鉱山のコンベアベルトの点検は、危険で時間がかかり、一貫性に欠ける作業です。これらのベルトは露天掘りや地下鉱山を通って数キロメートルにも及ぶことがあり、点検クルーは酸性の粉塵、極端な高熱、紫外線、快適とは言えない作業環境にさらされます。
従来は、作業員がベルトの全長を歩いて回り、何千ものコンポーネントの状態を目視で判断しなければなりませんでした。このプロセスは、過酷な環境や、どの部品がどこで故障していたかを正確に記憶することの難しさによって、さらに困難なものとなっていました。
SK Godeliusは、ロボット工学、computer vision、およびマルチモーダルセンシングを使用して、鉱山事業者がこれらの重要な資産を監視および維持できるよう支援しています。例えば、Ultralytics YOLO modelsを使用することで、SK Godeliusのロボットはコンベアベルトの横を移動し、ローラーなどのコンポーネントを自動的に検出し、どれが欠落しているか、停止しているか、または過熱しているかをフラグ付けすることができます。
世界で最も過酷な鉱山にロボット工学とAIをもたらす#
SK Godeliusは、2011年から活動しているエンジニアリングおよびロボット工学の企業であり、チリ、カナダ、オーストラリアにオフィスを構えています。ロボット工学、人工知能、エンジニアリング、そして深部採掘のドメイン専門知識を組み合わせて、困難な環境向けの技術を構築しており、長年にわたり、その技術は鉱山の安全性と効率性へのアプローチを変えてきました。
重要なことに、SK Godeliusはコードを書くだけでなく、自ら機械を設計および製造しています。それは、独自のセンサー、カメラ、プロセッサー、およびオンボードインテリジェンスを搭載し、露天掘りや地下鉱山において人間の監督がほとんどまたは全くない状態で動作可能なロボットです。
この作業の背後にある中心的な目標は、人々を危険から遠ざけることです。Mining inspectionsは、しばしば作業員を危険な環境に密接に接触させ、SK Godeliusはそれらの高リスクな手動タスクを、より安全かつ一貫して作業を実行できる自律システムに置き換えることを目指しています。
ロボット工学とAIを組み合わせることで、SK Godeliusは鉱山事業者に機器の状態を把握するための信頼性が高く再現可能な方法を提供し、かつて危険な手動の雑務であったものを、標準化されたデータ駆動型のプロセスへと変革します。
手動コンベア点検の隠れたコスト#
コンベアベルトは鉱山のバックボーンであり、数キロメートルに及ぶ距離にわたって鉱石を継続的に移動させます。それらを稼働させ続けるということは定期的な点検を意味し、従来、それは作業員が手作業でラインの全長を歩くことを意味していました。
露天掘り鉱山では、その作業は強い日差し、粉塵、空気中の酸、そして不自然な姿勢での長時間の作業のもとで行われます。地下では、点検員は閉鎖空間、低照度、劣悪な換気、限られた視界などの異なる環境に直面します。
どちらの環境でも、点検は作業員を要求の厳しい、時には危険な環境の近くに置きます。また、手動のアプローチは一貫性を保つことも困難です。
数キロメートルのベルトを歩く1人の人間が、すべての不具合、どのローラーが過熱していたか、どれが停止していたか、問題が正確にどこにあったかを簡単に捉えて記憶することはできません。シフトが異なれば報告内容も異なるため、同じベルトでも日によって評価が異なり、時間の経過に伴う問題の追跡やパターンの特定が困難になります。
その一貫性の欠如には現実のコストが伴います。大規模な鉱山では、コンベアの故障により生産損失が1時間あたり最大10万ドルに達することがあり、破断したベルトの修復には1回または2回の完全なシフトがかかる場合があります。完全で一貫したデータがない場合、事業者は故障を未然に防ぐのではなく、故障が発生した後に対応せざるを得なくなることがよくあります。
Ultralytics YOLOによるコンベアベルトの点検#
automate conveyor点検のために、SK Godeliusはラインに沿って移動し、移動しながら視覚的、熱的、および音響的なデータをキャプチャするロボットプラットフォームを使用しています。
各センサーには役割があります。音響分析は熱として表面化する前にローラーのトラブルを聞き取り、サーマルカメラはどのコンポーネントが高温で動作しているかを明らかにし、Ultralytics YOLO modelsを活用するビジョンAIパイプラインが視覚データをリアルタイムで解釈します。
図1. Ultralytics YOLOを使用してコンベアベルトを点検するSK Godeliusのロボット（Source）
SK Godeliusが追跡する50を超えるコンベア故障モードのうち、約20は視覚的なもの（computer visionパイプラインを通じて対処されるもの）であり、残りの故障モードは補完的なセンシング技術を通じて捕捉されます。Ultralytics YOLO modelsはcomputer vision tasks（object detectionなど）をサポートしているため、コンベアライン上で最も重要なコンポーネントと条件をシステムが識別でき、YOLOはより広範なマルチモーダル点検ソリューションの核心的な要素の1つとなります。
それは、個々のローラーを選別して欠落しているものや回転しなくなったものにフラグを立て、ベルトの下に蓄積している材料を発見し、開けたままにされたフェンスや、存在すべきではない場所にあるオブジェクトや車両など、ラインの通常の状態から外れるあらゆるものを捕捉することを意味します。
これらの過厳しい環境で検出の信頼性を維持するために、SK GodeliusはUltralytics YOLOv8から始めて、その後Ultralytics YOLO11に移行しました。それらは速度と精度の強力なバランスを提供する中規模のモデルバリアントを活用し、クラウドではなくエッジ上のロボットのオンボードハードウェアでそれを実行します。これは、検出がライン上でまさにその場所で行われることを意味します。
なぜUltralytics YOLOモデルを選ぶのか#
SK Godeliusにとって、Ultralytics YOLO modelsの主な利点は精度です。コンベアライン上で、システムはどのコンポーネントが故障しているか、それがどこに位置しているかを正確に識別する必要があり、YOLOは点検がラインに沿って移動するにつれて特定のパーツを正確に特定するために必要な精密な検出を提供します。
図2. 鉱山コンベアに展開されたUltralytics YOLO。画像提供: Godelius
一貫性も同様に重要です。数キロメートルのベルトを歩く1人の作業員はすべての不具合を確実に捉えて記憶することはできませんが、YOLOベースのビジョンモデルは毎回同じ方法でラインを評価します。その一貫した検出はSK Godeliusのより広範な点検プラットフォームにフィードされ、それが標準化されたレポート、トレーサビリティ、およびより信頼性の高い決定をサポートするメンテナンスワークフローへと変換されます。
モデルはまた、クラウドではなくロボット上で直接、エッジで効率的に実行されます。これにより、接続が制限され、熱、粉塵、酸が空気中にある過酷な条件の遠隔鉱山サイトでも、検出が高速かつ信頼性の高い状態に保たれます。
Ultralytics YOLOにより95%を超える平均週間カバレッジを維持#
Ultralytics YOLOを搭載した自律点検ソリューションでコンベア点検を自動化することにより、SK Godeliusはそれらをより速く、より安全に、そしてはるかに一貫性のあるものにしました。システムが問題を検出すると、その発見を正確なGPS位置に関連付け、問題がどこにあるかを（多くの場合1メートル以内で）正確に示すレポートとともにサポートデータをメンテナンスチームに送信します。
ラインの手動での歩行を置き換えることは、人員が危険な環境にさらされる頻度も減らし、標準化された再現可能な検出は、チームが故障が発生した後に対応するのではなく、エスカレートする前に問題に対処できることを意味し、大規模な鉱山で停止したコンベアが引き起こす可能性のある費用のかかるダウンタイムを回避するのに役立ちます。
図3. 不具合と異常がないか鉱山コンベアベルトを監視する（Source）
これらの利点は、SK Godeliusの鉱山オペレーションの1つで明確に現れており、そこでは自律型コンベアベルト点検システムが露天掘りと地下の両方の10を超える鉱山サイトに展開され、運用キャンペーン全体で16を超えるコンベアを評価し、95%を超える平均週間カバレッジを維持しています。
その期間中、3,400を超える異常が検出され、そのうち900以上が重大として分類され、チームに故障につながる可能性が最も高い問題の早期警告を与えました。全体として、その結果は、トレーサビリティがあり、再現可能で、データ駆動型の点検プロセスであり、鉱山がメンテナンスの優先順位付けを改善し、リスクをより早く特定し、重要な資産を稼働させ続けるのに役立っています。
より安全でスマートな鉱山点検の構築#
SK Godeliusが拡大するにつれて、SK Godeliusはシステムが検出できる範囲と処理できる条件を広げることに取り組んでいます。ベルトの摩耗を測定するための3Dイメージングと振動分析の使用、ベルトコンポーネントを点検するためのX線、およびベルトの下を掃除するためのロボットなどのアイデアを模索しており、最新のUltralytics YOLO26モデルを使用して検出精度と効率をさらに高めることに熱心です。
ロボット工学、マルチモーダルセンシング、およびUltralytics YOLOを組み合わせることで、SK Godeliusはコンベア点検を危険な手動タスクから、重要な資産を稼働させ続け、人々を危険から遠ざける標準化された予測プロセスへと変革しています。
computer visionがビジネスをどのように変革できるか興味がありますか？GitHub repositoryを探索して、Ultralytics YOLO modelsがAI in manufacturingやcomputer vision in roboticsなどの革新をどのように変革しているかをご覧ください。licensing optionsの詳細を確認し、今日からよりスマートで効率的な自動化への旅を始めましょう。
