Решение фундаментальной проблемы сбора, хранения и анализа Больших Данных для развития методов прогнозной аналитики при управлении горно-техническими системами

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 22-17-00142

НазваниеРешение фундаментальной проблемы сбора, хранения и анализа Больших Данных для развития методов прогнозной аналитики при управлении горно-техническими системами

Руководитель Захаров Валерий Николаевич, Доктор технических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт проблем комплексного освоения недр им академика Н.В. Мельникова Российской академии наук , г Москва

Конкурс №68 - Конкурс 2022 года «Проведение фундаментальных научных исследований и поисковых научных исследований отдельными научными группами»

Область знания, основной код классификатора 07 - Науки о Земле; 07-302 - Механические свойства и разрушение геоматериалов и горных массивов

Ключевые слова Большие Данные, горнотехническая система, освоение недр, открытая разработка месторождений, параметры процессов, мониторинг, измерение, датчик, сигнал, значение, сбор, хранение и анализ данных, управление объемами данных, прогнозирование, безопасность

Код ГРНТИ52.01.11

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Современный этап освоения месторождений твердых полезных ископаемых сопровождается масштабной цифровой трансформацией горно-технических систем. В режиме реального времени или близком к нему осуществляется сбор информации о состоянии горно-технических конструкций (устойчивости бортов и уступов карьеров, разрезов и откосов отвалов, подземных горных выработок), сотнях параметров работы горных машин и аппаратов, режимах и параметрах технологических процессов. Генерирование многообразных, различных по типу, структуре и частоте формирования данных в горно-технической системе определяется ее физической сутью – под этим термином понимают совокупность конструкций, оборудования и технологических процессов горного производства во взаимодействии с вмещающим их участком недр. Ретроспективный анализ объемов данных, генерируемых горно-технической системой, показал, что, если еще 15 лет назад объем информации оценивался сотнями мегабайт в год, к 2021 году он увеличился на 2 порядка. Сегодня на современных производствах только с одного карьерного самосвала регистрируется более 40 параметров о работе узлов и агрегатов; буровые станки оснащены десятками датчиков; системы на основе искусственного интеллекта выбирают маршруты и режимы работы техники, анализируя ускорения и режимы вождения самосвалов; растет объем данных, генерируемых при управлении процессами экскавации и транспортирования горной массы. Расчеты показывают, что данные, генерируемые объектами одного крупного карьера, имеют объем 100 Тб/год и более. Это приводит к необходимости хранения и обработки поистине гигантских массивов данных, не имеющих аналогов в прошлом. Сбор и обработка этих данных должны выполняться исключительно оперативно. Объем, разнообразие и скорость генерирования данных однозначно определяют получаемую информацию о горнотехнической системе как Большие Данные (в международной терминологии Big Data). Несмотря на явный прогресс, фундаментальные концепции, возможности и риски для горнодобывающей отрасли при управлении Большими Данными все еще не ясны. Это обусловлено отсутствием комплексных исследований по ключевым аспектам Больших Данных в горнодобывающей промышленности. Для преодоления этого разрыва требуется интеграция знаний из области БоД и горных наук. Проведение фундаментальных исследований, направленных на установление принципов и закономерностей сбора, агрегирования, анализа и оценки Больших данных будет способствовать: - повышению эффективности производственных процессов за счет оперативного принятия решений, контроля и оптимизации процессов в режиме реального времени; - оптимизации затрат энергии каждой технологической операции (бурение, взрывание, экскавация, транспортировка, логистика); - переходу к возобновляемым источникам энергии, характеризующимся крайне нестабильной генерацией и новыми принципами распределения в энергосетях; - сокращению нетехнологических простоев оборудования за счет объективного анализа коэффициента использования оборудования и коэффициента технической готовности горной техники, а также мониторинга требуемых режимов работы; - управлению рисками на базе повышения уровня промышленной безопасности производства; - улучшению оперативного управления техническим обслуживанием и ремонтом на базе прогноза потребности в запасных частях, оптимизации закупок с предотвращением аварийности; - пониманию глубинных причин и снижению рисков негативного воздействия на окружающую среду; - анализу различных сценариев функционирования и развития горнотехнических систем, в зависимости от конъюнктуры цен на полезные ископаемых и социальные аспекты жизни конкретного региона; - анализу гипотетически возможных сценариев развития аварий и предупреждению их в ходе освоения месторождений, прогнозированию рисков и предупреждению техногенных катастроф. Главной проблемой отсутствия реализации подхода эффективного анализа Больших Данных при эксплуатации современных горнотехнических систем является установленный факт, что информация в виде исходных сигналов датчиков не обрабатывается и не хранится на горных предприятиях (максимум - до 3-6 месяцев), если не зафиксировано никаких отклонений, так как не существует принципов обработки и хранения данных в пригодном для последующего анализа виде. Идея проекта состоит в том, что принятие эффективных решений при разработке месторождений твердых полезных ископаемых может быть реализовано только на базе создания и внедрения обоснованных технологий получения, хранения и анализа Больших Данных - всесторонней информации об осваиваемом участке недр, оборудовании и параметрах технологических процессов в их взаимосвязи, при недопущении на базе своевременных аналитических прогнозов гипотетически возможных аварий и техногенных катастроф. Объекты исследований: горно-технические системы месторождений твердых полезных ископаемых. Исходные данные для реализации проекта будут получены по трем группам месторождений твердых полезных ископаемых - угольных разрезов Кузбасса, железорудных месторождений КМА и золоторудных Сибири, с которыми у исполнителей проекта имеются многолетние партнерские отношения. Для недопущения раскрытия конфиденциальной информации наименования компаний и месторождений публиковаться без согласия недропользователей не будут. Научная новизна проекта состоит в том, что впервые в мире будет обоснован научно-методический подход к сбору, обработке, хранению и анализу Больших Данных горнотехнических систем, который обеспечит поддержку принятия эффективных решений при освоении месторождений твердых полезных ископаемых и предотвращения аварий и техногенных катастроф. Разработанные теоретические основы анализа больших данных и полученные с их помощью результаты позволят горнодобывающим компаниям использовать научно-обоснованный подход при проектировании и внедрении цифровых технологий с учетом требований к хранению, агрегации и анализу данных, позволяющих находить закономерности при эксплуатации горно-технических систем для управления всем технологическим циклом ведения горных работ. Применение технологий анализа больших данных и поиска закономерностей в их интерпретации для эффективной эксплуатации горнотехнических систем позволит создать новое научно-технологическое направление, актуальность которого со временем будет возрастать по мере цифровизации процессов управления в горнодобывающей промышленности.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Каплунов Д.Р., Федотенко В.С. О сути цифровизации горнотехнических систем "Маркшейдерия и недропользование", №3(119), С. 3-5 (год публикации - 2022)

2. Клебанов Д.А., Макеев М.А. Цифровые советчики для угольной промышленности. Методология внедрения "Уголь", №8. С. 112-115 (год публикации - 2022)
10.18796/0041-5790-2022-8-00-00

3. Князькин Е.А Оценка производительности горнотранспортного комплекса карьера на основе анализа больших данных "Проблемы и перспективы комплексного освоения и сохранения земных недр", С. 326-327 (год публикации - 2022)

4. Захаров В.Н., Каплунов Д.Р., Клебанов Д.А., Радченко Д.Н. Методические подходы к стандартизации сбора, хранения и анализа данных при управлении горнотехническими системами "Горный журнал", №12. С. 55-61 (год публикации - 2022)
10.17580/gzh.2022.12

5. Рыльникова М.В., Клебанов Д.А., Князькин Е.А. Анализ данных как основа повышения эффективности работы горнотранспортного оборудования при ведении открытых горных работ "Горная Промышленность" (год публикации - 2023)

6. Рыльникова М.В., Макеев М.А., Кадоничков М.В., Клебанов Д.А. Большие данные для оптимизации работы погрузочной техники и автотранспорта на горных работах Известия Тульского государственного университета. Науки о Земле. (год публикации - 2022)

7. М.В. Рыльникова, М.В. Цупкина, А.Е. Кирков Технологии сбора и обработки больших данных – основа повышения достоверности первичной информации о массивах горных пород при освоении месторождений полезных ископаемых и техногенных образований Издательство ТулГУ, Тула, Известия ТулГУ. Науки о Земле. 2023. Вып. 1. Стр.: 308-327 (год публикации - 2023)
10.46689/2218-5194-2023-1-1-308-327

8. В.Н. Захаров, М.В. Рыльникова, Д.А. Клебанов, Д.Н. Радченко Гипотезы оптимизации параметров функционирования горнотехнических систем с применением методов прогнозной аналитики Горная промышленность, № 5. Стр.: 38-42 (год публикации - 2023)
10.30686/1609-9192-2023-5-38-42

9. Д.А. Клебанов, Е.А. Князькин, М.А. Макеев Прогнозная аналитика при управлении качеством на горнообогатительном производстве на примере добычи и обогащения угля Уголь, № 12. Стр. 92-97. (год публикации - 2023)
10.18796/0041-5790-2023-12-00-00

10. М.В. Рыльникова, П.В. Волков, И.Б. Агарков Разработка технологических схем и обоснование параметров крепления восточного борта карьера «Железный» тросово-канатными анкерами на основе формирования и анализа больших данных Горная промышленность, №6, Стр.:72-79 (год публикации - 2023)

11. В.Н. Захаров, Д.А. Клебанов, М.А. Макеев, Д.Н. Радченко Анализ методов подготовки и преобразования информации, поступающей в хранилища данных для эффективного управления горнотехнической системой Горная промышленность (год публикации - 2023)

12. ЦУПКИНА М.В., КИРКОВ А.Е. ИСПОЛЬЗОВАНИЕ ТЕХНОЛОГИИ БОЛЬШИХ ДАННЫХ ПРИ УПРАВЛЕНИИ МИНЕРАЛЬНО-СЫРЬЕВЫМИ ПОТОКАМИ ПРИ ОСВОЕНИИ МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХ Магнитогорский государственный технический университет им. Г.И. Носова (Магнитогорск), В книге: КОМБИНИРОВАННАЯ ГЕОТЕХНОЛОГИЯ: КОМПЛЕКСНОЕ ОСВОЕНИЕ ТЕХНОГЕННЫХ ОБРАЗОВАНИЙ И МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХ. Материалы научно-практической конференции: тезисы докладов. 2023. С. 198-199. (год публикации - 2023)

13. КНЯЗЬКИН Е.А. ОПТИМИЗАЦИЯ ПРОЦЕССА ШИХТОПОДГОТОВКИ НА ОСНОВЕ АНАЛИЗА БОЛЬШИХ ДАННЫХ И ПРИМЕНЕНИЯ МЕТОДОВ ПРОГНОЗНОЙ АНАЛИТИКИ Магнитогорский государственный технический университет им. Г.И. Носова (Магнитогорск), В книге: КОМБИНИРОВАННАЯ ГЕОТЕХНОЛОГИЯ: КОМПЛЕКСНОЕ ОСВОЕНИЕ ТЕХНОГЕННЫХ ОБРАЗОВАНИЙ И МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХ. Материалы научно-практической конференции: тезисы докладов. 2023. С. 188-190. (год публикации - 2023)

14. Д.А. Клебанов ГИПОТЕЗЫ ОПТИМИЗАЦИИ И ЭФФЕКТИВНОГО ФУНКЦИОНИРОВАНИЯ ГОРНОТЕХНИЧЕСКОЙ СИСТЕМЫ С ПРИМЕНЕНИЕМ МЕТОДОВ ПРОГНОЗНОЙ АНАЛИТИКИ Магнитогорский государственный технический университет им. Г.И. Носова (Магнитогорск), В книге: КОМБИНИРОВАННАЯ ГЕОТЕХНОЛОГИЯ: КОМПЛЕКСНОЕ ОСВОЕНИЕ ТЕХНОГЕННЫХ ОБРАЗОВАНИЙ И МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХ. Материалы научно-практической конференции: тезисы докладов. 2023. С. 177-178. (год публикации - 2023)

15. 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", №3. С. 89–92. (год публикации - 2022)
10.30686/1609–9192-2022-3-89-92

16. М.А. Макеев АНАЛИЗ ДАННЫХ О ВЛИЯНИИ ПЕРСОНАЛА НА ПОКАЗАТЕЛИ ЭФФЕКТИВНОСТИ ГЕОТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ КАК ОСНОВА ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ЦИФРОВЫХ СОВЕТЧИКОВ Магнитогорский государственный технический университет им. Г.И. Носова (Магнитогорск), В книге: КОМБИНИРОВАННАЯ ГЕОТЕХНОЛОГИЯ: КОМПЛЕКСНОЕ ОСВОЕНИЕ ТЕХНОГЕННЫХ ОБРАЗОВАНИЙ И МЕСТОРОЖДЕНИЙ ПОЛЕЗНЫХ ИСКОПАЕМЫХ. Материалы научно-практической конференции: тезисы докладов. 2023. С. 179-180. (год публикации - 2023)

17. Цупкина М. В., Кирков А. Е., Клебанов Д. А., Радченко Д. Н. Обоснование необходимости улучшения стратегии управления функционированием горно-технической системы на основе анализа данных об отработке сложноструктурных блоков ЗАПИСКИ ГОРНОГО ИНСТИТУТА (Journal of Mining Institute), г. Санкт-Петербург, Записки Горного института. 2024. Т. 266. С. 316-325. EDN JOLUPJ (год публикации - 2024)

18. Рыльникова М.В., Клебанов Д.А., Рыбин В.В., Розанов И.Ю. Контроль и управление геомеханическим состоянием и устойчивостью конструктивных элементов горнотехнических конструкций карьеров на основе сбора и анализа больших данных Горная промышленность, 2024;(4):121–128. (год публикации - 2024)
10.30686/1609-9192-2024-4-121-128

19. Рыльникова М.В., Клебанов Д.А., Кабелко С.Г., Стороженко Е.А. Система оптимизации параметров буровзрывных работ и механической подготовки горных работ к выемке на основе непрерывного анализа данных и современных ГГИС Уголь, №1 - 2025 (год публикации - 2025)

20. Князькин Е.А., Клебанов Д.А., Ювакаев Р.О. Разработка и применение новых методов оценки изменчивости качества полезных ископаемых на основе анализа больших данных для оперативного управления рудопотоком на горных предприятиях ЗАПИСКИ ГОРНОГО ИНСТИТУТА (Journal of Mining Institute), г. Санкт-Петербург (год публикации - 2025)

21. Захаров В.Н., Радченко Д.Н., Клебанов Д.А. Ценность и взаимосвязь цифровых данных горнотехнических систем в единой системе государственного управления недропользованием Горный журнал, №11, С.: 63-69 (год публикации - 2024)
10.17580/gzh.2024.11.10

22. Рыльникова М.В., Клебанов Д.А., Цупкина М.В. Задачи и функции больших данных на этапе рекультивации техногенно измененных территорий при ликвидации горных предприятий Рациональное освоение недр, №5 (год публикации - 2024)

23. Клебанов Д.А., Макеев М.А., Власов А.О Методический подход к формированию системы сбора «больших данных» при открытой разработке месторождений угля Горная промышленность, №1, 2025 г (год публикации - 2025)

Публикации

Аннотация результатов, полученных в 2024 году
Проведена работа по аккумулированию «сырых» потоковых данных производственных систем железорудных и угледобывающих предприятий и данных ручного ввода за период 2023–2024 гг., что впервые позволило рассматривать данные о параметрах функционирования горно-технических систем с перспективных позиций применения технологий прогнозной аналитики при анализе больших данных. Определено, что многие данные, характеризующие надежность и стабильность систем горного предприятия, не обладают «сквозной» ценностью, характеризующей эффективность эксплуатации участка недр, т.е. данные огромных объемов, полученные на этапе «забоя» или при ведении горных работ, могут иметь ценность на этапе горнопроходческого цикла, в дальнейшем с учетом неактуальности можно их не учитывать и не сохранять. И наоборот, установлено, что данные, полученные в ходе «ручного ввода», т.е. периодически могут обладать огромной ценностью с точки зрения применимости технологий больших данных. Это определяет подход к разработке архитектуры данных горно-технической системы. Проведена исследовательская работа, посвященная анализу ключевых процессов горно-технических систем и подходов к выявлению закономерностей на базе анализа больших данных. Так, впервые применительно к производственным системам горнодобывающего производства применен подход, предложенный в 2023 г., базирующийся на методе ELT, алгоритмов кластеризации, регрессионного анализа и машинного обучения. На примере работы горно-обогатительного комбината по добыче железорудного сырья проверена гипотеза о взаимосвязи энергоемкости бурения взрывных скважин и производительности цехов рудоподготовки обогатительной фабрики. Определены узкие места в фиксации информации автоматизированными системами, например, отсутствие качественных ключей между выгрузками из системы сбора телеметрии и скважинами по опробованию бурового шлама провоцирует потерю данных до 90%. Установлено, что для уменьшения такой потери данных в систему телеметрии необходимо добавить и оперативно контролировать поле со сквозным шифром буримой скважины (например, год, борт карьера, номер блока, номер скважины), после чего вносить корректировки через загрузку паспорта в буровой станок. Установлено, что отсутствует прямая преемственная взаимосвязь между выгрузками систем диспетчеризации и железнодорожных перевозок. Определено, что для снижения рисков потери данных при взаимоувязке данных автоматизированных систем необходимо выгрузку системы железнодорожных перевозок приводить к стандартам системы диспетчеризации в части перегрузочных пунктов. Определено, что не хватает данных по экскавации за нужный период времени, что снижает качество привязки самосвалов к реальной точке загрузки. Выявлен плавающий временной лаг между технологическими переделами фабрики, который зависит от режима работы конкретного технологического оборудования на пульте оператора, для его фиксации в динамическом режиме рекомендовано добавить в выгрузку из АСУ ТП параметр, который будет фиксировать режим работы технологического оборудования. Предложен и реализован подход к формированию на горных предприятиях систем геомеханического мониторинга - комплексных, взаимодополняющих и многоуровневых, сочетающих несколько методов исследований, которые взаимно дополняют друг друга и дают информацию о состоянии массива горных пород на различных масштабных уровнях. Проведена аналитическая исследовательская работа, математическое моделирование сценариев и гипотез о взаимосвязи параметров технологических процессов в свете минимизации риска возникновения аварийных ситуаций. Рекомендованы многофункциональные системы безопасности с минимизацией влияния человеческого фактора в разрезе организации минимально необходимого и достаточного объема данных, дискретности их поступления и формата хранения данных. Определены выборки данных, которые позволяют описывать сценарии заблаговременного выявления аварий и техногенных катастроф, связанных с геомеханическими рисками. В рамках анализа особенностей технологических процессов и потоковых данных, а также обоснования перспективной архитектуры цифровых данных для развития методов прогнозной аналитики при открытой добыче угля был проанализирован массив информации, собранный на предприятии НГУК. Даны рекомендации к цифровой экосистеме (инфраструктуре сбора и анализа данных) угледобывающего предприятия с открытым способом разработки. Разработан подход, основанный на формулировании и проверке гипотез о взаимосвязи параметров работы техники и оборудования, и смежных систем, ориентированный на минимизацию рисков возникновений техногенных аварий. Доказано, что для условий освоения угольных месторождений еще на этапе проектирования архитектуры данных и выбора методов прогнозной аналитики необходимо учитывать, что источники данных и частота дискретизации значимо отличаются от месторождений рудного сырья, как и ценность данных. Например, установлено, что если для железорудных предприятий с позиций оптимизации параметров технологических процессов наиболее ценными являются характеристики качества сырья по всей цепочке производства продукции, то для угольных месторождений – качество технологических дорог в карьере. В рамках исследования рассмотрены взаимосвязь горно-технической системы со смежными системами (окружающая природная среда, социум). В развитие классификации источников цифровых данных горно-технической системы о горных массивах, состоянии оборудования и параметрах технологических сред предложены подходы к определению ценности и взаимосвязи генерируемых данных для их использования на локальном (уровень предприятия), региональном и глобальном уровнях недропользования. Предложена матрица формирования ценности данных горно-технических систем во взаимосвязи с уровнем решаемых задач. Показано, что предложенные качественные оценки ценности данных («высокая», «средняя» и т.п.) в зависимости от уровня пользователя данных в сфере недропользования должны быть преобразованы в количественные критерии, позволяющие проверять гипотезы и устанавливать закономерности сообразно масштабу исследовательской задачи. Так, для горного предприятия критериями могут быть операционные технико-экономические показатели, а для глобальных исследований в сфере недропользования – показатели, характеризующие эффективность рециклинга, углеродный след, цепочки поставок. Впервые раскрыты перспективы использования больших данных горно-технических систем в системах государственного управления недропользованием. На государственном уровне это позволит эффективнее управлять трудовыми, энергетическими и материальными ресурсами, а также прогнозировать потребность в полезных ископаемых и находить пути их обеспечения с учетом созданной системы недропользования.

Публикации

Возможность практического использования результатов
Результаты исследования играют важную роль в экономике и социальной сфере и могут и должны стать заделом в области управления большими данными всех сфер и промышленности страны. Результаты текущего проекта показали важность формализации и применения предложенных подходов при сборе данных для каждого из технологических процессов на всех этапах функционирования ГТС. Предложенные решения по сбору, обработке и анализу данных, а также разработанные классификации и подходы к рациональному управлению данными позволят систематизировать, привести к единому виду и далее анализировать огромные объёмы информации для принятия обоснованных решений на локальном (уровень предприятия), региональном и глобальном уровнях недропользования. Практическим развитием данной темы будет несколько взаимосвязанных направлений развития как экономической сферы страны, так и социальной: 1. Понимание выявленных зависимостей станет заделом для дальнейшего поиска неочевидных взаимосвязей между данными, получаемыми от природного массива, технологических процессов и оборудования, а также процессов, в которых необходимо отслеживать влияние человеческого фактора. В результате будет обеспечен задел для формирования научно-практических рекомендаций к компаниям-разработчикам технологических и IT решений, а также создания федеральных норм и правил, стандартов, рекомендаций с учетом сформулированных закономерностей и ограничений при работе с Большими Данными при управлении ГТС. Кроме того, результаты исследования и выявления зависимостей между различными группами данных, получаемыми на всех этапах проектирования и функционирования ГТС, могут и должны стать заделом для обоснования и разработки стратегии развития для каждого из горнопромышленных предприятий страны, как для тех, уровень цифровизации которых позволяет производить сбор, преобразование и анализ собираемых данных, так и для иных предприятий, которые только начинают внедрение цифровых систем и аналитики собираемых или данных. 2. Также немаловажно, что разработанные в ходе выполнения работ по проекту научно-методические решения направлены на обеспечение единого подхода при сборе данных для каждого из технологических процессов на всех этапах функционирования ГТС. Что обуславливает необходимость формирования организации удаленных диспетчерских центров для горнодобывающих предприятий, интегрирующих цифровые данные ГТС на единой платформе. Предложенные этапы создания аналитических центров для анализа информации о функционировании горно-технических систем. Кроме того, предложенные подходы и решения могут быть масштабированы на иные отрасли путем переноса принципов сбора, обработки и анализа различных групп данных с увязкой к текущим бизнес-процессам рассматриваемой сферы. Так, использование больших данных возможно в различных сферах, в том числе: прогнозирование экономических тенденций (прогноз тенденций развития экономики), оптимизация государственных услуг (анализ данных о потребностях населения), управление ресурсами (оптимизация производственных процессов и снижения затрат), развитие финансовых технологий (создание новых финансовых продуктов и услуг), улучшение качества жизни (оптимизации транспортной системы, улучшение здравоохранения и образования), образование и наука (создание новых образовательных программ, разработки методов обучения и проведения научных исследований).