Добувна промисловість є однією з базових галузей економіки України. Вона генерує майже 6% ВВП країни (дані за 2022 рік) і повністю покривала національні витрати на оборону до повномасштабного вторгнення. Тому майбутнє нашої країни неможливе без підвищення ефективності добувної галузі за допомогою останніх технологічних досягнень.
Відповідно до загальноприйнятої класифікації, виділяють чотири промислові революції:
1) масовий перехід від ручної праці до машинної;
2) потокове виробництво та електрику;
3) часткова автоматизація праці;
4) автоматизоване виробництво на базі інформаційних технологій
Для повноцінної зміни добувної промисловості у рамках Четвертої промислової революції потрібна повноцінна цифрова трансформація всіх геотехнологічних процесів. Для цього необхідні значні вкладення у створення та впровадження спеціалізованих наскрізних цифрових технологій, які доцільно розпочинати з розробки систем штучного інтелекту.
Штучний інтелект (ШІ) є однією з ключових технологій, яка в даний час застосовується в багатьох галузях промисловості. У гірничодобувній промисловості ШІ може застосовуватися для покращення продуктивності та безпеки, а також для оптимізації видобутку корисних копалин та енергоспоживання. Використання штучного інтелекту в гірничодобувній промисловості надає нові можливості та переваги для управління процесом видобутку, оптимізації видобутку корисних копалин, передбачення аварій та оптимізації безпеки, а також управління енергоспоживанням.
Перспективні напрямки застосування ШІ у видобуванні
Реалізація проєктів із застосуванням ШІ вже довела свою ефективність у гірничій справі, і в майбутньому очікується ще більш інтенсивне застосування цих технологій у низці процесів видобувної діяльності.
Управління процесом видобутку: Однією з областей застосування ШІ у гірничій справі є управління процесом видобутку. З використанням ШІ можна автоматизувати процеси видобутку, керувати машинами та обладнанням, а також оптимізувати ефективність роботи усієї системи.
Передбачення аварій та оптимізація безпеки: Використання ШІ також дозволяє передбачати аварії та оптимізувати безпеку процесу видобутку. За допомогою аналізу даних ШІ може визначити провісники можливої аварії та запобігти її виникненню. ШІ також може використовуватися для навчання системи моніторингу та контролю, щоб оперативно реагувати на будь-які зміни у процесі видобутку та покращити безпеку на виробництві.
Управління енергоспоживанням: У гірничодобувній промисловості ШІ може використовуватись для оптимізації енергоспоживання. За допомогою ШІ можна аналізувати дані про споживання енергії та оптимізувати процеси споживання. Наприклад, ШІ може передбачати споживання енергії у певні періоди часу та оптимізувати роботу обладнання відповідно до цих прогнозів, що дозволить зменшити витрати на енергію.
Передумови до запровадження ШІ у добувній галузі
В Україні та світі існують об’єктивні передумови, які впливають на експлуатаційні витрати видобутку та транспортування твердих корисних копалин, а також промислову та екологічну безпеку гірничих робіт, які варто перелічити :
видобуток корисних копалин ведеться у важких кліматичних, складних гірничо-геологічних умовах;
- існує нестача кваліфікованого персоналу;
- високі питомі капітальні та операційні витрати, пов’язані із створенням інфраструктури, що забезпечує проживання персоналу;
- висока частка нетехнологічних простоїв освіти та гірничопромислового комплексу в цілому;
- підвищена небезпека виробництва та високі ризики аварій зумовлюють необхідність проведення заходів щодо охорони праці та впровадження сучасних технологій для забезпечення безпеки роботи персоналу;
- збереження екосистем гірничопромислових регіонів потребує значних витрат на охорону навколишнього середовища.
Всі ці фактори вказують на актуальність проблеми знаходження нових інструментів забезпечення ефективного та безпечного видобутку корисних копалин. Одним із можливих способів вирішення поставлених завдань для збереження конкурентоспроможності вітчизняних гірничодобувних підприємств на глобальних ринках є застосування сучасних технологій з використанням штучного інтелекту та прогнозної аналітики на основі аналізу великих даних на всьому етапі створення вартості товарної продукції – від геологорозвідки до збагачення.
Існують об’єктивні технічні та організаційні передумови процесів цифрової трансформації та розвитку аналітичних систем великих даних гірничої промисловості:
- розвиток цифрових технологій та здешевлення елементної бази системи інтелектуального управління гірничим виробництвом;
- впровадження систем автоматичної диспетчеризації та інших ІТ-платформ на гірничих підприємствах України для підвищення керованості та контролю технологічних операцій, а також інтеграції систем між собою;
- створення у гірничих компаніях департаментів, які відповідають за пошук та впровадження інноваційних рішень, що ведуть до трансформації процесів виробництва, покликаних підвищити його ефективність.
- подорожчання технологічного транспорту та інших матеріальних засобів потребує нових підходів до управління виробництвом з метою зниження витрат.
Практичні кейси
В останні роки в гірничодобувної промисловості було реалізовано безліч проєктів, пов’язаних із застосуванням ШІ. Наприклад, другий за обсягами видобутку виробник залізорудної сировини, Rio Tinto, використовував технологію “Mine of the Future” з використанням ШІ для автоматизації видобутку та оптимізації ефективності роботи всієї системи. почала використовувати ШІ для оптимізації видобутку у своїх кар’єрах. Система аналізує дані про геологічні характеристики родовищ і обирає найефективніші точки для буріння. Це дозволяє збільшити обсяг видобутку та скоротити витрати на експлуатацію обладнання. Також компанія почала використовувати ШІ для підвищення ефективності своїх виробничих процесів. Система аналізує дані про роботу обладнання та на основі отриманих результатів оптимізує виробничі процеси, що дозволяє компанії скоротити витрати на електроенергію та підвищити ефективність видобутку.
Основою системи цифрового управління технологічними процесами, що здатна забезпечити необхідний рівень безпеки та ефективності на гірничодобувному підприємстві, є достовірна та своєчасна інформація на всіх рівнях виробництва. Організація можливості отримання достовірних даних щодо стану технологічних процесів на всіх рівнях управління, включаючи головний офіс – важливий крок цифрової трансформації галузі. Донедавна існувало безліч погано пов’язаних і не інтегрованих між собою підсистем, кожна з яких автоматизує будь-який окремий процес управління виробництвом (ГІС системи, системи кадрового та бухгалтерського обліку, системи планування, розрахунково-інженерні системи, диспетчерські, системи управління складськими господарствами тощо). Це призводить до зниження якості системи управління в цілому, підвищення ризику травм, додаткових неконтрольованих витрат та зниження ефективності.
На провідних підприємствах галузі формується єдина стратегія оцифрування показників виробничих процесів. Ці дані “живлять” корпоративні ERP системи. Системи диспетчеризації, контролю стану обладнання та техніки, аерогазового контролю, видачі нарядів та системи контролю доступу пов’язані між собою в єдиний інформаційний ландшафт для ефективного планування виробництвом під час аналізу в режимі онлайн питань управління промисловою безпекою.
Для розвитку систем прогнозної аналітики та запобігання ризику аварій та техногенних катастроф, підвищення економічної ефективності гірничого виробництва та рівня управлінських рішень подальший розвиток гірничої промисловості має базуватися на розвитку теорії збору, обробки, зберігання та використання даних, що збираються при освоєнні надр. Для цього має бути виконане завдання створення універсальних структур аналітичних систем великих даних гірничої промисловості, що забезпечують методологічно вивірений збір, обробку, зберігання та аналіз даних, що надходять від джерел цифрової інформації про функціонування підприємства.
Зокрема, на основі інтеграції систем та аналізу даних, що збираються, обґрунтовано можливість формулювання та перевірки гіпотез, результатом яких є розробка «цифрових радників» операторів техніки та лінійного персоналу. Робота цих радників спрямована на формування обґрунтованих рекомендацій щодо управління технологічним процесом або технікою на основі аналізу історичних даних та вибору оптимальних з погляду мінімізації витрат режимів управління.
В якості реальних прикладів подібних аналітичних систем, які стали активно впроваджуватися за останні два роки на гірничодобувних підприємствах без істотних капітальних витрат на впровадження інформаційних технологій, необхідно виділити цифрові радників:
- водіїв кар’єрних самоскидів;
- механіків з експлуатації та обслуговування шин,
- двигунів, інших вузлів та агрегатів на основі технологій віртуальної реальності;
- машиністів екскаваторів та бурових верстатів;
- операторів аерогазового контролю у вугільних шахтах;
- диспетчерів на основі імітаційного моделювання та перепланування роботи гірничих підприємств.
Вже сьогодні такі радники розробляють рекомендації лінійному персоналу, інженерам, диспетчерам та керівництву компаній щодо керування технологічними процесами, аналізуючи десятки параметрів за великі періоди часу та екстраполюючи сценарії майбутнього на основі аналізу ситуацій минулих періодів. Подальший розвиток таких аналітичних систем полягає в тому, щоб повною мірою розуміти можливості підвищення ефективності виробництва на основі даних, що вже збираються, аналізуючи які, можна не тільки фіксувати минулі та поточні стани технологічних процесів, а й екстраполювати, будувати моделі розвитку процесів у майбутньому.
В якості прикладу аналізу даних та побудови аналітичної системи можна навести цифровий порадник водіям кар’єрних самоскидів, впроваджений компанією Piklema на багатьох гірничо-збагачувальних комбінатах провідних світових надрокористувачів. Цей радник орієнтований на видачу голосових підказок, що дозволяють мінімізувати витрату палива при транспортуванні руди кар’єрними самоскидами за рахунок дотримання необхідного швидкісного режиму, мінімізації розгонів та гальмування, а також підтримки плавності руху протягом зміни. Розробка рекомендацій заснована на статистичних даних, отриманих за тривалий період експлуатації аналізованого обладнання, та аналізу стилів водіння (для побудови прогнозної моделі використовується телеметрія та інформація про гірниче обладнання за два місяці). У системі розраховується швидкісний профіль маршрутів з урахуванням манери керування, погодних умов, якості технологічних доріг та типу кар’єрного самоскида. Система дозволяє заощадити 5% дизельного палива, а також збільшити середню технічну швидкість руху кар’єрних самоскидів мінімум на 2%.
Які існують перешкоди?
Наприкінці важливо також наголосити на перепонах для впровадження інноваційних методів у добувній галузі. Одним із головних бар’єрів для аналізованої цифрової технології є негативне суб’єктивне сприйняття новацій суб’єктами управлінської діяльності, зумовлене ризиком персональної відповідальності за впровадження та реалізацію нових технологій. Цю проблему можна описати як відсутність розуміння у сфері геотехнології принципів роботи систем штучного інтелекту та побоювання настання негативних наслідків від їх використання. Слід зазначити, що ця точка зору підкріплена серйозними прогалинами у правовій системі нашої країни. Сьогодні немає чітких правил гри, дотримання яких могло убезпечити добувні компанії від претензій з боку контрольно-наглядових органів або необґрунтованих економічних втрат.
В Україні та інших країнах правовий статус штучного інтелекту не визначено. Це викликає численні питання у добувних компаній, які в умовах правової невизначеності змушені брати на себе додаткові ризики цифрової технології. При цьому повний перелік навіть не можна точно спрогнозувати. Поки масового використання штучного інтелекту у світовій промисловості не відбувається, немає і необхідного емпіричного матеріалу для досліджень. Але вже сьогодні можна виділити значні ризики, наприклад можливість створення аварійної ситуації на виробництві через помилку, допущену системою штучного інтелекту. Через відсутність норм права, що регламентують дії сторін у подібній ситуації, можуть виникнути труднощі у розмежуванні відповідальності за аварію. Звісно ж, що існування подібних бар’єрів у добувній промисловості обмежуватиме використання штучного інтелекту.
В межах регулювання систем штучного інтелекту у добувній промисловості слід визнати за необхідне зміни положень законодавства про обов’язкове страхування цивільної відповідальності небезпечних виробничих об’єктів. Враховуючи той факт, що програми, створені за принципом машинного навчання, нині залишаються «чорною скринькою», то всі геотехнологічні процеси, якими вони керують, слід визнати небезпечними виробничими процесами. Тоді збитки, завдані через помилку алгоритму, доцільно відшкодовувати через систему відповідних страхових покриттів.
Оскільки ключовим фактором для прийняття рішень щодо впровадження систем штучного інтелекту у добувній промисловості є необхідність забезпечення безпечних умов праці, то потребує змін правовий інститут охорони праці. Наприклад, необхідний інститут сертифікації систем штучного інтелекту. Нині все добувні підприємства мають проходити оцінку умов праці (так званий гірничий відвід – сфера компетенції Держпраці). Звісно ж, що без зовнішньої оцінки систем штучного інтелекту, що використовуються у добувній промисловості, ніхто не зможе провести належним чином оцінку виробничих ризиків на робочому місці.
Важливо зазначити, що до внесення відповідних змін до законодавства у добувній промисловості можна широко використовувати технологію штучного інтелекту. Для цього необхідно встановити спеціальний правовий режим. Експериментальний правовий режим у сфері цифрових інновацій – це застосування щодо учасників експериментального правового режиму протягом певного періоду спеціального регулювання за напрямами розробки, апробації та впровадження цифрових інновацій.
Гірничодобувна промисловість завжди знаходилася в авангарді технічного прогресу. Інновації зіграли ключову роль у підвищенні продуктивності та ефективності галузі: від парового двигуна, який робить видобуток вугілля прибутковим, до передових технологій буріння. Наразі впровадження штучного інтелекту (ШІ) стало геймченджером та дозволило ефективніше розвідувати, виводити автоматизацію на новий рівень, значно підвищити безпеку та максимізувати видобуток, технічне обслуговування та експлуатаційну продуктивність.
Джерела:
- Angelov, P.P., Soares, E.A., Jiang, R., Arnold, N.I., & Atkinson, P.M. (2021). Explainable artificial intelligence: an analytical review. Wiley Interdisciplinary Reviews: Data Mining andKnowledge Discovery, 11(5), e1424.https://doi.org/10.1002/widm.1424.
- Australian Resources & Investment. (2021, June 24). Ethical considerations of artificial intelligence in mining. https://www.australianresourcesandinvestmen t.com.au/2021/06/07/ethical-considerationsof-artificial-intelligence-in-mining/
- Hyder, Z., Siau, K., & Nah, F. (2019). Artificial Intelligence, Machine Learning, and Autonomous Technologies in the Mining Industry. Journal of Database Management, 30(2), 67–79. https://doi.org/10.4018/jdm.2019040104
- (2021). The Role of Critical Minerals in Clean Energy Transitions, International Energy Agency, Paris. https://www.iea.org/reports/therole-of-critical-minerals-in-clean-energytransitions
- Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., Felländer, A., Langhans, S.D., Tegmark, M. & Nerini, F. F. (2020). The role of artificial intelligence in achieving the Sustainable Development Goals. Nature Communications, 11(1), 1-10.
