4^e colloque MMA-2030 : En route vers l’autonomisation!

Présentation du programme du Colloque

Dans le cadre de l’industrie 4.0 et de la transformation numérique, l’industrie minière s’efforce d’accroître sa productivité pour répondre à la demande croissante en métaux, tout en faisant face à des défis tels que la pénurie de main-d’œuvre et les changements climatiques. Les avancées technologiques, tels la maintenance prédictive et les véhicules autonomes, transforment les méthodes d’exploitation minière, mais certains obstacles entravent leur adoption.

La présentation portera principalement sur les résultats d’un projet de recherche qui a permis de mettre en évidence les facteurs qui facilitent ou freinent l’adoption de technologies innovantes et durables lors de l’évaluation des projets privés d’investissements miniers. Elle abordera également l’impact de la finance responsable et de la transparence liée aux critères ESG sur les décisions d’investissement dans le secteur minier. Ce projet s’appuie sur une synthèse des connaissances actuelles concernant les bénéfices et les coûts liés à l’adoption de diverses technologies innovantes dans l’industrie minière, ainsi que sur une vingtaine d’entrevues au Québec auprès des acteurs qui jouent un rôle clé dans cet écosystème, à savoir les équipementiers, les minières, les investisseurs et le gouvernement.

Les entreprises minières intègrent de plus en plus de nouvelles technologies numériques dans leurs opérations minières et à toutes les étapes du cycle minier. Mentionnons notamment l’Internet des objets (IoT) et l’intelligence artificielle. Ces changements ont une influence incontestable sur les compétences des ressources humaines chargées de piloter les exploitations de cette industrie. Pour une meilleure adéquation entre les emplois et les formations, il est essentiel d’analyser les compétences qu’exigent les nouvelles technologies afin d’adapter les formations aux besoins du secteur. Cette présentation passe en revue les grandes familles de compétences nécessaires à l’industrie 4.0 avec un accent particulier sur celles requises dans les exploitations minières. Les résultats de deux études de cas réalisées dans le cadre de projet MMA 2030 seront présentés à titre d’exemples. Le premier cas touche à une technologie de l’Internet des objets qui vise à améliorer la surveillance intelligente d’un système de ventilation minière. La deuxième technologie analysée porte sur un système de gestion intégrée des données minières (Neuromine) permettant une prise de décision optimale. On note une certaine inter/multidisciplinarité pour la plupart des postes où les connaissances numériques sont de plus en plus requises. Quelques recommandations issues de ces études concluront la présentation.

Dans le cadre du projet MMA 2030, MISA a réalisé, en collaboration avec Cadence Consultants, la cartographie de plus de 125 processus liés à l’exploitation minière. Ces processus ont été modélisés à l’aide de l’application infonuagique Pix4. Il s’agit d’une première phase dans la mise en place de l’intelligence opérationnelle dans le domaine minier. En effet, la compréhension de ces processus est le point de départ à l’optimisation de ceux-ci.

La libération minérale représente un indicateur clé de la performance du procédé de broyage et peut expliquer des problèmes de performance lors de la séparation. La littérature démontre que son utilisation dans un contexte de contrôle constitue un avantage financier. Le degré de libération se détermine typiquement par microscopie électronique à balayage jumelée à la spectrométrie à rayon X (MEB/SRX). Les délais de préparation et de traitement des échantillons pour cette méthode limitent toutefois grandement l’application pour le suivi quotidien en usine. La mesure de libération par spectrométrie d’émission atomique de plasma induit par laser (LIBS) permet de pallier le problème de fréquence d’échantillonnage aux dépens toutefois de la résolution des analyses. La taille du faisceau ne permet pas en effet de distinguer les particules d’une taille inférieure à 50 µm. Le couplage de ces deux techniques d’analyse en combinaison avec la méthode de réconciliation des données permet d’obtenir le meilleur des deux mondes, soit d’estimer le degré de libération à une fréquence rapide et avec une haute résolution. Trois cas seront présentés. Le premier constitue le scénario de base utilisant les données brutes MEB/SRX et LIBS. Le deuxième tient compte des mesures MEB/SRX, LIBS et des résultats d’un modèle de libération basé sur une distribution bêta. Enfin, le dernier cas examine une application récursive utilisant des pondérations plus faibles pour les données MEB/SRX et le modèle de manière à éviter une dérive des estimations avec le temps.

Dans le but de planifier avec une meilleure précision et d’améliorer l’efficacité des opérations minières à court terme et moyen terme dans les mines souterraines, il est crucial de posséder une connaissance fine de la durée des trajets de camions de transport de minerais, activité à forte intensité énergétique dont dépendent habituellement les autres tâches d’exploitation minière.

Or, malgré la criticité de cette opération de transport, il est difficile d’estimer les durées précises des trajets alors que l’accès au GPS n’est pas envisageable, que les conditions opérationnelles varient et que de nouveaux trajets voient le jour à mesure qu’une mine se développe.

Pour s’attaquer à ce problème, les industriels miniers ont investi dans l’installation de balises souterraines de détection de véhicules dont les données pourraient permettre de retracer et de chronométrer les trajets. Ainsi, l’exploitation de ces données, possiblement combinées à d’autres données de télémétrie, par des algorithmes d’apprentissage-machine est une piste prometteuse.

Toutefois, la manière dont sont gérées ces balises et la façon dont sont recueillies ces données de détection font du nettoyage de ces données une tâche titanesque, pourtant nécessaire à leur exploitation.

Les prédictions obtenues après un nettoyage superficiel pourraient ainsi gagner grandement en précision si la gestion et la maintenance de ces balises étaient gérées plus sérieusement.

Mes travaux de recherche permettent de formuler des recommandations permettant la mise en œuvre d’une base de données de détection pouvant être exploitée par des algorithmes notablement plus simples et rapides et donnant des résultats de grande qualité.

Au cours de cette présentation, les points suivants seront discutés :

- Outils connectés d’aide à la gestion des parcs de véhicules;

- Interconnections entre les systèmes (accès contrôle/ERP/GMAO);

- Présentation d’une étude de cas (réduction des GES et de la consommation d’essence);

- Collaboration avec MISA : Auto-partage — Dimensionnement de parcs grâce à l’IA — Profil personnalisable et dynamique.

L’analyse de l’huile est un outil pratique et utile qui permet aux mines de suivre la santé de leurs engins motorisés, la dégradation de l’huile ainsi que l’usure des différents composants. Cette méthode de surveillance peut être considérée comme un outil à court terme. Après des années d’utilisation, les mines ont acquis une quantité importante d’information. Même si ces bases de données présentent des erreurs d’entrée ou sont incomplètes, elles sont le reflet de l’usure et de la maintenance d’un équipement, voire d’un site minier. Ainsi, en analysant la qualité et la cohérence de ces bases de données, il est possible d’assurer une maintenance plus efficace des équipements.

Le premier objectif de cette recherche est d’explorer en profondeur la base de données d’analyse de l’huile d’une mine canadienne afin de mieux comprendre la dégradation de l’huile en fonction de l’équipement, du type d’huile et des composants. Comme l’huile ne se brise pas, le but est de développer un modèle de dégradation des équipements pour mieux prédire la durée entre les changements d’huile. Le résultat devra être présenté sous forme de fenêtre de temps permettant d’estimer les coûts supplémentaires engendrés par des changements d’huile réalisés en dehors de ces périodes.

Dans un second temps, cette recherche tentera d’implanter cette fenêtre de temps dans un nouveau logiciel d’optimisation des cycles de maintenance.

Cette recherche s’inscrit dans un projet de plus grande ampleur, soit la numérisation des outils de maintenance dans l’industrie minière.