Подробный разбор нашего четырехлетнего опыта внедрения искусственного интеллекта на обогатительных фабриках.
Привет, Хабр!
На связи Дмитрий Лохов. В прошлой статье я рассказывал, как мы внедряли VR‑тренажеры и сократили сроки обучения специалистов в 10 раз. Сегодня хочу продолжить тему цифровой трансформации и поделиться нашим следующим шагом — внедрением искусственного интеллекта на обогатительных предприятиях.
4 года назад, когда мы только начинали эксперименты с VR, главной проблемой была катастрофическая нехватка квалифицированных кадров. Наши VR‑решения позволили готовить специалистов быстрее и качественнее. Но со временем стало ясно: чтобы вывести производство на новый уровень, нужно идти дальше — сокращать зависимость от человеческого фактора.
В этой статье я хочу максимально подробно поделиться нашим опытом работы с промышленным ИИ:
Как мы преодолевали технические ограничения закрытых систем управления и создавали гибридные решения;
Как мы проводили трехмесячный мониторинг с промышленными камерами для формирования обучающей выборки;
Как мы интегрировали систему с SCADA, MES и ERP‑платформами предприятия;
Как мы запускали пилот на участке первичного дробления с максимальным разбросом эффективности;
Как мы адаптировали решение для этапов измельчения, флотации и гидроциклонов.
Этот материал будет особенно полезен:
— Техническим директорам — покажем, как ИИ снижает эксплуатационные затраты и увеличивает выход продукции;
— Специалистам по охране труда — докажем, что ИИ не только повышает эффективность, но и сокращает аварийность на 40%;
Почему человеческий фактор стал главным риском в горнодобывающей промышленности
Несмотря на многомиллионные инвестиции в современное оборудование, обогатительные предприятия продолжают испытывать существенное влияние человеческого фактора на стабильность производственных процессов. Данные за 2024 год показали тревожную динамику:
Рост аварийности на 15% по сравнению с 2023 годом;
30% всех инцидентов в промышленности происходят в добывающем секторе;
70% аварий вызваны человеческим фактором (40% — нарушения техники безопасности, 30% — ошибки операторов).
Проанализировав данные, мы вывели три ключевых предпосылки к внедрению новой системы:
Нестандартизированные процессы управления.
Каждый оператор регулирует оборудование под себя. Мы фиксировали случаи, когда после оптимальной ручной настройки производительность падала на 6,5% уже через 3 дня.
Отсутствие автоматизированного контроля.
Ручное управление технологическими параметрами приводило к превышению допустимых нагрузок на оборудование, неэффективному использованию рабочего времени специалистов и неконтролируемому износу основных узлов.
Негативные экономические последствия.
Из‑за ошибок и простоев появлялись дополнительные проблемы и траты:
Преждевременный выход оборудования из строя;
Незапланированные простои с убытками до нескольких миллионов рублей;
Снижение качества конечного продукта из‑за неоптимального измельчения.
Оптимизация производственных процессов позволила частично нейтрализовать данные проблемы, однако фундаментальная зависимость от человеческого фактора сохранилась. Интеллектуальные системы, работающие 24/7, стали логичным выходом из сложившейся ситуации.
От идеи к реализации: как мы создавали промышленную систему на базе ИИ
Мы начали проект с участка первичного дробления — именно здесь ручные настройки показывали максимальный разброс эффективности (до 6,5% между сменами), а значит, и потенциал для автоматизации был наибольшим. Этот этап критически важен для всей последующей переработки, что делало его идеальной площадкой для пилотного внедрения.
Наша задача заключалась в создании системы, гарантирующей:
Стабильный выход фракции 0–30 мм без укрупнения;
Автоматическую корректировку параметров в реальном времени;
Интеграцию с существующей инфраструктурой предприятия.
Разработка системы началась с формирования комплексной обучающей выборки. В течение 3 месяцев непрерывного мониторинга с использованием промышленных камер высокого разрешения мы собрали тысячи изображений материала, каждое из которых было сопоставлено с лабораторным анализом пробы, что позволило создать репрезентативную базу для обучения нейросетевых алгоритмов.
В процессе внедрения мы столкнулись с техническими ограничениями. Для преодоления ограничений закрытой системы управления немецких дробилок нашей команде пришлось разработать альтернативные контроллеры и провести обратное проектирование рабочих алгоритмов.
Ключевым компонентом ИИ стал аналитический модуль, обеспечивающий три основных функционала:
Точное определение гранулометрического состава материала;
Определение соотношения фракций;
Отображение данных в режиме реального времени.
Эти возможности были реализованы за счет комплексной интеграции данных визуального контроля, показаний промышленных датчиков и информации из корпоративных систем SCADA, MES и ERP.
Полный технологический процесс на обогатительной фабрике выглядит следующим образом:
Дробление руды до нужного размера (уже автоматизировано);
Измельчение в мельнице до класса до -1 мм;
Доведение материала до 0,1 миллиметра и выделение полезного класса 71 микрон;
Флотация — основной обогатительный процесс.
После успешного тестирования на этапе дробления система будет масштабирована на остальные участки. ИИ анализирует происхождение руды и адаптирует настройки — например, увеличивает нагрузку для мягких пород.
Такое комплексное внедрение открывает путь к созданию безлюдного производства. Первые результаты уже демонстрируют значительный экономический эффект, окончательная оценка которого будет представлена в ближайшее время.
Как ИИ изменил показатели производства
После года промышленной эксплуатации интеллектуальная система продемонстрировала результаты, превзошедшие наши самые оптимистичные ожидания:
Значительный рост производственных показателей. Извлечение полезного компонента увеличилось на 15%, а прогнозы говорят о росте до 22%;
Снижение эксплуатационных затрат. Удалось добиться сокращения простоев оборудования с 25% до 10% календарного времени.
Стабильность качества конечной продукции. До внедрения системы фабрика демонстрировала лишь 65% извлечения даже при максимальной нагрузке на персонал, тогда как полная автоматизация позволит увеличить этот показатель до 90–93%.
Следующие шаги: куда движется проект
Мы активно работаем над масштабированием системы на новые направления. В ближайшие годы реализуем четыре ключевых этапа развития, которые кардинально изменят подход к добыче и переработке полезных ископаемых. Каждый из этих проектов не просто автоматизирует процессы, а создает принципиально новые возможности для отрасли:
Автоматизация измельчения и гидроциклонов. ИИ будет контролировать тонкость помола и распределение фракций, сократив перерасход электроэнергии на 15–20%;
Прогнозная аналитика для ремонтов. Система научится предсказывать износ запчастей;
Безопасность через компьютерное зрение. Камеры с ИИ будут останавливать технику, если человек окажется в опасной зоне;
«Умный карьер» будущего, включающий дроны для разведки руды и беспилотные самосвалы, оптимизирующие маршруты;
ИИ‑геолог, выбирающий оптимальные участки добычи (где содержание ценного компонента 14% вместо стандартных 8%).
Эти решения создадут замкнутый цикл интеллектуального управления — от добычи до обогащения.
Итоги: цифровая трансформация с измеримыми результатами
Уже сегодня наш ИИ выходит за рамки текущих задач. В отличие от традиционной автоматизации, которая лишь выполняет заранее заданные сценарии, наш ИИ:
Постоянно обучается на новых данных, адаптируясь к изменениям в составе руды и условиям работы оборудования;
Самостоятельно предлагает решения, анализируя сотни параметров в реальном времени.
Такой подход кардинально изменил отношение персонала: если раньше операторы скептически относились к «роботам», то теперь 80% сотрудников активно используют рекомендации системы и отмечают, что работа стала комфортнее.
За год промышленной эксплуатации система доказала свою эффективность по трем ключевым направлениям:
+15% к выходу продукции за счет точного контроля процессов;
Сокращение трудозатрат на 60% без потери эффективности;
Уменьшение простоев на 15% благодаря проактивному обслуживанию.
Главное достижение — переход от «тушения пожаров» к упреждающему управлению. Технология не просто фиксирует аварии, а предотвращает их, создавая принципиально новую культуру производства.
P. S. Если ваш проект тоже столкнулся с «сопротивлением персонала» при внедрении ИИ — делитесь в комментариях!