この記事では、我が国の鉱業における機械学習とコンピュータービジョン技術の使用に焦点を当てます。
私の謙虚な意見（鉱業および冶金業界の企業の1人の従業員）では、鉱業輸送および加工工場の分野のITソリューションは、主要な主要な技術プロセスの自動化のレベルで凍結しました。現在、21世紀の30年間で、大企業にとって最適化と改善の時期が到来しました。これは、機械学習と技術的ビジョンの新技術を導入する時期です。そして、この作業はすでに始まっています。
前書き
ウィキペディアによると、ロシアには26の鉱業企業があります（実際にはもっと多くの企業があります）。それらの中で最大かつ最も有名なものは、Alrosa、Norilsk Nickel、RusAl、Polyusなどです。それらのすべては、主要な技術プロセスの同様のデバイスと組織によって統合されています。ミネラルの抽出（採石場）と濃縮プラント（プラント）のための場所があります。
GTK（採掘および輸送複合施設）の再配布は、ほぼすべての人にとって同じです。採石場からの鉱石は、工場または鉱石倉庫に直接輸送され、そこから工場に輸送されます。空の過負荷はダンプに保存されます。輸送は、大型のダンプトラックとコンベヤーの両方、または組み合わせた方法で実行できます。オーストラリアの企業とは対照的に、私には鉄道による配達は私たちの国では普及していないようです。
工場は会社によって大きく異なります。ただし、一部のブランチは類似しています。たとえば、すべての工場の鉱石準備部門の仕事は、鉱石を許容できる割合に粉砕することです。これはクラッシャーとミルの助けを借りて行われます（ちなみに、これはほとんどの場合、工場で最も費用のかかる操作です）。
さらに、鉱石の種類と鉱物に応じて、異なる選鉱アプローチが適用されます。たとえば、ダイヤモンドマイニングは、X線の発光（グロー）という独自の特性を使用します。これにより、単純な空気圧で粉砕された鉱石の流れからダイヤモンドを「発射」できます。金の採掘には、化学的プロセス（浮選、収着と脱着、電気分解）、さらにはバイオテクノロジー（特に、殻から金を放出するのを助ける除去されたバクテリア）が使用されます。そして、アルミナからアルミニウムを製造するためのすべての基本は電気分解です。
州税関委員会の現在の傾向
したがって、私たちが理解したように、採掘と輸送の複合体の再分配では、主なタスクは、採石場から岩盤を圧倒し、爆破し、輸送することです。掘削リグ、大型ダンプトラック、掘削機の艦隊がこれに従事しています。
多数の機器（公園は400ユニット以上になることもあります）の制御は、採掘および輸送複合施設の自動制御システムを使用して、ディスパッチャおよびオペレーターによって実行されます。 ASUGTKシステムのタスクは、動作パラメーターとマイニングマシンの状態の制御、ダンプトラックの負荷の制御と管理、計画の実装の予測と監視、レポートの提供、場合によってはルートに沿ったダンプトラックの最適化と動的配布です。
しかし、これはすべて昨日です。今日、機械学習とテクニカルビジョンシステムのポイントアプリケーションが関連するようになっています。
鉱業掘削機のバケツ歯の状態の分析
岩盤掘削の過酷な条件で動作する採掘設備の部品、特に採掘掘削機のバケツの歯は、常にいわゆるものにさらされています。衝撃と摩耗。同時に、掘削時の掘削機の性能低下からバケット自体の損傷、輸送後の破砕機への侵入など、歯の喪失には問題があります。その結果、重大な材料損失のリスクが高まります。機器の長時間のダウンタイム、修復と修理、人がグラインダーから歯を抜く必要性（かなり危険なイベント）。
これらの問題を解決するために、技術的ビジョンに基づくソリューションが適用されます。このようなシステムの例を次に示します。システムはフレームを分析し、バケットの歯の状態と摩耗の程度を常に判断します。
夜間はスポットライトを使用します。監視カメラは、掘削機のすべての側面をオペレーターに表示します。システムによって収集されたすべての情報は、オペレーターのキャビン内のモニターに表示され、不足している歯を時間内に検出し、バケットのペイロードと歯の摩耗の程度を評価できます。
輸送された鉱石の総組成の管理
岩盤の粒子サイズは、爆発後、輸送中、鉱石が工場に供給されるとき、粉砕後、粉砕後など、生産のほぼすべての段階で制御する必要があります。技術プロセスの品質と継続性は、爆発の品質から機器の埋め戻し（目詰まり）の可能性まで、それに依存するため、これは監視される最も重要な指標です。
GTKの再配布では、コンピュータービジョンシステムを使用して、鉱石の粒子サイズを自動的に測定します。彼らは、クラッシャーに向かう途中の各トラックの粒子サイズ分布を追跡し、特大の材料の除去に関する推奨事項を作成できます。
次のようになります。
ドライバーの疲労の制御
はい、キャリアの中で、ドライバーも何時間も働きます。同時に、彼らは60から450トンまでの重いダンプトラックを運転します。シフトは多くの場合12時間続き、昼食と個人的なニーズのために1回の規制された休憩があります。採石場での事故は、棚から落ちるという事実がほぼ確実に悲劇的に終わり、追加の迷惑として、他の車の出口が塞がれる可能性があるという事実によっても危険です。記事
からの引用：2019年の会社[著者のメモ：Alrosa]の統計によると、事故の主な原因は、運転中に眠りに落ちるドライバー、運転からの気晴らし、およびその動きの制御の喪失でした。
当然のことながら、ドライバーの疲労監視システムも鉱業会社を迂回していません。このようなシステムは、運転中に眠りに落ちるのを防ぐために積極的に実装され、使用されています。さらに、ドライバーの状態とドライバーの行動に関するデータを収集してオペレーターに送信することができます。車のキャブにはビデオレコーダーのような装置が搭載されています。ソフトウェアは、ドライバーの顔の表情、頭の回転、目の動きに反応します。メトリックがドライバーが眠りに落ちているか、制御から注意をそらされていることを示し始めると、音声信号が発せられます。その後、ドライバーは道路に目を向け、ボタンを押して状態を確認する必要があります。
自律技術
私の知る限り、ロシアでは現在、自律採石場輸送技術の実用的な産業応用はありませんが、記事の中でそれについて言及したかったのです。私は間違っているかもしれませんが、私自身の経験と「店の同僚」の経験に基づいて、私が知っているそのようなシステムを実装するためのささやかな試みは厳しい現実に遭遇したと言えます。これが2019年の興味深い記事です。
BelAZは長い間無人車両をテストしてきました。しかし、大音量の新聞の見出しの背後には、「キャリアモンスターはドライバーを仕事なしで残す：BelAZは完全に自律的な特別な機器を示した」、「彼らは自動操縦だけでなく、人工的な知性を備えている」という悲しい現実があります：そのような見出しの記事は毎回一貫して公開されていますが、大規模な実装はありません過去5〜6年。
たとえば、2018年の問題は次のとおりです。
ただし、リモートコントロールは広く普及しています。しかし、これらのシステムはMLやCVとは関係ありません。
新技術導入の問題点
結論として、私は、鉱業および冶金業界のロシア企業に機械学習技術を導入する際に立ちはだかる問題のトピックに触れたいと思います。残念ながら、これらの問題は本質的に技術的なものではないことがよくあります。これらの企業の1つで働いていると、明るい未来への道のりで、能力の欠如、モチベーションの欠如、MLおよびCV機能の過大評価、組織の障壁などの種類の障害を特定できます。
これらの問題の詳細な分析は別の記事に基づいているため、ロシアのマネージャーと効果的なマネージャーの考え方の詳細については詳しく説明しません。
もちろん、この記事に記載されているMLおよびCVシステムは、今日、鉱業企業で使用されているものすべてではありません。効率と生産性の向上は、特に確立された作業プロセスのコンテキストで、「効果的な管理者」の指導の下で、長いプロセスです。私の主観的な評価によると、欧米とオーストラリアの企業は私たちより5〜10年先を行っており、ロシアの企業の利益率が高いのはまったく異なる理由によるものですが、これもまた別の話のトピックです。欧米のように、業界でのMLおよびCVテクノロジーのこのような開発と適用により、これらの分野のスペシャリスト、特に実務経験のあるスペシャリストは、すぐに（まだではないにしても）金でその価値を発揮することに注意してください。
PS
記事を読んでいただきありがとうございます。よろしければ、お気軽に投票を残してください。尊敬されるコミュニティからの反応が重要な場合は、コンセントレーターでのMLとCVの適用に関する記事が表示されます。
業界を再び素晴らしいものにし、要求された職業をゼロから、またはスキルと給与のレベルアップを得るために、SkillFactoryオンラインコースを受講することができます。
- 任意の開始レベルのデータサイエンティストの職業
- 任意の開始レベルのデータアナリストの職業
- 機械学習コース
- 上級コース「MachineLearningPro + DeepLearning」
- コース「データサイエンスのための数学と機械学習」
その他のコース
