eCoreX effektiviserar malning med AI-metoder

Genom att utnyttja befintligt borrkärnematerial och kombinera det med ny mätteknik och avancerad simulering tar eCoreX malmprognoser till en ny nivå. Forskningsprojektet pekar på betydande potential för mer energieffektiv och förutsägbar malning.

Projektet AI-metoder för att Koppla Mineralogi och Sågning av Borrkärnor till Malningseffektivitet (eCoreX) genomfördes mellan november 2024 och maj 2025. Förstudien var ett av de projekt som fick stöd en de första av Swedish Metals & Minerals utlysningar.

I eCoreX har man tagit sig an en central utmaning inom gruvindustrin, nämligen att på ett snabbare och mer kostnadseffektivt sätt kunna förutsäga hur malm kommer att bete sig i krossnings- och malningsprocesser. Bakgrunden är att gruvor tar upp stora mängder borrkärnor för att kartlägga malmkroppar och skapa beslutsunderlag inför investeringar och drift. För att möjliggöra analys klyvs alla borrkärnor med en diamantsåg. Projektets grundidé var att undersöka om det går att mäta sågenergin vid denna klyvning och, tillsammans med andra typer av mätdata, använda informationen för att prediktera malmens hållfasthet och därmed kostnaden för efterföljande krossning och malning.

Eftersom traditionella tester av malbarhet och hållfasthet är dyra genomförs de ofta i begränsad omfattning, vilket gör att gruvbolag får arbeta med för få datapunkter och därmed stor osäkerhet i sina prognoser.

– Vi ville därför se om man genom att dubbelutnyttja arbetet som redan läggs på borrkärnehantering och kombinera detta med ny mätteknik, AI och avancerad simulering kan nå en helt ny nivå av prediktionsförmåga, säger Johannes Quist, forskare vid Fraunhofer-Chalmers Centre samt projektledare för eCoreX.

Visionen kan beskrivas som att gå från ett värde som ska representera en eller flera miljoner ton malm till ett värde för varje meter borrkärna – en radikal ökning av datadensiteten. En sådan utveckling skulle ha stor betydelse både för energieffektiv och hållbar metallproduktion och för den framtida råvaruförsörjningen. Med bättre förutsägelser kan man minska energianvändning, slitage och osäkerhet i produktionen, samt planera drift mer precist.

Projektets mål var att utvärdera om det är möjligt att kombinera mätdata från borrkärnor – så som sågenergi, hållfasthetstester, hårdhet och mineralsammansättning från XRF-scanning – med avancerad DEM-modellering för att tidigt kunna förutsäga egenskaper i malnings- och krossningsprocesser.

På vägen stötte projektet dock på flera utmaningar. En av dem var att integrera många olika typer av data och samtidigt säkerställa att mätpunkterna för varje borrkärna verkligen matchade rätt djup och position längs kärnan. För att hantera detta utvecklade projektet en ny datastruktur med en upplösning på 2 centimeters intervall. En annan utmaning var tidsåtgången och kostnaderna för enaxliga kompressionstester på intakta kärnor – tester som helst hade behövt vara betydligt fler. Detta är en fråga som nu tas vidare i projektets uppföljare, fullskaleprojektet CoreX2, som nyligen blev beviljat.

Samarbetet inom konsortiet har enligt Johannes Quist varit en av projektets stora styrkor. Boliden bidrog som aktiv behovsägare och drivande partner, och för att klara den ambitiösa projektplanen arbetade gruppen iterativt. Allteftersom borrkärnelådor genomgick experimentplanen byggdes datasetet gradvis upp, vilket gjorde att forskare inom dataanalys, AI och simulering kunde börja arbeta tidigt och förbättra modellerna successivt när mer data blev tillgänglig.

– Förstudien visar att kombinationen av borrkärnedata, AI och avancerad modellering har stor potential. Projektet har resulterat i lovande korrelationer, en fungerande testmetodik och en gemensam framtidsvision. Samtidigt har vi lärt oss vikten av mycket noggrann datainsamling och fått insikt i vad man behöver göra annorlunda – inte minst att hitta lösningar för att öka mängden hållfasthetsdata, gärna genom tester på halvkärnor, säger Johannes Quist.

Det arbete som byggts upp i förstudien blir nu utgångspunkt för fullskaleprojektet eCoreX2. I nästa fas ansluter även Luleå tekniska universitet till projektgruppen, liksom LKAB som ny behovsägare med annan typ av malm och omfattande erfarenhet. Planen är att skala upp mätningarna – initialt fortsatt i labbmiljö, samtidigt som man utvecklar kapacitet för mätningar i produktionsmiljö. På så sätt ska både starkare dataset skapas och modellerna verifieras och valideras på en högre TRL-nivå. Förhoppningen är att detta arbete på sikt ska leda till nya möjligheter att skapa beslutsstöd som stärker framtidens hållbara råvaruförsörjning.

Projektparter: Fraunhofer-Chalmers Centre (FCC) och Boliden

Bilder: Bild på en borrkärna från projektmöte vid Fraunhofer IEG i Bochum, samt en bild på sågen in action.