Nghiên cứu khả năng ứng dụng công nghệ số trong giám sát, nhận diện, cảnh báo cho công tác xúc bốc - vận tải trên các mỏ lộ thiên thuộc TKV

Cơ quan:
1 Viện Khoa học Công nghệ Mỏ - Vinacomin, Số 3, Phan Đình Giót, Hà Nội, Việt Nam
2 Trường Đại học Mỏ - Địa chất, 18 Phố Viên, Đông Ngạc, Hà Nội, Việt Nam
- *Tác giả liên hệ:This email address is being protected from spambots. You need JavaScript enabled to view it.
- Từ khóa: Cách mạng công nghiệp 4.0, chuyển đổi số ngành mỏ, AI nhận diện nguy cơ, xúc bốc - vận tải.
- Nhận bài: 03-05-2026
- Sửa xong: 06-06-2026
- Chấp nhận: 10-06-2026
- Ngày đăng: 20-08-2026
- Lĩnh vực: Khai thác mỏ
Tóm tắt:
Công tác xúc bốc và vận tải tại các mỏ lộ thiên của Tập đoàn Công nghiệp Than - Khoáng sản Việt Nam (TKV) đang phải đối mặt với nhiều thách thức ngày càng gia tăng liên quan đến chi phí vận hành, an toàn lao động và tác động môi trường, đặc biệt trong điều kiện khai thác xuống sâu. Trước yêu cầu hiện đại hóa và phát triển bền vững, một khung công nghệ số tích hợp dựa trên nền tảng các công nghệ chủ chốt của cách mạng công nghiệp 4.0 được đề xuất với 03 mô đun cốt lõi về giám sát và tối ưu hiệu suất bằng trí tuệ nhân tạo (Artificial Intelligence - AI); nhận diện nguy cơ (Computer Vision) và cảnh báo an toàn (Time To Collision). Kết quả nghiên cứu cho thấy, việc triển khai khung công nghệ số tích hợp này có khả năng cải thiện đáng kể các chỉ số hiệu suất chính (KPIs) về an toàn, hiệu quả và tính bền vững cho công tác xúc bốc – vận tải trên các mỏ lộ thiên. Qua đó, hệ thống góp phần nâng cao năng lực cạnh tranh và thúc đẩy quá trình chuyển đổi số trong hoạt động khai thác lộ thiên tại TKV.
[1] Aaron Young, Pratt Rogers (2019), A Review Of Digital Transformation In Mining, Mining, Metallurgy & Exploration.

[2] Rockwell Automation (2025), Digital Transformation: Enabling Successful Initiatives In The Mining Industry.

[3] Huili Zhang, Binghao Li (2023), Recent Advancements In Iot Implementation For Environmental, Safety, And Production Monitoring In Underground Mines, Internet Of Things Journal PP (99):1-1

[4] Fangming Qu, Nolan Dang (2024), Comprehensive Study Of Driver Behavior Monitoring Systems Using Computer Vision And Machine Learning Techniques, Journal Of Big Data

[5] Mihiran Galagedarage Don, Thumeera R. Wanasinghe (2025), Digital Twins And Enabling Technology Applications In Mining: Research Trends, Opportunities, And Challenges, IEEE Access Pp(99):1-1

[6] Carlos Ferreira, Gil Gonçalves (2023), LSTM-BASED-AUTO-BI-LSTM For Remaining Useful Life (RUL) Prediction: The First Round Of Test Results, General Machine Learning. 
Các bài báo khác






