Цифровые инструменты для оптимизации переработки бедных руд 

Современная горнодобывающая промышленность столкнулась с серьёзным вызовом: среднее содержание полезных компонентов в рудах неуклонно снижается. 

К примеру, если несколько десятилетий назад предприятия разрабатывали медные месторождения с содержанием 2,5-3%, то сейчас в оборот идут и бедные руды с содержанием ниже 0,5%. Компании адаптируют технологические цепочки и подбирают новое оборудование, чтобы производство оставалось рентабельным. 

Переработка бедных руд — явление, характерное для тех, кто добывает как цветные, так и чёрные, драгоценные и редкие металлы. РМ- и РЗМ-индустрия пока не столь развиты в РФ, в том числе из-за низких содержаний полезных компонентов в сырье. 

В статье вместе с экспертами рассматриваем, какие технологии позволяют компаниям компенсировать падение качества рудной базы.

Стратегические подходы  

Горные предприятия восполняют низкое содержание металлов в руде несколькими основными способами.

1. Увеличение объёмов добычи и переработки. 

Это прямой, но капиталоёмкий путь. Компании наращивают мощности обогатительных фабрик, и тогда экономический эффект достигается за счёт масштаба. Объёмы растут в том числе благодаря привлечению забалансовых руд и техногенных отходов. 

К примеру, в конце 2024 года Nordgold заявил, что будет перерабатывать сырьё с низким содержанием золота на руднике Гросс (Якутия). На месторождении планируют пустить в оборот 230 млн т забалансовых запасов. 

Для этого проекта предприятие организует новый участок кучного выщелачивания. Его ежегодная мощность составит 16 млн т руды. 

2. Комплексное извлечение металлов. 

Это позволяет снизить отходы основного производства и попутно получать товарные продукты. Из руды «вытягивают» как основные, так и сопутствующие компоненты, в том числе редкие металлы.  

Один из примеров проектов — получение магнийсодержащих продуктов из хвостов переработки карбонатной руды Аргунского месторождения ППГХО «Росатома». Компания отмечала, что хочет расширить узкую специализацию и выпускать не только ураносодержащую продукцию. 

3. Внедрение новых технологий и оборудования.  

ГОКи совершенствуют методы обогащения, подбирая новые схемы для сырья, ранее считавшегося нерентабельным. В частности, «Селигдар» начал тестировать касситеритовую флотацию. Традиционный метод гравитационного обогащения малоэффективен из-за тонковкраплённого минерала олова и высокой прочности породы.

Эта технология обеспечивает извлечение металлов на уровне 37%, а касситеритовая флотация — до 85% для олова и меди и 50% для вольфрама. Она позволит ввести в оборот бедные и труднообогатимые руды и хвосты, в частности с рудника «Молодёжный». 

Цифровизация производства: опыт разработчиков и интеграторов 

Сейчас внедрения ИИ-решений на обогатительных фабриках в России и странах СНГ носят единичный характер. Архитектор бизнес-решений ГК «Цифра» Андрей Черечукин отмечает, что в основном к ним относятся локальные советчики технологического процесса, например, для флотации или измельчения. 

«Их эффект на пилотных проектах часто подтверждается, особенно при работе с бедными или труднообогатимыми рудами, где проактивная корректировка режимов оборудования позволяет стабилизировать извлечение при неравномерной подаче питания. 

Однако широкому промышленному тиражированию таких систем мешают низкое качество исходных данных и особенности их эксплуатации, требующие постоянной адаптации моделей к условиям реального производства», — считает эксперт. 

Руководитель отдела продаж ООО «Рескрипт» Сергей Белов подтверждает, что различные цифровые помощники, в том числе на основе ИИ, помогают компенсировать ухудшение рудной базы. 

«В первую очередь это происходит за счёт повышения управляемости процесса, снижения потерь и исключения простоев. Когда качество сырья падает, запас прочности технологии уменьшается. 

Ошибки в режимах, нестабильная гранулометрия, недогрузы или перегрузы оборудования, внеплановые остановки начинают напрямую «съедать» экономику предприятия. Здесь на помощь приходит цифровизация. 

На крупных ГОКах даже 1-2% оптимизации в абсолютных цифрах превращаются в очень заметный экономический эффект. Но практический опыт показывает, что инструменты искусственного интеллекта не только для гигантов. 

На средних и небольших фабриках внеплановые отказы техники или снижение качества продукции могут привести к более неприятным финансовым потерям. 

Соответственно, мы рекомендуем таким предприятиям попробовать наши разработки в пилотном режиме на наиболее критичных узлах, оценить экономический эффект и уже затем масштабировать на других участках.

Мы считаем, что как раз-таки в период ухудшения сырья цифровые решения дают максимальный эффект. Поскольку цена ошибки растёт, убирать простои и оптимизировать процессы крайне необходимо», — подчёркивает специалист. 

Рабочие решения 

Как мы уже отмечали, увеличение добычи — прямой путь к компенсации низкого содержания полезных компонентов в рудах.  

Директор по продуктам дивизиона «Горная промышленность» ГК «Цифра» Михаил Качалов выделил несколько решений на основе ИИ, машинного обучения и зрения, которые способствуют увеличению объёмов производства.  

1. Для передела буровзрывных работ:

• Оценка гранулометрического состава с помощью машинного зрения позволяет улучшить качество БВР за счёт оптимизации фракционного состава взорванной горной массы. Это повышает производительность как погрузочного оборудования (экскаваторов, погрузчиков), так и секций дробления на фабрике.

Итог — повышение эффективности БВР до 3%, КТГ — на 2%.

2. Для передела транспортировки:

• Интеллектуальные советчики для водителей карьерных самосвалов. Они влияют на эффективность управления автопарков, производительность и затраты на ремонты. 

Итог — сокращение расхода топлива в среднем на 7%, износа шин — в среднем на 4%.

• Интеллектуальные ИИ-агенты для анализа качества дорожного покрытия, загрузки технологических дорог и определения приоритета грейдирования. 

Итог — повышение средней скорости движения спецтехники, увеличение объёмов перевозки. 

•  Мультикритериальные оптимизационные алгоритмы, напрямую управляющие распределением самосвалов по маршрутам. 

Итог — сокращение длительности очередей, рост объёмов транспортируемой горной массы.  

• Системы безопасности, основанные на машинном зрении

Итог — исключение аварий, остановок техники или даже всего производства. 

Архитектор бизнес-решений ГК «Цифра» Андрей Черечукин дополнил, что компания смотрит на задачу оптимизации на уровне всего ГОКа. В частности, решение «Горный MES» охватывает как управление добычей, так и обогатительный передел.

«Такой подход позволяет решать классическую задачу усреднения и оптимизации питания фабрики в течение смены за счёт оптимизационных алгоритмов и прослеживаемости партий руды. 

По сути, мы предотвращаем подачу «неправильного» питания или даём технологам возможность заранее адаптировать режим, стабилизируя извлечение и снижая колебания показателей. 

Показательный пример — проект на ЕВРАЗе в рамках программы «Геометаллургия», где наша система позволила добиться роста извлечения за счёт повышения стабильности технологического процесса», — рассказал специалист. 

Ещё один из примеров российских цифровых инструментов — горно-геологическая система ГЕОМИКС, в частности модуль «Моделирование развала». Он позволяет моделировать взрывное разрушение массива и прогнозировать перемешивание и разлёт горной массы.

Развальная блочная модель помогает построить сортовые контуры более точно, что снижает потери и разубоживание на этапе отработки. 

«Внедрение технологии наиболее результативно на предприятиях, где остро стоит вопрос управления качеством производства буровзрывных работ и точности отработки. 

Например, когда после взрывов богатая руда и пустая порода перемешиваются, экскаваторы работают вслепую или же на основании неточных сортовых планов, а прогнозируемые и фактические качественные и количественные показатели по модели и на фабрике не сходятся. 

После внедрения ГГИС ГЕОМИКС и трансформации соответствующих бизнес-процессов компании потенциальное снижение потерь и разубоживания может составить 1-5%, а сходимость содержания полезного компонента в прогнозной модели и извлечения на обогатительной фабрике повышается до 98,5%. 

Благодаря этому один из недропользователей смог сократить потери золота на 30 кг за 5 месяцев эксплуатации модуля», — заявил генеральный директор ООО «ГЕОМИКС» Гимиран Утенов. 

Руководитель отдела продаж ООО «Рескрипт» Сергей Белов выделил два инструмента для оптимизации производства, уже проверенные компанией на российских угольных фабриках. 

1. Видеоаналитика на базе ИИ. Отслеживает ключевые процессы на предприятии: приём, сортировку, отгрузку, дробление, грохочение, обогащение и пр. 

«Система работает 24/7, фиксирует отклонения и выявляет причины потерь. Это некий технолог, который не устаёт и всегда поддерживает стабильный режим производства.  

Решает такие задачи, как контроль загрузки, разгрузки, наличия СИЗ, выявление недробимых предметов, гранулометрия после дробления и грохочения и анализ качества обогащения и др.

Постоянный ручной мониторинг заменила нейросеть. Цифровой помощник выдаёт определённую аналитику диспетчерам. По этому проекту нам удалось сократить количество недробимого материала на этапе переработки и повысить качество продукции», — отметил эксперт. 

2. Предиктивная аналитика. Мониторинг и прогнозирование отказов оборудования на основе трёх параметров: вибраций, тепла и звука.  

«Основная задача системы — снижение остановок производства и переход от аварийных ремонтов к плановым. Все данные мы сводим в единую аналитическую платформу, которая формирует прогнозы и рекомендации для главного механика. 

Потенциальный экономический эффект от её внедрения: сокращение внеплановых аварийных простоев, снижение затрат на ремонт за счёт отказа от экстренных закупок запчастей и оптимизация складских запасов», — пояснил Сергей Белов.

Падение качества руды — не временная трудность, а новая реальность для мировой горнодобычи. И извлечь максимум смогут те компании, которые оперативно перестраивают технологические схемы, в том числе интегрируя туда современные цифровые решения.