- 홈
- Smart Mining Lab.
- AI & Simulation
Smart Mining Lab.
AI & Simulation
스마트마이닝 연구실에서는 인공지능(AI) 및 시뮬레이션 기술을 활용하여 광물산업의 혁신을 주도하고 있습니다. 우리는 AI 기반의 데이터 분석, 패턴 인식, 예측 모델링을 통해 광산의 운영 효율성을 극대화하고 잠재적 위험을 최소화하는 데 중점을 두고 있습니다.
AI 기술을 통한 광산의 지능화는 작업 효율성을 향상시키는 것뿐만 아니라, 광산 안전 관리에도 크게 기여합니다. 예를 들어, AI를 활용한 장비 고장 예측 시스템은 장비의 이상 징후를 조기에 감지하여 대규모 사고를 예방하고, 유지보수 비용을 절감할 수 있게 합니다.
또한, 복잡한 광산 환경을 모델링하는 시뮬레이션 기술은 광산 계획 및 운영 전략의 최적화에 필수적입니다. 시뮬레이션을 통해 다양한 광산 운영 시나리오를 테스트하고 분석함으로써, 가장 효율적이고 안전한 광산 운영 방안을 도출할 수 있습니다.
스마트마이닝 연구실에서 개발한 AI 및 시뮬레이션 기술은 빅데이터 분석, 클라우드 컴퓨팅과 결합되어 광산 데이터의 실시간 처리와 분석을 가능하게 하며, 이를 통해 신속한 의사결정 지원 및 운영 효율성 향상에 기여하고 있습니다.
이처럼, 스마트마이닝 연구실은 AI 및 시뮬레이션 기술을 전면적으로 활용하여 광산 산업의 디지털 변환을 선도하고 있으며, 지속 가능한 광산 운영을 위한 혁신적인 솔루션을 제공하고자 노력하고 있습니다.
At the Smart Mining Lab, we are leading innovation in the mining industry through the use of Artificial Intelligence (AI) and simulation technologies. Our focus is on maximizing operational efficiency and minimizing potential risks in mines by leveraging AI-based data analysis, pattern recognition, and predictive modeling.
The intelligentization of mines through AI not only enhances work efficiency but also significantly contributes to mine safety management. For instance, AI-enabled equipment failure prediction systems can detect early signs of malfunction, preventing large-scale accidents and reducing maintenance costs.
Moreover, simulation technologies essential for modeling complex mining environments play a critical role in optimizing mine planning and operational strategies. By testing and analyzing various mining operation scenarios through simulations, we can identify the most efficient and safe mining operation methods.
The AI and simulation technologies developed by the Smart Mining Lab, combined with big data analytics and cloud computing, enable real-time processing and analysis of mine data. This contributes to rapid decision support and improvement in operational efficiency.
Thus, the Smart Mining Lab utilizes AI and simulation technologies comprehensively to lead the digital transformation of the mining industry. We are committed to providing innovative solutions for sustainable mining operations.
- 인공지능(AI) 기반의 광석 운반 시스템 생산성 및 효율성 예측 기술
- AI-Based productivity and efficiency prediction for ore transport systems
ICT 기반 광산 안전관리시스템에 장기적으로 누적되어 형성된 빅데이터를 분석하여 광석 운반 시스템 예측을 위한 핵심 인자 도출
빅데이터를 훈련데이터로 활용하여 지도학습 인공지능 모델을 개발하고 광석 운반 시스템의 생산성 및 효율성을 예측
- 머신러닝-이산 사건 시뮬레이션 결합형 광석 생산량 예측 시스템
- Prediction of ore production in a limestone underground mine by combining machine learning and discrete event simulation techniques
지하광산 갱도와 야외 파쇄장에 블루투스 비콘을 설치하여 덤프 트럭의 실시간 이동 시간을 측정하여 머신러닝 훈련 데이터를 형성함. 경로 ID, 트럭 ID, 기상 정보(기온, 강수량)를 입력하면 트럭 이동 시간이 예측되는 머신러닝 모델을 개발함.
예측된 트럭 이동 시간을 이산 사건 시뮬레이션에 입력하여 석회석 광석 생산량을 예측함.
- 머신러닝을 이용한 노천 채석장 대기소음 예측
- Development of machine learning models for predicting air overpressure in an open-pit mine
노천 채석장에서 수집된 924개의 발파 데이터(천공장, 저항선, 공간격, 지발당 최대장약량, 비장약량, 총 공수, 에멀전폭약 비율, 이격거리, 대기소음)를 이용하여 발파 현장의 대기소음을 예측함.
kNN, RF, XGBoost, DNN 알고리즘을 비교한 결과 RF 모델이 가장 우수한 성능을 보였음.
- 머신러닝 모델을 이용한 석산 개발 발파진동 예측
- Prediction of blast vibration in quarry using machine learning models
석산 발파시 사람과 주변 환경에 영향을 미치는 발파진동을 예측하기 위해 1048개의 훈련 데이터(천공장, 저항선, 공간격, 최대지발장약량, 비장약량, 총공수, 에멀전비율, 이격거리, PPV)를 이용하여 머신러닝 모델을 개발함.
kNN, CART, SVR, PSO-SVR 알고리즘을 상호 비교한 결과 PSO-SVR 모델이 가장 우수한 예측 성능을 보였음.
- 광산 빅데이터를 활용한 트럭-로더 운반 시스템 시뮬레이션
- Simulation of truck haulage operations in an underground mine using Big Data from an ICT-Based mine safety management system
지하광산 ICT 기반 안전 관리 시스템으로부터 획득한 빅데이터를 분석하여 트럭 이동 시간을 계산하고 시뮬레이션에 입력하여 광석 생산량을 예측함.
