Нейросети для добывающей промышленности можно разделить на два «горизонта». На первом «горизонте» находятся ИИ-технологии, которые уже глубоко интегрированы в производство: компьютерное зрение и предиктивная аналитика. Именно с них началось внедрение нейросетевых инструментов в металлургию, потому что легко было подсчитать экономическую выгоду.
Нейросети в добывающей промышленности: 4 ключевые технологии
Исторически металлургия полагалась на гигантское, тяжелое оборудование, физический труд и традиционные методы оптимизации. Сегодня же, чтобы отвечать на запросы технологического рынка, нужно уметь быстро подстраиваться, сохраняя высокое качество металлов и сплавов. И на практике металлургическая «машина» оказалась не такой уж неповоротливой, как было принято считать. Разбираемся, какие ИИ-технологии помогают современной добывающей промышленности адаптироваться и развиваться.
Freepik
На втором «горизонте» — моделирование комплексных процессов и генеративное ИИ. Потенциал этих технологий огромен, но результаты их работы пока необходимо проверять.
Разберем эти четыре ИИ-технологии подробнее.
Компьютерное зрение
Техническим, или компьютерным зрением называют технологии, которые позволяют компьютеру «видеть», анализировать и интерпретировать изображения и видео. Большую часть этой работы выполняют ИИ-алгоритмы, обученные распознавать те или иные объекты на картинке, например, с видеокамер.
На металлургическом комбинате множество процессов, за которыми можно следить визуально. В первую очередь — за породой, которая едет из дробилки в мельницу самоизмельчения. Компьютерное зрение не только оценивает размер руды на транспортере, но и ее твердость. От этих параметров зависит режим работы мельницы. Например, твердые «камни» лучше молоть медленно, а мягкие быстрее. Раньше операторы настраивали мельницу вручную. Подключение ИИ-инструмента значительно повысило эффективность работы — алгоритм точнее вычисляет параметры руды, и не допускает ни перегрева мельницы, ни излишней траты электроэнергии.
Еще один этап, за которым может визуально «следить» нейросеть — размер пузырьков и прозрачность воды во флотомашине. Это агрегат, который отделяет измельченную породу от воды. Частицы цветных металлов поднимаются к поверхности в пене, поэтому состояние пены — хороший индикатор эффективности процесса. Прозрачность сливаемой воды — показатель того, что в воде не осталось ценных крупиц.
Предиктивная аналитика
Предиктивная аналитика — комплексный метод анализа данных, который для прогнозирования событий использует накопленную ранее информацию о процессах, статистические алгоритмы и машинное обучение (ИИ-технологии). Такая аналитика особенно эффективна, когда необходимо учитывать множество факторов. Яркий пример из металлургии — этап флотации.
На результат работы флотомашины влияют около 40 параметров, в числе которых химический состав реагента-вспенивателя, скорость перемешивания и объем подаваемого воздуха. Обученная нейросеть-технолог способна по этим параметрам предсказать следующие 5-10 минут работы флотомашины и найти оптимальную конфигурацию настроек.
Также предиктивная аналитика помогает химикам, делая виртуальные замеры содержания железа, никеля, меди или серы в сырье и готовых продуктах. Пока лаборатория проводит химический анализ образцов, ИИ-«химик» выдает предварительную оценку, опираясь на исторические данные и компьютерное зрение.
Моделирование комплексных процессов
В компьютерном моделировании нейросети становятся одним из инструментов для расчетов. Например, при строительстве нового ответвления шахты ИИ-алгоритмы помогают вычислить статические напряжения, которые испытывает порода, и снизить вероятность обрушения.
Проектировщики буровзрывных работ тоже используют нейросети для планирования расстановки скважин, необходимой мощности взрывчатки и интервалов между взрывами. Это помогает экономить ресурсы, и выстраивать шахту точно по проекту.
Генеративный искусственный интеллект
Любой, кто общался с генеративными ИИ — ChatGPT, его аналогами, генераторами изображений, музыки и видео, — знает, что такие нейросети нередко ошибаются и «галлюцинируют». Тем не менее, в комбинациях с другими алгоритмами генеративные ИИ могут уже сегодня «работать» в промышленности.
RAG (Retrieval Augmented Generation) — метод работы с большими языковыми моделями, сочетающий генеративные нейросети и алгоритмы поиска во внешних источниках. Такой ИИ-инструмент может искать информацию по тысячам документов — по смыслу, а не по ключевым словам. Технологией RAG пользуются как юристы и менеджеры, так и технологи, работающие с технической документацией.
Пока что в центре внимания промышленности остаются технологии компьютерного зрения и предиктивной аналитики, потому что они обеспечивают практическую эффективность: повышение точности, скорости и устойчивости процессов. Тем не менее, разработка нейросетей второго «горизонта», которые помогут работе экспертов и технологов, тоже параллельно ведется. Постепенное внедрение и тестирование нейросетевых инструментов для моделирования и поиска, позволяет накапливать информацию об их работе и отлавливать ошибки, чтобы потом обучить еще более эффективные ИИ-алгоритмы.
«Экономический эффект [от ИИ-технологий первого "горизонта"] достигает 1,5% от EBITDA или ста миллионов долларов в год. Он получен в основном за счет снижения потерь и повышения производительности. Следующий шаг — компьютерное моделирование физико-математических процессов, в том числе в металлургии, гидродинамике, обогащении, производстве новых материалов» — объяснил Алексей Тестин, директор Центра развития цифровых технологий «Норникеля».