О ПРОГРАММЕ

Наименование темы научной, научно-технической программы:

«Разработка программно-аппаратного комплекса на базе технологий искусственного интеллекта для управления процессом флотации на горно-обогатительных предприятиях».

Наименование приоритетного и специализированного научного направления:

Передовое производство, цифровые и космические технологии

Область и вид исследования:

• Электронная промышленность и робототехника;
• Искусственный интеллект;
• Горно-металлургическая промышленность.

Организация-заявитель программы:

ТОО «AG TECH», 010000, г. Астана, Республика Казахстан, улица Сығанақ, здание 3/1.

Место реализации программы:

ТОО «AG TECH», 010000, г. Астана, Республика Казахстан, улица Сығанақ, здание 3/1.

Внедрение и апробация планируется на предприятии ТОО «Корпорация Казахмыс», Нурказганская обогатительная фабрика.

Вводная часть.

Современная горнодобывающая промышленность сталкивается с вызовами, связанными с необходимостью повышения эффективности переработки минерального сырья, уменьшения производственных затрат и минимизации негативного воздействия на окружающую среду. Традиционные методы обогащения руды, несмотря на их широкое применение, зачастую имеют ограничения в части точности управления процессами и устойчивости к изменяющимся условиям работы.

В этих условиях разработка и внедрение программно-аппаратного комплекса (ПАК), способного автоматизировать ключевые этапы обогащения руды, становится важным шагом на пути к повышению технологического уровня отрасли. Управление процессом обогащения руды с помощью ПАК представляет собой интегрированное решение, объединяющее передовые технологии обработки данных, искусственного интеллекта, сенсорных систем и средств автоматического управления.

В реализации программы участвуют ученые, инженеры, специализирующие по следующим направлениям: горное производство, автоматизация и управление, химические технологии, информационные системы, имеющие опыт работы в финансируемых грантовых проектах, разработки и внедрения программного обеспечения, патенты, авторские свидетельства, научные публикации, связанные с темой программы.

Цель программы.

Разработка программно-аппаратного комплекса (ПАК) обеспечивающего автоматизацию и оптимизацию, процесса обогащения руды на основе технологии искусственного интеллекта на предприятиях горнорудной отрасли Республики Казахстан.

Задачи программы:

1. Разработать и внедрить программно-аппаратный комплекс, обеспечивающий детектирование и распределение остатков рудного материала в боковых частях бункера;
2. Разработать систему детектирования и моментального определения и реагирования на не дробимые материалы (металл, деревянные, резиновые изделия и т.д.);
3. Разработать программно-аппаратный комплекс для сортировки рудного материала и выявления и реагирования на не дробимые элементы без остановки конвейерной ленты;
4. Разработать систему определения размера кусков руды;
5. Разработать программно-аппаратный комплекс для определения содержания химических элементов и окислов в руде и управления рудосортировкой;
6. Разработать систему эффективного управления автоматическим распределением реагентов;
7. Разработать алгоритм машинного обучения для прогнозирования и принятия решении по распределения реагентов.

Уровень технологической готовности разработок на этапе завершения программы – TRL-7, в настоящий момент уровень технической готовности соответствует TRL-2. Подтверждением является 1 публикация и 3 патента на полезную модель научного руководителя программы.

Стратегически важная государственная задача, для решения которой разработана программа:

1. Концепция развития искусственного интеллекта на 2024 – 2029 годы, утвержденной Постановлением Правительства Республики Казахстан от 24 июля 2024 года № 592, (План действий по реализации Концепции пункт 30 «Проведение научных исследований в сфере искусственного интеллекта в рамках грантового и программно-целевого финансирования»
2. Концепция развития искусственного интеллекта на 2024 – 2029 годы, утвержденной Постановлением Правительства Республики Казахстан от 24 июля 2024 года № 592, (План действий по реализации Концепции пункт 40 «Внедрение проектов в сфере искусственного интеллекта на начальной стадии в реальных секторах экономики»
3. Концепция по переходу Республики Казахстан к «зеленой экономике», утвержденной Указом Президента Республики Казахстан от 30 мая 2013 года № 577 (Пункт 4.1 «Развитие низкоуглеродных технологий» – снижение экологического воздействия благодаря разработке энергоэффективных технологий сепарации руд).
4. Концепция развития электроэнергетической отрасли Республики Казахстан на 2023–2029 годы, утвержденной Постановлением Правительства Республики Казахстан от 7 марта 2023 года № 263 (Раздел 4.4 «Внедрение новых технологий» )
5. Концепция развития обрабатывающей промышленности Республики Казахстан на 2023–2029 годы, утвержденная Постановлением Правительства Республики Казахстан от 20 декабря 2018 года № 846 (План действий по реализации Концепции, пункт 3.2.1 «Модернизация и технологическое перевооружение предприятий»).

Разработка и внедрение программно-аппаратных комплексов (ПАК) в процессах обогащения руды являются актуальными направлениями в горнодобывающей промышленности не только в Республике Казахстан, но и за рубежом. Эти системы способствуют повышению эффективности, автоматизации и экологической безопасности производственных процессов.

Научная новизна программы заключается в создании программно-аппаратного комплекса обогащения руды на основе технологий искусственного интеллекта (ИИ), машинного обучения и сенсорных технологий. Разработка предполагает интеграцию в производственные процессы интеллектуальных алгоритмов прогнозирования, отличающихся от традиционных методов обогащения руды, основанных на статических параметрах и ручном управлении.

Основные инструменты новизны:

• применение ИИ и Big Data для адаптивного управления процессами обогащения руды;
• комплексная интеграция АПК с  централизованными системами управления предприятия ERP, SCADA, MES;
• создание цифровых двойников процессов обогащения руды;
• автоматизация сортировки и контроля качества руды в режиме реального времени.

Научный задел для разработки программы подтверждается:

• высоким научно-практическим потенциалом исследовательской команды, обладающим современными знаниями технологии горного производства, программными, интеллектуальными инструментами информационных технологий и интернета вещей;
• отсутствием готовых решений разработки АПК для обогащения руды;
• ограниченной  адаптивностью алгоритмов моделей машинного обучения не учитывающих динамические изменения в процессе обогащения руды;
• отсутствие комплексной интеграции существующих АПК с  автоматизированными системами управления предприятий;
• отсутствие существующих методологий машинного обучения и информационных данных для БД;
• ограниченные возможности внедрения IIoT  технологий.

Программа направлена на решение ключевых научных вопросов, касающихся разработки АПК обогащения руды с использованием ИИ и цифровых технологий. Основные вопросы включают: как ИИ и машинное обучение могут оптимизировать процессы обогащения руды в реальном времени? какие сенсорные технологии наиболее эффективны для онлайн-анализа состава руды и определения размеров частиц? как повысить энергоэффективность обогащения руды за счет интеллектуального управления? возможно ли объединить Big Data, цифровые двойники и предиктивную аналитику в единый контур управления рудо обогащения? какие алгоритмы автоматического распределения реагентов обеспечат минимизацию потерь и повышение качества продукции?

На основе поставленных научных вопросов сформулированы следующие гипотезы:

Гипотеза 1: Использование самообучающихся моделей машинного обучения в АПК позволит повысить точность прогнозирования характеристик руды на 20–30% по сравнению с традиционными методами;

Гипотеза 2: Интеграция IoT-сенсоров и спектрального анализа в АПК позволит сократить временной лаг между отбором пробы и ее анализом с нескольких часов до минут;

Гипотеза 3: Автоматизация дозирования реагентов на основе данных ИИ в АПК снизит расход химических реагентов на 15–25%, повысит извлечение и качество продукции;

Гипотеза 4: Применение предиктивной аналитики в процессах рудоподготовки снизит вероятность аварийных простоев оборудования на 30–40%;

Гипотеза 5: Комплексная цифровизация процессов обогащения руды с помощью АПК приведет к увеличению производительности на 15–25%.

Программа базируется на междисциплинарном подходе, объединяющем горное дело, автоматизацию, ИИ, сенсорные технологии и предиктивную аналитику.

Исследовательская стратегия основана на системном подходе – анализе всех взаимосвязанных процессов рудопереработки, модельно-ориентированном анализе – построении цифровых двойников для имитации и оптимизации процессов, экспериментальной валидации – тестировании алгоритмов машинного обучения и сенсорных технологий в реальных условиях, предиктивной аналитике и машинном обучении – использовании алгоритмов прогнозирования для управления процессами в реальном времени.

Программа сочетает три типа исследований, позволяя провести полный цикл разработки и тестирования инновационных решений:

1. Описательные исследования: анализ существующих технологий обогащения руды, определение параметров руды, подлежащих оптимизации, обзор мировых аналогов и выявление их недостатков;
2. Корреляционные исследования: изучение взаимосвязей между характеристиками руды, расходом реагентов и производительностью процесса, анализ данных с датчиков и ИИ-моделей для выявления скрытых закономерностей, выявление влияния параметров энергопотребления на эффективность переработки;
3. Экспериментальные исследования: разработка и тестирование алгоритмов машинного обучения, испытания интеллектуальной системы управления (АПК) обогащения руды, опытные испытания предиктивной аналитики на производственном оборудовании.

Исследования проводятся в несколько этапов:

Этап 1: Теоретическое обоснование: анализ существующих методов автоматизации процессов обогащения руды и их недостатков, разработка архитектуры цифрового контура управления, формирование гипотез и определение параметров исследования.

Этап 2: Разработка ИИ-алгоритмов и цифровых моделей АПК: создание первых моделей машинного обучения для прогнозирования характеристик руды, разработка цифрового двойника технологического процесса обогащения руды, первые тесты алгоритмов в лабораторных условиях.

Этап 3: Использование и внедрение сенсорных технологий в АПК: интеграция IoT-датчиков для мониторинга параметров обогащения руды, адаптация сенсорных систем для онлайн-анализа состава руды, корреляционные исследования для выявления зависимостей параметров руды и эффективности переработки.

Этап 4: Экспериментальное тестирование: запуск пилотного тестирования ИИ-систем АПК на горнорудном предприятии, оценка точности предсказаний алгоритмов машинного обучения, анализ изменений энергопотребления, расхода реагентов и производительности.

Этап 5: Оптимизация и масштабирование: оптимизация разработанной АПК на основе результатов тестирования, разработка рекомендаций для масштабирования АПК на других предприятиях Республики Казахстан, заключение партнерских договоров с горнорудными комбинатами Республики Казахстан.

Программа опирается на комплексную исследовательскую стратегию, включающую описательные, корреляционные и экспериментальные исследования. Последовательность работ позволяет разработать ИИ-решения для оптимизации процесса обогащения руды, внедрить интеллектуальную систему управления в промышленную эксплуатацию, доказать экономическую эффективность и масштабируемость разработанного программно-аппаратного комплекса.

Программа использует разнообразные источники первичной информации, которые позволяют получить полный спектр данных для разработки интеллектуальных алгоритмов управления процессами обогащения руды.

Производственные данные предприятий: технологические параметры рудоперерабатывающих комбинатов (температура, давление, pH, расход реагентов, уровень загрузки оборудования), данные SCADA, MES и ERP-систем предприятий, характеристики рудного сырья и показатели качества продукции;

Экспериментальные данные: результаты лабораторных анализов проб руды, данные с сенсорных систем (рентгенофлуоресцентный анализ, лазерное сканирование, инфракрасная спектроскопия), экспериментальные данные по эффективности использования машинного обучения для прогнозирования параметров переработки.

Исторические данные и архивы: базы данных прошлых испытаний и работы технологического оборудования -данные о расходе реагентов, потреблении электроэнергии и результатах переработки за последние 5–10 лет.

Информационные системы и цифровые источники: научные публикации и патенты по аналогичным разработкам, данные международных компаний, занимающихся автоматизацией обогащения руды.

Для обеспечения высокой точности и достоверности данных используются современные методы сбора первичной информации: датчики и сенсорные системы, IoT-датчики и промышленные сенсоры – фиксируют параметры процесса обогащения руды в реальном времени, рентгенофлуоресцентные (XRF) анализаторы – выполняют экспресс-анализ химического состава руды, лазерные сканеры и спектрометры – используются для контроля размеров частиц руды, тепловизоры и инфракрасные датчики – измеряют температурные параметры перерабатываемой руды.

Лабораторные анализы и экспериментальные исследования: отбор проб руды с последующим анализом в лабораториях, проведение тестов реагентных смесей для определения их эффективности, контроль качества обогащенной руды путем химического анализа.

Анализ архивных данных: изучение исторических записей предприятий по эффективности процесса обогащения руды, анализ данных о расходе реагентов и энергопотреблении, сравнение производственных показателей до и после внедрения интеллектуальных систем.

Методы обработки данных после сбора информации производится обработка данных с применением современных аналитических методов: Big Data и искусственный интеллект (ИИ), использование нейросетевых алгоритмов для выявления закономерностей в больших объемах данных, применение машинного обучения для прогнозирования оптимальных параметров переработки.

Корреляционный и регрессионный анализ: выявление взаимосвязей между составом руды, параметрами переработки и расходом реагентов, определение факторов, оказывающих наибольшее влияние на эффективность переработки, математическое моделирование и цифровые двойники, создание цифровых моделей технологических процессов обогащения руды, оптимизация алгоритмов управления на основе виртуальных симуляций.

Статистическая обработка данных: очистка данных от шумов и аномалий, расчет средних значений, медианы, стандартного отклонения, проверка гипотез о достоверности результатов.

Для обеспечения надежности данных принимаются следующие меры: многократное тестирование и калибровка оборудования, регулярное тестирование датчиков и сенсоров перед использованием, сравнение результатов автоматизированных измерений с лабораторными анализами, периодическая калибровка XRF- и спектрометрических анализаторов.

Верификация данных: использование независимых лабораторий для контроля качества экспериментов, сравнение результатов текущих исследований с архивными данными.

Использование методов машинного обучения для контроля качества данных: автоматическое выявление аномалий и ошибок в собранных данных, исключение ложных корреляций и неправильных измерений с помощью ИИ.

Дублирование источников информации: получение данных из нескольких независимых источников (датчики, лаборатории, архивные данные), использование нескольких методов анализа одной и той же характеристики руды.

Собранные и обработанные данные используются для оптимизации параметров переработки руды с помощью ИИ и машинного обучения, разработки интеллектуальной системы автоматического дозирования реагентов, создания цифрового двойника технологических процессов для прогнозирования эффективности производства, контроля качества руды в режиме реального времени с помощью сенсорных технологий, снижения затрат и повышения экологической устойчивости за счет предиктивной аналитики энергопотребления.

Программа использует современные методы сбора, обработки и верификации данных, что обеспечивает высокую достоверность информации за счет мультиканальных источников, автоматизированную обработку данных с применением ИИ и Big Data, полноценную интеграцию с цифровыми платформами (SCADA, ERP, MES), оптимизацию процесса обогащения руды в реальном времени за счет интеллектуального управления.

Оформление прав интеллектуальной собственности на результаты исследования обеспечиваются регистрацией продукта в РГП «Национальный институт интеллектуальной собственности» Министерства юстиции РК. Планируется подача заявки на изобретение или полезную модель, получение, свидетельств на объект авторского права. Патентообладателем будет являться заявитель программы — ТОО «AG TECH».

При публикации совместных статей авторы будут придерживаться принятых международным сообществом принципов публикационной этики, отраженных, в частности, в рекомендациях Комитета по этике научных публикаций (Committee on Publication Ethics (COPE), Кодекс этики научных публикаций).

Этика научных публикаций, способствует обеспечению прав авторов на интеллектуальную собственность, исключению возможности неправомерного использования авторских материалов в интересах отдельных лиц. Авторы осознают, что несут первоначальную ответственность за новизну и достоверность представленных результатов научного исследования.