Возможно, уже сегодня искусственный интеллект (ИИ) демонстрирует не столько перспективу завтрашнего дня, сколько факты современной действительности: трансформировавшись в ключевую технологию настоящего времени.
В сфере обработки данных алгоритмы искусственного интеллекта соперничают и, часто, превосходят человеческий разум в решении разнообразных задач. Особое внимание заслуживает внедрение нейросетевых систем видеоконтроля для оптимизации процесса флотации на горнопромышленных предприятиях. Так, уже не первый год подобная технология функционирует на одном из крупных рудников, где специалисты отмечают значительное повышение эффективности: сквозной показатель добычи меди существенно возрос благодаря применению ИИ.
Этот результат — лишь одно из ярких свидетельств успеха данного направления. Тем не менее, промышленные реалии диктуют свои требования и условия для дальнейшего развития технологий на основе искусственного интеллекта.
Основные особенности системы
Но для начала давайте поговорим о том, что умеет система и для чего это решение понадобилось обогатительной фабрике.
Что касается целей внедрения, то здесь всё в общем-то очевидно. Фабрика стремится стабилизировать и оптимизировать процесс обогащения медно-цинковых руд, то есть минимизировать потери полезных компонентов и расход реагентов. Для производства важна также возможность прогнозирования объёмов выхода концентратов. Кроме того, ИИ, как известно, призван снизить роль человеческого фактора: флотатор может не выдержать параметры из-за усталости, у него может «замылиться» глаз, ему может банально не хватить опыта.
Как же работает система? В основе его функционирования, как и любого инструмента искусственного интеллекта, лежит работа с массивом данных и алгоритмами. Если говорить об обогатительной фабрике, то здесь на флотационное оборудование монтируют контрольно-измерительные приборы, а на рабочих столах флотаторов и технологов появляется специализированное ПО.
Программисты совместно с обогатителями формулируют правила для технологических режимов переработки разных сортов руд и заводят их в нейросетевую вдеосистему контроля флотации. КИП собирает данные: уровень пульпы, её плотность, расход реагентов, содержание металлов и другие — и передаёт их на рабочий стол флотаторов. Для каждого из показателей устанавливаются границы, и, если они нарушаются, «умная» система подаёт сигнал флотатору — не вносит корректировки, а только даёт рекомендации.
Специалист может как принять их, так и отклонить, а все действия фиксируются в аналитическом модуле системы. Для ГОК было принципиально, чтобы нейросетевая вдеосистема контроля флотации не имела обратных управляющих воздействий на системы КИПиА и АСУ ТП. В любой момент флотатор может отключать и включать правила.
Вроде бы, всё понятно и логично. Но это как раз тот случай, когда гладко было на бумаге, но забыли про овраги.
Сложность № 1: важно разбираться в технологии
«У нас очень много талантливых программистов. И на рынке работают очень много компаний, которые на старте говорят: «Дайте нам данные, мы их проанализируем, сформулируем зависимости и запустим нейросетевую вдеосистему контроля флотации. Но в результате система не срабатывает. Мы убедились в том, что мало привлечь в команду хороших математиков и программистов.
Если в ней нет людей, которые разбираются в технологии, внедрение нейросетевой вдеосистемы контроля флотации будет бессмысленным. Мы сменили три команды разработчиков, прежде чем к нам пришли люди, которые умели говорить на одном языке с технологами. Очень важно правильно отражать логику и связь, которые нужны для корректной работы советчика», — подчеркнул руководитель проекта..
Сложность № 2: неоднородность состава руды
Пожалуй, это главная трудность, с которой столкнулись разработчики и обогатители при внедрении нейросетевой вдеосистемы контроля флотации. На фабрике перерабатывают 8 сортов руды, для каждого из которых существует свой технологический режим обогащения. Меняется не только содержание ценного компонента, но и другие параметры, существенно колеблется и объём переработки. Даже в рамках одного рудного тела присутствуют различные соединения химических элементов. Создатели решения сгенерировали 120 правил, которые система демонстрирует в режиме реального времени. 120 правил для каждого типа руды.
«Мы увидели, что нейросетевая вдеосистема контроля флотации продемонстрирует максимальный эффект на моноруде, при стабильном сбалансированном процессе. В этом случае за счёт тонких настроек фабрика может поднять извлечение. У нас идёт переработка различных руд. И было так: мы запросили техкарту, техрегламент, разработали правила, забили их в систему и… ничего.
Мы не взлетели. Были сплошные отклонённые советы, потому что жизнь задаёт свои правила, а на реальном производстве всё происходит не совсем так, как прописано в техкарте: процесс более динамичный, более сложный. Нам пришлось на первых этапах всё радикально упрощать, уменьшать количество правил, и только потом, шаг за шагом, вводить дополнительные», — рассказал руководитель проекта.
Эксперт добавил, что и сегодня нейросетевая вдеосистема довольно болезненно переживает переход с одного типа руды на другую, и на обновление техпроцесса требуется несколько часов.
«Наша фабрика частично работает с колёс. А бывают у нас сложные месяцы, когда случается до 12 переходов с руды на руду. Вариативность сырья не позволяет цифровому советчику работать с максимальной эффективностью.
Сейчас, когда мы этот момент увидели, мы пересматриваем производственную программу, взаимодействуем с нашими добывающими объектами и стремимся организовать процесс так, чтобы минимизировать количество переходов с руды на руду», — поделился опытом спикер.
Сложность № 3: повышение требований к оборудованию
Пожалуй, этот момент стоит отнести даже не к сложностям, а к неизбежным аспектам внедрения систем автоматизации и цифровизации. Например, на производствах часто отмечают, что с появлением на промплощадке сварочного робота на заводе повышается качество заготовок. Почему?
Да потому что с ним невозможно договориться: это живой человек заварит даже деталь с большим зазором, робот же просто откажется работать, когда изделие не соответствует заведённым в него требованиям. Нечто подобное зафиксировали и в Башкирии.
Во-первых, в процессе внедрения нейросетевой вдеосистемы контроля флотации специалисты ГОКа поняли, что уровень автоматизации фабрики недостаточно высок. Пришлось дооснастить оборудование контрольно-измерительными приборами. Поставку и внедрение КИП также осуществляет Ctrl2GO Solutions, то есть речь идёт о поставке под ключ.
Ну а во-вторых, нейросетевая вдеосистема контроля флотации показала, что некоторые элементы системы работают недостаточно эффективно. Программно-аппаратный комплекс очень чутко реагирует на несбалансированность техпроцессов, показывает мельчайшие неточности в работе оборудования, в том числе и неосновного.
Даже если эти неточности не влияют на эффективность процесса флотации, система, которая контролирует и увязывает между собой несколько сотен параметров, зафиксирует эти непаспортные значения. Таким образом, нейросетевая вдеосистема контроля флотации диктует более высокие требования к эксплуатации системы.
Система вскрывает все несогласованности в работе фабрики: соответствует ли бумага реальным действиям, корректно ли работает оборудование, правильно ли работают флотаторы. И уже на этих моментах мы получаем колоссальный массив данных для корректирующих действий», — отмечает руководитель проекта.
Сложность № 4: человеческий фактор
История о том, что люди на местах на первых порах воспринимают любые нововведения, любые технологические усовершенствования как что-то лишнее, ненужное, мешающее работать, не нова. Так было с промышленными роботами, системами позицонирования, «умными» касками, так случилось и с нейросетевой вдеосистемой контроля флотации.
«Казалось бы, такой замечательный инструмент, призванный помочь флотатору в работе! Но нет, мы столкнулись с жесточайшим неприятием», — вспоминает эсперт.
Наверное, на каждом производстве есть специалисты, которые в силу своего опыта или врождённых качеств справляются с задачей лучше других, справляются идеально. Для предприятия такие люди — кудесники, они совершают чудо: на фабрике в их смену процесс идёт стабильно, потери минимальны, извлечение высокое. И без всякой нейросетевой вдеосистемы контроля флотации они свои смены отрабатывали, и придраться было не к чему. Делиться своими знаниями такие волшебники, понятное дело, не торопятся.
И именно самые опытные флотаторы в Башкирии больше всех сопротивлялись внедрению нового инструмента. А ведь система как раз и призвана передавать экспертные знания как лучшие практики — в числе прочего за счёт этого она позволяет оптимизировать процесс.
«Как замотивировать людей работать с новой системой? Конечно же, деньгами. Что мы и сделали.
Чтобы эта тема у нас взлетела, мы ввели ежедневный мониторинг, чтобы видеть, как отработала смена: сколько флотатор принял советов, почему отклонил, какие это советы и почему их не приняли. Сегодня большинство коллег уже относятся к системе лояльно, понимая, что она действительно помогает в работе», — говорит представитель ГОКа.
Работа с персоналом на фабрике продолжается. Система фиксирует и анализирует все действия флотаторов, и на основании этих данных можно провести «разбор полётов». Например, нейросетевая вдеосистема контроля флотации предложила рекомендацию, но флотатор её отклонил. Почему? Потому что посмотрел на те или иные параметры и принял решение, полагаясь на свой опыт.
И это решение может быть правильным. Но может быть и так, что флотатор не учёл какие-либо данные — не посмотрел на процесс так широко, как это может сделать искусственный интеллект. В общем, идёт процесс как машинного, так и человеческого обучения.
«Сейчас мы также ввели рейтинг флотаторов на основании эффективности их работы. На основании этого рейтинга мы пересмотрели и мотивационный фонд. Это небольшое соцсоревнование, но прелесть его в том, что здесь нет и не может быть никакого субъективного мнения. С точки зрения контроля квалификации персонала система даёт практически безграничные возможности», — добавляет руководитель проекта.
А ещё специалист говорит, что для того, чтобы такое решение, как цнейросетевая вдеосистема контроля флотации, действительно показало свою эффективность, необходима абсолютная вовлечённость в процесс первых лиц предприятия. На комбинате разработаны формы, и каждая смена отчитывается о работе советчика. Сама по себе цифровая трансформация на производстве не случится.
Что дальше? Работы, признаёт руководитель проекта, ещё много, и решение части названных проблем пока не найдено. К тому же нейросетевую вдеосистему контроля флотации на фабрике внедряют поэтапно: первые КИПы установили на первой секции измельчения и первой секции флотации, сейчас система работает примерно на трети фабрики. Здесь очень важно, что базовая автоматизация и цифровое решение разработаны в России, а это значит, что проект наверняка будет завершён в запланированные сроки и позволит достигнуть требуемого эффекта.
Источник: https://dprom.online/
