بررسی میزان اثربخشی استفاده از سامانه‌های هوشمند ماشین آلات معدنی بر پارامتر‌های بهداشت، ایمنی و محیط زیست و نگهداشت پیشگیرانه

مقدمه: به منظور شناسایی و بررسی اثرات ظهور فناوری در صنعت و به خصوص صنعت معدن، در این مطالعه تاثیر استفاده از سامانه‌های هوشمند ماشین‌آلات، شامل سیستم نظارت بر سلامت خودرو (vhms: vehicle health monitoring system)، سیستم کنترل هوشمند عملیات معدنکاری (dispatching) و سنسور پایش فشار باد لاستیک (tpms: tire pressure monitoring system) بر پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه در صنعت معدن مورد بررسی قرار گرفت.روش کار: پژوهش حاضر یک مطالعه توصیفی- تحلیلی است که در دو بازه زمانی قبل و بعد از به کارگیری سیستم‌های هوشمند ماشین آلات معدنی انجام شده است. در ابتدا پارامتر‌های بهداشت، ایمنی، محیط‌زیست و نگهداشت پیشگیرانه شناسایی شد، سپس با مقایسه و تحلیل وضعیت و استفاده از روش دلفی، پارامتر‌های منتخب پیش‌و پس از راه اندازی سامانه‌های هوشمند ماشین‌آلات معدنی و میزان اثربخشی استفاده از این سامانه‌ها تعیین گردید.یافته ها: یافته‌ها نشان داد که به کارگیری سیستم‌های هوشمند ماشین آلات معدنی با فرض ثابت بودن شرایط محیطی منجر به کاهش حوادث تجهیزاتی به میزان 33/3 درصد، افزایش عمر مفید لاستیک 7/1 درصد، کاهش مصرف سوخت 14/6 درصد، کاهش میانگین زمان خاموشی ماشین جهت تعمیر 25/5 درصد و افزایش مطابقت با برنامه نگهداشت 5/7 درصد شده است.نتیجه‌گیری: استفاده از سامانه‌های هوشمند ماشین آلات معدنی می‌تواند اثرات مثبتی در زمینه ایمنی ماشین آلات، کاهش اثرات زیست‌محیطی از جمله مصرف سوخت و همچنین بهبود شرایط نگهداشت ماشین‌آلات سنگین داشته باشد که این امر منجر به بهبود شرایط استخراج و کاهش هزینه‌ها می‌گردد. 

studying the effectiveness of using intelligent mining machinery systems on health, safety, and environmental parameters and preventive maintenance

introduction: the goal of this study is to investigate how the development of technology has affected the industry (especially the mining industry). for this purpose, this paper examines the impact of intelligent mining machinery systems, including tire pressure monitoring systems (tpms), dispatching systems, and vehicle health monitoring systems (vhms), on health, safety, and environmental parameters and preventative maintenance.material and methods: this study is descriptive-analytical research that was conducted between time intervals before and after employing the intelligent mining machinery systems. initially, parameters were identified using the delphi method. these parameters include human accidents, equipment accidents, environmental incidents, warnings and fines in the domains of health, safety, and the environment, tire usage parameters, the shelf life of the tire, oil overfill, fuel consumption, failure rate, mean time between failures, and preventive maintenance compliance schedules in the domain of preventative maintenance. the effectiveness of using these systems was then assessed by comparing the state of the specified parameters before and after the introduction of the intelligent mining machinery systems.results: the findings of this research indicate that using intelligent mining machinery systems will decrease equipment accidents by 33.3%, extend the useful life of tires by 7.1%, reduce fuel consumption by 14.6%, cut the mean time required to repair by 25.5%, and enhance preventive maintenance compliance schedules by 5.7%.the findings showed the effectiveness of the use of intelligent systems of mining machines was obtained as follows: reduction of equipment accidents by 33.3%, increasing the useful life of tires by 7.1%, reducing fuel consumption by 14.6%, reducing the average downtime of the car for repair by 25.5% and increasing compliance with the maintenance program by 5.7%.conclusion: utilizing intelligent mining machinery systems might have a positive impact on the safety of machines, reduce negative environmental effects like fuel consumption, and improve the maintenance of heavy machinery, which would lead to better mining conditions and lower costs.