AI Autopilot — 金鉱の粉砕回路最適化

課題

粉砕回路はプラント全体のペースを決めていました — そして手動制御がそのスループットと安定性を制限していました。岩種・給鉱ブレンド・固形分率が刻々と変わる中、オペレーターが最適なセットポイントを24時間365日維持することは困難でした。

手法

同一の粉砕回路上で、AI主導運転と手動運転を48時間サイクルで切り替える25日間の管理試験（2024年1月10日〜2月5日）を実施。岩種・給鉱ブレンド・固形分率・操業レートを統制しました。

分析対象は稼働時間比率85%以上の期間のみ — 各モード265操業時間 — とし、同一条件での比較を担保。この試験はBrainiallと鉱山会社の2年間の協業の集大成であり、AWSクラウドインフラ上でSoftwareOneとの提携により実施されました。

回路の内側

AI Autopilotは回路のライブプロセスデータを読み取り、次の最適セットポイントをリアルタイムで推奨 — 既存の制御システムの上に載るアドバイザリー層として機能し、試験期間中もオペレーターが常に主導権を持ち、安全システムには一切手を加えませんでした。

結果

• 435 t/h（AI）対 412 t/h（手動）— スループット+6%
• ペアリングされた265時間の窓で、AI運転115,347 t 対 手動運転109,079 tを処理
• 硬質鉱石（Wi ≥ 14 kWh/t）で+3%、プラント設計値を上回る処理量
• 粒度（p80）は一貫し、運転ばらつきが低減 — 設備への負荷が減り、下流の浮選回収がより予測可能に
• 比エネルギー消費（kWh/t）はほぼ横ばい — トンあたりのエネルギー原単位が低下
• 推定で年間約2,694オンスの追加産出 — 約$781Kの増分年間利益（AISC控除後）

結果は鉱石品位や操業条件により変動します。

出典