ИИ сделает шахты безопасными
Учёные Хабаровского федерального исследовательского центра ДВО РАН разработали и внедряют модель ИИ, прогнозирующую опасные геомеханические явления в шахтах. Например, проявления горного давления и техногенных подземных событий.
Система, прошедшая апробацию на шахтах в Забайкалье и Приморье, в настоящий момент внедряется на Кольском полуострове.
Разработка обладает практически «змеиным чувством» – она анализирует сейсмоакустические сигналы из глубоких выработок. Кроме того, она способна отделить полезные сигналы от промышленного шума с помощью аппаратно-программных подходов и методов машинного обучения. На основе этих данных она выявляет акустически активные зоны и определяет координаты потенциально опасных участков.
Модель обучалась на уникальном массиве данных: за 1,5 года на одном из дальневосточных месторождений зафиксировано 2,5 млн сигналов, из которых отобрали 320 тыс. полезных, связанных с геомеханикой массива породы.
Новое решение стало частью комплексного мониторинга безопасности шахт. Такие технологии – одни из самых перспективных в горнодобыче. Они позволяют повысить точность предупреждения аварийных ситуаций в глубоких выработках, что может существенно снизить риски для людей и оборудования.
Не реагировать, а предвидеть
До недавнего времени российские разработки чаще фокусировались на мониторинге и регистрации событий. Новую модель ИИ выделяет именно способность к прогнозированию, что отличает её от систем реактивного информирования.
Задачей модели является не просто фильтровка сигналов. Главное – на основе этих данных выявить акустически активные зоны, координаты источников событий. Это зоны, где с наибольшей вероятностью могут произойти опасные явления, требующие пристального наблюдения. Подобные разработки являются ответом на вызовы времени. Мониторинг на больших глубинах невозможен без обработки BigData и методов искусственного интеллекта. Российская разработка, созданная на стыке геомеханики и ИИ, становится практическим инструментом для предотвращения аварий и защиты жизни шахтеров на большой глубине.
В мировой практике существуют системы ИИ для анализа рисков выбросов угля и газа в шахтах, основанные на сложных алгоритмах и сетевых моделях. Наличие самостоятельных разработок в многих странах с горнодобывающей промышленностью (Китай, США, Австралия, Польша и др.) говорят о глобальном тренде на цифровизацию безопасности в угольных шахтах.
Исследования последних лет активно применяют нейронные сети и гибридные модели для прогнозирования нестабильности массива и опасных событий в условиях изменяющихся геомеханических параметров.
Важно, что эта технология в рамках цифровизации промышленной безопасности может масштабироваться и на другие опасные объекты, не только угледобывающие. ИИ-решение может стать частью централизованных платформ для мониторинга и предупреждения аварий, стимулируя развитие российских технологий в области интеллектуального анализа больших данных и автоматизации промышленной безопасности.
Слово за будущим
Новая модель ИИ – существенный шаг к автоматизации и цифровизации безопасности в горнодобывающей промышленности. В ближайшие 2–3 года ожидается дальнейшее масштабирование и внедрение подобных систем по всей России– на других типах шахт и разных глубинах выработок.
Сегодня в России отраслевые технологии ИИ применяются в геологоразведке, управлении производством, прогнозировании рисков, обогащении руды и т.д. В частности, компания V2 Grupp разработала ПО ГРАН – систему на базе ИИ для управления карьерными машинами. На Быстринском ГОК внедрена система цифрового управления узлом измельчения руды на основе машинного обучения. Учёные Томского политехнического университета разработали мезотомограф с ИИ для сканирования внутренней структуры горных пород в кернах, что помогает оптимизировать технологию добычи, включая разработку трудноизвлекаемых ресурсов. АЛРОСА тестирует систему на основе больших языковых моделей для ускорения анализа данных в геологоразведке.
Очевидно, что хабаровская установка попала в мейнстрим существующих трендов и будет широко применяться на профильных производствах, подстраиваясь под условия и совершенствуя свою информационную базу.
