БАҒДАРЛАМА ТУРАЛЫ

Ғылыми, ғылыми-техникалық бағдарлама тақырыбының атауы:

«Тау-кен байыту кәсіпорындарында флотация процесін басқару үшін жасанды интеллект технологиялары негізінде бағдарламалық-аппараттық кешен әзірлеу».

Басым және мамандандырылған ғылыми бағыттың атауы:

Озық өндіріс, цифрлық және ғарыштық технологиялар

Зерттеу саласы мен түрі:

• Электрондық өнеркәсіп және робототехника;
• Жасанды интеллект;
• Тау-кен металлургия өнеркәсібі.

Бағдарламаның өтініш беруші ұйымы:

«AG TECH» ЖШС, 010000, Астана қ., Қазақстан Республикасы, Сығанақ көшесі, 3/1 ғимарат.

Бағдарламаны іске асыру орны:

«AG TECH» ЖШС, 010000, Астана қ., Қазақстан Республикасы, Сығанақ көшесі, 3/1 ғимарат.

«Қазақмыс корпорациясы» ЖШС, Нұрқазған байыту фабрикасы кәсіпорнында енгізу және сынақтан өткізу жоспарлануда.

Кіріспе бөлім.

Қазіргі тау-кен өнеркәсібі минералды шикізатты өңдеу тиімділігін арттыру, өндіріс шығындарын азайту және қоршаған ортаға теріс әсерді азайту қажеттілігімен байланысты қиындықтарға тап болады. Кенді байытудың дәстүрлі әдістері кеңінен қолданылғанына қарамастан, көбінесе процестерді басқарудың дәлдігі мен өзгеретін жұмыс жағдайларына төзімділік тұрғысынан шектеулерге ие.

Мұндай жағдайларда кенді байытудың негізгі кезеңдерін автоматтандыруға қабілетті бағдарламалық-аппараттық кешенді (ПАК) әзірлеу және енгізу саланың технологиялық деңгейін арттыру жолындағы маңызды қадам болып табылады. PAC көмегімен кенді байыту процесін басқару деректерді өңдеудің, жасанды интеллекттің, сенсорлық жүйелердің және автоматты басқару құралдарының озық технологияларын біріктіретін интеграцияланған шешім болып табылады.

Бағдарламаны іске асыруға мынадай бағыттар бойынша мамандандырылған ғалымдар, инженерлер қатысады: тау-кен өндірісі, Автоматтандыру және басқару, химиялық технологиялар, қаржыландырылатын гранттық жобаларда жұмыс тәжірибесі бар Ақпараттық жүйелер, бағдарламалық қамтамасыз етуді әзірлеу және енгізу, патенттер, авторлық куәліктер, бағдарлама тақырыбына байланысты ғылыми жарияланымдар.

Бағдарламаның мақсаты.

Қазақстан Республикасының тау-кен саласы кәсіпорындарында жасанды интеллект технологиясы негізінде кенді байыту процесін автоматтандыруды және оңтайландыруды қамтамасыз ететін бағдарламалық-аппараттық кешенді (ПАК) әзірлеу.

Бағдарламаның міндеттері:

1. Бункердің бүйір бөліктерінде кен материалының қалдықтарын анықтауды және бөлуді қамтамасыз ететін бағдарламалық-аппараттық кешенді әзірлеу және енгізу;
2. Бөлшектелмейтін материалдарды (металл, ағаш, резеңке бұйымдар және т. б.) анықтау және лезде анықтау және оларға ден қою жүйесін әзірлеу;
3. Кенді материалды сұрыптауға және конвейер таспасын тоқтатпай ұсақталмайтын элементтерді анықтауға және оларға жауап беруге арналған бағдарламалық-аппараттық кешен әзірлеу;
4. Кен кесектерінің мөлшерін анықтау жүйесін әзірлеу;
5. Кендегі химиялық элементтер мен оксидтердің құрамын анықтау және кенді сұрыптауды басқару үшін бағдарламалық-аппараттық кешен әзірлеу;
6. Реагенттердің Автоматты таралуын тиімді басқару жүйесін әзірлеу;
7. Реагенттерді бөлу туралы болжау және шешім қабылдау үшін машиналық оқыту алгоритмін жасаңыз.

Бағдарламаны аяқтау кезеңіндегі әзірлемелердің технологиялық дайындық деңгейі-TRL-7, қазіргі уақытта техникалық дайындық деңгейі TRL-2-ге сәйкес келеді. Бағдарлама жетекшісінің пайдалы моделіне 1 жарияланым және 3 патент растау болып табылады.

Стратегиялық маңызды мемлекеттік міндет, оны шешу үшін бағдарлама әзірленді:

1. Қазақстан Республикасы Үкіметінің 2024 жылғы 24 шілдедегі № 592 қаулысымен бекітілген жасанды интеллектті дамытудың 2024 – 2029 жылдарға арналған тұжырымдамасы (тұжырымдаманы іске асыру жөніндегі іс-қимыл жоспары «гранттық және бағдарламалық-нысаналы қаржыландыру шеңберінде жасанды интеллект саласында ғылыми зерттеулер жүргізу»30-тармағы.
2. Қазақстан Республикасы Үкіметінің 2024 жылғы 24 шілдедегі № 592 қаулысымен бекітілген жасанды интеллектті дамытудың 2024 – 2029 жылдарға арналған тұжырымдамасы (тұжырымдаманы іске асыру жөніндегі іс-қимыл жоспары «жасанды интеллект саласындағы жобаларды экономиканың нақты секторларында бастапқы кезеңде енгізу»40-тармағы.
3. Қазақстан Республикасы Президентінің 2013 жылғы 30 мамырдағы № 577 Жарлығымен бекітілген Қазақстан Республикасының «жасыл экономикаға» көшуі жөніндегі тұжырымдама (4.1 – тармақ «төмен көміртекті технологияларды дамыту» — кендерді бөлудің энергия тиімді технологияларын әзірлеудің арқасында экологиялық әсерді төмендету).
4. Қазақстан Республикасы Үкіметінің 2023 жылғы 7 наурыздағы № 263 қаулысымен бекітілген Қазақстан Республикасының Электр энергетикасы саласын дамытудың 2023-2029 жылдарға арналған тұжырымдамасы (4.4-бөлім «жаңа технологияларды енгізу» ).
5. Қазақстан Республикасы Үкіметінің 2018 жылғы 20 желтоқсандағы № 846 қаулысымен бекітілген Қазақстан Республикасының өңдеу өнеркәсібін дамытудың 2023-2029 жылдарға арналған тұжырымдамасы (тұжырымдаманы іске асыру жөніндегі іс-қимыл жоспары, «кәсіпорындарды жаңғырту және технологиялық қайта жарақтандыру»3.2.1-тармағы).

Кенді байыту процестерінде бағдарламалық-аппараттық кешендерді (ПАК) әзірлеу және енгізу тек Қазақстан Республикасында ғана емес, шетелде де тау-кен өндіру өнеркәсібіндегі өзекті бағыттар болып табылады. Бұл жүйелер өндірістік процестердің тиімділігін, автоматтандырылуын және экологиялық қауіпсіздігін арттыруға ықпал етеді.

Бағдарламаның ғылыми жаңалығы жасанды интеллект (АИ) технологиялары, Машиналық оқыту және сенсорлық технологиялар негізінде кенді байытудың бағдарламалық-аппараттық кешенін құру болып табылады. Даму статикалық параметрлер мен қолмен басқаруға негізделген кенді байытудың дәстүрлі әдістерінен ерекшеленетін интеллектуалды болжау алгоритмдерін өндірістік процестерге біріктіруді қамтиды.

Жаңалықтың негізгі құралдары:

• кенді байыту процестерін адаптивті басқару үшін AI және Big Data қолдану;
• АӨК-ті ERP, SCADA, mes кәсіпорындарының орталықтандырылған басқару жүйелерімен кешенді интеграциялау;
• кенді байыту процестерінің цифрлық егіздерін құру;
• нақты уақыт режимінде кенді сұрыптау мен сапасын бақылауды автоматтандыру.

Бағдарламаны әзірлеуге арналған ғылыми негіз расталады:

• тау-кен өндірісі технологиясы, Ақпараттық технологиялар мен заттар интернетінің бағдарламалық, зияткерлік құралдары туралы заманауи білімі бар
• зерттеу тобының жоғары ғылыми-практикалық әлеуеті;
• кенді байыту үшін АӨК игерудің дайын шешімдерінің болмауы;
• кенді байыту процесіндегі динамикалық өзгерістерді ескермейтін Машиналық оқыту модельдерінің алгоритмдерінің шектеулі бейімделуі;
• қолданыстағы АӨК кәсіпорындарды басқарудың автоматтандырылған жүйелерімен кешенді интеграциялаудың болмауы;
• қолданыстағы Машиналық оқыту әдістемелерінің және ДБ үшін ақпараттық деректердің болмауы;
• IIoT технологияларын енгізудің шектеулі мүмкіндіктері.

Бағдарлама АИ және цифрлық технологияларды пайдалана отырып, кен байыту АӨК-ін әзірлеуге қатысты негізгі ғылыми мәселелерді шешуге бағытталған. Негізгі сұрақтарға мыналар жатады: AI және машиналық оқыту Нақты уақыттағы кенді байыту процестерін қалай оңтайландырады? интернеттегі кен құрамын талдау және бөлшектердің мөлшерін анықтау үшін қандай сенсорлық технологиялар тиімді? интеллектуалды басқару арқылы кенді байытудың энергия тиімділігін қалай арттыруға болады? Big Data, сандық егіздер және болжамды аналитиканы рудоны байытуды басқарудың бірыңғай тізбегіне біріктіруге бола ма? реагенттерді автоматты түрде бөлудің қандай алгоритмдері шығындарды азайтуды және өнім сапасын жақсартуды қамтамасыз етеді?

Қойылған ғылыми сұрақтардың негізінде келесі гипотезалар тұжырымдалған:

Гипотеза 1: АӨК-де өзін-өзі оқытатын Машиналық оқыту модельдерін пайдалану дәстүрлі әдістермен салыстырғанда кен сипаттамаларын болжау дәлдігін 20-30% — ға арттыруға мүмкіндік береді;

Гипотеза 2: IOT сенсорлары мен спектрлік талдауды АӨК-ке біріктіру сынама алу мен оны талдау арасындағы уақыт артта қалуын бірнеше сағаттан минутқа дейін қысқартады;

Гипотеза 3: АӨК-дегі АИ деректері негізінде реагенттерді мөлшерлеуді автоматтандыру химиялық реагенттердің шығынын 15-25% — ға төмендетеді, өндіруді және өнім сапасын арттырады;

Гипотеза 4: Кен дайындау процестерінде болжамды аналитиканы қолдану жабдықтың апаттық тоқтап қалу ықтималдығын 30-40 төмендетеді%;

Гипотеза 5: АӨК көмегімен кенді байыту процестерін кешенді цифрландыру өнімділіктің 15-25% — ға артуына әкеледі.

Бағдарлама тау-кен, автоматтандыру, AI, сенсорлық технологиялар және болжамды аналитиканы біріктіретін пәнаралық тәсілге негізделген.

Зерттеу стратегиясы жүйелік тәсілге негізделген-барлық өзара байланысты кенді өңдеу процестерін талдау, модельге бағытталған талдау – процестерді имитациялау және оңтайландыру үшін цифрлық егіздерді құру, эксперименттік валидация – нақты әлемдегі Машиналық оқыту алгоритмдері мен сенсорлық технологияларды сынау, болжамды аналитика және машиналық оқыту – Нақты уақыттағы процестерді басқару үшін болжау алгоритмдерін пайдалану.

Бағдарлама инновациялық шешімдерді әзірлеу мен сынаудың толық циклін жүргізуге мүмкіндік беретін зерттеудің үш түрін біріктіреді:

1. Сипаттамалық зерттеулер: кенді байытудың қолданыстағы технологияларын талдау, оңтайландыруға жататын кен параметрлерін анықтау, Әлемдік аналогтарға шолу және олардың кемшіліктерін анықтау;
2. Корреляциялық зерттеулер: кеннің өнімділігі, реагенттердің шығыны және процестің өнімділігі арасындағы байланысты зерттеу, жасырын заңдылықтарды анықтау үшін датчиктер мен AI модельдеріндегі деректерді талдау, энергия тұтыну параметрлерінің өңдеу тиімділігіне әсерін анықтау;
3. Эксперименттік зерттеулер: Машиналық оқыту алгоритмдерін әзірлеу және тестілеу, кенді байытудың интеллектуалды басқару жүйесін (АӨК) сынау, өндірістік жабдықта болжамды аналитиканы тәжірибелік сынау.

Зерттеулер бірнеше кезеңде жүргізіледі:

1 кезең: теориялық негіздеме: кенді байыту процестерін автоматтандырудың қолданыстағы әдістерін және олардың кемшіліктерін талдау, басқарудың цифрлық контурының архитектурасын әзірлеу, гипотезаларды қалыптастыру және зерттеу параметрлерін анықтау.

2 кезең: АӨК АИ-алгоритмдері мен цифрлық модельдерін әзірлеу: кен сипаттамаларын болжау үшін машиналық оқытудың алғашқы модельдерін жасау, кенді байытудың технологиялық процесінің цифрлық егізін жасау, зертханалық жағдайда алгоритмдердің алғашқы сынақтары.

3 кезең: АӨК-де сенсорлық технологияларды қолдану және енгізу: кенді байыту параметрлерін бақылау үшін IoT сенсорларын біріктіру, кен құрамын онлайн талдау үшін сенсорлық жүйелерді бейімдеу, кен параметрлері мен өңдеу тиімділігінің тәуелділіктерін анықтау үшін корреляциялық зерттеулер.

4 кезең: эксперименттік тестілеу: тау-кен кәсіпорнында АӨК АИ-жүйелерін пилоттық тестілеуді іске қосу, Машиналық оқыту алгоритмдерінің болжамдарының дәлдігін бағалау, энергия тұтынудың, реагенттердің шығыны мен өнімділігінің өзгерістерін талдау.

5-кезең: оңтайландыру және масштабтау: тестілеу нәтижелері негізінде әзірленген АӨК-ні оңтайландыру, Қазақстан Республикасының басқа кәсіпорындарында АӨК-ні масштабтау үшін ұсынымдар әзірлеу, Қазақстан Республикасының тау-кен комбинаттарымен әріптестік шарттар жасасу.

Бағдарлама сипаттамалық, корреляциялық және эксперименттік зерттеулерді қамтитын кешенді зерттеу стратегиясына сүйенеді. Жұмыстардың реттілігі кенді байыту процесін оңтайландыру үшін АИ шешімдерін әзірлеуге, өнеркәсіптік пайдалануға интеллектуалды басқару жүйесін енгізуге, әзірленген бағдарламалық-аппараттық кешеннің экономикалық тиімділігі мен ауқымдылығын дәлелдеуге мүмкіндік береді.

Бағдарлама кенді байыту процестерін басқарудың интеллектуалды алгоритмдерін әзірлеу үшін деректердің толық спектрін алуға мүмкіндік беретін әртүрлі бастапқы ақпарат көздерін пайдаланады.

Кәсіпорындардың өндірістік деректері: кен өңдеу комбинаттарының технологиялық параметрлері (температура, қысым, РН, реагенттердің шығыны, жабдықтың жүктелу деңгейі), кәсіпорындардың SCADA, MES және ERP-жүйелерінің деректері, кен шикізатының сипаттамалары және өнім сапасының көрсеткіштері;

Эксперименттік деректер: руда сынамаларын зертханалық талдау нәтижелері, сенсорлық жүйелерден алынған деректер (рентген-флуоресцентті талдау, лазерлік сканерлеу, инфрақызыл спектроскопия), өңдеу параметрлерін болжау үшін машиналық оқытуды пайдалану тиімділігі бойынша эксперименттік деректер.

Тарихи деректер мен мұрағаттар: өткен сынақтар мен технологиялық жабдықтардың жұмысының дерекқорлары-реагенттердің шығыны, электр энергиясын тұтыну және соңғы 5-10 жылдағы қайта өңдеу нәтижелері туралы мәліметтер.

Ақпараттық жүйелер және цифрлық көздер: ұқсас әзірлемелер бойынша ғылыми жарияланымдар мен патенттер, кенді байытуды автоматтандырумен айналысатын халықаралық компаниялардың деректері.

Деректердің жоғары дәлдігі мен сенімділігін қамтамасыз ету үшін бастапқы ақпаратты жинаудың заманауи әдістері қолданылады: датчиктер мен сенсорлық жүйелер, IoT датчиктері және өнеркәсіптік датчиктер-нақты уақыттағы кенді байыту процесінің параметрлерін бекітеді, рентген-флуоресцентті (XRF) анализаторлар-кеннің химиялық құрамына жедел талдау жасайды, лазерлік сканерлер мен спектрометрлер-кен бөлшектерінің мөлшерін бақылау үшін қолданылады, жылу түсіргіштер мен инфрақызыл датчиктер-қайта өңделетін кеннің температуралық параметрлерін өлшейді.

Зертханалық талдаулар және эксперименттік зерттеулер: зертханаларда кейіннен талдаумен кен сынамаларын алу, олардың тиімділігін анықтау үшін реагенттік қоспаларға сынақтар жүргізу, Химиялық талдау арқылы байытылған кеннің сапасын бақылау.

Мұрағаттық деректерді талдау: кенді байыту процесінің тиімділігі туралы кәсіпорындардың Тарихи жазбаларын зерттеу, реагенттердің шығыны мен энергияны тұтыну туралы деректерді талдау, интеллектуалды жүйелерді енгізгенге дейінгі және кейінгі өндірістік көрсеткіштерді салыстыру.

Деректерді өңдеу әдістері ақпаратты жинағаннан кейін деректерді өңдеу заманауи аналитикалық әдістерді қолдана отырып жүзеге асырылады: Big Data және жасанды интеллект (AI), үлкен көлемдегі заңдылықтарды анықтау үшін нейрондық желілік алгоритмдерді қолдану, Өңдеудің оңтайлы параметрлерін болжау үшін машиналық оқытуды қолдану.

Корреляциялық және регрессиялық талдау: кен құрамы, қайта өңдеу параметрлері мен реагенттердің шығыны арасындағы байланысты анықтау, қайта өңдеу тиімділігіне ең үлкен әсер ететін факторларды анықтау, математикалық модельдеу және цифрлық егіздер, кенді байытудың технологиялық процестерінің сандық модельдерін құру, виртуалды модельдеу негізінде басқару алгоритмдерін оңтайландыру.

Статистикалық деректерді өңдеу: деректерді Шу мен ауытқулардан тазарту, орташа мәндерді, медиананы, стандартты ауытқуды есептеу, нәтижелердің сенімділігі туралы гипотезаларды тексеру.

Деректердің сенімділігін қамтамасыз ету үшін келесі шаралар қабылданады: жабдықты бірнеше рет сынау және калибрлеу, қолданар алдында датчиктер мен сенсорларды жүйелі түрде сынау, автоматтандырылған өлшеу нәтижелерін зертханалық талдаулармен салыстыру, XRF және спектрометриялық анализаторларды мерзімді калибрлеу.

Деректерді тексеру: эксперименттердің сапасын бақылау үшін тәуелсіз зертханаларды пайдалану, ағымдағы зерттеулердің нәтижелерін мұрағаттық деректермен салыстыру.

Деректер сапасын бақылау үшін машиналық оқыту әдістерін қолдану: жиналған деректердегі ауытқулар мен қателерді автоматты түрде анықтау, жасанды интеллект арқылы жалған корреляциялар мен дұрыс емес өлшемдерді болдырмау.

Ақпарат көздерінің қайталануы: бірнеше тәуелсіз көздерден (датчиктер, зертханалар, мұрағат деректері) мәліметтер алу, бірдей кен сипаттамасын талдаудың бірнеше әдістерін қолдану.

Жиналған және өңделген деректер AI және машиналық оқыту арқылы кенді қайта өңдеу параметрлерін оңтайландыру, реагенттерді Автоматты мөлшерлеудің интеллектуалды жүйесін әзірлеу, өндіріс тиімділігін болжау үшін технологиялық процестердің цифрлық егізін жасау, сенсорлық технологиялар арқылы нақты уақыт режимінде кен сапасын бақылау, шығындарды азайту және энергияны болжамды талдау арқылы экологиялық тұрақтылықты арттыру үшін пайдаланылады.

Бағдарлама көп арналы көздер арқылы ақпараттың жоғары сенімділігін, AI және Big Data көмегімен деректерді автоматтандырылған өңдеуді, цифрлық платформалармен (SCADA, ERP, MES) толыққанды интеграцияны, интеллектуалды басқару арқылы нақты уақыт режимінде кенді байыту процесін оңтайландыруды қамтамасыз ететін деректерді жинаудың, өңдеудің және тексерудің заманауи әдістерін қолданады.

Зерттеу нәтижелеріне зияткерлік меншік құқықтарын ресімдеу ҚР Әділет министрлігінің «Ұлттық зияткерлік меншік институты» РМК-да өнімді тіркеумен қамтамасыз етіледі. Өнертабысқа немесе пайдалы модельге өтінім беру, авторлық құқық объектісіне куәлік алу жоспарлануда. Бағдарламаның өтініш берушісі — «AG TECH»ЖШС патент иесі болып табылады.

Бірлескен мақалаларды жариялау кезінде авторлар халықаралық қоғамдастық қабылдаған жариялау этикасы қағидаттарын ұстанатын болады, атап айтқанда, ғылыми жарияланымдар этикасы комитетінің (Committee on Publication Ethics (COPE), ғылыми жарияланымдар этикасы Кодексі) ұсынымдарында көрініс табады.

Ғылыми жарияланымдардың этикасы авторлардың зияткерлік меншікке құқықтарын қамтамасыз етуге, авторлық материалдарды жеке тұлғалардың мүддесі үшін заңсыз пайдалану мүмкіндігін болдырмауға ықпал етеді.