Machine learning data fusion for Ore Tracking:
Mot realtidsimplementering av geometallurgiska modeller

Projektet syftar till att spåra malmen från gruvan till anrikningsverket och skapa prediktiva modeller som kopplar samman malmegenskaperna i blockmodellen med den faktiska anläggningsprestandan. Detta kommer att göras genom att integrera geologiska 3D-data med befintliga gruv- och driftsdata med hjälp av maskininlärningsalgoritmer. De prediktiva modeller som genereras kan ligga till grund för geometallurgiska modeller i form av digitala tvillingar för processanläggningen, vilket behövs för gruvplanering och optimering i realtid.

Projektet är finansierat av Boliden Mineral AB.

Forskare från Luleå tekniska universitet

• Glacialle Tiu
• Nils Jansson
• Foteini Liwicki
• Christina Wanhainen