CC BY
130
001: 10.24411/2072-4098-2020-10601 Опыт и перспективы использования цифровых технологий в добывающих отраслях *
Н.А. Мацко ведущий научный сотрудник отдела «Информационные технологии оценки эффективности инвестиций» федерального государственного бюджетного научного учреждения «Федеральный исследовательский центр «Информатика и управление» Российской академии наук», доктор технических наук (г. Москва)
Наталья Аркадьевна Мацко, matsko@inbox.ru
Введение
Важным трендом развития мировой экономики в конце XX века стало возрастание роли автоматизации и управления производственными процессами, сопровождавшееся активным распространением информационных технологий и широким внедрением робототехники. В то же время на начальном этапе автоматизация промышленности практически повсеместно решала локальные задачи. Технические возможности их интеграции в единую систему управления отсутствовали.
Бурное развитие навигационных и телекоммуникационных технологий, облачных технологий и цифровых платформ, а также аккумуляция огромных массивов данных сделали возможным построение открытых информационных систем и глобальных промышленных сетей. Перспективы их объединения в единую систему позволили сформулировать концепцию четвертой промышленной революции «Индустрия 4.0», которая подразумевает трансформацию производства в глобальную промышленную сеть вещей и услуг, осуществляемую на основе киберфизических комплексов, управляемых интеллектуальными системами в режиме реального времени.
В современном мире цифровые преоб-
разования являются одним из главных факторов экономического роста. В настоящее время наша страна почти в 3 раза отстает от стран-лидеров по доле цифровой экономики в ВВП. Однако по количеству пользователей интернета она занимает первое место в Европе (см. [1]). Кроме того, быстрые темпы роста цифровизации экономики России (по данным McKinsey & Company, среднегодовой темп прироста цифровой экономики составил 10 процентов за пятилетний период 2011 - 2015 годы) позволяют рассчитывать на 3-кратное увеличение вклада отрасли в экономику к 2025 году.
В первую очередь следует ожидать роста внедрения автоматизированных информационных систем в таких сферах, как здравоохранение, образование, транспорт и государственное муниципальное управление, поскольку большинство регионов Российской Федерации выбрали именно эти области для приоритетного внедрения цифровых технологий (см. [2]). В целом это соответствует мировым тенденциям интенсивности использования цифровых технологий в различных отраслях экономики, где лидирующими отраслями являются отрасль информационно-коммуникационных технологий, связь и торговля.
В настоящее время уровень цифро-визации отечественных добывающих от-
Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 18-29-03215.
распей самый низкии по сравнению с европейским уровнем, хотя и для экономик развитых стран также характерен относительно низкий уровень использования информационно-коммуникационных технологий в добывающих и обрабатывающих промышленностях [1]. Есть данные, свидетельствующие о том, что сегодня цифровые технологии используются в среднем лишь в 50 процентах процессов мировой добычи и переработки минерального сырья. В развивающихся странах, где сырьевые отрасли зачастую составляют основу экономики, эта доля составляет всего 25 процентов (см. [3]). Однако возрастает понимание необходимости инвестирования в информационно-коммуникационные технологии и автоматизированные системы управления. Во-первых, эти технологии уже стали неотъемлемой частью современной жизни и в будущем будут определять уровень конкурентоспособности компаний. Во-вторых, эффективность добычи минерального сырья неуклонно снижается. По некоторым оценкам, за последнее десятилетие капитальные затраты выросли на 33 процента, эксплуатационные расходы - на 90 процентов, а рентабельность горнодобывающих компаний снизилась более чем на 28 процентов [4]. Это связано с объективными факторами:
• истощение минерально-сырьевой базы;
• снижение качества добываемого сырья;
• увеличение глубины и ухудшение условий разработки месторождений.
Чтобы кардинально изменить ситуацию, необходимо переосмыслить весь процесс добычи сырья. Это позволяют сделать цифровые технологии, автоматизация и роботизация производственных процессов, потенциал использования которых при разработке месторождений полезных ископаемых выражается в снижении эксплуатационных расходов на 20-40 процентов, капитальных затрат - на 5-10 процентов, в повышении на 20 процентов коэффициента использования
оборудования, существенном улучшении условий труда, повышении производственной и экологической безопасности [5].
По прошествии более чем десятилетнего периода с момента начала активного внедрения цифровых технологий горными компаниями можно проследить основные направления их использования в отрасли.
Диспетчеризация и оптимизация
В настоящее время наиболее развитыми являются системы, направленные на оптимизацию режимов работы оборудования. Для этого парк оборудования горнодобывающего предприятия оснащается датчиками и системами диагностики, навигационными системами, оборудованием беспроводной передачи данных. Анализ данных, выполняемый в режиме реального времени, позволяет выявлять «узкие места», предупреждать выход из строя и планировать ремонт технологического оборудования, снижать количество его простоев, оптимизировать использование материалов и электроэнергии. Сегодня все крупные горнодобывающие предприятия имеют подобное оборудование в той или иной конфигурации.
Транспортирование горных пород
Все более широкое применение находят автоматизированные и роботизированные системы грузоперевозок. Лидером в этом направлении является британо-австралийская горнодобывающая компания Rio Tinto, успешно осуществившая интеграцию 16 железорудных карьеров, 3 морских порта в единую систему обработки и логистики. При разработке железорудного месторождения Пилбара (Pilbara) в Западной Австралии используются автономные самосвалы грузоподъемностью 350 тонн, автономные бульдозеры, грейдеры и дизель-гидравлические экскаваторы (см. [6]). Осуществляется масштабный проект автоматизации железнодорожного перемещения грузов (см. [7]).
Горнодобывающие компании США, Австралии, Канады, Чили, Бразилии переходят от парка пилотируемых грузовиков к беспилотным роботам. По информации в открытых источниках (см, например, [8]) всего в мире используется порядка 300 роботизированных карьерных автосамосвалов, созданных известными мировыми производителями горнодобывающего оборудования: Caterpillar (США), Komatsu (Япония), Volvo (Швеция).
В России использование дистанционно управляемого и полностью роботизированного горнотранспортного оборудования только начинается и масштабы его гораздо скромнее. Так, роботизированные автосамосвалы созданы белорусским «БЕЛАЗ-ХОЛДИНГ» в сотрудничестве с отечественной компанией АО «ВИСТ Групп», занимающейся разработкой и внедрением информационных технологий для горнодобывающей промышленности и металлургии. В пошлом году осуществлены первые поставки роботизированных карьерных самосвалов грузоподъемностью 130 тонн. Две такие машины будут работать на угольном разрезе «Черногорский» (Сибирская угольная энергетическая компания (СУЭК) в Хакасии совместно с экскаватором-роботом производства завода «Уралмаш», пять БЕЛАЗов - на угольном разрезе «Первомайский» (Холдинговая компания «Сибирский Деловой Союз») в Кузбассе [9]. Использование роботизированных карьерных самосвалов БЕЛАЗ-7513Я планируется Кировским филиалом АО «Апатит».
Уже сегодня в отечественной практике есть заделы, а в перспективе будут решены вопросы роботизации и других процессов открытых горных работ, а именно буровзрывных и выемочно-погрузочных.
Добычные работы
Безлюдный способ ведения подземных горных работ является давнишней мечтой специалистов, поскольку подземная разработка полезных ископаемых связана с вы-
сокими уровнями рисков. Однако из-за невозможности использования GPS (системы глобального позиционирования) или других систем навигации автоматизация и роботизация на рудниках и шахтах затруднена.
Тем не менее достигнут большой прогресс в использовании автоматизированных систем управления при подземной разработке полезных ископаемых. Сегодня в мировой практике автоматизированы и дистанционно управляются процессы веерного бурения, зарядки скважин, погрузочно-доставочные работы в пределах очистного блока. Наиболее продвинутые и комплексные решения по роботизации подземной выемки используются на рудниках Швеции и Финляндии [10], где реализуется концепция «интеллектуального рудника» с ориентацией на «безлюдную выемку».
В России налажено серийное производство и поставляются потребителям более 130 современных систем управления. В настоящее время системы дистанционного управления для проходческих комбайнов эксплуатируются в шахтах крупнейших угольных компаний, таких как СУЭК, «Северсталь-Ресурс», «Белон», «Донецксталь», «Распадская угольная компания», «Русский уголь» и т. д., в Кузбассе, Воркуте, и Ростовской области, а также в соляных рудниках «Урал-калий» и «Сильвинит» (см. [11]).
Обеспечение безопасности
Использование роботизированной техники, помимо сокращения эксплуатационных расходов, значительно снижает аварийность и травматизм на горных работах, которые, как известно, связаны с повышенным риском техногенных катастроф и неблагоприятных воздействий на окружающую среду, опасностью для жизни и здоровья персонала горнодобывающих компаний. В связи с этим важнейшим направлением развития информационных технологий, применяемых при добыче полезных ископаемых, является повышение уровня безопасности. Примерами таких решений являются си-
стемы, включающие комплекс аппаратных устройств и программного обеспечения для сбора, передачи и обработки данных. При этом обеспечиваются:
• контроль загазованности шахт, состояния выработок и работы горно-шахтного оборудования;
• контроль местонахождения и перемещения каждого шахтера;
• предупреждение о риске возникновения опасных ситуаций;
• ведение учета и контроля своевременной выдачи средств индивидуальной защиты;
• регистрация работников на контрольно-пропускных пунктах;
• информирование о результатах пройденного предсменного медицинского осмотра и т. д.
В настоящее время такие системы достаточно широко распространены в мировой практике. Немало отечественных горнодобывающих предприятий используют подобные системы или их элементы. К примеру, на угледобывающих предприятиях Воркуты осуществляется ряд инновационных проектов, объединенных общим термином «Цифровая шахта» [12].
Еще одним примером того, как цифровые технологии помогают повысить уровень безопасности горных работ, является использование радаров для мониторинга состояния откосов уступов и бортов карьера [13]. Благодаря высокоточным измерениям, независимости от погодных условий, возможности быстрого получения и анализа данных о состоянии откосов на большой площади карьера практически в режиме реального времени радарные установки позволяют круглосуточно осуществлять контроль пространственного распределения движений откоса, предупреждать о прогрессирующих смещениях, которые могут привести к обрушению массивов горных пород.
Некоторые отечественные горнодобывающие компании (Ковдорский ГОК, Олимпи-адинский ГОК, «Кузбассразрезуголь») уже
используют георадары для мониторинга геомеханического состояния массивов горных пород, на других проходят их испытания (например Михайловский ГОК) [14].
Переработка минерального сырья
Большие возможности открываются при использовании цифровых технологий для снижения себестоимости обогащения полезных ископаемых. В процессе обогащения происходит отделение полезных компонентов от примесей, которое осуществляется благодаря различию физических, физико-химических свойств минералов и горных пород. Методы обогащения обычно очень чувствительны к изменению состава руды, поступающей на фабрику для переработки. В то же время даже в пределах одного месторождения свойства горных пород могут существенно отличаться. Для придания требуемых технологических свойств руде, поступающей на фабрику, производят шихтование, смешивание сырья разных сортов с разным содержанием ценного компонента. Цифровые технологии позволили автоматизировать эти операции. Например, на Быстринском ГОКе (ПАО «ГМК «Норильский никель») внедрена автоматизированная система управления, которая позволяет поддерживать среднее содержание меди в руде, подаваемой на фабрику. Это достигается за счет мониторинга содержания меди в добычных блоках, оптимизации маршрутов самосвалов от добычных блоков до мест разгрузки, управления режимами работы временных складов руды (см. [15]). Измерение содержания полезных компонентов в перерабатываемой на фабрике руде позволяет осуществлять обратную связь и тем самым повысить эффективность обогащения.
Автоматизированные системы также внедрены на обогатительных фабриках «Южного Кузбасса». Это позволило исключить перерасход реагентов за счет точного дозирования их количества. При этом про-
дукция получается с необходимыми характеристиками качества (см. [16]).
Химические методы обогащения полезных ископаемых связаны с большим расходом реагентов, зачастую не только дорогостоящих, но и агрессивных. Регенерация реагентов и очистка оборотных и сточных вод требуют дополнительных расходов. Однако снизить себестоимость обогащения полезных ископаемых иногда можно даже без значительных капитальных затрат на автоматизацию. Только за счет анализа данных и улучшения прогнозных моделей затраты на реагенты могут быть значительно сокращены (см. [17]), а экологический ущерб снижен.
Автоматизированное картографирование
Аэрофотосъемка с использованием беспилотных летательных аппаратов имеет огромные перспективы при разработке месторождений полезных ископаемых. В первую очередь речь идет о маркшейдерском сопровождении горных работ, включающем:
• выполнение замеров горных выработок, отвалов вскрышных пород и складов готовой продукции;
• подсчет объемов добычи и вскрыши;
• дифференциация добычных блоков по качеству минерального сырья;
• мониторинг сдвижения и деформаций бортов и уступов карьера и т. д.
Программные средства позволяют преобразовывать визуальные данные, собранные в результате съемки, в трехмерную цифровую модель горных выработок и автоматизировать подсчет объемов горной массы, сопоставлять текущее положение горных работ с проектным, планировать ведение горных работ и т. п.
В настоящее время во многих отечественных горнодобывающих компаниях проходят испытания и оценка беспилотных технологий при выполнении маркшейдерских работ. Успешное тестирование про-
ведено на Михайловском и Лебединском ГОКах (Металлоинвест) [18], ПАО «Севе-ралмаз» [19] . «Евраз» уже использует дро-ны для маркшейдерской съемки на предприятиях Распадской угольной компании [18]. «Норильский никель» планирует испытание подземного дрона. Предполагается, что он будет перемещаться по рудоспуску и выполнять его проверку в автономном режиме [18].
За рубежом возможности автоматизированного картографирования рудников на базе мобильных роботов-дронов предполагается использовать при обследовании заброшенных и затопленных шахт на предмет содержания в них запасов редкоземельных элементов или других ценных минералов (см. [20]).
Поиски и разведка месторождений полезных ископаемых
Беспилотные технологии уже сейчас находят применение при геологической разведке месторождений полезных ископаемых - на стадиях предварительного анализа перспективных участков, в процессе геодезических съемок для проектирования и подготовки сейсморазведки.
Анализ больших массивов данных, содержащих геологическую информацию, и машинное обучение используются для оценки перспективности обнаружения месторождений полезных ископаемых. В частности, такие разработки имеются в Канаде применительно к золоторудным месторождениям (см. [21]). Компания «Газпром нефть» на основании анализа большого массива геофизических данных, накопленных при освоении месторождений Западной Сибири, составила карту распространения маломощных пластов, пропущенных в 1960-1970-е годы. Проект называется «Поиск пропущенных горизонтов». И хотя пласты являются низкопроницаемыми, новые технологии позволяют добывать нефть с приемлемым уровнем рентабельности (см. [22]).
Еще один проект «Когнитивный геолог», реализуемый компанией «Газпром нефть» (см. [22]), относится к так называемому цифровому двойникованию. Концепция цифрового двойникования подразумевает создание виртуальной модели, пополняемой в реальном времени данными, поступающими с установленных на физических объектах датчиков. Модель, цифровой двойник, позволяет симулировать поведение объекта в реальном мире, оценивать вероятность исходов принимаемых решений, выдавать рекомендации о необходимости внесения изменений в процесс производства.
Более отдаленные перспективы использования искусственного интеллекта и машинного обучения связывают с полной автоматизацией геологоразведочных работ на базе мобильных лабораторий, осуществляющих дистанционное зондирование с использованием мульти- и гиперспектральных методов и описывающих минералогию без трудоемкого бурения (см. [23]).
Заключение
Несмотря на экспериментальный характер использования методов искусственного интеллекта при добыче минерального сырья, даже такой фрагментарный подход (на уровне отдельных элементов) обеспечивает существенное снижение себестоимости. Имеются свидетельства того, что внедрение автоматизированных систем управления позволило отечественным компаниям увеличить производительность горно-транспортного оборудования на 5-20 процентов при уменьшении затрат на его эксплуатацию на 7 процентов, снизить потребление электроэнергии на 2 процента (см. [24]).
На зарубежных предприятиях, где уровень использования цифровых технологий выше, рост производительности оборудования составил 15-25 процентов, а сокращение расходов на транспортирование руды - 15 процентов (см. [7, 10]).
Но только объединение цифровых технологий в одну целостную систему позволит значимо сократить издержки по добыче минерального сырья и компенсировать ухудшающиеся во времени условия разработки и качество добываемого сырья.
ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ
1. Цифровая Россия: Новая реальность / McKinsey & Company. Июль 2017. URL: https://www.mckinsey.cOm/ru/~/media/McKin sey/Locations/Europe%20and%20Middle%20 East/Russia/Our%20Insights/Digital%20Rus sia/Digital-Russia-report.ashx
2. Текущее развитие проектов в сфере цифровой экономики в регионах России / Аналитический центр при Правительстве Российской Федерации. Июнь 2019. URL: https://ac.gov.ru/files/publication/a/23243. pdf
3. «ВИСТ ГРУПП» И «ЦИФРА» разработают искусственный интеллект для горной добычи // Горная промышленность. 2018. URL:. http://www.mining-portal.ru/news/all-news/--vist-grupp---i---tsifra---razrabotayut-iskusstvennyiy-intellekt-dlya-gornoy-dobyichi/
4. H. Durrant-Whyte, R. Geraghty, F. Pujol, and R. Sellschop. How digital innovation can improve mining productivity // McKinsey. URL: https://www.mckinsey.com/industries/metals-and-mining/our-insights/how-digital-innova tion-can-improve-mining-productivity#
5. Mine 2017 // PricewaterhouseCoopers. URL: https://www.pwc.com/gx/en/mining/asse ts/mine-2017-pwc.pdf
6. Создана рабочая группа по внедрению искусственного интеллекта в горном деле // Australasian Mine Safety Journal. URL: https:// forpost-sz.ru/a/2018-11-15/australasian-mine-safety-journal-sozdana-rabochaya-gruppa-po-vnedreniyu-iskusstvennogo
7. Автономные поезда Rio Tinto / MetalsExpert. URL: https://metals-expert.com/news/ mining/234.htm
8. Карьерные роботизированные самосвалы / RoboTrends. URL: http://robotrends.ru/ robopedia/karernye-robotizirovannye-samos valy
9. Атака белорусских роботов / Коммерсант. URL: https://www.kommersant.ru/ doc/3690230
10. Опарин В. Н., Русин Е. П., Тапсиев А. П., Фрейдин А. М., Бадтиев Б. П. Мировой опыт автоматизации горных работ на подземных рудниках. Новосибирск : Издательство Сибирского отделения Российской академии наук, 2007. 99 с.
11. Автоматизированные системы управления горно-шахтным оборудованием ТНПО «Ильма» // Горная Промышленность. 2008. № 4. URL: https://mining-media.ru/ru/ article/prombez/719-avtomatizirovannye-siste my-upravleniya-gorno-shakhtnym-oborudo vaniem-tnpo-ilma
12. Информационные технологии в Северстали / Tadviser. Государство. Бизнес. ИТ. URL: http://www.tadviser.ru/
13. Коли Н., Райх У. Мониторинг в реальном времени устойчивости бортов конечных границ карьера с помощью усовершенствованной радиолокационной технологии:[ин-формационно-аналитический портал для горняков «Горное дело»]. URL: https://www. mwork.su/progressivnye-tekhnologii/880-monitoring-v-real-nom-vremeni-ustojchivosti-bortov-konechnyh-granic-kar-era-s-pomosh chyu-usovershenstvovannoj-radiolokacionnoj-tehnologii
14. Индустрия 4.0: цифровое завтра. Дроны в карьер // Ведомости. 2019. № 59. URL: https://www.vedomosti.ru/partner/artic les/2019/12/06/817974-droni-karer
15. Козлов К. Современные технологии от «КОНСОМ СКС» и «ВИСТ ГРУПП» на службе горняков «Норникеля» // Control Engineering. 2019. № 4 (84). URL: https:// www.konsom.ru/nauka/sovremennye-tehnolo gii-ot-konsom-sks-i-vist-grupp-na-sluzhbe-gornyakov-nornikelya/
16. Цифровизация угля и металла // Коммерсант: Майнинг. Металлургия. Генерация. Приложение № 174 от 25.09.2019. URL: https://www.kommersant.ru/doc/4103010
17. The fourth industrial revolution: bringing AI to mining // Yandex Data Factory. URL: https://www.mining-technology.com/features/ fourth-industrial-revolution-bringing-ai-mining/
18. Дроны в карьер // Ведомости. 2019. № 59. URL: https://www.vedomosti.ru/partner/ articles/2019/12/06/817974-droni-karer
19. «Севералмаз» использует дроны для маркшейдерских работ и геосъемок // YKTIMES.RU. 2018. URL: https://www.yktimes. ru/новости/severalmaz-ispolzuet-dronyi-dlya-marksheyderskih-rabot-i-geosyomok/
20. Underground Robots: How Robotics Is Changing the Mining Industry // Earth & Space Science News. 2019. URL: https://eos.org/ features/underground-robots-how-robotics-is-changing-the-mining-industry
21. SGS Geostat wins Integra Gold Corp's Gold Rush Challenge // Canadian Mining and Energy. 2016. URL: http://www.mininganden ergy.ca/exploration/article/sgs_geostat_wins_ integra_gold_corps_gold_rush_challenge/
22. Как искусственный интеллект ищет месторождения. 2018. https://www.gazprom-neft.ru/press-center/lib/1993667/
23. Роботизированные карьеры и шахты: будущее промышленности // Популярная механика. 2010. № 7 (93). https://www.popmech. ru/vehicles/10522-nechelovecheskiy-faktor-roboty/
24. Клебанов Д. Интеллектуальный Карьер. Автоматизированная система управления горно-транспортным комплексом «Карьер» (АСУ ГТК). URL: https://docplayer. ru/38239271-Intellektualnyy-karer-avtomatizi rovannaya-sistema-upravleniya-gorno-trans portnym-kompleksom-karer-asu-gtk.html
