Projekt · Dnr 2024-02683 · Källa: Vinnova

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

Koordinator
STIFTELSEN FRAUNHOFER-CHALMERS CENTRUM FÖR INDUSTRIMATEMATIK
Projekttid
2024-11-04 till 2025-05-30 (avslutat)
Beviljat bidrag
995 474 SEK
Diarienummer
2024-02683

Beskrivning

Projektmålen har uppfyllts väl. Projektet visade att specifik energi vid sågning, P-våg och XRF-data kan användas för att prediktera bergarters mekaniska egenskaper. AI-modeller tränades för att förutsäga styrka och dessa värden användes i simuleringar av krossar och kvarnar. Metoden möjliggör snabbare och billigare analys av borrkärnor och kan på sikt förbättra energieffektiviteten i malningsprocesser samt planering av gruvans framdrift. Vi kunde även prediktera mineral-litologi relativt väl. På sikt kan metoden bidra till utveckling av digitala tvillingar för malningsprocesser direkt kopplade till de egenskaper som uppmätts och predikterat för hela populationen av borrkärnor, vilket ger bättre beslut, lägre kostnader för fysisk provning, lägre energiförbrukning och ökad hållbarhet i gruvdriften. Ramverket skulle sannolikt kunna integreras i prospektering och drift i realtid.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. eCoreX2 - AI-metoder för att Koppla Mineralogi och Sågning av Borrkärnor till Malningseffektivitet fas 2

    STIFTELSEN FRAUNHOFER-CHALMERS CENTRUM FÖR INDUSTRIMATEMATIK · 2025-11-15 · 6 014 091 SEK · Projekt

    Syftet är att utveckla och integrera en kostnadseffektiv metod för att förutsäga malmers malbarhet genom sågenergi, XRF och AI-baserad geometallurgisk modellering. Målet är att operationalisera metoden direkt hos behovsägarna genom integration i deras borrkärne- och analysflöden, och därmed leverera…

  2. Integrerad modellering för en hållbar och optimerad stålprocess (ProcTwin).

    Swerim AB · 2023-08-01 · 500 000 SEK · Projekt

    Målet med projektförslaget ProcTwin är öka energieffektiviteten och produktkvalitén vid framställningen av stål i Europa. Detta ska åstadkommas genom att utveckla ett operatörstöd som baseras på en självlärande distribuerad maskininlärningsmodell och hanterar hela processkedjor som en produktionsenh…

  3. Ytoxiden mellan prestation och haveri

    Lunds universitet · 2020-11-02 · 4 200 000 SEK · Projekt

    Projektets syfte var att accelerera utvecklingen av korrosionsbeständiga material genom avancerade prediktiva modeller. I projektet har utvecklats molekyldynamiska modeller för att simulera ytoxidlager och korrosionsförlopp, vilket förbättrat förståelsen för materialens beteende Elektrokemiska accel…

  4. Modellering av förslitning och degradering av rör inom raffinaderier med hjälp av maskininlärning

    STIFTELSEN FRAUNHOFER-CHALMERS CENTRUM FÖR INDUSTRIMATEMATIK · 2022-03-01 · 600 000 SEK · Projekt

    Vi nådde inte uppsatt mål om prediktion av rördegradering utifrån råoljematning, främst då merparten av tillgängliga data inte kunde uppvisa tillräcklig förslitning för modelleringssyfte. Projektet blev i stället ett insamlande av erfarenheter som kan vara av betydelse för fortsatt datainsamlande. I…

  5. Avancerad modellering av molnåterkopplingar och klimatförändringar med AI: Implikationer för alternativ energi

    Lunds universitet · 2020-11-15 · 5 634 189 SEK · Projekt

    De flesta projektmålen uppnåddes. Mål 3 och 4 slutfördes dock inte, vilket hindrade SMHI från att engagera sig. Det neurala nätverket konstruerades och testades offline. Tillräcklig noggrannhet demonstrerades offline. Det fanns tio publikationer och postdoktorns rapport som erkänner Vinnovas stöd (s…