Journal of the Korean Society of Mineral and Energy Resources Engineers ISSN:2288-0291(Print) 2288-2790(Online) 한국자원공학회지

국내 폐광산에서 발생하는 산성광산배수(AMD)는 대부분 산악지형에서 발생하여, 원형침전조 설치를 위한 부지 확보에 어려움이 있다. 본 연구에서는 침전공정을 레이크 여과기 및 벨트형 여과기로 대체하는 모듈형 여과분리 시스템을 개발하고, 강릉시 소재 폐광산의 갱내수를 대상으로 30 m³/d 규모의 파일럿 실증을 수행하였다. 레이크 및 벨트형 여과공정과 기존 산화중화-침전 공정의 처리 성능을 비교한 결과, 3가지 공정 모두 주요 오염원인 Fe와 Al에 대해 99%, 94% 이상의 높은 제거율을 달성하여 침전공정 대체 가능성을 확인하였다. 슬러지 함수율은 레이크 95.0%, 벨트형 99.0%, 원형침전조 98.8%로 나타났으며, 경제성 분석 결과 모듈형 여과분리 시스템이 기존 대비 부지 조성면적 18.6%, 시설 설치비 30.4%, 연간 운영비 10.3%의 절감 효과가 있는 것으로 나타났다. 본 연구는 파일럿 규모 평가를 통해 AMD 처리공정에서 기존 원형침전조를 여과·분리 공정으로 대체할 수 있는 적용성을 검증하였으며, 처리효율을 유지하면서 시설면적과 설치비·운영비를 절감할 수 있음을 확인하였다.

본 연구는 ICT 모니터링 자료와 현장 타임스터디 자료를 결합하여 노천 석회석 광산의 원석 운반공정을 모의하는 이산사건 시뮬레이션 모델을 개발하였다. 운반공정은 공차 이동, 로더 적재, 실차 이동, 호퍼 하역 및 장비 대기 과정으로 구성하였다. ICT 로그만으로 직접 산정하기 어려운 적재·하역 작업시간과 공차·실차 이동시간 비율은 타임스터디 결과를 이용하여 보완하고, 동일 트럭의 연속 하역기록과 작업장별 운반거리 자료를 이용하여 시뮬레이션 입력자료를 산정하였다. 개발된 시뮬레이션 모델은 2023년 4월 5일과 2024년 7월 18일의 현장 운반실적과 비교하여 검증하였다. 총 운반량 오차율은 각각 4.95%와 1.39%로 나타났으며, 트럭별 운반횟수도 현장자료와 유사한 경향을 보였다. 또한 장비조합 시나리오 분석을 통해 트럭·로더 유형 및 투입 대수 변화가 운반량에 미치는 영향을 평가할 수 있음을 확인하였다.

타워크레인은 고위험 건설기계로 작업자 접근을 최소화하고 결함을 주기적으로 탐지할 수 있는 자동화 외관 검사 기술이 필요하다. 본 연구에서는 무인항공기(UAV) 영상과 YOLO11l 기반 객체 탐지 모델을 활용하여 타워크레인 외관 결함 요소의 자동 탐지 가능성을 검토하였다. 타워크레인을 대상으로 4,297장의 UAV 원본 영상을 확보하고, 선별 및 합성 이미지 추가를 통해 실제 UAV 이미지 229장과 합성 이미지 121장으로 구성된 350장의 데이터셋을 구축하였다. 마스트 볼트·볼트캡, 턴테이블 모터박스, 메인붐 스토퍼 패킹 관련 7개 클래스를 라벨링하였다. 테스트 결과 Precision 0.849, Recall 0.779, mAP@50 0.878, mAP@50–95 0.670을 보여 UAV 기반 고위험 장비 점검 자동화 가능성을 확인하였다.

지하 광산은 밀폐된 구조로 인해 유해가스 누출, 붕락 등 중대재해 위험이 크며, 기존 현장 인력 의존형 관리 방식은 신속 대응에 한계가 있다. 본 연구는 ESP32 기반 오픈소스 하드웨어를 활용하여 CO, CO₂, NO₂, O₂를 실시간 모니터링하고, 환기 및 배수장치를 원격 제어할 수 있는 스마트 안전관리 시스템을 개발하였다. CFD 기반 기류 해석 결과를 고려하여 저속 정체 및 재순환 가능 구간을 우선 감시 후보로 선정하고, 현장 설치 가능성과 통신 연결성을 함께 반영해 센서 배치를 결정하였다. 현장 실증에서는 데이터 전송, 데이터베이스 저장, 모바일 화면 표시 및 원격 스위치 조작을 확인하여 제안 시스템의 현장 적용 가능성을 평가하였다.

셰일층은 복잡한 유동 메커니즘으로 인해 예측값에 불확실성이 존재하여 최근 기계학습을 활용한 생산량 예측을 수행하고 있으나, 입력자료의 불균질성이 모델 학습에 미치는 부정적 영향에 대한 연구는 부족한 실정이다. 이 연구에서는 주성분 분석 결과 기반의 K-평균 군집화를 활용하여 생산특성이 유사한 군집을 형성하였으며, 생산이력특성 추출 후 이를 장단기기억 신경망의 추가 입력자료로 반영하여 셰일가스 생산량을 예측하였다. 그 결과, 생산이력만을 활용한 모델 대비 MAPE, NRMSE가 각각 약 11%p, 7%p 감소하였다. 이 연구는 자료의 불균질성에 기인한 모델의 학습성능 저하를 완화하기 위한 방법론을 제안하며, 향후 현장의 생산계획 수립을 위한 참고자료로 활용할 수 있을 것이다.

본 연구는 스마트 광산 환기시스템용으로 설계된 축류팬(Axial Fan)의 전산유체역학(CFD) 기반 성능 예측을 제시한다. 해당 송풍기는 실제 설계 제원을 바탕으로 모델링되었으며, ANSYS CFX를 사용하여 정상 상태(Steady-state) 조건에서 수치 시뮬레이션을 수행하였다. 회전 유동 특성을 포착하기 위해 SST 난류 모델과 Frozen Rotor 기법을 적용하였다. 계산 영역은 수치 해의 안정성을 향상시키기 위해 내부 유동 영역과 확장된 외부 유동 영역을 모두 포함하였다. CFD 해석 결과는 송풍기 시험 설비에서 얻은 실험 데이터와 비교하여 허용 오차 범위 내에서 검증되었다. 본 연구 결과는 제안된 CFD 모델이 가변 주파수 조건하에서 송풍기 성능을 효과적으로 예측할 수 있음을 입증한다. 이러한 접근 방식은 광산 환기시스템용 축류팬의 설계 검증 및 최적화에 신뢰성 있는 도구로 활용될 수 있음을 보여준다.

탄소중립과 에너지 전환에 따라 리튬·코발트·니켈·구리·흑연·희토류 등 핵심광물 수요가 급증하고 있다. 그러나 지표에 노출된 광상이 고갈되면서 신규 발견이 어려워져, 탐사의 중심은 피복층 하부의 은폐형 광상으로 이동하고 있다. 이에 머신러닝·딥러닝(ML·DL) 기반 접근법이 전통적 지질·지화학·지구물리·원격탐사 기법을 보완하는 핵심 도구로 부상하였다. 본 논문은 최근 인공지능(AI) 기반 광상 탐사 연구를 이론적 배경, 자료 유형별 적용, 광상부존가능성지도(MPM), 광상 유형별 응용, 최신 동향의 다섯 측면에서 종합하였다. CNN·오토인코더·GAN·트랜스포머·그래프 신경망은 패턴 인식과 이종 자료 융합, 자동화에 강점을 보이며, 설명가능 AI(XAI)·물리정보 신경망(PINN)·자기지도학습·파운데이션 모델은 자료 부족과 블랙박스 문제를 완화한다. 반암동 Cu-Mo, 조산형 금, 퇴적암 내 Zn-Pb, 희토류, 리튬 페그마타이트 등 광상 유형별 차별화 전략이 정립되면서, AI 기반 탐사는 은폐형 심부 광상 발견과 핵심광물 공급망 안정화에 핵심적 역할을 할 전망이다.

본 논문은 스마트마이닝 상호운용성 표준인 ISO 23725:2024의 기술 구조를 고찰하고 국내 활용 방안을 제안하였다. 기존 광산 현장은 자율운반시스템(AHS)과 차량관제시스템(FMS) 연계 시 벤더 고유 인터페이스에 의존하여 높은 통합 비용과 종속성 문제를 겪어왔다. ISO 23725는 이를 해결하기 위해 웹소켓 및 JSON 기반의 이벤트 구동형 구조를 채택하여 실시간 통신, 지도 공유, 배차 및 생산 모니터링 표준 인터페이스를 정의한다. 본 표준은 장비 자체의 주행 지능이나 안전 운전 세부 요구사항을 직접 규정하지 않고, 이기종 시스템 간 상호작용을 표준화한다는 점이 핵심이다. 국내 여건상 단기적으로는 가상 에뮬레이터 및 디지털 트윈 연계형 R&D 시험광산의 데이터 기준으로 활용하고, 중장기적으로는 국가 기술 가이드라인으로 도입하는 단계적 접근이 현실적이며, 이는 향후 스마트 광산 운영체계 구축을 위한 중요한 기술적 토대가 될 것이다.