Подземная цифровизация в России становится повседневной практикой. Теперь шахта не «чёрный ящик», в который спускаются люди с фонарями. Она становится живым организмом — с нервной системой из датчиков, памятью из данных и рефлексами, которые срабатывают быстрее человека. И чем глубже уходят под землю горняки, тем больше данных поступает наверх.
В статье подробно разбираем, как именно цифровая трансформация протекает в добывающей отрасли, с какими вызовами сталкиваются компании, в чём заключается выгода для них, а также анализируем пример уже существующих «умных шахт».
Сегодня цифровизация горнодобывающих предприятий сосредоточена на нескольких ключевых задачах: контроль качества руды, диспетчеризация открытых и подземных горных работ, повышение эффективности карьерных самосвалов и оценка буровзрывных операций. По разным данным, на буровзрывные работы приходится до трети всех затрат предприятия. Поэтому любые потери в этом сегменте снижают общую производительность.
Ключевой показатель здесь — средний размер фракций разрушенной породы и доля негабарита. Слишком крупные куски снижают эффективность погрузки и замедляют работу экскаваторов и дробильного оборудования. В некоторых случаях они требуют повторного взрывания. Самосвалы задерживаются с загрузкой, что ведёт к запуску лишних рейсов. А отсутствие единых стандартов измерения фракций породы часто обращается поводом для споров между карьерами, комбинатами и подрядчиками буровзрывных работ.
Все эти процессы становятся проще с применением беспилотных самосвалов и погрузчиков, систем дистанционного мониторинга, интернета вещей и нейросетей.
Одним из наиболее заметных направлений цифровизации в этой области стала автономизация транспортных операций. Исследование «Industrial Progress of Robotic Automation in Mining Applications», результаты которого были опубликованы в этом году, показало, что автономные системы перевозки уже применяются на открытых карьерах. В том числе на месторождениях тестируют и полностью беспилотные самосвалы и платформы.
Из этого же обзора следует, что компании Rio Tinto и Komatsu начали использовать автономную технику ещё в 2007-2008 годах. Сегодня такие самосвалы перевозят тысячи тонн руды ежедневно без участия человека.
В российских условиях внедрение беспилотных технологий сопровождается особенностями: удалённость шахт, климатические условия и необходимость интеграции с существующей инфраструктурой требуют адаптации зарубежных решений.
Внедрение цифрового контроля и автономных функций создаёт потенциал для масштабного перехода к «умным» автопаркам, где техника самостоятельно сможет оптимизировать маршруты движения и предотвращать простои.
В Сибири беспилотные «БелАЗы» проходят испытания на площадках «СДС-Угля» и «Кузбассразрезугля», а в Карелии подобные решения тестируются на объектах «Карельского окатыша».
Главное преимущество такой техники — стабильная и предсказуемая производительность. Автономный самосвал работает круглосуточно, без смен, обедов и простоев, выдерживая одинаковый темп независимо от погоды и человеческого фактора. Безопасность растёт — операторы больше не находятся в зоне повышенного риска, где возможны обвалы, загазованность и шум. Кроме того, исключение ошибок и усталости позволяет продлить срок службы машин и сократить расходы на ремонт.
Однако экономическая сторона вопроса остаётся серьёзным ограничением: стоимость внедрения автономных комплексов высока, а окупаемость может растянуться на годы. Именно поэтому подобные проекты пока доступны в основном крупным холдингам. Так, в компании «ГДК Баимская» (Чукотка) оценили, что переход к беспилотной логистике способен приносить экономию в десятки миллионов долларов ежегодно — прежде всего за счёт снижения расходов на вахтовую инфраструктуру и эксплуатацию транспорта.
Кроме того, недавно перечень отечественных проектов в сфере автономной карьерной техники пополнил «Юпитер-30» — беспилотный самосвал грузоподъёмностью 30 тонн. Его создали инженеры МГТУ им. Н. Э. Баумана совместно с ПАО «КАМАЗ». Машина предназначена для работы в опасных зонах карьеров, где ведутся погрузочные и взрывные операции, — там, куда обычно не допускают людей.
Самосвал управляется без участия водителя: перевозит рыхлые породы и руду по заранее заданным маршрутам. Его гибридная силовая установка делает машину экономичной и устойчивой к тяжёлым условиям эксплуатации. Уникальная ходовая часть позволяет двигаться в режиме «краба», синхронно поворачивая обе оси.
«Юпитер‑30» — один из первых образцов российской инженерной школы, где автономность, энергоэффективность и манёвренность сошлись в одном проекте. По мнению экспертов, эта разработка может стать прототипом для целой линейки беспилотных машин, способных работать как на поверхности, так и в подземных шахтах.
Вместе с тем, развитие автономности карьерной техники сопровождается рядом вызовов. Первый из них связан с высоким уровнем инвестиций на начальном этапе. Установка автопилота, сенсоров, надёжной системы связи, а также обучение персонала требуют значительных ресурсов.
Другой фактор — инфраструктура и стабильная связь. Автономной технике необходимы точное позиционирование и бесперебойная передача данных. Авторы статьи «Autonomous Haulage Systems in the Mining Industry: Cybersecurity, Communication and Safety Issues» (MDPI) в частности подчёркивают уязвимость GPS‑систем, возможность их глушения и спуфинга, а также сложности с беспроводной связью в карьерных условиях.
Ещё один крупный блок — это промышленный интернет вещей (IIoT), системы мониторинга состояния активов, сенсоры, цифровые двойники и платформы анализа данных.
Цифровые двойники — виртуальные копии — становятся ключевым инструментом управления производством. По сути, это модель оборудования, шахты или даже всего производства, которая «зеркалит» реальные процессы, собирая данные с датчиков, средств контроля и геолого-разведочного ПО. Датчики фиксируют температуру, вибрацию, расход топлива, нагрузку на конвейеры и самосвалы. Такая система позволяет не просто наблюдать за состоянием техники, но и просчитывать поведение систем в разных сценариях — от изменения состава руды до отказа конкретного узла.
Исследование «Digital Twin-Enabled Monitoring of Mining Haul Trucks» подробно описывает практику применения цифровых двойников для мониторинга карьерных самосвалов. В проекте использованы данные, собранные с помощью LiDAR-сканеров и беспилотных летательных аппаратов (БПЛА), для построения трёхмерных моделей рабочих зон и маршрутов техники. Алгоритмы анализировали параметры загрузки, отклонения от оптимальной траектории и динамику износа компонентов. Результат — повышение точности планирования ремонтов и снижение риска простоев на 15–20%.
В России уже есть несколько заметных примеров того, как цифровые технологии меняют облик горнодобывающей отрасли. Например, в 2025 году АЛРОСА совместно с российскими разработчиками ПО и оборудования внедрила систему контроля загрузки самосвалов на основе технологий машинного зрения.
На руднике «Удачный» и карьере «Юбилейный» эффективность добычи выросла примерно на 10%, что добавило почти 12 тыс. тонн алмазоносной руды. Система построена на основе лидар-сканирования кузовов самосвалов с построением 3D-модели и анализом заполнения нейросетью в режиме реального времени. Данные передаются в диспетчерский центр, где можно оперативно скорректировать работу техники. Несмотря на успех, в компании подчёркивают, что дальнейшее масштабирование требует адаптации к условиям карьеров и шахт, обучения персонала и обеспечения необходимой технической инфраструктуры.
Компания ГМК «Норильский никель», в свою очередь, продвинулась в цифровизации горных активов с запуском платформы Axioma — отечественного решения, интегрирующего технологии искусственного интеллекта и виртуальных копий. Система позволяет моделировать основные технологические цепочки добычи и обработки металлов в виртуальном пространстве, отслеживать состояние оборудования и прогнозировать аварийные ситуации в режиме реального времени.
УК «Кузбассразрезуголь» также является примером того, как цифровые технологии становятся драйвером трансформации на российских угольных площадках. Согласно отчёту компании, в 2024 году экономический эффект от внедрения таких решений составил 3,6 млрд рублей.
Предприятие ведёт более 300 цифровых проектов, среди которых — создание виртуальных двойников угольных разрезов: Бачатского, Краснобродского, Калтанского. Эти 3D‑модели строятся на основе геологических данных и помогают планировать буровзрывные работы, учитывать качество угля, оптимизировать добычу.
Помимо этих предприятий, системы цифрового двойника тестируют «Полюс», «Сибантрацит» и «ЕвроХим», создавая модели обогатительных фабрик и участков подземной добычи. Такие решения часто строятся на отечественных платформах, совмещающих модульную аналитику, IoT-инфраструктуру и визуализацию в 3D-формате, что важно в условиях ограниченного доступа к зарубежным технологиям.
Аналитика российского рынка цифровых решений в горной отрасли усиливает значимость таких кейсов. Согласно обзору, количество игроков в сегменте выросло почти на 40% к 2024 году, достигнув порядка 250 компаний, а объём доступных решений для горнодобывающей промышленности составил примерно 30‑40 млрд рублей.
При этом авторы исследования отмечают: лишь каждая третья компания получает от цифровизации эффект более 3% от EBITDA, а каждая вторая не достигает заявленных целей.
Искусственный интеллект и нейросети в горной отрасли применяются уже сегодня. Алгоритмы анализируют данные бурения, помогают прогнозировать запасы руды, оптимизируют маршруты автономной техники и предсказывают потребность в обслуживании оборудования.
Применение нейросетей позволяет, например, корректировать план взрывных работ с учётом характеристик горной породы. Это повышает коэффициент извлечения руды и снижает расход вспомогательных материалов. AI тесно интегрирован с IIoT и беспилотными машинами, создавая среду, где решения принимаются на основе данных, а не интуиции оператора.
Например, эксперты рассказывают, что современные системы ИИ в горной промышленности используются для анализа газовыделения, прогноза аварийных ситуаций в забоях и оценки безопасности труда. Таким образом, искусственный интеллект помогает не только управлять данными и техникой, но и следить за безопасностью в шахте.
Так, на Яковлевском ГОКе (в составе ПАО “Северсталь”) внедрили ИИ‑систему, анализирующую действия работников и сообщающую о нарушениях правил охраны труда. В компании отметили, что решение планируется задействовать и на транспортном горизонте шахты Яковлевского ГОКа. Это позволит анализировать работу сотрудников, занятых в зоне движения железнодорожных составов, и повышать безопасность технологических процессов.
По данным отчёта АНО «Цифровая экономика» за 2024 год, доля российских предприятий топливно-энергетического и промышленного секторов, использующих технологии ИИ, выросла до 58%.
Тем не менее, в горной отрасли внедрение нейросетей, как и прочих цифровых решений, сопровождается проблемами интеграции, отсутствия кадров и высокой стоимостью вычислительных мощностей.
По словам экспертов, угольные шахты в России по уровню цифровизации и автоматизации заметно опережают рудные предприятия.
На рынке представлены отечественные автоматизированные информационно-измерительные и управляющие системы, которые по функционалу соответствуют мировым стандартам, а в некоторых аспектах их даже превосходят. Среди разработчиков — компании ООО «ИНГОРТЕХ», НПФ «Гранч» и другие. Эти программы интегрируют интернет-подключение в подземные выработки, оснащены развитой сенсорикой и способны непрерывно отслеживать местоположение и состояние сотрудников, контролировать аэрогазовую обстановку и мониторить геодинамическую активность горного массива.
Сегодня автоматизированная инфраструктура подземных шахт постепенно превращается из набора разрозненных программ в полноценную экосистему, где всё — от вентиляции до взрывных работ — соединено в единое цифровое «тело». Например, компания «СУЭК» внедрила систему подземного позиционирования и промышленного интернета вещей, которая позволяет в режиме реального времени отслеживать перемещение людей и техники, а также контролировать газовую обстановку и микроклимат в забое. По данным предприятия, это решение снизило риск аварийных ситуаций почти на 30% и сократило время простоев при технических проверках.
А в «Якутугле» внедрили модуль предиктивного анализа в подземных выработках. Он объединяет данные от аэрогазовых датчиков, тепловизоров и лазерных сканеров, прогнозируя возможные очаги возгораний и газоопасные зоны. Разработчики отмечают, что система учится на собственных данных — по сути, это уже зачатки искусственного интеллекта под землёй.
Такие проекты показывают: цифровые технологии спускаются всё глубже — и вместе с ними меняется сама логика добычи. Шахта становится управляемым пространством, где данные работают на безопасность, эффективность и экономику.
Спасибо!
Теперь редакторы в курсе.