4 декабря прошла традиционная зимняя встреча Горного клуба МАЙНЕКС «Аверс и реверс искусственного интеллекта в горной и металлургической отраслях», на котором эксперты поделились перспективами и ограничениями в сфере роботизации промышленности, а также рассказали об инструментах искусственного интеллекта для прикладных задач промышленности. Мероприятие состоялось при партнерской и спонсорской поддержке Сколтеха, Fplus, АГР Софтвэр, Гинтелл, СМТ Consulting , Группа ИГТ, РТС.
Одним из ключевых спикеров мероприятия стал Дмитрий Сиземов, технический директор компании «Цифра Роботикс» Группы компаний «Цифра». В своей презентации он поделился опытом и перспективами в сфере систем карьерной роботизации.
Согласно прогнозам эксперта, в ближайшие десять лет роботизация заменит более 60% труда, связанного с эксплуатацией техники, а функции диспетчеров и операторов трансформируются в контрольные. На данный момент в мире внедрено около 2100 карьерных роботов, причем наиболее значительную долю рынка занимают западные производители. Тем не менее, на рынке ЕАЭС представлена карьерная техника компании БелАЗ, и количество техники продолжит расти, несмотря на появление новых игроков, таких как китайские компании. Прогнозируется, что к 2034 г. количество карьерной техники на рынке ЕАЭС увеличится на 80%.
Мировая статистика показывает, что внедрение роботизации снижает расходы на горюче-смазочные материалы в среднем на 7–10%, повышает коэффициент использования оборудования на 14–23%, а прирост производительности достигает 34–40%. Дмитрий Сиземов также отметил, что роботизация увеличивает срок службы карьерной техники до 15%. «За счет спланированности и плавности операционных движений роботов само шасси и конструктивы претерпевают меньше экстремальных нагрузок, что продлевает их срок службы», – пояснил эксперт.
Он привел пример успешного проекта, реализованного совместно с компанией СУЭК, где проводились пилотные испытания роботизированных самосвалов. В начале 2020 г. благодаря роботизации удалось перевыполнить сменную норму производительности примерно на 20%. Расход топлива составил 13,2%, а рост скорости движения ночью – около 7%, что свидетельствует об успешности проекта.
Несмотря на значительные достижения в отрасли, она сталкивается с типичной для всей промышленности проблемой – нехваткой квалифицированного персонала. На это обратил внимание Андрей Зотов, начальник департамента инноваций компании «Евраз», который считает, что роботизация позволит сократить дефицит кадров: «Перед нами стоит цель – до 2035 г. увеличить производительность труда в два раза при сохранении объемов. Место роботизации в этом весьма существенное». Он также подчеркнул, что процесс будет непростым, в силу исторических особенностей развития отрасли: «Целая индустрия была построена на базе роботов. В частности, в Китае автомобильная отрасль и вся японская экономика базируются на роботах. К сожалению, металлургия и горное дело не построены на роботах изначально. Здесь роботизация не является базовой технологией. Поэтому нам приходится внедрять роботов точечно в отдельные процессы, которые необходимо улучшить».
О нововведениях в горнодобывающей отрасли рассказал Александр Апришкин, главный маркшейдер рудника «Северный». Он поделился опытом внедрения шведской системы навигации Total Station Navigation (TSN) на Кольском ГМК, что стало значительным шагом вперед в процессе проходки горных выработок. Эта система позволяет проходчикам координировать машины без необходимости провешивания висков, делая процесс более безопасным и автоматизированным. Время на координацию сокращается с 30 минут (при использовании классической системы) до 5–10 минут, и теперь эту работу может выполнять один человек вместо двух.
TSN обеспечивает высокую точность навигации, достигающую 2 см благодаря привязке тахеометра к опорным пунктам, что позволяет более точно проходить горные выработки. Ранее навигация выполнялась методом «проверки забоя», который имел ряд существенных недостатков, таких как небезопасная разметка в «груди» забоя, превышение сечений горных выработок и потенциальный обрыв направленческих висков. На данный момент навигация осуществляется с помощью системы TSN, которая позволяет настраивать призмы по заданным маркшейдерским точкам в горной выработке, отображать процесс позиционирования в автоматическом режиме и загружать электронный паспорт.
Сама система бурения также стала автоматизированной. Сначала происходит закладка анкеров для маркшейдерского опорного обоснования. Далее создаются оси тоннеля в Underground Manager (программное обеспечение для управления процессами бурения в проектах горной разработки и тоннельных выработках). После этого происходит выгрузка электронного паспорта оси тоннеля на USB-накопитель или посредством беспроводной сети Wi-Fi через RRA (клиент дистанционного доступа к буровому станку). По окончании смены на бортовом компьютере СБУ формируется отчет об оббуренных шпурах.
Кроме того, по информации от представителя компании, внедрение системы TSN значительно сократило брак – 50% до 5–10%, а затраты на перекрепление минимизированы благодаря почти идеальной выработке. В условиях санкций компания активно сотрудничает с китайскими поставщиками в вопросах поставки оборудования для поддержания работы системы.
Также ведется работа над мониторингом состояния горной техники и внедрением новых датчиков, что дополнительно повышает эффективность и безопасность процессов в горной промышленности. В целом, внедрение системы TSN стало важным шагом к повышению безопасности, точности и эффективности работ в горной отрасли.
На мероприятии поднималась актуальная в последнее время тема ИИ. Евгений Бурнаев, директор Центра Сколтех, и его заместитель Максим Мироненко рассказали о применении прикладного ИИ для индустриальных задач и отраслей экономики. Кратко расскажем о каждом из представленных примеров.
Один из успешных проектов Центра – система мониторинга технологических процессов DATASKAI, которая дает возможность предсказывать инциденты на производственных линиях, таких как трубопрокатное производство. Это помогает предотвратить аварии и снизить затраты. Система может быть адаптирована для различных технологических процессов благодаря встроенному инструменту Model Builder, который позволяет технологам быстро создавать новые модели. Важным направлением является и видеоаналитика, разработанная для контроля процессов укладки слоев при построении корпусов судов, что обеспечивает высокую точность и качество выполнения работ. Эти решения могут быть адаптированы для других отраслей, например, строительства и инфраструктуры. Еще одна особенность – возможность прогнозирования отказов, приводящих к простоям оборудования, моделирования температуры заготовок на выходах из печей и построения цифровой модели производства на основе имитационного моделирования. Система обучается на исторических данных выявленных аномалий в работе и организует работу модели в режиме реального времени, что позволяет предсказывать простои в работе оборудования.
Бортовое компьютерное зрение
Эта технология находит применение в мониторинге протяженных и промышленных объектов, анализе почв и растений в агропромышленности, картографии и навигации, а также в проведении георазведки. Обработка данных с видеокамеры на борту БПЛА с использованием нейронных сетей предусматривает использование компактных компьютеров с ограниченными вычислительными ресурсами. Для ускорения вычислений применяются методы оптимизации нейронных сетей, такие как квантизация, прунинг, дистилляция и NAS, что позволяет эффективно запускать их на бортовом вычислителе без потери в скорости вычислений или точности работы сети. Эти подходы универсальны и применимы для решения любых задач с использованием цифровых снимков на борту БПЛА. На данный момент реализован пилотный проект по детектированию борщевика Сосновского на территории Подмосковья, где выполнялась семантическая сегментация сорняка в реальном времени прямо на борту БЛА. В настоящее время ведется разработка полностью автономного скоростного дрона с бортовым ИИ, который использует сверточные нейронные сети для детектирования препятствий и исчисления путей их обхода. Этот подход также был использован в пилотном проекте для управления складским помещением.
3D реконструкция аэрофотоснимков
Применяется в мониторинге протяженных и промышленных объектов, анализе почв и растений в агропромышленности, картографии и навигации, проведении георазведки, лесном хозяйстве, мониторинге городской инфраструктуры. Технология включает методы фотограмметрии, в частности, Multi View Stereo (MVS) и Structure From Motion (SFM), алгоритмы построения полигонов и текстурирования, а также совмещение полученного 3D изображения с семантической маской. Решение позволяет эффективно идентифицировать интересующие объекты на местности. Были выполнены пилотные проекты для создания 3D реконструкции объектов в условиях городской среды и жилой застройки в пригороде.
Системы для прогнозирования чрезвычайных ситуаций
Одним из наиболее значимых направлений работы Сколтеха является разработка систем для прогнозирования чрезвычайных ситуаций (ЧС). Центр создал решение для оперативного прогнозирования паводков и наводнений, которое используется МЧС. Это решение позволяет строить прогнозы на семь дней вперед на основе климатических данных и гидродинамического моделирования рек. В апреле 2023 г. система успешно спрогнозировала наводнение в Орске, оценив ущерб в 11 млрд руб., что совпало с независимыми оценками МЧС.
Система мониторинга лесных пожаров позволяет прогнозировать появление пожароопасной обстановки на пять дней вперед. Точность данного решения составляет 84%, оно помогает МЧС эффективно распределять силы и средства для предотвращения и тушения пожаров.
Форум в очередной раз продемонстрировал, что наши промышленные предприятия способны преодолевать вызовы, связанные с ограничениями со стороны западных вендоров, и продолжать свое развитие. В этом контексте особую роль играют наши образовательные учреждения, такие как Сколтех, которые не только готовят высококвалифицированных специалистов, но и создают инновационные технологии, востребованные на рынке.
