Аннотация результатов, полученных в 2022 году
Разработана методика выполнения исследований для проблемы решения сбора, хранения и анализа «больших данных» при управлении горнотехническими системами, отличающаяся тем, что по мере сбора и анализа регистрируемой информации во всех информационных системах горного предприятия оцениваются способы их интеграции, а также хранения данных в зависимости от используемой информационной и технологической инфраструктуры. На базе сотрудничества с горными предприятиями России (ООО "Новая горная управляющая компания", АО «Кузбассразрезуголь», АО «Стойленский ГОК», АО «Карельский Окатыш», АО «Южуралзолото Группа Компаний») в соответствии с разработанной методикой проведен сбор цифровой информации, генерируемой различными информационными системами и выполнена оценка объемов генерируемых данных и установлены сроки хранения данных в различных информационных системах. Определено, что на горных предприятиях не решен вопрос хранения получаемых данных в обработанном виде, т.е. не в исходной форме (например, видеозаписи, фотографии, или отдельного аналогового сигнала), а в «сжатой», удобной для использования в любой момент математической записи, отвечающей тому или иному параметру технологического процесса, состояния недр или работы технологического оборудования. Такие информационные системы используют различные протоколы сбора и хранения данных, которые не взаимосвязаны между собой. Например, протокол сбора и передачи диагностической информации карьерной техники Komtrax не связан с протоколом j1939, принятым автомобильной промышленностью и используемым на типовых транспортных средствах. Протоколы сбора и передачи данных проприетарных систем диспетчеризации горнотранспортных комплексов ВИСТ Групп не позволяют использовать хранимые данные сторонними решениями для развития методов прогнозной аналитики и так далее. В результате выполненных исследований высказана рабочая гипотеза, что решение проблемы использования «больших данных» в горной промышленности лежит в установлении еще на стадии проектирования горнотехнической системы и далее, при ее функционировании, этапов появления и видов источников цифровой информации, принципов сбора таких данных, обработки полученной информации и ее эффективного своевременного использования для достижения поставленных задач. Это возможно в случае четкого понимания сроков появления физического объекта горнотехнической системы, уровня его цифровизации, средств и методов сбора и обработки информации, а также сроков прекращения функционирования данного объекта на осваиваемом участке недр. Для решения проблемы разработана классификация источников данных горнотехнической системы по признаку объекта получения цифровых данных (как внутренних объектов горнотехнической системы, так и внешних смежных систем). Данная классификация позволяет на этапе проектирования для каждой горнотехнической системы обосновать порядок ввода в эксплуатацию источника информации в процесс проектирования и функционирования ГТС, определить пределы изменения параметров получаемых сигналов и принципы их трансформации в цифровую форму, установить требования к чистоте получаемых сигналов, а также форму, пригодную для обработки, анализа, длительного хранения и последующей оптимизации характеристик в соответствии с принятыми критериями эффективности. Классификация явилась основой для разработки методов сбора, подготовки и преобразования информации, поступающей в хранилища данных горного предприятия, количественной оценки и доли влияния каждого технологического процесса на показатели эффективности функционирования ГТС в целом. Кроме того, использование классификации позволит изучать инциденты, аварии и техногенные катастрофы на основе анализа больших данных при функционировании ГТС и разработать превентивные меры по их исключению на опасных производственных объектах горной промышленности. Для выполнения лабораторных экспериментов предложено направление лабораторных исследований, основанное на создании имитационной модели в соответствии с разработанной классификацией и унифицированной структурой информационных систем горнотехнической системы. Работа имитационной модели направлена на генерирование больших массивов данных от различных информационных систем горнотехнической системы. Для разработки имитационной модели получены данные следующих систем мониторинга горнотехнической системы: диспетчеризация горно-транспортных комплексом (рейсы, расстояния, скорость, грузооборот, качество горной массы, типы техники и так далее), информация о планах развития горных работ (планы расстановки дробильных установок и конвейерных лент их производительность, объемы приемных бункеров и так далее) и пр. Проанализированы исторические данные за 3 года работы железорудного карьера. В результате лабораторного эксперимента построена модель развития горнотехнической системы с различными сценариями изменения параметров функционирования горнотехнической системы в зависимости особенностей взаимосвязей информационных систем. Определено, что развитие экспериментальных исследований должно состоять в унификации требований к информационным системам. Выполнен комплекс работ по созданию унифицированной иерархической структуры информационных систем горнотехнической системы. Суть ее состоит в выборе путей интеграции данных из различных источников и их хранения на базе определения на этапе проектирования требований к частоте генерирования и передачи в хранилище данных от каждой информационной системы и каждого источника в частности. Такой подход позволяет при проектировании горнотехнической системы оценить пропускную способность каналов передачи данных, определить требования к вычислительным мощностям и к инфраструктуре хранения данных. Разработанная унифицированная иерархическая структура информационных систем горнотехнической системы была адаптирована при создании методики проектирования систем прогнозной аналитики класса «цифровой советчик» на примере Стойленского ГОКа. Теоретические расчёты показали эффективность предложенной методики. Проеденные исследования и анализ потоков данных горнотехнических систем, выявление существенных временных периодов для регистрации позволили разработать универсальную структуру аналитических систем «больших данных» предприятий горнопромышленного комплекса для выверенного сбора, обработки, хранения и анализа данных, поступающих от иерархически структурированных элементов горнотехнической системы с различной частотой. Выполненные исследования позволили разработать предложения по эффективной цифровой трансформации горнотехнических систем. Предложения доложены на семинаре шестой национальный горнопромышленный форум. Горпромэкспо 2022 (модератор – академик РАН В.Н. Захаров) и на круглом столе Minex (модератор – ответственный исполнитель проекта Д.А. Клебанов, https://2022.minexrussia.com/forum-speakers/dmitrij-klebanov/).

Аннотация результатов, полученных в 2023 году
Разработаны методы подготовки и преобразования информации, поступающей в хранилища данных горнотехнической системы, включая методы извлечения, конвертации, оценки и сжатия данных. Создана классификация типов данных, генерируемых горнотехнической системой и внешними средами, с точки зрения способов хранения и дальнейшего применения алгоритмов обработки больших данных. В соответствии с классификацией данные горнотехнической системы разделены в зависимости от источника на три типа – временные ряды; геопространственные трехмерные данные; фото, видео и звуковые данные. Разработана методика оценки ценности данных горнотехнических систем для развития методов прогнозной аналитики, отличающаяся тем, что в ходе анализа регистрируемой информации во всех информационных системах полного цикла «геологоразведочные работы – добыча – транспортирование – обогащение – утилизация отходов» оценивается дискретность, а также способы хранения данных в зависимости от вида технологического процесса горнотехнической системы. С учетом предложенной методики проведены работы, направленные на анализ информационных систем, регистрирующих данные от горного оборудования, о состоянии технологических сред и горных массивов за период 2022-2023 гг. на следующих горнодобывающих предприятиях: ООО «Стойленский ГОК», ООО «Новая Горная УК», АО УК «Кузбассразрезуголь», АО «Карельский окатыш». В результате оценены виды и объем данных, генерируемых комплексом телеметрических систем; установлено многообразие данных, их вариативность и объем; оценены параметры эксплуатации автомобильного и железнодорожного транспорта; выполнен анализ информации по параметрам буровзрывных работ; систематизированы данные геоинформационных систем и периодической отчетности, включая анализ свойств массива, руд и пород. Выполнен анализ принятых на предприятиях бизнес-процессов и параметров технологических процессов по всей цепочке производства продукции, которые классифицированы с учетом их вариативности, методов обработки и использования данных и их ценности. Сформулирован научно-методический подход эффективного управления и оптимизации работы горнотехнической системы, реализация которого базируется на необходимости сбора информации от цифровых источников данных горнотехнической системы, на основе которых формируются гипотезы оптимизации Формирование последних базируется на выявлении бенефициара оптимизации для смежных и совместных систем, будь то социум, окружающая природная среда или конкретный субъект/процесс горнотехнической системы. Определено, что сформулированные гипотезы должны быть приоритизированы от момента проектирования горнотехнической системы и до корректировки их в процессе эксплуатации месторождений. С учетом взаимосвязи горнотехнической системы с социумом и окружающей природной средой приоритизация гипотез оптимизации может быть найдена только заданием системы уравнений для каждой из систем и проставлением весовых коэффициентов для каждого из уравнений гипотез оптимизации. На основе анализа информационных систем и генерируемых данных технологического оборудования горнодобывающих предприятий выполнен комплекс работ по формулированию гипотез оптимизации технологических процессов на основе математических методов и прогнозной аналитики, а также проанализирована степень влияния человеческого фактора на технологические процессы производства, такие как бурение, экскавация, транспортирование, процессы подготовки шихты, обогащения руды и угля. Например, при оценке степени влияния человеческого фактора на показатели функционирования горнотехнической системы определено, что потенциал увеличения производительности горнотранспортного комплекса при непрерывном анализе поведения персонала, занятого на транспортных работах и своевременной корректировке условий его работы, составляет 12,5% по средней скорости движения автосамосвалов и 10,8% по сокращению удельного расхода топлива. Сбор данных цифровых систем, анализирующих условиях и характер выполняемых работ позволил сформулировать гипотезу управления ходимостью крупногабаритных на основе предиктивной аналитики. Расчетами доказано и экспериментально подтверждено, что время эффективной эксплуатации шин повышается до установленного уровня за счет планомерного контроля состояния водителей, автоматизированных рекомендаций по перестановкам шин, организации процесса осмотра шин и фиксации их состояния. На базе анализа данных доказана значительная разница в сроках эксплуатации, зависящая от организации труда и управления шинным хозяйством на горнодобывающем предприятии. Таким образом, анализ данных горнотехнической системы обеспечивает установление качественных и количественных показателей влияния персонала на эффективность технологических процессов. Сформулирована гипотеза о значимом влиянии человеческого фактора при оценке структуры геологического массива на качественные и количественные показатели системы транспортирования руды и вмещающих пород. В результате проведенных исследований создана ресурсная база данных, полученная по результатам статистической обработки данных о работе горнопромышленного предприятия за последние несколько лет. Благодаря собранной информации удалось смоделировать процессы погрузки и транспортирования горной массы из сложноструктурных блоков с учетом кондиции по мощности и без них. Определен перечень и доля данных о состоянии горных массивов и потоков горной массы, а также работе погрузочно-транспортного и вспомогательного оборудования, формируемых при участии персонала. Разработаны рекомендации по корректировке параметров технологических процессов при переходе на новые принципы сбора и обработки информации. На основании результатов моделирования были рассчитаны объемы рудной массы с учетом кондиции по мощности и без них. Определяемая далее разница объемов позволила установить объемы рудной массы, поступающие в отвалы вскрышных пород, значения которых составляли 16–40 % в зависимости от геологического строения отрабатываемых сложноструктурных блоков. На основе проведенной аналитической работы и сформулированных гипотез оптимизации процессов и определения количественных оценок доли влияния персонала на показатели эффективности технологических процессов сформировано предложение по организации сбора первичных данных для предприятий ООО «Стойленский ГОК» и ООО «Новая Горная УК». Начата работа по обоснованию методологии цифровизации всех стадий технологических процессов горнотехнической системы для целей применения прогнозной аналитики при управлении горнотехническими системами. Определены направления дальнейшей разработки и внедрения методов прогнозной аналитики на предприятии, что в будущем позволит определить фактический эффект от применения алгоритмов обработки больших данных. Обработка собранных массивов данных показала, что применение прогнозной аналитики должно базироваться на данных автоматизированных систем, позволяющих отслеживать потоки минерального сырья от забоя до приемного бункера фабрики, сопоставляя эти данные с информацией, собранной на этапах обогащения и хранящейся в АСУ ТП и в архиве данных по обогатимости. Выявлено, что построение прогнозных моделей внутри фабрики без понимания качественных параметров сырья влечет за собой сложности при верификации, которая может занять достаточно много времени до тех пор, пока не наберется достаточный объем статистики. Поэтому для эффективного управления горнотехнической системой предложена и апробирована методика сбора данных от всех цифровых источников, таких как горное оборудование, массив и технологическая среда, а также выделять качественный показатель при движении твердых полезных ископаемых и прослеживать его во всех информационных системах, где происходит регистрация цифровых данных горнотехнической системы.