunden ein — 265 Betriebsstunden je Modus — für einen Vergleich unter gleichen Bedingungen. Dem Test gingen zwei Jahre Zusammenarbeit zwischen Brainiall und dem Produzenten voraus; umgesetzt wurde er in Partnerschaft mit SoftwareOne auf AWS-Cloud-Infrastruktur.
Im Kreislauf
AI Autopilot las die Live-Prozessdaten des Kreislaufs und empfahl in Echtzeit die nächstbesten Sollwerte — eine beratende Schicht über dem bestehenden Leitsystem, mit Operatoren am Steuer und unangetasteten Sicherheitssystemen während des gesamten Tests.
Ergebnisse
- 435 t/h (KI) vs. 412 t/h (manuell) — +6 % Durchsatz
- 115.347 t unter KI vs. 109.079 t im manuellen Betrieb, in gepaarten 265-Stunden-Fenstern
- +3 % bei hartem Erz (Wi ≥ 14 kWh/t), über den Auslegungsraten der Anlage
- Korngröße (p80) konstant, bei geringerer betrieblicher Varianz — weniger Anlagenstress und besser vorhersagbare Ausbeute in der Flotation
- Spezifischer Energieverbrauch (kWh/t) im Wesentlichen unverändert — geringere Energieintensität je Tonne
- ≈2.694 zusätzliche Unzen/Jahr — ca. 781 Tsd. USD zusätzlicher Jahresgewinn (netto nach AISC)
Ergebnisse können je nach Erzgehalt und Betriebsbedingungen variieren.