Tekoälyratkaisuja kaivosteollisuuteen tutkimusyhteistyönä
Kun kaivosteollisuuden toimija, kuten Metso Oyj, pyrkii kehittämään ja modernisoimaan toimintaansa kokonaisvaltaisesti, syntyy sekä liiketoiminnallisesti että tutkimuksellisesti merkittäviä ja haastavia mahdollisuuksia. Tällöin ratkaisevaa on oikeiden kehityskumppaneiden tunnistaminen ja niiden osaamisen hyödyntäminen. Yhteinen tutkimushanke voi toimia katalyyttinä koko toimialan kehitykselle.
Kaivosteollisuuden visualisoinnissa ja optimoinnissa tarvitaan sekä fysiikan mallinnusosaamista että datalähtöistä lähestymistapaa. Tekoäly- ja koneoppimismalleilla pyritään parantamaan muun muassa energiatehokkuutta, kestävyyttä ja raaka-aineiden laatua. Tekoälyn käyttö mahdollistaa myös älykkään automaation, joka lisää työturvallisuutta, vähentää onnettomuusriskejä ja helpottaa henkilöstöpulaa sekä osaamistarpeita. Tekoälyä voidaan käyttää myös mineraalien tunnistamiseen, malminjalostuksen tehostamiseen ja hävikin vähentämiseen.
Business Finlandin rahoittaman kolmivuotisen, vuonna 2022 alkaneen AIMODE-yhteistyöprojektin tavoitteena on optimoida kaivosteollisuuden prosesseja ja niiden seurantaa reaaliaikaisesti tekoälyä hyödyntäen sekä kehittää teollisuuden dataan perustuva tekoälyavusteinen ohjausjärjestelmä. Projekti käynnistyi Metson aloitteesta, ja tutkimuskumppaneina mukana ovat Suomen tekoälykeskus FCAI, VTT, Aalto-yliopisto, Metson datan visualisointijärjestelmätoimittaja LightningChart sekä data-analytiikkaa tekevä Quva.
AIMODE-tutkimusryhmää johtaa FCAI:n ja Aalto-yliopiston professori Simo Särkkä. Projektipäällikkönä toimii Aalto-yliopiston lehtori Lauri Palva, johtavana tekoälytutkijana VTT:n Joonas Linnosmaa ja projektissa on lisäksi mukana useita tutkijoita Simo Särkän tutkimusryhmästä Aalto-yliopistolta sekä Anssi Laukkasen projektiryhmästä VTT:ltä. FCAI:n tutkijat kehittävät tekoälymenetelmiä ja sovelluksia, jotka LightningChart ja Quva integroivat Metson työkaluihin.
Optimointia laskemalla
“Matemaattisen optimoinnin ongelmat, prosessimallit ja ohjausjärjestelmät edellyttävät tehokasta laskentaa – niin kaivosteollisuudessa kuin muillakin aloilla. Siksi toimivien laskentajärjestelmien käyttö on osa toimivaa yhteistyötä. Kaivosteollisuus on meille uusi aluevaltaus, mutta tutkimusmielessä ei ole väliä, mitkä materiaalit kulloinkin putkessa liikkuvat, koska prosessioptimointi on periaatteessa toimialasta riippumatonta”, FCAI:n professori Simo Särkkä selittää.
Ilman reaalidataa koneoppimismalleja on mahdotonta opettaa ja optimointimalleja mahdotonta todentaa. Hankkeen tarvitsemaa tutkimusdataa on kerätty Metson asiakkaiden kaivoksilta, joissa toimintaa seurataan satojen antureiden avulla ja tämän lisäksi dataa on tuotettu digikaksosten avulla. Metso käyttää jo nyt pitkälle kehitettyjä toiminnan simulaattoreita, eli niin sanottuja digikaksosia, joilla testataan eri olosuhteita ja niiden vaikutuksia kaivostoimintaan ennen varsinaisia muutoksia.
“Metso edistää hankkeen ohella luonnollisesti myös omia sisäisiä kehityshankkeitaan. Se tarjoaa AIMODEn tutkijoille käyttöön aitoa dataa, jota hyödynnetään tekoälymallien toimivuuden todentamisessa. Näin varmistetaan, että ne toimivat kuten pitää”, kertoo VTT:n Joonas Linnosmaa.
Välineet laskentatarpeen mukaan – supertietokoneetkin käytössä
“Laskentaohjelmia ja -koneita käytetään kunkin projektin ja laskentatarpeen mukaan. Asiakkaalle on merkityksellistä se, että hoidamme laskentatarpeisiin sopivat järjestelmät kustannustehokkaasti heidän puolestaan. Hyödynnämme projektin jäsenten omia tai CSC:n resursseja skaalaustarpeen niin vaatiessa. Käytössä ovat niin pöytäkoneet, paikalliset klusterit, kaupalliset pilvipalvelut kuin CSC:n suurteholaskentapalvelutkin”, kertoo Linnosmaa.
VTT ja Aalto-yliopisto voivat tutkimuspartnereina hyödyntää projektissa veloituksetta CSC:n kansallisia supertietokoneita Puhtia, Mahtia ja Allasta sekä tarvittaessa myös LUMI-supertietokoneen tai kvanttitietokone Helmin kapasiteettia. LUMI on optimoitu erityisesti tekoälymallien kehitykseen ja se on yksi maailman johtavista tekoälykehitysalustoista.
Tutkimusmallit siirtyvät tehokkaasti
Tutkimusmallit siirtyvät näppärästi ja nopeasti esimerkiksi avoimen lähdekoodin Git-projektien hallintajärjestelmän avulla koneelta toiselle, ja jokainen tutkija huolehtii tarvitsemastaan laskentaresurssista itsenäisesti. Tehokkaiden supertietokoneiden avulla datasta saadaan tehtyä parempia ja tarkempia laskelmia sekä entistä parempia arvioita prosessien toiminnasta ja laadusta. Laskennallisesta prosessikehityksestä haetaan lisää tehokkuutta, kestävyyttä ja ekotehokkuutta hyödyntämällä mm. GPU-yksiköitä, joita käytetään tekoälymallien kuten neuroverkkojen kouluttamiseen.
“Nykyisin ’high-throughput’-simulointimallien kehityksessä käytetään yhä enemmän ns. surrogaatti- eli korvaavia pienempiä malleja optimoitavien parametrien seulomiseen ja löytämiseen. Usein tutkijat kehittävät omat surrogaattimallinsa projektin kehitystarpeiden mukaan parhaiksi näkemillään työkaluilla, ja opittua tietoa vaihdetaan jouhevasti eri tutkijoiden välillä”, valottaa Linnosmaa.
Konkreettista hyötyä
“AIMODE:ssa Metson mallintamiseen käyttämä Geminex digital twin -simulointiympäristön käyttö oli hankkeessa aivan keskeistä. Metso on tuonut projektiin arvokasta toimialatietämystään sekä mallien toiminnan ja tulosten luotettavuuden arviointia.
”Myös Metson asiakkaiden kiinnostus ja halukkuus osallistua AIMODEssa tehtävään tutkimukseen ja luovuttaa käyttödataansa mahdollistaa laajemmin koko toimialan kehityksen”, kuvaa Linnosmaa.
Uudet menetelmät kehitetään historiatiedon ja offline-mallien pohjalta. AIMODE-hankkeen kannalta luonteva jatko olisi striimata ja analysoida online-dataa suoraan kaivoksilta. Kehitystulokset ovat aina ensin osallistuvien yritysten käytettävissä, ja aktiivista vuoropuhelua käydään myös loppuasiakkaiden tarpeista ja mahdollisuuksista hyödyntää tutkimustuloksia mahdollisimman hyvin.
“Yhteistyöprojektit hyödyttävät kaikkia mukana olleita. Me tutkijat saamme hyviä referenssejä, jotka poikivat jälleen uusia projekteja, uusia kontakteja ja uutta osaamista, kun tulokset julkistetaan tieteellisissä artikkeleissa. Näin tulokset leviävät laajemmin käyttöön ja hyödyttävät koko toimialaa”, sanoo Särkkä.
“CSC:lle on aina erittäin mielenkiintoista ja hyödyllistä olla mukana TKI-projekteissa laskentasimulaatioiden ja uusien teknologioiden käytön mahdollistajana. Haluamme tarjota parhaita mahdollisia välineitä tutkijoiden käyttöön. Sujuva yhteistyö yritysten, korkeakoulujen ja CSC:n välillä onkin meillä erityisen kehityksen kohteena, koska koko Suomen kannalta on keskeistä, että kotimaisten sekä eurooppalaisten tutkimushankkeiden tueksi hankitut maailmanluokan laskentaresurssit ovat tehokkaasti hyödynnettyjä tutkimus- ja yrityskäytössä”, sanoo kehityspäällikkö Dan Still CSC:ltä.
Kuva: Paraisten kalkkikivikaivos, Adobe Stock
Dan Still
Dan Still vastaa teollisten kumppanuuksien ja verkostojen rakentamisesta, teollisen HPC käytön tehostamiseksi.