В горной промышленности ИИ уже решает конкретные задачи, от устранения аварийных простоев до повышения извлечения полезных компонентов. Дмитрий Лохов, основатель и генеральный директор инжиниринговой компании TAPP Group, рассказал, как команда обучала нейросеть прямо на фабрике, как внедрение алгоритмов позволяет сократить аварийные простои, и почему следует начать интеграцию ИИ уже сейчас.
— Технологии искусственного интеллекта активно проникают в самые разные отрасли. Как они применяются на горно‑обогатительных фабриках и какие задачи решают на практике?
— Применение ИИ в промышленности — это не модный тренд, а рабочий инструмент. Он помогает решать конкретные задачи: автоматизирует рутинные процессы, снижает аварийность, исключает человека из опасных зон, где, например, присутствуют вредные газы. Оператор уступает место датчикам, механизмам и алгоритмам.
На фабриках часто возникают сбои: от задержек поставок запчастей до попадания инородных предметов в механизм. Из‑за этого случаются аварии и затягиваются планово‑предупредительные ремонты. ИИ позволяет предсказывать подобные сбои и минимизировать их последствия.
Главная польза — повышение стабильности извлечения полезных компонентов. Например, если в руде содержание апатита составляет 9%, задача фабрики — извлечь максимум из этой доли. Даже снижение извлечения на 1–2 процента приводит к ощутимым убыткам. Алгоритмы машинного зрения и ИИ‑аналитика позволяют удерживать высокое качество и стабильность продукции, что напрямую влияет на выручку предприятия: чем выше качество, тем выше цена реализации на рынке.
— Каков экономический эффект?
— По нашим расчётам, внедрение ИИ позволяет сократить аварийные простои на 90%, снизить потери из‑за нестабильного качества продукции на 15–30% и увеличить извлечение на 15%. То есть это миллиарды рублей.
— Насколько внедрение технологии искусственного интеллекта отличается от простой автоматизации процессов?
— При обычной автоматизации система работает с косвенными параметрами: датчики измеряют массу или плотность, а затем контроллер управляет процессом на основе расчётов. Искусственный интеллект, в отличие от этого, анализирует визуальные данные напрямую — видит руду, определяет её фракцию, выявляет отклонения и способен управлять процессом как до, так и после точки измерения.
— Как происходило обучение?
— Мы приехали на предприятие и установили камеры над узлами, где планировали контролировать параметры. Система фиксировала изображения каждые две секунды — фото отправлялись на сервер, на котором была развернута модель искусственного интеллекта. Обучение шло прямо на месте: мы показывали системе, где на изображении руда, какого она качества и размера, в каком процентном соотношении. Далее сеть получала задания и пыталась определить параметры самостоятельно, а мы проверяли: если результат был верным — подтверждали, если нет — корректировали. В процессе менялись условия съёмки: разные источники света, влажность, цвет руды, наличие снега. В итоге из 1000 изображений сеть правильно классифицировала 997 — именно такой уровень точности мы считали минимально допустимым. Для сравнения: большинство доступных решений дают 800–900 точных ответов на 1000, а это достаточно высокий уровень погрешности для производства.
— И сколько времени заняло обучение?
— Алгоритм разрабатывался с нуля, и весь процесс занял шесть месяцев. Особенность месторождения заключалась в высокой неоднородности руды. Камеры фиксировали изображения каждые две секунды, в итоге было собрано несколько миллионов снимков. Именно на этом массиве данных и проходило обучение модели. Такой объём позволил заложить основу: при повторных внедрениях потребуется только адаптация под конкретные размеры и оттенки руды и на это потребуется значительно меньше времени.
— Как, на ваш взгляд, изменится роль человеческого фактора в отрасли? Удастся ли избавиться от аварий, простоев? И что, собственно, будет с сотрудниками?
— Мы так устроены, что мы не можем выполнять рутинную работу с эффективностью машины. Если мы увидели, что одна и та же авария повторяется, оператор зачастую делает вывод — это нормальный режим работы. Искусственный интеллект действует иначе: он фиксирует отклонение и стремится устранить его в каждом случае. Поэтому именно в повторяемых, опасных и предсказуемых зонах человека будет заменять ИИ. В то же время это не означает сокращение людей — напротив, роль человека сместится к созданию новых решений, разработке технологий, исследованию новых материалов и направлений.
— Какие у вас дальнейшие планы по внедрению ИИ? Насколько удастся масштабировать процесс?
— Масштабирование напрямую зависит от заказчиков и спроса на рынке. Сейчас рынок к этому готов — ситуация во многом напоминает время, когда появился интернет. Тогда многие компании сомневались даже в необходимости создания веб‑сайта. То же самое произойдёт с искусственным интеллектом: те, кто не начнёт его внедрять в ближайшие 5–6 лет, либо уйдут с рынка, либо потеряют рентабельность.
Недавно мы автоматизировали участок дробления на одном из предприятий. Следующие этапы: измельчение, флотация, погрузка в вагоны, бурение, выемка, работа самосвалов. Конечная цель — полностью автономное предприятие. Разработанный нами алгоритм можно адаптировать и к другим условиям, включая внеземные. Например, в 2030 годах обсуждается запуск атомного реактора на Луне. Раз там появится энергия, значит и появится возможность добычи редкоземельных элементов. Наш алгоритм сможет работать и в таких условиях: мы занимаемся обогащением полезных ископаемых, независимо от локации. Моя мечта — чтобы Земля стала комфортной средой, а вредное производство было вынесено за её пределы.
— А чего вы ждете от отрасли в ближайшие пять лет?
— Рынок обогащения и добычи полезных ископаемых ждёт серьёзная трансформация. Угольная отрасль, несмотря на сложности с экспортом, может получить новый импульс: уголь — это источник энергии, а именно электроэнергия становится ключевым ресурсом для развития ИИ.
Для нашей страны это реальная возможность. Мы обладаем значительными угольными запасами, развитой угольной генерацией и холодным климатом, что снижает затраты на охлаждение дата‑центров. Модель проста: на месте генерируется энергия, тут же запускаются вычислительные мощности, и дальше — всё передаётся по кабелям на глобальные рынки.
— Благодарим Дмитрия Лохова за содержательный разговор. Хочется верить, что таких кейсов в промышленности будет становиться больше. И не на уровне презентаций, а в виде работающих решений с измеримым эффектом.
