ستركز المقالة على تطبيق تقنيات التعلم الآلي ورؤية الكمبيوتر في صناعة التعدين في بلدنا.
في رأيي المتواضع (موظف في إحدى شركات التعدين وصناعة المعادن) ، تجمدت حلول تكنولوجيا المعلومات في مجال نقل ومعالجة التعدين على مستوى أتمتة العمليات التكنولوجية الرئيسية. الآن ، في العقد الثالث من القرن الحادي والعشرين ، حان وقت التحسينات والتحسينات للمؤسسات الكبيرة ، حان الوقت لإدخال تقنيات جديدة للتعلم الآلي والرؤية التقنية. وقد بدأ هذا العمل بالفعل.
المقدمة
وفقًا لـ Wikipedia ، هناك 26 شركة تعدين في روسيا (يوجد بالفعل المزيد منها). أكبر وأشهرها: ألروسا ، نوريلسك نيكل ، روسال ، بوليوس وغيرها. كلهم متحدون بجهاز مماثل وتنظيم العمليات التكنولوجية الرئيسية: هناك مكان لاستخراج المعادن (المحجر) ، وكذلك مصنع المعالجة (المصنع).
إعادة توزيع GTK (مجمع التعدين والنقل) هو نفسه إلى حد ما بالنسبة للجميع: يتم نقل الخام من المحجر إما مباشرة إلى المصنع ، أو إلى مستودعات الخام ، ومن هناك إلى المصنع. يتم تخزين العبء الزائد الفارغ في مقالب. يمكن أن يتم النقل بواسطة شاحنات نقل ثقيلة وناقلات ، أو بالطرق المشتركة. يبدو لي أن التسليم بالسكك الحديدية ليس واسع الانتشار في بلدنا ، على عكس الشركات الأسترالية.
تختلف المصانع بشكل كبير من شركة إلى أخرى. ومع ذلك ، فإن بعض الفروع متشابهة. على سبيل المثال ، مهمة قسم تحضير الخام في جميع المصانع هي طحن الخام إلى كسور مقبولة. يتم ذلك بمساعدة الكسارات والمطاحن (بالمناسبة ، غالبًا ما تكون هذه هي العملية الأكثر تكلفة في المصانع).
علاوة على ذلك ، اعتمادًا على نوع المعدن الخام والمعدن ، يتم تطبيق أساليب إثراء مختلفة. على سبيل المثال ، يستخدم تعدين الماس خاصيته الفريدة - التلألؤ (التوهج) في الأشعة السينية ، والذي يسمح بضغط الهواء البسيط "بإطلاق" الماس من تيار من الخام المسحوق. بالنسبة لتعدين الذهب ، تُستخدم العمليات الكيميائية (التعويم ، الامتصاص والامتصاص ، التحليل الكهربائي) وحتى التكنولوجيا الحيوية (البكتيريا التي تمت إزالتها خصيصًا والتي تساعد على إطلاق الذهب من الغلاف). ولإنتاج الألومنيوم من الألومينا ، فإن أساس كل شيء هو التحليل الكهربائي.
الاتجاهات الحالية في لجنة الجمارك الحكومية
لذلك ، كما فهمنا ، عند إعادة توزيع مجمع التعدين والنقل ، فإن المهمة الرئيسية هي التغلب على كتلة الصخور وتفجيرها ونقلها من المحجر. يعمل في هذا أسطول من الحفارات وشاحنات التفريغ الثقيلة والحفارات.
يتم التحكم في عدد كبير من المعدات (في بعض الأحيان يمكن أن يصل عدد المنتزهات إلى 400 وحدة أو أكثر) بواسطة المرسلين والمشغلين باستخدام أنظمة التحكم الآلي لمجمع التعدين والنقل. تتمثل مهام أنظمة ASUGTK في التحكم في معلمات التشغيل وحالة آلات التعدين ، والتحكم في تحميل الشاحنات القلابة وإدارتها ، والتنبؤ بتنفيذ الخطة ومراقبتها ، وتقديم التقارير ، وأحيانًا - في التحسين والتوزيع الديناميكي للشاحنات القلابة على طول الطرق.
ولكن كل هذا أصبح بالأمس بالفعل. اليوم ، أصبحت التطبيقات النقطية للتعلم الآلي وأنظمة الرؤية التقنية ذات صلة.
تحليل حالة أسنان الجرافة لحفارة التعدين
تتعرض أجزاء من معدات التعدين ، ولا سيما أسنان الجرافة لحفارة التعدين ، التي تعمل في ظروف قاسية لحفر الصخور ، باستمرار لما يسمى. صدمة وارتداء جلخ. في الوقت نفسه ، فإن فقدان السن محفوف بالمشاكل: بدءًا من انخفاض أداء الحفار أثناء التجريف ، وتلف الحاوية نفسها ، وانتهاءً بدخول مثل هذه السن إلى الكسارة بعد النقل. نتيجة لذلك ، يزداد خطر حدوث خسائر مادية كبيرة: تعطل المعدات لفترات طويلة ، والترميم والإصلاح ، والحاجة إلى خلع سن من مطحنة بواسطة شخص (حدث خطير إلى حد ما).
لحل هذه المشاكل ، يتم تطبيق الحلول القائمة على الرؤية التقنية. إليك مثال على مثل هذا النظام. يقوم النظام بتحليل الإطارات ويحدد باستمرار حالة أسنان الجرافة ودرجة تآكلها.
في الليل ، يتم استخدام ضوء كشاف. تزود كاميرات المراقبة المشغل بمنظر من جميع جوانب الحفار: يتم عرض جميع المعلومات التي يجمعها النظام على شاشة في كابينة المشغل وتسمح لك باكتشاف الأسنان المفقودة في الوقت المناسب وتقييم حمولة الجرافة ودرجة تآكل الأسنان.
التحكم في تكوين حبيبات الخام المنقول
يجب التحكم في حجم جزيئات كتلة الصخور في كل مرحلة من مراحل الإنتاج تقريبًا: بعد الانفجار ، أثناء النقل ، عند تغذية الخام إلى المصنع ، بعد التكسير ، بعد التكسير. هذا هو أهم مؤشر يتم مراقبته ، حيث تعتمد عليه جودة واستمرارية العمليات التكنولوجية: من جودة الانفجار إلى الردم المحتمل (انسداد) للمعدات.
في إعادة التوزيع GTK ، تُستخدم أنظمة رؤية الكمبيوتر لقياس حجم حبيبات الخام تلقائيًا. يمكنهم تتبع توزيع حجم الجسيمات لكل شاحنة في الطريق إلى الكسارة وتقديم توصيات لإزالة المواد كبيرة الحجم.
تبدو هكذا:
التحكم في إجهاد السائق
نعم ، في المهنة ، يعمل السائقون أيضًا لساعات عديدة. في الوقت نفسه ، يقودون شاحنات ثقيلة من 60 إلى 450 طنًا. غالبًا ما تستغرق المناوبات 12 ساعة مع استراحة واحدة منظمة لتناول طعام الغداء والاحتياجات الشخصية. تعتبر الحوادث في المحجر خطيرة أيضًا بسبب حقيقة أن السقوط من الحواف ينتهي بشكل مأساوي بشكل شبه مؤكد ، وكمصدر إزعاج إضافي - وهو احتمال إعاقة خروج السيارات الأخرى.
اقتباس من المقال :
بحسب إحصائيات شركة [الكاتب: Alrosa] لعام 2019 ، فإن الأسباب الرئيسية للحوادث كانت نوم السائق أثناء القيادة ، وتشتيت الانتباه عن القيادة وفقدان السيطرة على حركته.
بطبيعة الحال ، لم تتجاوز أنظمة مراقبة إجهاد السائق شركات التعدين أيضًا. يتم تنفيذ هذه الأنظمة بشكل فعال واستخدامها لمنع النوم أثناء القيادة. بالإضافة إلى ذلك ، فإنهم قادرون على جمع ونقل البيانات حول حالة السائق وأفعاله إلى المشغل. يتم تثبيت جهاز يشبه مسجل الفيديو في كابينة السيارة. يتفاعل البرنامج مع تعابير وجه السائق وتحولات الرأس وحركات العين. عندما تبدأ المقاييس في الإشارة إلى أن السائق ينام أو يشتت انتباهه عن السيطرة ، تنبعث إشارة صوتية. بعد ذلك يجب على السائق أن يوجه نظره إلى الطريق ويؤكد حالته بالضغط على زر.
التكنولوجيا المستقلة
على حد علمي ، لا يوجد في روسيا في الوقت الحالي تطبيق صناعي عملي لتكنولوجيا النقل بالمحجر المستقل ، لكنني أردت حقًا أن أذكرها في المقال. قد أكون مخطئًا ، لكن بناءً على تجربتي الخاصة ، فضلاً عن تجربة "الزملاء في المحل" ، أستطيع أن أقول إن المحاولات المتواضعة لتطبيق مثل هذه الأنظمة التي عرفتها بالنسبة لي قد اصطدمت بواقع صعب. إليك مقال مثير للاهتمام من عام 2019.
تقوم BelAZ باختبار المركبات بدون طيار لفترة طويلة. ومع ذلك ، خلف عناوين الصحف الصاخبة "الوحوش المهنية ستترك السائقين بلا عمل: أظهرت BelAZ معدات خاصة مستقلة تمامًا" ، "إنها ليست فقط مع طيار آلي ، ولكن مع ذكاء اصطناعي" ، هناك حقيقة محزنة: لا توجد تطبيقات على نطاق واسع ، على الرغم من نشر المقالات التي تحمل مثل هذه العناوين باستمرار مرة واحدة كل العام الماضي 5-6 سنوات.
على سبيل المثال ، إليك مشكلة من 2018:
ومع ذلك ، فإن جهاز التحكم عن بعد واسع الانتشار. لكن هذه الأنظمة لا تتعلق بـ ML و CV.
مشاكل إدخال التقنيات الجديدة
في الختام ، أود أن أتطرق إلى موضوع المشاكل التي تقف في طريق إدخال تقنيات التعلم الآلي في الشركات الروسية لصناعة التعدين والصناعات المعدنية. لسوء الحظ ، غالبًا ما تكون هذه المشكلات غير فنية بطبيعتها. من خلال العمل في إحدى هذه الشركات ، يمكنني تحديد الأنواع التالية من العقبات في طريقنا إلى مستقبل أكثر إشراقًا: نقص الكفاءات ، ونقص الحافز ، والمبالغة في تقدير قدرات التعلم الآلي والسيرة الذاتية ، والحواجز التنظيمية.
سيعتمد التحليل التفصيلي لهذه المشكلات على مقالة منفصلة ، لذلك لن نتعمق في تفاصيل عقلية المديرين الروس والمديرين الفعالين.
بالطبع ، أنظمة ML و CV المذكورة في المقالة ليست كلها مستخدمة اليوم في مؤسسات التعدين. يعد تحسين الكفاءة والإنتاجية عملية طويلة ، خاصة في سياق عمليات العمل الراسخة وتحت إشراف "المديرين الفعالين". وفقًا لتقديري الشخصي ، فإن الشركات الغربية والأسترالية أمامنا من 5 إلى 10 سنوات ، وتعود الهوامش العالية للشركات الروسية إلى أسباب مختلفة تمامًا ، ولكن هذا ، مرة أخرى ، موضوع لقصة أخرى. من الجدير بالذكر أنه مع هذا التطوير والتطبيق لتقنيات ML و CV في الصناعة ، كما هو الحال في الغرب ، فإن المتخصصين في هذه المجالات سوف يستحقون قريبًا (إن لم يكن بالفعل) وزنهم ذهباً ، خاصة أولئك الذين لديهم خبرة عملية.
ملاحظة
شكرا لقرائتك المجلة. إذا كنت ترغب في ذلك ، فلا تتردد في ترك تصويتك وإذا كان الرد من المجتمع المحترم كبيرًا ، فستظهر مقالة حول تطبيق ML و CV في المكثفات.
لجعل الصناعة رائعة مرة أخرى والحصول على مهنة مطلوبة من الصفر أو Level Up في المهارات والرواتب ، يمكنك أن تأخذ دورات SkillFactory عبر الإنترنت:
- مهنة عالم البيانات مع أي مستوى ابتدائي
- مهنة محلل البيانات مع أي مستوى ابتدائي
- دورة تعلم الآلة
- دورة متقدمة "التعلم الآلي + التعلم العميق"
- دورة "الرياضيات والتعلم الآلي لعلوم البيانات"
المزيد من الدورات
