Valutazione completa della sicurezza per il sistema di controllo del reinterro basata su un modello esteso di elemento-materia set-pair modificato

Perché un reinterro più sicuro nelle miniere profonde è importante

Man mano che i giacimenti di carbone e metalli vicino alla superficie si esauriscono, l’attività mineraria si spinge sempre più in profondità, dove le pressioni delle rocce sono maggiori e il rischio di crolli o danni ambientali cresce. Uno degli strumenti principali per rendere più sicure le miniere profonde è il reinterro: pompando scarti rocciosi e cemento nelle gallerie vuote per sostenere il terreno. Ma gli odierni sistemi di reinterro sono sempre più complessi, con sensori, pompe, condotte e software. Questo studio affronta una domanda semplice ma cruciale: come capire se il sistema di controllo del reinterro di una miniera è davvero sicuro, intelligente e affidabile?

Dal semplice riempimento al controllo intelligente

I moderni sistemi di reinterro fanno molto più che muovere poltiglia attraverso tubazioni. Monitorano continuamente come viene miscelato il materiale di riempimento, come scorre nelle lunghe condotte sotterranee e quanto diventa resistente una volta indurito nei vuoti minerari. Attraverso reti, cloud computing e strumenti di big data, i sistemi possono regolare in tempo reale velocità delle pompe, rapporti di miscela e operazioni di lavaggio, inviando al contempo avvisi precoci se qualcosa inizia ad andare storto. Se ben realizzato, questo migliora la sicurezza, riduce gli sprechi di materiale e risparmia lavoro. Tuttavia questi sistemi sono ancora relativamente nuovi e non esisteva un modo chiaro e basato sulla scienza per valutare quanto avanzata o affidabile sia una determinata installazione.

Scomporre un sistema complesso in parti chiare

Gli autori propongono un modo strutturato per valutare nel suo complesso i sistemi di controllo del reinterro. Dividono il sistema in quattro parti principali: come viene preparata la poltiglia in superficie, come viene trasportata e monitorata lungo la condotta, come viene controllata la resistenza e la stabilità del riempimento indurito, e quanto è efficace la gestione visiva e digitale dell’intero sistema. All’interno di queste quattro aree definiscono 16 indicatori specifici, come l’intelligenza dell’approvvigionamento di sabbia, l’affidabilità della miscelazione della poltiglia, la qualità del monitoraggio della pressione nelle condotte, se i guasti attivano allarmi precoci e quanto efficacemente viene tracciata nel tempo la resistenza del riempimento indurito. Poi classificano i sistemi su cinque livelli, da base (Livello I) a altamente avanzato (Livello V), con livelli più alti che riflettono maggiore automazione, robustezza e integrazione.

Combinare giudizio esperto e dati concreti

Per trasformare questo quadro in uno strumento di valutazione operativo, il team fonde il parere degli esperti con metodi matematici pensati per l’incertezza. Specialisti di mining e ingegneria assegnano punteggi a ogni indicatore, ma invece di fornire un singolo numero danno un intervallo che riflette la loro incertezza. Un metodo chiamato teoria del numero cieco converte questi intervalli e la credibilità di ciascun esperto in un singolo valore più oggettivo per ogni indicatore. L’importanza, o “peso”, di ciascun indicatore viene poi calcolata in due modi: un metodo soggettivo che cattura le opinioni degli esperti su ciò che conta di più, e un metodo oggettivo che considera quanta informazione porta ciascun indicatore nei dati reali. Una formula basata su Lagrange fonde questi elementi in pesi combinati che non sono né puramente opinione né puramente statistici.

Misurare somiglianza, differenza e rischio

Una volta che ogni indicatore ha un valore e un peso, gli autori applicano uno schema matematico noto come modello esteso di elemento-materia set-pair. In sostanza questo metodo confronta lo stato misurato di un sistema con gli standard di ciascun livello, trattandoli come una “coppia” che può essere in parte identica, in parte diversa e in parte opposta. Per ogni indicatore e per ogni livello possibile, il modello calcola un grado di appartenenza che mostra quanto fortemente il sistema corrisponde a quel livello. Questi gradi vengono poi combinati attraverso tutti gli indicatori usando i pesi combinati per produrre un punteggio complessivo di appartenenza per ciascun livello. Il livello con la appartenenza più alta viene assunto come la classificazione del sistema, e un valore aggiuntivo calcolato indica se il sistema sta tendendo verso un livello migliore o peggiore all’interno della scala.

Miniere reali messe alla prova

Per verificare la praticità del loro modello di valutazione, i ricercatori lo applicano a tre miniere operative, ciascuna con un moderno sistema di controllo del reinterro. Un panel di cinque esperti valuta i 16 indicatori in ogni sito e i dati vengono elaborati attraverso i passaggi del numero cieco, della ponderazione e dell’estensione set-pair. Tutte e tre le miniere risultano classificate al Livello IV, indicando un alto grado di intelligenza e sicurezza, ma ancora lontano dal livello migliore possibile. I punteggi dettagliati degli indicatori mettono in evidenza dove ciascuna miniera potrebbe migliorare — per esempio, un controllo più stabile dei livelli liquidi nel tamburo di miscelazione in un caso, un migliore progetto del sistema di distribuzione delle ceneri in un altro, e un monitoraggio delle condotte e una risposta d’emergenza più robusti in un terzo. Per aumentare la fiducia, gli autori confrontano i loro risultati con due altri approcci di valutazione, un modello cloud e un modello di riconoscimento per attributi; tutti e tre i metodi concordano tra loro e con l’esperienza sul campo.

Cosa significano i risultati per una estrazione più sicura

In termini pratici, questo lavoro offre agli operatori delle miniere una sorta di “check-up” della sicurezza per i loro sistemi di controllo del reinterro. Invece di affidarsi all’intuito o a misure di prestazione isolate, il nuovo modello mette insieme molti aspetti di progettazione, rilevamento, automazione e gestione dei dati in un’unica immagine graduata, mostrando al contempo quali sottosistemi impediscono a una miniera di raggiungere le migliori prestazioni. Il fatto che il metodo sia coerente con altri modelli e con le osservazioni reali suggerisce che può servire come strumento decisionale affidabile per aggiornare i sistemi, prevenire i blocchi delle condotte e rafforzare il supporto sotterraneo. Con l’aumento della complessità e dell’importanza della tecnologia di reinterro nelle miniere profonde, strumenti di valutazione trasparenti e bilanciati come questo saranno importanti per guidare operazioni più sicure, efficienti e rispettose dell’ambiente.

Citazione: Yin, Y., Yang, S., Yang, Y. et al. Comprehensive safety evaluation for back-filling control system based on modified set pair matter-element extension model. Sci Rep 16, 9056 (2026). https://doi.org/10.1038/s41598-026-39557-6

Parole chiave: reinterro intelligente, sicurezza mineraria, monitoraggio di condotte per poltiglia, modelli di valutazione del rischio, automazione nelle miniere sotterranee