Der Artikel konzentriert sich auf die Anwendung von Technologien für maschinelles Lernen und Computer Vision im Bergbau unseres Landes.
Meiner bescheidenen Meinung nach (Angestellter eines der Unternehmen der Bergbau- und Hüttenindustrie) froren IT-Lösungen im Bereich der Bergbau-Transport- und Verarbeitungsbetriebe auf dem Automatisierungsgrad der wichtigsten technologischen Schlüsselprozesse ein. Jetzt, im dritten Jahrzehnt des 21. Jahrhunderts, ist die Zeit für Optimierungen und Verbesserungen für große Unternehmen gekommen, die Zeit für die Einführung neuer Technologien des maschinellen Lernens und der technischen Vision. Und diese Arbeit hat bereits begonnen.
Einführung
Laut Wikipedia gibt es in Russland 26 Bergbauunternehmen (es gibt tatsächlich mehr davon). Die größten und bekanntesten von ihnen sind: Alrosa, Norilsk Nickel, RusAl, Polyus und andere. Alle von ihnen sind durch ein ähnliches Gerät und eine ähnliche Organisation der wichtigsten technologischen Prozesse verbunden: Es gibt einen Ort für die Gewinnung von Mineralien (Steinbruch) sowie eine Verarbeitungsanlage (Anlage).
Die Umverteilung des GTK (Bergbau- und Transportkomplex) ist für alle mehr oder weniger gleich: Erz aus dem Steinbruch wird entweder direkt zur Fabrik oder zu den Erzlagern und von dort zur Fabrik transportiert. Leerer Abraum wird in Deponien gelagert. Der Transport kann sowohl mit schweren Muldenkippern und Förderbändern als auch mit kombinierten Methoden erfolgen. Die Lieferung auf der Schiene scheint mir in unserem Land im Gegensatz zu australischen Unternehmen nicht weit verbreitet zu sein.
Die Fabriken sind von Unternehmen zu Unternehmen sehr unterschiedlich. Einige Zweige sind jedoch ähnlich. Beispielsweise besteht die Aufgabe der Erzaufbereitungsabteilung in allen Fabriken darin, das Erz zu akzeptablen Fraktionen zu mahlen. Dies geschieht mit Hilfe von Brechern und Mühlen (dies ist übrigens meistens der teuerste Betrieb in Fabriken).
Abhängig von der Art des Erzes und des Minerals werden verschiedene Aufbereitungsansätze angewendet. Zum Beispiel nutzt der Diamantenabbau seine einzigartige Eigenschaft - Lumineszenz (Glühen) in Röntgenstrahlen, die es einer einfachen Pneumatik ermöglicht, Diamanten aus dem zerkleinerten Erzstrom zu "schießen". Für den Goldabbau werden chemische Verfahren (Flotation, Sorption und Desorption, Elektrolyse) und sogar die Biotechnologie (speziell entfernte Bakterien, die dazu beitragen, dass das Gold aus der Hülle freigesetzt wird) eingesetzt. Und für die Herstellung von Aluminium aus Aluminiumoxid ist die Grundlage für alles die Elektrolyse.
Aktuelle Trends im staatlichen Zollausschuss
Wie wir verstanden haben, besteht die Hauptaufgabe bei der Umverteilung des Bergbau- und Transportkomplexes darin, die Gesteinsmasse aus dem Steinbruch zu überwältigen, zu sprengen und zu transportieren. Eine Flotte von Bohrinseln, Schwerlastkippern und Baggern ist daran beteiligt.
Die Kontrolle über eine große Anzahl von Geräten (manchmal können Parks 400 oder mehr Einheiten umfassen) wird von Disponenten und Betreibern unter Verwendung der automatisierten Kontrollsysteme des Bergbau- und Transportkomplexes durchgeführt. Die Aufgaben der ASUGTK-Systeme bestehen darin, die Betriebsparameter und den Zustand der Bergbaumaschinen zu steuern, die Beladung von Muldenkippern zu steuern und zu verwalten, die Umsetzung des Plans vorherzusagen und zu überwachen, Berichte zu erstellen und manchmal - bei der Optimierung und dynamischen Verteilung von Muldenkippern entlang von Routen.
Aber das alles ist schon gestern. Punktanwendungen von maschinellem Lernen und technischen Bildverarbeitungssystemen werden heute relevant.
Analyse des Zustands der Schaufelzähne eines Bergbaubaggers
Teile der Bergbaumaschinen, insbesondere die Schaufelzähne eines Bergbaubaggers, die unter den rauen Bedingungen des Gesteinsaushubs betrieben werden, sind ständig sogenannten Bergbauausrüstungen ausgesetzt. Schock und abrasiver Verschleiß. Gleichzeitig ist der Verlust eines Zahns mit Problemen behaftet: Ausgehend von einer Leistungsminderung des Baggers beim Graben, einer Beschädigung des Eimers selbst und endend damit, dass ein solcher Zahn nach dem Transport in den Brecher gelangt. Infolgedessen steigt das Risiko erheblicher Materialverluste: längere Ausfallzeiten der Geräte, Restaurierung und Reparatur, die Notwendigkeit, von einer Person einen Zahn aus einer Schleifmaschine zu ziehen (ein ziemlich gefährliches Ereignis).
Um diese Probleme zu lösen, werden Lösungen angewendet, die auf technischen Visionen basieren. Hier ist ein Beispiel für ein solches System. Das System analysiert die Rahmen und ermittelt ständig den Zustand der Schaufelzähne und den Grad ihres Verschleißes.
Nachts wird ein Scheinwerfer verwendet. Überwachungskameras bieten dem Bediener einen Blick auf alle Seiten des Baggers: Alle vom System gesammelten Informationen werden auf einem Monitor in der Fahrerkabine angezeigt und ermöglichen es Ihnen, fehlende Zähne rechtzeitig zu erkennen, die Nutzlast des Eimers und den Grad des Zahnverschleißes zu bewerten.
Kontrolle der Gran-Zusammensetzung des transportierten Erzes
Die Partikelgröße der Gesteinsmasse muss in nahezu jeder Produktionsphase kontrolliert werden: nach der Explosion, während des Transports, wenn das Erz an die Fabrik geliefert wird, nach dem Zerkleinern, nach dem Zerkleinern. Dies ist der wichtigste Indikator, der überwacht wird, da die Qualität und Kontinuität der technologischen Prozesse davon abhängt: von der Qualität der Explosion bis zur möglichen Verfüllung (Verstopfung) der Ausrüstung.
Bei der GTK-Umverteilung werden Computer-Vision-Systeme verwendet, um die Korngröße des Erzes automatisch zu messen. Sie können die Partikelgrößenverteilung jedes Lastwagens auf dem Weg zum Brecher verfolgen und Empfehlungen für die Entfernung von übergroßem Material abgeben.
Es sieht aus wie das:
Kontrolle der Ermüdung des Fahrers
Ja, in einer Karriere arbeiten Fahrer auch viele Stunden. Gleichzeitig fahren sie schwere Muldenkipper von 60 bis 450 Tonnen. Die Schichten dauern oft 12 Stunden mit einer einzigen regulierten Pause für das Mittagessen und die persönlichen Bedürfnisse. Unfälle im Steinbruch sind auch gefährlich, da Stürze mit ziemlicher Sicherheit tragisch enden und als zusätzliches Ärgernis - die wahrscheinliche Sperrung der Ausfahrt für andere Autos.
Zitat aus dem Artikel :
Laut Statistik des Unternehmens [Anmerkung des Autors: Alrosa] für 2019 waren die Hauptursachen für Unfälle das Einschlafen des Fahrers während der Fahrt, die Ablenkung vom Fahren und der Verlust der Kontrolle über seine Bewegung.
Natürlich haben die Systeme zur Überwachung der Ermüdung der Fahrer auch die Bergbauunternehmen nicht umgangen. Solche Systeme werden aktiv implementiert und eingesetzt, um ein Einschlafen während der Fahrt zu verhindern. Darüber hinaus können sie Daten über den Zustand des Fahrers und seine Handlungen sammeln und an den Bediener übertragen. In der Kabine des Autos ist ein Gerät installiert, das wie ein Videorecorder aussieht. Die Software reagiert auf Gesichtsausdrücke, Kopfdrehungen und Augenbewegungen des Fahrers. Wenn die Metriken anzeigen, dass der Fahrer einschläft oder von der Steuerung abgelenkt ist, wird ein Tonsignal ausgegeben. Danach muss der Fahrer seinen Blick auf die Straße richten und seinen Zustand per Knopfdruck bestätigen.
Autonome Technologie
Soweit ich weiß, gibt es in Russland derzeit keine praktische industrielle Anwendung der Technologie des autonomen Steinbruchverkehrs, aber ich wollte sie in dem Artikel unbedingt erwähnen. Ich kann mich irren, aber aufgrund meiner eigenen Erfahrung sowie der Erfahrung von "Kollegen im Geschäft" kann ich sagen, dass die bescheidenen Versuche, solche mir bekannten Systeme zu implementieren, auf eine harte Realität gestoßen sind. Hier ist ein interessanter Artikel aus dem Jahr 2019.
BelAZ testet seit langem unbemannte Fahrzeuge. Hinter den lauten Schlagzeilen der Zeitung "Karrieremonster lassen Fahrer ohne Arbeit: BelAZ zeigte völlig autonome Spezialausrüstung", "Sie sind nicht nur mit einem Autopiloten, sondern mit künstlicher Intelligenz ausgestattet", gibt es eine traurige Realität: Es gibt keine groß angelegten Implementierungen, obwohl Artikel mit solchen Schlagzeilen immer wieder konsistent veröffentlicht werden Jahr letzten 5-6 Jahre.
Hier ist zum Beispiel die Ausgabe 2018:
Fernbedienung ist jedoch weit verbreitet. Diese Systeme sind jedoch nicht mit ML und CV verbunden.
Probleme bei der Einführung neuer Technologien
Abschließend möchte ich auf das Thema der Probleme eingehen, die der Einführung von Technologien für maschinelles Lernen in russischen Unternehmen der Bergbau- und Hüttenindustrie im Wege stehen. Leider sind diese Probleme oft nicht technischer Natur. Wenn ich in einem dieser Unternehmen arbeite, kann ich die folgenden Hindernisse auf dem Weg in eine bessere Zukunft identifizieren: mangelnde Kompetenzen, mangelnde Motivation, Überschätzung der ML- und CV-Fähigkeiten, organisatorische Hindernisse.
Eine detaillierte Analyse dieser Probleme wird sich auf einen separaten Artikel stützen, sodass wir uns nicht mit den Details der Mentalität russischer Manager und effektiver Manager befassen werden.
Natürlich sind die im Artikel aufgeführten ML- und CV-Systeme nicht alle, die heute in Bergbauunternehmen verwendet werden. Die Verbesserung von Effizienz und Produktivität ist ein langer Prozess, insbesondere im Kontext gut etablierter Arbeitsprozesse und unter Anleitung von „effektiven Managern“. Nach meiner subjektiven Einschätzung liegen westliche und australische Unternehmen 5 bis 10 Jahre vor uns, und die hohen Margen russischer Unternehmen sind auf ganz andere Gründe zurückzuführen, aber auch dies ist ein Thema für eine andere Geschichte. Es sollte beachtet werden, dass mit einer solchen Entwicklung und Anwendung von ML- und CV-Technologien in der Industrie wie im Westen Spezialisten auf diesen Gebieten sehr bald (wenn nicht bereits) Gold wert sein werden, insbesondere diejenigen, die über praktische Erfahrung verfügen.
PS
Vielen Dank für das Lesen des Artikels. Wenn es Ihnen gefällt, können Sie gerne Ihre Stimme abgeben. Wenn die Reaktion der angesehenen Community von Bedeutung ist, wird ein Artikel über die Anwendung von ML und CV in Konzentratoren veröffentlicht.
Um die Branche wieder großartig zu machen und einen begehrten Beruf von Grund auf neu zu erlangen oder Fähigkeiten und Gehälter zu verbessern, können Sie an den SkillFactory-Onlinekursen teilnehmen:
- Data Scientist Beruf mit jedem Startlevel
- Data Analyst Beruf mit jedem Startlevel
- Kurs für maschinelles Lernen
- Fortgeschrittenenkurs "Maschinelles Lernen Pro + Deep Learning"
- Kurs "Mathematik und maschinelles Lernen für Data Science"
Weitere Kurse
