"Исследуйте новейшие инжиниринговые и цифровые решения для добычи полезных ископаемых с проектом 'В помощь шахтёру 2024'.
Узнайте о передовых технологиях и оборудовании, которые сделают вашу работу безопаснее и эффективнее.
Присоединяйтесь к обсуждению в телеграм-канале dprom.online!
ООО «ПромоГрупп Медиа», ИНН 2462214762
Erid: F7NfYUJCUneLu1SFeqvk
Глобальный «передел» российского рынка горнотранспортных средств логичнее рассматривать с упором на прошлое. Да, из нашей страны ушли многие крупные иностранные производители, но ведь они развернули свою деятельность только после распада СССР — в советскую эпоху у отечественных решений практически не было конкурентов.
«Рыночные волны» прошлого ярко прослеживаются на статистической информации. Для примера приведём данные Института горного дела УрО РАН и ООО «НИИОГР», собранные в ходе моделирующего семинара на ПАО «Уралмашзавод».
«Статистика по объёмам поставок даже одного машиностроительного предприятия весьма показательна: так, в период с 1986 по 1990 годы, по сведениям самого «Уралмаша», было продано 1 500 единиц техники. В 1997–2002 годы производитель реализовал 92 машины, а в 2003–2008 годах — всего 57 единиц.
В 90-х годах произошло ощутимое падение объёмов производства в горнодобывающей промышленности. Этот фактор обусловил формирование избытка погрузочных мощностей, что привело к падению спроса на технику и повлияло на перспективы развития отечественного машиностроения в целом», — рассказала в рамках Международного научного симпозиума «Неделя горняка — 2023» доктор технических наук Челябинского филиала ИГД Уро РАН Людмила Андреева.
Разумеется, спрос на отечественные транспортные средства пошёл по наклонной и на фоне появления зарубежных конкурентов. Поэтому в те времена отечественные заводы преимущественно изготавливали запчасти и оказывали сервисные услуги. С годами на фоне «затухания» кризисных времён ситуация начала выправляться, но как раз в этот период основную долю рынка заняли зарубежные компании.
После событий 2022 года российские разработчики транспортных систем получили шанс занять опустевшую нишу. Только шанс, поскольку вместо ушедших брендов на рынок стали активно заходить новые игроки. И для того, чтобы выдержать очередной наплыв зарубежных конкурентов, России важно совершить мощный технологический рывок.
В рамках симпозиума «Неделя горняка» прошла отдельная секция, посвящённая технологиям роботизации горнотранспортных систем — одному из направлений, требующему особой проработки со стороны российского научного сообщества.
Как отметил начальник отдела научно-технического развития филиала КузГТУ в г. Прокопьевске Евгений Кузин, в данный момент учёные активно занимаются обоснованием интеллектуальных основ технического обслуживания и ремонтов транспортных систем в горной промышленности. Эта тема как никогда актуальна на фоне ESG-повестки и развития «зелёных» технологий.
Инновационные решения в этом направлении на самом деле очень тесно связаны с экологической повесткой. Начнём с того, что сам процесс совершенствования транспортных систем позволяет снизить негативное влияние на окружающую среду.
Взять, к примеру, масштабный проект «ВГК»: компания строит 23-километровый конвейер, который свяжет Солнцевский угольный разрез с портом «Шахтёрск». При этом недропользователь рассчитывает полностью прекратить перевозить уголь на самосвалах по дорогам общего пользования и таким образом значительно сократить уровень загрязнения угольной пылью, а также минимизировать объёмы выхлопных газов.
Не менее крупный проект реализуется на Лебединском ГОКе компании «Металлоинвест». В прошлом году комбинат запустил в работу комплекс ЦПТ, включивший два дробильных комплекса, два подъёмно-магистральных конвейера общей протяжённостью свыше 3 км, а также три перегрузочных узла, четыре перегрузочных конвейера и буферный склад для хранения запасов железной руды. По расчётам компании, с запуском комплекса показатель по выбросам пыли сократится на 33%. К тому же предприятие будет образовывать примерно на 20–40% меньше вскрыши.
Подобные проекты объективно «носят позитивный характер», но следует учитывать, что они требуют высокоэффективных цифровых решений, в приоритете — отечественного происхождения.
В частности, учёные филиала КузГТУ в Прокопьевске занимаются вопросом повышения эффективности диагностики транспортных средств, а также созданием искусственных интеллектуальных систем по оценке и управлению за их состоянием.
«Одна из задач, стоящих перед научным сообществом, — разработка методики по определению предельного состояния основных структурных элементов транспортных систем, повышению их надёжности, а также методики рациональных управляющих техническим состоянием сервисных и ремонтных воздействий на подсистемы. И кроме того, мы должны провести промышленную апробацию всех перечисленных методик, — рассказал Евгений Кузин.
— В ходе работ была выявлена проблема: чтобы обеспечить эффективное управление техническим состоянием горнотранспортной машины, необходимо, чтобы ключевые диагностические параметры находились в заданном диапазоне на каждой стадии жизненного цикла техники. Горный транспорт состоит из множества узлов, элементов и сборочных единиц, которые работают в очень разных условиях. Нам необходимо создать механизм, который сможет выявлять первопричины в случаях поломок или неисправностей техники.
Это для механика неважно, что послужило причиной отказа, допустим, ленточного конвейера: ролик, сепаратор или всё вместе. Он знает только, что машина встала и эту проблему надо как-то решить. Нас же интересует сам подход к выявлению проблемы, и в этом смысле эффективным инструментом является декомпозиция транспортной системы».
В общих словах, декомпозиция — это научный метод, который использует структуру задачи и позволяет заменить решение одной большой задачи решением серии меньших задач. Применительно к транспортным средствам этот метод помогает проверить работоспособность и выявить те или иные дефекты. Как правило, для этих целей выполняют декомпозицию по блочно-функциональному принципу, то есть по вертикали и горизонтали.
Вертикальная декомпозиция позволяет построить иерархию связей компонентов транспортного средства. А при горизонтальной декомпозиции выделяются его отдельные составляющие по основному признаку физического процесса или принципу технического исполнения, на которых основано их функционирование.
В результате блочно-функциональная декомпозиция по вертикали помогает установить иерархию связей компонентов, а значит, и иерархию диагностических целей и алгоритмов; по горизонтали — выбрать и разработать, прежде всего, доминирующий метод последующей диагностики транспортного средства.
Ещё одно инновационное решение для проведения «преддиагностики», о котором говорил начальник отдела научно-технического развития филиала КузГТУ, — применение мультиагентных систем. В основе этой технологии лежит понятие «агента» — программного объекта, способного воспринимать ситуацию, принимать решения и коммуницировать с себе подобными, динамически устанавливая связи между собой.
Эти возможности кардинально отличают мультиагентные системы от существующих «жёстко» организованных систем, обеспечивая им способность к самоорганизации. При этом «агенты» могут действовать от имени и по поручению лиц, принимающих решения, и на основе данных им полномочий в автоматическом режиме вести переговоры, находить варианты решений и согласовывать свои решения друг с другом.
Мультиагентные системы могут применяться как для конструирования и моделирования гибких производственных систем, так и для управления реальными системами производства. Большое значение в таком подходе имеет социальный аспект решения современных задач.
Подобные системы должны постоянно «жить» на сервере предприятия и непрерывно участвовать в решении задач, а не запускаться от случая к случаю, а для этого — обеспечивать пользователю возможность введения новых данных и компонентов. Вдобавок ко всему мультиагентные системы должны собирать и накапливать данные, извлекать из них новые знания и в зависимости от этого менять своё поведение.
В конечном итоге эта технология позволяет своевременно обнаружить малейшую неисправность транспортного средства, проанализировать её, выдать наиболее оптимальный вариант решения проблемы и спрогнозировать возможные дефекты в будущем, основываясь на непрерывном сборе данных о работе техники.
Спасибо!
Теперь редакторы в курсе.