스트라텀AI
StratumAI
딥러닝으로 지하 자원 매장량을 정밀 예측하여 광산의 채굴 효율과 수익성을 극대화하는 AI 솔루션
유료Web
웹사이트 방문하기stratum.gs
사이킷런와(과) 비교하기스트라텀AI 대안 모아보기소개
StratumAI는 딥러닝 기술을 활용하여 지하 자원의 분포를 예측하고, 기존의 통계적 내삽법을 대체하여 광산 운영의 효율성을 극대화하는 AI 솔루션입니다. 주요 기능으로는 개선된 모델링과 동적 검증을 통해 광석과 폐석을 정밀하게 구분하여 평균 채굴 품위를 높이는 것이 있습니다. 또한 경제성이 있는 지역에 자원을 집중 배치하고 비경제적 구역은 지하에 남겨둠으로써 광산 계획의 실질적인 순현재가치(NPV)를 증대시킵니다. 더불어 광산 내 광석을 실시간으로 추적하여 희석이나 모델링 오류를 신속하게 수정하는 동적 조정 및 오류 정정 기능, 그리고 시추 프로그램의 효율성을 높여 시추공당 더 많은 정보를 얻게 하는 개선된 시추 타겟팅 기능을 제공합니다. 타겟 사용자는 금, 구리 등의 금속 광산을 운영하는 광업 기업의 지질학자 및 광산 엔지니어입니다. 이들은 비싼 시추 비용을 절감하고 자원 개발 속도를 높이기 위해 이 도구를 활용합니다. 특히 시추 구멍 사이의 자원량을 예측하여 최적의 시추 위치를 결정하는 실제 사례에 적용됩니다. 가격 및 접근성에 대한 구체적인 정보는 제공되지 않으므로, 서비스 이용을 위해서는 별도의 문의가 필요합니다.
활용 워크플로우
입력
다이아몬드 및 RC 시추 데이터 (Assay)발파공(Blast hole) 분석 샘플과거 지질학적 블록 모델 및 맵실시간 생산 현장 센서 데이터
스트라텀AI
SAIGE 엔진 기반 비선형 지질 상관관계 학습딥러닝 기반 고해상도 3D 자원 분포 모델링광석-폐석 경계 동적 최적화 및 세분화지질 야금학적(Geometallurgical) 속성 분석
출력
AI 생성 정밀 3D 블록 모델NPV 극대화 채굴 경로 계획서최적 시추 타겟 좌표 및 우선순위 리포트암석 강도 및 회수율 예측 데이터
탐사 및 확장 단계 (Brownfield)
시추공 사이의 자원량을 예측하여 최소한의 시추로 최대 정보를 얻는 시추 위치 최적화
생산 및 운영 단계 (Grade Control)
실시간 채굴 데이터를 모델에 즉각 반영하여 품위 편차를 줄이고 폐석 희석 방지
핵심 차별점: 기존의 통계적 내삽법(Kriging)을 넘어 딥러닝으로 복잡한 비선형 지질 구조를 학습하여 자원량 예측 오차를 획기적으로 줄입니다.
주요 기능
- 딥러닝 기반 광물 분포 예측 모델
- 시추 데이터 분석으로 광석·폐석 구분 정확도 향상
- 전통 통계 보간법 대비 실시간 광석 추적
- 금·구리 등 다양한 금속 광종 지원
- 광산 계획 및 등급 관리(Grade Control) 최적화
- 파일럿 기준 광산당 연간 ~1,000만 달러 가치 창출
장점 & 단점
웹검색을 통해 수집된 사용자 피드백 정보입니다
장점
- 기존 방식 대비 폐석 혼입률을 20~40%까지 줄여 연간 약 1,000만 달러(약 130억 원) 이상의 경제적 가치를 창출할 수 있다는 점이 입증되었습니다. 대규모 광산 기업(Vale, Teck 등)과의 협업을 통해 기술력을 검증받았으며, 별도의 하드웨어 설치 없이 기존 시추 데이터만으로도 3D 모델링 정확도를 8~12% 향상시킬 수 있어 도입 효율이 높습니다. 또한 NI 43-101 등 국제 매장량 보고 기준과 호환되도록 AI 와이어프레임을 내보낼 수 있어 실무 적용성이 뛰어납니다.
- 구리 광산에서 2년간 예측 정확도 58% 향상 달성
- 실시간 광석 추적으로 희석 및 품위 관리 오류 빠르게 교정
- 금광에서 기존 데이터만으로 분기별 함유 온스 편차 약 70% 감소
- 전통적 지질통계보다 좁은 금맥 위치·방향 더 정확히 식별
- 산화물·전이대·황화물 광석 구분 능력 현저히 향상
- 광산당 연간 약 1천만 달러 가치 창출로 폐기물 감소 및 수율 증가
단점
- 딥러닝 모델의 성능이 초기 학습 데이터의 질에 크게 의존하므로, 시추 데이터가 부족한 신규 광산(Greenfield)보다는 데이터가 축적된 기존 광산에서 효과가 더 뚜렷하다는 한계가 있습니다. 또한 보수적인 광산업계 특성상 전통적인 지질 통계 방식 대신 AI의 판단을 수용하는 과정에서 기술적 신뢰도에 대한 심리적 장벽이 존재할 수 있습니다. 독자적인 설계 도구라기보다는 예측 엔진에 가깝기 때문에 전체 광산 운영을 위해서는 Deswik이나 Vulcan 같은 기성 소프트웨어와 병행하여 사용해야 하는 번거로움이 있을 수 있습니다.
- 생산적 ML 모델을 위해 75,000개 이상의 분석 데이터 포인트 필요
- 25,000~75,000개 데이터에서 ML 비용 효율성 논쟁적
- 신규 탐사용이 아닌 밀집된 시추 데이터 필요한 운영 환경 전용
- 과소적합 또는 과대적합 시 모델 실패 위험 존재
- 외부 서버 처리 시 출력 데이터 소유권 관련 법적 복잡성 발생
가격 정보
유료시작 가격: 가격 문의
광업 및 지질학 데이터를 분석하여 자원 매장량을 예측하고 채굴 효율을 높이는 기업용 AI 솔루션입니다. 공식 웹사이트에 공개된 정찰제 가격은 없으며, 기업의 프로젝트 규모와 요구 사항에 따라 별도의 상담을 통해 가격이 결정됩니다.
정보 확인일:
활용 사례
- 금광·구리 광산의 광석 등급 예측 및 채굴 계획 수립
- 시추 데이터 기반 광물 매장량 모델링
- 폐석 분리 최적화로 채굴 수율 향상
- 광산 엔지니어링 팀의 자원 모델 정확도 개선
대상 사용자
광산 운영 엔지니어광업 회사 지질학자자원 모델링 전문가광산 계획 및 등급 관리 팀
태그
데이터 분석엔터프라이즈클라우드에이전트자동화
최근 소식
확인된 변경 내역
사용자 리뷰
리뷰를 불러오는 중...
대안 도구
이 도구 대신 사용할 수 있는 대안
