Expertsystem för felsökning av gruvmaskiner har utvecklats som ett verktyg för att förbättra driftsäkerhet och minska stilleståndstider i gruvindustrin. Artificiell intelligens och expertsystem används där intuition, erfarenhet och slutledningsförmåga är avgörande, särskilt vid felsökning av komplexa maskiner där traditionella diagnostiska metoder är ineffektiva. Genom att samla expertkunnande i en digital kunskapsbas kan även mindre erfarna tekniker snabbt identifiera fel, vilket reducerar reparationstider och förbättrar maskinutnyttjandet. Ett expertsystem består av en kunskapsbas med fakta och regler samt en inferensgenerator som tolkar och tillämpar dessa regler för att dra slutsatser. I konventionella datorprogram är exekveringsordningen fördefinierad, medan ett expertsystem dynamiskt anpassar sig utifrån tillgänglig information. I Sverige har intresset för expertsystem inom gruvunderhåll ökat, eftersom driftstörningar och reparationer utgör en betydande del av produktionskostnaderna. Undersökningar har visat att upp till 60 % av reparationstiden kan gå åt till felsökning och att endast 20 % av maskinreparationerna är planerade i förväg. För att effektivisera underhållet utvecklades expertsystemet PROGNOS vid Högskolan i Luleå i samarbete med LKAB. Systemet är hierarkiskt uppbyggt och konstruerar hypoteser baserade på symtom, vilket möjliggör systematisk felsökning av exempelvis transmissionssystemet på en Toro 500-lastmaskin. PROGNOS är en tidig demonstration av expertsystemens potential inom svensk gruvindustri och markerar ett första steg mot AI-baserad diagnostik för komplexa maskinsystem.
BK