eCoreX - AI-metoder för att Koppla Mineralogi och Sågning av Borrkärnor till Malningseffektivitet

Syfte och mål

Målet är att undersöka en kostnadseffektiv metod för att förutsäga bergmaterials mekaniska egenskaper, som hållfasthet och malbarhet, genom att analysera energiförbrukningen vid borrkärnsågning och kombinera med mineralogiska data från XRF-skanning. Projektet vill skapa en koppling mellan sågenergi, draghållfasthet, hårdhet och mineralogi. Genom AI-modeller och DEM-simuleringar ska metoden verifieras för att möjliggöra mer precisa bedömningar av kostnader och genomförbarhet vid malmbearbetning.

Förväntade effekter och resultat

Förväntade resultat är en effektiv metod för att förutsäga bergmaterials hållfasthet och malbarhet genom energianalys vid borrkärnsågning kombinerat med XRF-skanning och AI. Detta gör det möjligt att automatiskt och mer ekonomiskt uppskatta bearbetningskostnader, utan behov av dyra fysiska tester. Metoden ska valideras i en genomförbarhetsstudie, som etablerar robustheten i kopplingen mellan sågenergi, mineralogi och hållfasthet, och är ett första steg mot teknisk implementering i större skala.

Planerat upplägg och genomförande

Projektet är uppdelat i fem arbetspaket (AP). AP1 ansvarar för projektkoordination, provlogistik och rapportering. AP2, lett av Boliden, säkerställer provuttag och utvärderar industriell relevans. AP3 innefattar experimentell testning, inklusive sågenergimätning och XRF-analys. AP4 fokuserar på datahantering och AI-modellering, baserat på preliminära dataset och experimentresultat. AP5 använder experimenten för DEM-kalibrering och simulering för att utvärdera krossning-malning prestanda.