Привет, Хабр! В статье речь пойдет о применении технологий машинного обучения и компьютерного зрения на предприятиях горнодобывающей промышленности нашей страны.
На мой скромный взгляд (сотрудника одного из предприятий горно-металлургической отрасли), IT-решения в области горного транспорта и обогатительных фабрик замерли на уровне автоматизации основных, ключевых технологических процессов. Теперь же, в 3-ем десятилетии 21 века, для крупных предприятий настало время оптимизаций и усовершенствований, время внедрения новых технологий машинного обучения и технического зрения. И эта работа ужа началась.
Согласно википедии в России 26 горнодобывающих предприятия (на самом деле их больше). Самые крупные и известные из них: Алроса, Норникель, РусАл, Полюс и другие. Всех их объединяет похожее устройство и организация ключевых технологических процессов: есть место добычи полезного ископаемого (карьер), а также обогатительная фабрика (завод).
Передел ГТК (горно-транспортный комплекс) у всех более-менее одинаков: руда из карьера транспортируется либо напрямую на фабрику, либо на рудные склады, а оттуда уже на фабрику. Пустая вскрыша складируется в отвалах. Транспортировка может осуществляться как большегрузными самосвалами, так и конвейерами, либо комбинированными способами. Доставка по ЖД, мне кажется, у нас не распространена, в отличии от австралийских компаний.
Фабрики различаются у разных компаний довольно сильно. Однако некоторые отделения похожи. Например, задача отделения рудоподготовки на всех фабриках заключается в том, чтобы руду измельчить до допустимых фракций. Делается это при помощи дробилок и мельниц (кстати, чаще всего это самая затратная операция на фабриках).
Мельница для измельчения руды
Далее, в зависимости от типа руды и полезного ископаемого, применяются различные подходы к обогащению. Например, для добычи алмазов используют его уникальное свойство — люминесценция (свечение) в рентгеновских лучах, что позволяет простой пневматикой «отстреливать» алмазы из потока измельченной руды. Для добычи золота используют химические процессы (флотация, сорбция и десорбция, электролиз) и даже биотехнологии (специально выведенные бактерии, которые помогают золоту освобождаться от оболочки). А для получения алюминия из глинозема основа всего — это электролиз.
Тут происходит процесс флотации
Итак, как мы поняли, на переделе горно-транспортного комплекса основная задача — это обурить, взорвать и транспортировать горную массу из карьера. Занимается этим парк буровых установок, большегрузных самосвалов и экскаваторов.
Контролем за большим количеством техники (иногда парки могут насчитывать 400 и более единиц) занимаются диспетчеры и операторы с помощью систем АСУГТК (автоматизированные системы управления горно-транспортным комплексом). Задачи систем АСУГТК заключаются в контроле параметров эксплуатации и состояния горных машин, контроле и управлении загрузкой автосамосвалов, прогнозировании и мониторинге выполнения плана, предоставлении отчетности, иногда — в оптимизации и динамическом распределении самосвалов по маршрутам.
Интерфейс системы АРМ АСУГТК
Но это всё уже вчерашний день. Сегодня становятся актуальными ��очечные применения систем машинного обучения и технического зрения.
Элементы деталей горного оборудования, в частности зубья ковша горного экскаватора, работающие в суровых условия экскавации горной породы, постоянно подвергаются т.н. ударно-абразивному изнашиванию. При этом, потеря зуба чревата неприятностями: начиная от снижения производительности работы экскаватора при черпании, повреждений самого ковша и заканчивая попаданием такого зуба в дробилку после транспортировки. Как следствие, повышается риск существенных материальных потерь: продолжительный простой оборудования, восстановление и ремонт, необходимость извлечения зуба из дробилки человеком (довольно опасное мероприятие).
Для решения этих проблем применяются решения, основанные на техническом зрении. Здесь пример такой системы. Система анализирует кадры и постоянно определяет состояние зубьев ковша и степень их износа.
Ковш экскаватора
В ночное время используется подсветка в виде прожектора. Камеры наблюдения обеспечивают машинисту обзор на все стороны экскаватора: вся информация, собранная системой, выводится на мониторе в кабине оператора и позволяет вовремя обнаружить отсутствующие зубья, оценить полезную нагрузку ковша и степень износа зубьев.
Размер частиц горной массы необходимо контролировать практически на каждом этапе производства: после взрыва, в процессе перевозки, при подаче руды на фабрику, после дробления, после измельчения. Это важнейший показатель, который отслеживают, так как от него зависит качество и непрерывность технологических процессов: начиная от качества взрыва и заканчивая возможной забутовкой (закупоркой) оборудования.
На переделе ГТК для автоматического измерения гран-состава руды применяют системы технического зрения. Они могут отслеживать гранулометрический состав каждого грузового автомобиля на пути к дробилке и выдавать рекомендации по отводу негабаритного материала.
Выглядит это вот так:
Да, в карьере водители тоже работают по много часов. При этом, управляют они тяжелыми от 60 до 450 тонными самосвалами. Часто смены длятся по 12 часов с единственным регламентированным перерывом на обед и личные нужды. Аварии в карьере опасны ещё и тем, что падения с уступов почти наверняка заканчиваются трагично, а как дополнительная неприятность — вероятная блокировка выезда для других машин.
Цитата из статьи:
Согласно статистике по компании[прим.авт.: Алроса] за 2019 год, основными причинами ДТП были засыпание водителя за рулем, отвлечение от управления автомобилем и потеря контроля за его движением.
Естественно, что системы контроля усталости водителя не обошли и горнодобывающие предприятия. Такие системы активно внедряются и используются для предупреждения засыпания за рулем. Кроме того, они умеют собирать и передавать данные о состоянии водителя и его действиях оператору. Устройство, внешне похожее на видеорегистратор, устанавливается в кабине машины. Программное обеспечение реагирует на мимику водителя, повороты головы и движение глаз. Когда метрики начинают свидетельствовать о том, что водитель засыпает или отвлекается от управления, то подается звуковой сигнал. После этого водитель должен перевести взгляд на дорогу и подтвердить свое состояние нажатием на кнопку.
Насколько я знаю, в России на текущий момент нет практического промышленного применения технологии автономного карьерного транспорта, но упомянуть в статье очень хотелось. Могу ошибаться, но исходя из собственного опыта, а также опыта «коллег по цеху», могу утверждать, что известные мне скромные попытки внедрения таких систем натыкались на суровую реальность. Вот интересная статья от 2019 года.
БелАЗ уже давно испытывает бесп��лотные автомобили. Однако за громкими газетными заголовками «Карьерные монстры оставят водителей без работы: БелАз показал полностью автономную спецтехнику», «Они не просто с автопилотом, а с искусственным интеллектом», стоит печальная реальность: масштабных внедрений нет, хотя статьи с такими заголовками выходят стабильно раз в год последние 5-6 лет.
Вот, например, выпуск от 2018 года:
Однако, широко распространено дистанционно управление. Но эти системы не имеют отношения к ML и CV.
Пост оператора, дистанционно управляющего техникой
В заключение хотелось бы затронуть тему проблем, которые стоят на пути внедрения технологий машинного обучения на Российских предприятиях горно-металлургической отрасли. К сожалению, зачастую характер этих проблем отнюдь не технический. Работая в одной из таких компаний, я могу выделить следующие виды препятствий на нашем пути к светлому будущему: отсутствие компетенций, отсутствие мотивации, переоценка возможностей ML и CV, организационные барьеры.
Подробный разбор указанных проблем потянет на отдельную статью, поэтому не будем углубляться сейчас в детали менталитета Российских управленцев и эффективных менеджеров.
Конечно, перечисленные в статье системы ML и CV — это не всё, что применяется сегодня на горнодобывающих предприятиях. Повышение эффективности и производительности — это долгий процесс, особенно в условиях устоявшихся технологических процессов и под руководством «эффективных менеджеров». По моей субъективной оценке западные и австралийские компании опережают нас на 5-10 лет, а высокая маржинальность российских компаний обусловлена совсем иными причинами, но это, опять, тема отдельной истории. Стоит отметить, что при таком развитии и применении технологий ML и CV в промышленности, как на западе, специалисты в этих областях очень скоро будут (если не уже) на вес золота, особенно те, у кого есть практический опыт.
P.S.
Спасибо за то, что прочитали статью. Если она вам понравилась, читайте продолжение, о применении ML и CV на обогатительных фабриках.
На мой скромный взгляд (сотрудника одного из предприятий горно-металлургической отрасли), IT-решения в области горного транспорта и обогатительных фабрик замерли на уровне автоматизации основных, ключевых технологических процессов. Теперь же, в 3-ем десятилетии 21 века, для крупных предприятий настало время оптимизаций и усовершенствований, время внедрения новых технологий машинного обучения и технического зрения. И эта работа ужа началась.
Введение
Согласно википедии в России 26 горнодобывающих предприятия (на самом деле их больше). Самые крупные и известные из них: Алроса, Норникель, РусАл, Полюс и другие. Всех их объединяет похожее устройство и организация ключевых технологических процессов: есть место добычи полезного ископаемого (карьер), а также обогатительная фабрика (завод).
Передел ГТК (горно-транспортный комплекс) у всех более-менее одинаков: руда из карьера транспортируется либо напрямую на фабрику, либо на рудные склады, а оттуда уже на фабрику. Пустая вскрыша складируется в отвалах. Транспортировка может осуществляться как большегрузными самосвалами, так и конвейерами, либо комбинированными способами. Доставка по ЖД, мне кажется, у нас не распространена, в отличии от австралийских компаний.
Фабрики различаются у разных компаний довольно сильно. Однако некоторые отделения похожи. Например, задача отделения рудоподготовки на всех фабриках заключается в том, чтобы руду измельчить до допустимых фракций. Делается это при помощи дробилок и мельниц (кстати, чаще всего это самая затратная операция на фабриках).
Далее, в зависимости от типа руды и полезного ископаемого, применяются различные подходы к обогащению. Например, для добычи алмазов используют его уникальное свойство — люминесценция (свечение) в рентгеновских лучах, что позволяет простой пневматикой «отстреливать» алмазы из потока измельченной руды. Для добычи золота используют химические процессы (флотация, сорбция и десорбция, электролиз) и даже биотехнологии (специально выведенные бактерии, которые помогают золоту освобождаться от оболочки). А для получения алюминия из глинозема основа всего — это электролиз.
Современные тенденции в ГТК
Итак, как мы поняли, на переделе горно-транспортного комплекса основная задача — это обурить, взорвать и транспортировать горную массу из карьера. Занимается этим парк буровых установок, большегрузных самосвалов и экскаваторов.
Контролем за большим количеством техники (иногда парки могут насчитывать 400 и более единиц) занимаются диспетчеры и операторы с помощью систем АСУГТК (автоматизированные системы управления горно-транспортным комплексом). Задачи систем АСУГТК заключаются в контроле параметров эксплуатации и состояния горных машин, контроле и управлении загрузкой автосамосвалов, прогнозировании и мониторинге выполнения плана, предоставлении отчетности, иногда — в оптимизации и динамическом распределении самосвалов по маршрутам.
Но это всё уже вчерашний день. Сегодня становятся актуальными ��очечные применения систем машинного обучения и технического зрения.
Анализ состояния зубьев ковша карьерного экскаватора
Элементы деталей горного оборудования, в частности зубья ковша горного экскаватора, работающие в суровых условия экскавации горной породы, постоянно подвергаются т.н. ударно-абразивному изнашиванию. При этом, потеря зуба чревата неприятностями: начиная от снижения производительности работы экскаватора при черпании, повреждений самого ковша и заканчивая попаданием такого зуба в дробилку после транспортировки. Как следствие, повышается риск существенных материальных потерь: продолжительный простой оборудования, восстановление и ремонт, необходимость извлечения зуба из дробилки человеком (довольно опасное мероприятие).
Для решения этих проблем применяются решения, основанные на техническом зрении. Здесь пример такой системы. Система анализирует кадры и постоянно определяет состояние зубьев ковша и степень их износа.
В ночное время используется подсветка в виде прожектора. Камеры наблюдения обеспечивают машинисту обзор на все стороны экскаватора: вся информация, собранная системой, выводится на мониторе в кабине оператора и позволяет вовремя обнаружить отсутствующие зубья, оценить полезную нагрузку ковша и степень износа зубьев.
Контроль гран-состава перевозимой руды
Размер частиц горной массы необходимо контролировать практически на каждом этапе производства: после взрыва, в процессе перевозки, при подаче руды на фабрику, после дробления, после измельчения. Это важнейший показатель, который отслеживают, так как от него зависит качество и непрерывность технологических процессов: начиная от качества взрыва и заканчивая возможной забутовкой (закупоркой) оборудования.
На переделе ГТК для автоматического измерения гран-состава руды применяют системы технического зрения. Они могут отслеживать гранулометрический состав каждого грузового автомобиля на пути к дробилке и выдавать рекомендации по отводу негабаритного материала.
Выглядит это вот так:
Контроль усталости водителей
Да, в карьере водители тоже работают по много часов. При этом, управляют они тяжелыми от 60 до 450 тонными самосвалами. Часто смены длятся по 12 часов с единственным регламентированным перерывом на обед и личные нужды. Аварии в карьере опасны ещё и тем, что падения с уступов почти наверняка заканчиваются трагично, а как дополнительная неприятность — вероятная блокировка выезда для других машин.
Цитата из статьи:
Согласно статистике по компании[прим.авт.: Алроса] за 2019 год, основными причинами ДТП были засыпание водителя за рулем, отвлечение от управления автомобилем и потеря контроля за его движением.
Естественно, что системы контроля усталости водителя не обошли и горнодобывающие предприятия. Такие системы активно внедряются и используются для предупреждения засыпания за рулем. Кроме того, они умеют собирать и передавать данные о состоянии водителя и его действиях оператору. Устройство, внешне похожее на видеорегистратор, устанавливается в кабине машины. Программное обеспечение реагирует на мимику водителя, повороты головы и движение глаз. Когда метрики начинают свидетельствовать о том, что водитель засыпает или отвлекается от управления, то подается звуковой сигнал. После этого водитель должен перевести взгляд на дорогу и подтвердить свое состояние нажатием на кнопку.
Автономная техника
Насколько я знаю, в России на текущий момент нет практического промышленного применения технологии автономного карьерного транспорта, но упомянуть в статье очень хотелось. Могу ошибаться, но исходя из собственного опыта, а также опыта «коллег по цеху», могу утверждать, что известные мне скромные попытки внедрения таких систем натыкались на суровую реальность. Вот интересная статья от 2019 года.
БелАЗ уже давно испытывает бесп��лотные автомобили. Однако за громкими газетными заголовками «Карьерные монстры оставят водителей без работы: БелАз показал полностью автономную спецтехнику», «Они не просто с автопилотом, а с искусственным интеллектом», стоит печальная реальность: масштабных внедрений нет, хотя статьи с такими заголовками выходят стабильно раз в год последние 5-6 лет.
Вот, например, выпуск от 2018 года:
Однако, широко распространено дистанционно управление. Но эти системы не имеют отношения к ML и CV.
Проблемы внедрения новых технологий
В заключение хотелось бы затронуть тему проблем, которые стоят на пути внедрения технологий машинного обучения на Российских предприятиях горно-металлургической отрасли. К сожалению, зачастую характер этих проблем отнюдь не технический. Работая в одной из таких компаний, я могу выделить следующие виды препятствий на нашем пути к светлому будущему: отсутствие компетенций, отсутствие мотивации, переоценка возможностей ML и CV, организационные барьеры.
Подробный разбор указанных проблем потянет на отдельную статью, поэтому не будем углубляться сейчас в детали менталитета Российских управленцев и эффективных менеджеров.
Конечно, перечисленные в статье системы ML и CV — это не всё, что применяется сегодня на горнодобывающих предприятиях. Повышение эффективности и производительности — это долгий процесс, особенно в условиях устоявшихся технологических процессов и под руководством «эффективных менеджеров». По моей субъективной оценке западные и австралийские компании опережают нас на 5-10 лет, а высокая маржинальность российских компаний обусловлена совсем иными причинами, но это, опять, тема отдельной истории. Стоит отметить, что при таком развитии и применении технологий ML и CV в промышленности, как на западе, специалисты в этих областях очень скоро будут (если не уже) на вес золота, особенно те, у кого есть практический опыт.
P.S.
Спасибо за то, что прочитали статью. Если она вам понравилась, читайте продолжение, о применении ML и CV на обогатительных фабриках.
Сделать промышленность снова великой и получить востребованную профессию с нуля или Level Up по навыкам и зарплате, можно пройдя онлайн-курсы SkillFactory:
- Профессия Data Scientist с любым стартовым уровнем
- Профессия Data Analyst с любым стартовым уровнем
- Курс по Machine Learning
- Продвинутый курс «Machine Learning Pro + Deep Learning»
- Курс «Математика и Machine Learning для Data Science»
Eще курсы
- Обучение профессии Data Science с нуля
- Онлайн-буткемп по Data Science
- Онлайн-буткемп по Data Analytics
- Курс по аналитике данных
- Профессия C++ разработчик
- Профессия Java-разработчик с нуля
- Курс по JavaScript
- Курс «Python для веб-разработки»
- Профессия Веб-разработчик
- Курс по DevOps
- Профессия iOS-разработчик с нуля
- Профессия Android-разработчик с нуля
- Профессия UX-дизайнер с нуля
- Профессия Web-дизайнер
