Горно-обогатительные комбинаты (ГОК) и золотоизвлекающие фабрики (ЗИФ) имеют возможность получать большое количество необработанных и неструктурированных данных от датчиков и оборудования, измерений контрольных параметров процессов и качества продукции. Возможность обрабатывать и анализировать эти данные дает предприятию многочисленные преимущества, повышает эффективность производственных процессов и качество продукции.
C какими сложностями сталкивается предприятие при внедрении анализа больших данных и искусственного интеллекта (ИИ)
Факторы способствующие внедрению ИИ на перерабатывающих предприятиях:
Уровень результатов: на каждом этапе производственных процессов необходимо достичь определенных результатов.
Объем и масштаб: Большой объем сырья и большое количество параметров, которые необходимо контролировать на перерабатывающих предприятиях делают сложным определение и изменение тех параметров, которые необходимо контролировать в первую очередь.
Сложность: Переработка минерального сырья включает различные процессы: транспортировку, электрохимию, гидрометаллургию, термическую обработку. Входные и выходные параметры всех процессов могут постоянно меняться. Таким образом оператору достаточно сложно регулировать параметры оборудования, чтобы повышать производительность.
С КАКИМИ ЗАДАЧАМИ СТАЛКИВАЮТСЯ ОПЕРАТОРЫ ОБОРУДОВАНИЯ
Операторы контролируют работу установок в реальном режиме времени на основании своего опыта и интуиции. Это делается без учета работы всей системы в целом, зависимостей между различными процессами, которые контролируют различные специалисты: металлурги, инженеры, операторы в реальном режиме времени.
ПРЕИМУЩЕСТВА ПРИМЕНЕНИЯ ИИ В ПЕРЕРАБОТКЕ МИНЕРАЛЬНОГО СЫРЬЯ
Анализ данных о производственных процессах с помощью ИИ и машинного обучения позволяет оператору оборудования принимать лучшие решения. Что в свою очередь повышает качество продукции и повышает эффективность производства.
Каждое внедрении ИИ начинается с унификации данных, что дает возможность операторам и инженерам, возможно впервые, визуализировать производственный процесс в целом и проанализировать качество продукции.
Оптимальные параметры управления оборудованием определяются из сохраненных данных прошлых значений параметров с помощью машинного обучения, ИИ, а также текущих параметров. На основе анализа производства в целом даются рекомендации по настройке отдельных процессов.
Применение ИИ дает возможность с опережением времени рекомендовать оператору изменить настройки оборудования до момента, когда эти изменения будет необходимо сделать.
В результате будут улучшаться производственные показатели и прибыльность.
