ИИ оптимизирует загрузку техники на добыче алмазов

На подземном алмазном руднике «Удачный» компании «АЛРОСА» внедрена цифровая система контроля загрузки шахтных самосвалов с применением алгоритмов искусственного интеллекта и машинного зрения.

Благодаря внедрению инновационных технологий загрузка шахтных автосамосвалов увеличилась более, чем на 11%. Цифровая система контроля разработана собственными силами компании: специалистами корпоративного Центра инноваций и технологий (ЦИТ). Внедрение состоялось в 2025 году, но производственный эффект уже ощутим.

ИИ в действии

Система анализирует объем и массу горной породы в кузове в реальном времени, фиксирует остатки налипания и автоматически передаёт данные в диспетчерский центр для корректировки действий операторов. Разработкой предусмотрена комбинация машинного зрения, лазерного сканирования и нейросетевых алгоритмов. Машинное зрение определяет геометрию кузова самосвала, лидар формирует его трёхмерную модель, после чего алгоритмы выделяют горную массу и исключают элементы, не относящиеся к загрузке. На финальном этапе нейросеть обрабатывает полученную модель и рассчитывает объём горной массы.

Помимо повышения эффективности перевозки руды и упрощения логистики внутри шахты, удалось добиться увеличения сменной производительности техники. За прошедший год дополнительный объем транспортированной руды составил 56 тыс. тонн. Рациональное использование техники и снижение потерь при транспортировке обеспечило сотни миллионов рублей экономического эффекта.

Модернизация проводилась в рамках стратегического проекта продления жизни рудника «Удачный» до 2055 г. и объем инвестиций превысил 20 млрд руб. Состоявшийся проект внесет заметный вклад в конкурентоспособность российского алмазодобывающего сектора.

Причинно-следственные связи

Эксперты отмечают потенциал для интеграции с другими горными процессами – оптимизации маршрутов движения техники, предиктивного обслуживания автопарка, прогнозирования «узких мест» логистики. В свою очередь, данные о загрузке самосвалов могут стать источником для аналитики производительности, машинного обучения и автоматического планирования смен, продолжив цепочку совершенствования производственных процессов.

Уже сейчас цифровые решения снижают удельные издержки добычи, повышают маржинальность продукции и формируют основу для автоматизации глубоких горизонтов. Кроме того, уменьшение износа техники и эксплуатационных потерь ведёт к дополнительной экономии и увеличивает срок службы машин. Что не менее важно – на производстве снижается человеческий фактор и повышается безопасность труда.

Состоявшийся проект подтверждает компетенции Центра инноваций и технологий, укрепляя технологическую базу компании.

Пока не стандарт, но всё к тому идёт

В общем промышленном масштабе в отношении ИИ можно говорить о периоде становления: сегодня закладываются контуры будущей модели производственной цифровизации.

В горнодобыче ИИ чаще всего применяется в моделировании сетки бурения и расчёта дозировок взрывчатки. На фабриках нейросети берутся за задачу стабилизации флотации и измельчения. Нужно признать, что множество проектов не развиваются далее пилотного внедрения, а необходимость глубокой интеграции с АСУТП тормозит масштабирование.

Зоной постоянного присутствия ИИ уже можно считать организацию транспортных и логистических вопросов. Кроме того, нейросети проявили себя бдительным трудовым инспектором: фиксация отсутствия каски или жилета одинаково востребована и широко применима во всех отраслях – правда, пока в перспективе.

Опыт первых

Сегодня «Алроса», без сомнения, является одним из представителей авангадра в добывающей промышленности. Компания внедряет систему машинного зрения для контроля крупности руды на конвейере. Алгоритм фиксирует негабаритные куски, оперативно даёт сигнал и помогает исключать поломки. Только это решение позволило дополнительно поднять добычу более, чем на 12 тыс. тонн руды за год.

Еще одно удачно освоенное и активно эксплуатируемое направление – анализ геофизических и геохимических данных при разведке новых алмазных месторождений. Алгоритмы ускоряют обработку массивов информации и выделяют наиболее перспективные участки. А еще здесь тестируется машинное обучение для организации более эффективного обогащения: системы учатся распознавать качество алмазного сырья и повышать точность сортировки.

Развитие цифровых технологий работает не только на улучшение отдельных KPI. Это – базовое условие фундаментальной трансформации бизнеса и выполнения нацпроекта «Экономика данных и цифровая трансформация государства».