Tambang bawah tanah menghadapi tantangan terkait kondisi tambang yang selalu dinamis, dengan perubahan yang terjadi sesuai dengan rencana produksi serta adanya berbagai sumber panas, seperti gradien geotermal, autokompresi, aktivitas mesin, dan metabolisme manusia. Sumber panas ini dapat dibagi menjadi dua kategori: sumber panas yang dapat diprediksi dan yang tidak dapat diprediksi. Sumber panas yang tidak dapat diprediksi menjadi masalah signifikan terhadap kondisi udara dalam tambang bawah tanah. Pendekatan inovatif untuk mengatasi tantangan ini adalah dengan menerapkan pemodelan pengendalian termal berbasis machine learning secara kontinu dalam sistem ventilasi tambang. Sistem ini bertujuan untuk meningkatkan efisiensi dan keselamatan kerja di tambang bawah tanah. Untuk mendukung pendekatan ini, diperlukan sistem monitoring kontinu menggunakan sensor yang mampu mengumpulkan data mengenai temperatur, kelembaban relatif, dan suhu batuan dalam tambang. Data yang terkumpul kemudian dianalisis menggunakan model berbasis machine learning untuk memprediksi serta mengendalikan distribusi panas secara adaptif. Metode pengendalian panas berbasis machine learning yang adaptif memungkinkan respons yang lebih cepat dan akurat terhadap perubahan kondisi lingkungan, terutama dalam mengatasi sumber panas yang tidak dapat diprediksi. Hal ini menjadi keunggulan dibandingkan metode konvensional yang bersifat statis. Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan strategi ventilasi yang lebih optimal, adaptif, dan efisien, serta meningkatkan keselamatan kerja di tambang bawah tanah
Oleh :
Ririn Yulianti