«Норникель» создаёт собственную лабораторию, в которой искусственный интеллект и роботизированное оборудование будут использоваться для поиска и испытания реагентов для обогащения руды. О проекте рассказал директор департамента технологических инноваций компании Алексей Тестин в интервью Радио РБК.
Задача проекта связана с одним из ключевых процессов обогащения — флотацией. На этом этапе измельчённая руда смешивается с водой и специальными реагентами, после чего ценные минералы отделяются от пустой породы. От правильно подобранного состава реагентов и режима их подачи непосредственно зависит качество извлечения полезных компонентов.
По словам представителя «Норникеля», сейчас подбор реагентов во многом связан с большим количеством последовательных лабораторных экспериментов. При этом свойства и состав перерабатываемой руды меняются, поэтому найденное решение не обязательно остаётся оптимальным для последующих условий работы.
В новой лаборатории этот процесс предполагается частично автоматизировать. Роботизированная линия должна воспроизводить процесс флотации и работать в непрерывном режиме. По данным компании, если сейчас возможно проводить порядка 10–15 испытаний, то производительность новой линии должна составить 150–200 испытаний. Искусственный интеллект при этом предполагается использовать не для механического перебора всех возможных комбинаций, а для отбора наиболее перспективных вариантов, которые затем будут проверяться экспериментально.
В проекте планируется объединить несколько цифровых инструментов. Классические модели машинного обучения должны искать зависимости в результатах экспериментов, а языковые модели — помогать структурировать накопленную за предыдущие десятилетия технологическую информацию. Полученные результаты будут возвращаться в систему и использоваться при планировании следующих экспериментов. При этом окончательное решение остаётся за специалистом — химиком-технологом.
Заместитель председателя Комитета ТПП РФ по энергетической стратегии и развитию ТЭК, действительный член Академии горных наук, директор по развитию экспертной платформы «Горнопромышленная стратегия» Василий Ракитин считает принципиально важным рассматривать такие проекты прежде всего с позиции их возможного промышленного результата.
Ключевой смысл подобных решений для горнопромышленного комплекса заключается не в самом факте применения искусственного интеллекта, а в возможности повысить эффективность работы с уже добытым сырьём. Если цифровой инструмент позволяет быстрее подобрать технологический режим, снизить потери полезного компонента и увеличить извлечение, тогда цифровизация превращается из самостоятельного ИТ-проекта в инструмент повышения эффективности основного производства.
Для горнодобывающего предприятия это имеет особое значение. Руда уже извлечена из недр, транспортирована и поступила на обогатительную фабрику, то есть значительная часть затрат уже понесена. Потери полезного компонента на последующих стадиях непосредственно отражаются на экономике производства. Именно поэтому даже относительно небольшое повышение коэффициента извлечения в промышленном масштабе может иметь существенное значение.
Сам «Норникель» уже использует алгоритмы машинного обучения и компьютерное зрение для управления флотацией на Талнахской обогатительной фабрике. Система анализирует параметры технологического процесса и помогает выбирать режимы, направленные на повышение извлечения ценных компонентов и снижение производственных потерь.
Следующий этап цифровизации горной отрасли может заключаться именно в переходе от автоматизации отдельных производственных операций к цифровизации технологического поиска — когда алгоритмы помогают не только управлять действующим процессом, но и быстрее находить новые технологические решения.
Однако здесь принципиально важно разделять лабораторный прогноз и подтверждённый промышленный эффект. Модель может определить перспективную комбинацию реагентов, роботизированная установка — подтвердить результат в эксперименте, но окончательную оценку эффективности решение получает только после проверки в реальных производственных условиях.
Поэтому для предприятий горнопромышленного комплекса основным критерием зрелости подобных проектов должны становиться измеримые производственные показатели: изменение извлечения полезных компонентов, снижение потерь, стабильность технологического процесса, стоимость применения решения и его экономический эффект.
Именно привязка искусственного интеллекта к конкретной производственной задаче отличает промышленную цифровизацию от внедрения технологии ради самой технологии. Для горной отрасли перспективность ИИ будет определяться не количеством разработанных моделей, а тем, насколько они позволяют эффективнее использовать минерально-сырьевую базу и получать больший результат из уже вовлечённого в переработку сырья.