Новые подходы для повышения эффективности автоматизированных систем управления переделами рудоподготовки

Рациональное использование минеральных ресурсов – первоочередная задача горно-обогатительной отрасли. Здесь оперативный контроль качественных и количественных характеристик рудных потоков и управление всей цепочкой создания стоимости продукта по обратной связи являются необходимым условием эффективного производства. Целесообразным является разработка собственных программно-технических решений, что позволит поддерживать рентабельность действующих горно-обогатительных производств в условиях технико-экономической изоляции. Рассмотрены цифровые платформы ведущих международных компаний для реализации многоуровневых систем управления процессами добычи и переработки полезных ископаемых. Предложена отечественная альтернатива, позволяющая реализовать современные подходы к модернизации переделов рудоподготовки – интеллектуальная система управления «РАЗУМ». В основе системы лежит математическая формализация технологических процессов с учетом погрешностей лабораторных измерений и движения материальных потоков. Управление осуществляется с помощью многопараметрических регуляторов отдельных процессов по одному или нескольким целевым параметрам и учитывает динамический износ оборудования, а также изменение физико-химических свойств сырья. Применение цифровых двойников технологических секций позволяет моделировать различные варианты режимов работы оборудования и технологии всей цепочки создания стоимости в зависимости от требуемого качества конечного продукта и свойств исходного сырья.

Ануфриев А. С., Лебедик Е. А., Бажин В. Ю. Новые подходы для повышения эффективности автоматизированных систем управления переделами рудоподготовки // Горный информационно-аналитический бюллетень. – 2024. – № 2. – С. 76–92. DOI: 10.25018/0236_1493_2024_2_0_76.

Ануфриев Александр Сергеевич — директор по развитию, ООО «Лаборатория инжиниринга», e-mail: a@ануфриев.рф,
Лебедик Екатерина Андреевна¹ — канд. техн. наук, ассистент, e-mail: Lebedik_EA@pers.spmi.ru, ORCID ID: 0009-0008-5852-1411,
Бажин Владимир Юрьевич¹ — д-р техн. наук, профессор, e-mail: bazhin-alfoil@mail.ru, ORCID ID: 0000-0001-8231-3833,
¹ Санкт-Петербургский горный университет императрицы Екатерины II.

Лебедик Е.А., e-mail: Lebedik_EA@pers.spmi.ru.

1. Лукичев С. В. Цифровая трансформация и технологическая независимость горнодобывающей промышленности // Горная промышленность. — 2022. — № 5. — С. 74—78. DOI: 10.30686/1609-9192-2022-5-74-78.

2. Матевосян Р. А., Варфоломеев И. А. Интеллектуальный анализ и управление составом агломерационной шихты // Вестник Череповецкого государственного университета. — 2022. — № 6 (111). — С. 65—78. DOI: 10.23859/1994-0637-2022-6-111-5.

3. Кобзев В. В., Бабкин А. В., Скоробогатов А. С. Цифровая трансформация промышленных предприятий в условиях новой реальности // π-Economy. — 2022. — Т. 15. — № 5. — С. 7—27. DOI: 10.18721/JE.15501.

4. Краковская И. Н. Концепция обеспечения устойчивой конкурентоспособности промышленных кластеров России: основные положения // Экономика, предпринимательство и право. — 2023. — № 2. — С. 343—364. DOI: 10.18334/epp.13.2.116984.

5. Рыльников А. Г., Пыталев И. А. Цифровая трансформация горнодобывающей отрасли: технические решения и технологические вызовы // Известия Тульского государственного университета. Науки о Земле. — 2020. — № 1. — С. 470—481. DOI: 10.46689/2218-5194-2020-1-1-470-481.

6. Тищенко И. В., Ванаг Ю. В. Автоматизация и роботизация добычи твердых полезных ископаемых // Интерэкспо ГЕО-Сибирь. — 2022. — Т. 2. — № 3. — С. 325—333. DOI: 10.33764/2618981X-2022-2-3-325-333.

7. Захаров В. Н., Кубрин С. С. Цифровая трансформация и интеллектуализация горнотехнических систем // Горный информационно-аналитический бюллетень. — 2022. — № 5-2. — С. 31—47. DOI: 10.25018/0236_1493_2022_52_0_31.

8. Кантемиров В. Д., Яковлев А. М., Титов Р. С. Применение геоинформационных технологий блочного моделирования для совершенствования методов оценки качественных показателей полезных ископаемых // Известия высших учебных заведений. Горный журнал. — 2021. — № 1. — С. 63—73. DOI: 10.21440/0536-1028-2021-1-63-73.

9. Jaskó S., Skorp A., Holczinger T., Chovan T., Abonyi J. Development of manufacturing execution systems in accordance with Industry 4.0 requirements. A review of standardand ontologybased methodologies and tools // Computers in Industry. 2020, vol. 123, no. 2, article 103300. DOI: 10.34218/IJM.10.2.2019.010.

10. Рыльникова М. В., Клебанов Д. А., Макеев М. А., Кадочников М. В. Применение искусственного интеллекта и перспективы развития аналитических систем больших данных в горной промышленности // Горная промышленность. — 2022. — № 3. — С. 89—92. DOI: 10.30686/1609-9192-2022-3-89-92.

11. Сафиуллин Р. Н., Афанасьев А. С., Резниченко В. В. Концепция развития систем мониторинга и управления интеллектуальных технических комплексов // Записки Горного института. — 2019. — Т. 237. — С. 322—330. DOI: 10.31897/pmi.2019.3.322.

12. Shestakov A. K., Petrov P. A., Nikolaev M. Y. Automatic system for detecting visible emissions in a potroom of aluminum plant based on technical vision and a neural network // Metallurgist. 2023, vol. 66, pp. 1308—1319. DOI: 10.1007/s11015-023-01445-z.

13. Кульчицкий А. А., Мансурова О. К., Николаев М. Ю. Распознавание дефектов грузоподъемных канатов металлургического оборудования оптическим методом с помощью нейронных сетей // Черные металлы. — 2023. — № 3. — С. 81—88. DOI: 10.17580/chm.2023.03.13.

14. Клебанов Д. А., Макеев М. А. Цифровые советчики для угольной промышленности. Методология внедрения // Уголь. — 2022. — № 8. — С. 112—115. DOI: 10.18796/0041-5790-20228-112-115.

15. Степанова И. В., Ивановская А. Н., Аксенова Е. К., Шеклеин А. А., Галоян А. Р., Минасян А. Г. Разработка имитационной модели транспортировки руды горно-обогатительного комбината в системе BPSIM / Девятая всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» (ИММОД-2019). — Екатеринбург, 2019. — С. 548—552.

16. Mohammed W. M., Ferrer B. R., Iarovyi S., Negri F., Fumagalli L., Lobov A., Lastra J. M. Generic plat form for manufacturing execution system functions in knowledge-driven manufacturing systems // International Journal of Computer Integrated Manufacturing. 2018, vol. 31, no. 3, pp. 262—274. DOI: 10.1080/0951192X.2017.1407874.

17. Дерябин С. А., Кондратьев Е. И., Рзазаде Ульви Азар оглы, Темкин И. О. Язык моделирования архитектуры цифрового предприятия: методологический подход к проектированию систем Индустрии 4.0 // Горный информационно-аналитический бюллетень. — 2022. — № 2. — С. 97—110. DOI: 10.25018/0236_1493_2022_2_0_97.

18. Васильев Б. Ю., Мустафин М. Г. Анализ и оптимизация цифровых моделей рельефа горнопромышленного объекта с открытым типом разработки // Горный информационно-аналитический бюллетень. — 2023. — № 9. — С. 141—159. DOI: 10. 25018/0236_1493_2023_9_0_141.

19. Кантемиров В. Д., Яковлев А. М., Титов Р. С., Тимохин А. В. Совершенствование методов рудоподготовки минерального сырья при освоении сложноструктурных месторождений // Горная промышленность. — 2022. — № S1. — С. 63—70. DOI: 10.30686/1609-9192-2022-1S-63-70.

20. Шадрунов А. Г., Саблев С. А., Пыталев И. А., Фридрихсон О. В. Совершенствование логистической схемы Светлинского рудника при переходе на циклично-поточную технологию // Известия Тульского государственного университета. Науки о Земле. — 2020. — № 4. — С. 535—547.

21. Negri E., Berardi S., Fumagalli L., Macchi M. MES-integrated digital twin frameworks // Journal of Manufacturing Systems. 2020, vol. 56, no. 6, pp. 58—71. DOI: 10.1016/j.jmsy.2020.05.007.

22. Александрова Т. Н., Чантурия А. В., Кузнецов В. В. Минералого-технологические особенности и закономерности селективного разрушения железистых кварцитов Михайловского месторождения // Записки Горного института. — 2022. — Т. 256. — С. 517—526. DOI: 10.31897/ PMI.2022.58.

23. Головина Е. И., Гребнева А. В. Особенности управления ресурсами подземных вод на трансграничных территориях (на примере Калининградской области) // Геология и минеральносырьевые ресурсы Сибири. — 2022. — № 4. — С. 85—94. DOI: 10.20403/2078-0575-2022-4-85-94.

24. Варламова С. А., Володина Ю. И., Затонский А. В., Язев П. А. Разработка имитационной модели для планирования горно-выемочных работ // Горный информационно-аналитический бюллетень. — 2019. — № 10. — С. 214—222. DOI: 10.25018/0236-1493-2019-10-0-214-222.

25. Саадун А., Фредж М., Букарм Р., Хаджи Р. Анализ дробления с использованием цифровой обработки изображений и эмпирической модели (KuzRam): сравнительное исследование // Записки Горного института. — 2022. — Т. 257. — С. 822—832. DOI: 10.31897/PMI.2022.84.

26. Fedorova E., Pupysheva E., Morgunov V. Modelling of red-mud particle-solid distribution in the feeder cup of a thickener using the combined CFD-DPM approach // Symmetry. 2022, vol. 14, no. 11, article 2314. DOI: 10.3390/sym14112314.

27. Rozs R., Ando M. Collaborative systems, operation and task of the manufacturing execution systems in the 21st century industry // Periodica Polytechnica Mechanical Engineering. 2020, vol. 64, no. 1, pp. 51—66. DOI: 10.3311/PPme.14413.

28. Сербин С. Д., Смирнова О. А. Создание цифровых двойников на предприятиях горнорудной промышленности / Цифровая трансформация экономических систем: проблемы и перспективы (ЭКОПРОМ-2022): Сборник трудов Всероссийской научно-практической конференции с зарубежным участием. — СПб.: Политех-Пресс, 2022. — С. 541—544. DOI: 10.18720/ IEP/2021.4/165.

29. Abburu S., Berre A., Jacoby M. COGNITWIN — hybrid and cognitive digital twins for the process industry / Conference: IEEE International Conference on Engineering, Technology and Innovation (ICE/ITMC). — 2020. DOI: 10.1109/ICE/ITMC49519.2020.9198403.

30. Великанов В. С., Бочков В. С., Дерина Н. В., Бочкова К. В. Оценка технического состояния футеровочной брони конусных дробилок на основе цифровой диагностики их поверхностей // Горный информационно-аналитический бюллетень. — 2022. — № 11-2. — С. 159—168. DOI: 10. 25018/0236_1493_2022_112_0_159.

31. Duarte R. A., Yamashita A. S., Silva M., Cota L. P., Euzébio T. M. Calibration and validation of a cone crusher model with industrial data // Minerals. 2021, vol. 11, no. 11, article 1256.

32. Moraes M. N., Galery R., Mazzinghy D. B. A review of process models for wet fine classification with high frequency screens // Powder Technology. 2021, vol. 394, pp. 525—532. DOI: 10.1016/j. powtec.2021.08.078.

33. Родионов Н. В., Загидуллин Р. С. Анализ экспертных методов оценки качества инноваций // Известия Тульского государственного университета. Технические науки. — 2020. — № 10. — С. 105—111.

34. Аракелян Э. К., Андрюшин А. В., Пащенко Ф. Ф., Мезин С. В., Косой А. А. Проблемы и возможности интеграции интеллектуальных алгоритмов в прикладное программное обеспечение современных программно-технических комплексов / Труды 14-й международной конференции «Управление развитием крупномасштабных систем» (MLSD'2021). — М.: ИПУ РАН, 2021. — С. 808—814.

35. Ilyushin Y. V., Kapostey E. I. Developing a comprehensive mathematical model for aluminium production in a soderberg electrolyser // Energies. 2023, vol. 16, article 6313. DOI: 10.3390/ en16176313.