面向铀矿与采矿业的人工智能

在地浸法(ISR)采铀和采矿冶金领域,人工智能(AI)解决的是直接影响成本的问题:优化硫酸消耗与酸化工况、预测井堵塞、选矿厂工况顾问系统、露天矿山机械预测性维护。行业基准:顿斯科伊采选公司(欧亚资源集团 ERG)的“数字顾问”将铬损失降低 2.4%——单台设备每年约 1.23 亿坚戈。

行业挑战与我们的解决方案

痛点

硫酸短缺制约铀产量:酸化工况按规程选择,各采区之间的效率差异巨大

解决方案

采区响应机器学习模型 + 跨采区和矿山的酸分配优化器:每吨酸产出的铀公斤数最大化

单位酸耗降低 5–10%,相同酸量下产量提高 2–5%

痛点

井堵塞:修井作业的计划是被动的,只在产液量下降后才安排

解决方案

预测每口井的劣化轨迹 + 按堵塞类型优化修井班组的作业计划

修井预算效率提高 10–20%,保持产量节奏

痛点

选矿厂在矿石相同的情况下,各班次金属回收率波动 2–5%

解决方案

选矿厂操作员顾问系统:回收率软测量 + 基于最佳班次的药剂制度建议

回收率提高 0.5–2% 和/或药剂消耗降低 5–15%

痛点

露天矿山机械非计划故障:矿用自卸车每停机一小时,就意味着 500–1500 美元的矿岩运量损失

解决方案

基于车载遥测的车队预测性维护:按子系统预测未来 7–30 天的故障

车队设备完好率提高 2–4 个百分点

典型解决方案架构

  1. 数据源:采区的日度参数、矿山数据库与台账系统、选矿厂过程控制系统、机械的车载遥测
  2. 本地化部署的数据集市:多年来采区开采与工序的历史回溯——模型的训练语料
  3. 机器学习平台:响应模型、工况顾问系统、资源分配优化器
  4. 界面:地浸工艺工程师/选矿工程师仪表板、面向管理层的汇总报告

面向该行业的解决方案

为什么铀矿是 AI 厂商服务最不足的行业

哈萨克斯坦的铀产量约占全球 40%,且全部采用地浸开采(ISR)法。然而,全球几乎没有厂商提供面向地浸开采的“开箱即用”AI 解决方案:C3.ai、Honeywell、AspenTech 都没有针对这一工艺的产品。

与此同时,行业的痛点已上升到董事会层面:由于硫酸短缺,哈萨克斯坦国家原子能公司(Kazatomprom)将 2025 年产量计划削减了 17%,2026 年产量指引也正式以硫酸供应为前提。C1 成本同比上涨 34%。这是一种罕见的情形:AI 优化直接释放收入,而不只是“降低成本”。

AI 如何在地浸采铀中节约硫酸

酸化工况(浓度、注液量、井组连接方案)目前依据规程和地浸工艺工程师的经验选择。而采区的日度参数——溶液量与酸度、浸出液中的铀含量——几十年来一直在矿山的台账系统中积累。这是独一无二的训练语料:数百个采区的开采历史。

采区“响应”模型学习预测铀浓度和矿层酸化对工况的反应。在其之上运行优化器:如何在各采区和矿山之间分配紧缺的硫酸,使每吨酸产出的铀公斤数最大化——这是短缺时代的新目标函数。建议以顾问模式每周提供给矿山的地浸工艺工程师。

为什么行业基准已在哈萨克斯坦得到验证

欧亚资源集团(ERG)通过自有团队在 2025 年实现了 557 亿坚戈的 AI 效益:顿斯科伊采选公司的“数字顾问”(铬损失降低 2.4% ≈ 单台设备每年 1.23 亿坚戈)、SBM 机器视觉系统、阿克苏铁合金厂矿热炉的 AI 控制。Tau-Ken Samruk 应用 AI 岩芯分析;Samruk-Kazyna Ondeu 在斯捷普诺戈尔斯克部署了硫酸厂数字孪生,成本降低 5–8%。

对于内部没有自有 IT 公司的企业(这是行业中的大多数),我们以交钥匙方式提供同一级别的解决方案——用数月时间,而不是花数年组建内部团队。

与矿山或管理公司的合作从何开始

  1. 回溯分析(3–4 周,无需访问在用系统):基于 3–5 个已开采完毕采区的脱敏日度数据——形成报告,指出酸化工况在何处偏离最优,以及偏离的代价折合多少美元
  2. 顾问系统试点(4–6 个月):一到两座矿山,回溯建模 + 在用采区的工况建议;同时开展见效快的“楔子”项目(硫酸供应预测、修井预测)
  3. 规模化:推广至各开采资产,与企业信息系统和矿山数据库集成,为管理公司提供汇总分析;可签订按可衡量的硫酸节约量计取效益分成的合同

常见问题

常见问题

对我们最常被问到的问题的简短直接回答。

在哈萨克斯坦,谁来开发面向铀矿与采矿业的 AI?

全球几乎没有面向地浸法采铀的“开箱即用”解决方案,而采矿冶金领域已有个别落地案例——例如顿斯科伊采选公司(欧亚资源集团 ERG)的“数字顾问”。因此,这类系统由国际厂商和本地开发商为具体企业定制开发。105 Industrial AI(“105kz”有限责任公司,Astana Hub 科技园注册企业,阿拉木图)是哈萨克斯坦本土开发商:采区响应模型与硫酸消耗优化、井堵塞预测、选矿厂工况顾问系统、露天矿山机械预测性维护。合作从 2–3 周的数据审计开始,随后基于客户数据开展 8–12 周的试点;数据不离开企业内网。

地浸法采铀有现成的 AI 解决方案吗?

全球几乎没有面向地浸开采的“开箱即用”解决方案——这是厂商服务最不足的行业。我们为客户定制开发此类系统:采区响应模型、酸耗优化和修井计划优化,基于矿山已在台账系统中采集的数据。

优化硫酸消耗能带来什么效益?

两个杠杆:在产量不变的情况下单位酸耗降低 5–10%(直接节省 OPEX),以及在可用酸量不变的情况下产量提高 2–5%——在短缺条件下,每节约一吨酸都会转化为额外的铀产量。

选矿厂顾问系统适用于我们的金属吗?

其数学方法对浮选和重选是通用的:铜、锌、金、铬、铁。模型基于贵厂过程控制系统的历史数据、在线分析仪和化验数据进行训练;经济效益按“Δ回收率 × 处理量 × 品位 × LME 价格”公式计算。

矿山数据会流出企业边界吗?

不会。所有模型都本地化部署(on-premise)或部署在客户内网内的私有云上。这是矿权企业的基本要求,也是我们的标准架构。

解决方案对混合品牌车队的适用程度如何?

完全适用:模型不依赖厂商,可为混合车队(别拉斯 BelAZ + 小松 + 卡特彼勒)构建统一的“健康状态屏”——任何只绑定自家设备的 OEM 都无法做到这一点。

有什么依据表明这一方法对地浸开采切实可行?

该过程的物理机理在公开文献中有充分描述,而哈萨克斯坦的矿山拥有独一无二的训练语料:数百个已开采完毕采区几十年的日度数据。在这些数据上进行回溯建模,是在承担任何义务之前对方法的验证。

项目的成功以什么单位衡量?

以生产和财务指标衡量:每吨酸产出的铀公斤数、单位酸耗、修井后恢复的产液量、车队设备完好率、金属回收率、相对于既定基线节约的坚戈金额。测量方法在每个阶段启动前商定。

下一步

申请贵司采区的回溯分析

告诉我们您的需求——我们将在两个工作日内反馈数据审计方案和效益评估。

  1. 130 分钟通话:任务、现有系统、由谁做决定
  2. 2梳理数据与流程,给出带周期与成本区间的分阶段计划
  3. 32–4 周原型,或成功标准预先约定的 8–12 周试点

首次接触即签署保密协议(NDA)

一个工作日内回复