Анна Кислицына
Искусственный интеллект приносит компании «Норникель» экономический эффект, который оценивается в 100 млн долларов в год, или 1,5 % EBITDA. За пять лет активного внедрения ИИ превратился из экспериментальной технологии в полновесный фактор рыночной конкуренции. К нему проявляют внимание все предприятия отрасли.
Наибольшую выгоду сейчас приносят ИИ-технологии «первого горизонта» внедрения — компьютерное зрение и предиктивная аналитика. Они глубоко интегрированы в производственные цепочки, а соответствующий экономический эффект хорошо поддаётся подсчёту.
Следующий «горизонт» — это моделирование комплексных процессов и применение генеративного ИИ. В этих технологиях скрыт колоссальный потенциал, но для них ещё предстоит разработать методики контроля и оценки.
На примере «Норникеля» удобно рассмотреть весь спектр ИИ-технологий, применяемых в горнодобывающей промышленности.
Компьютерное зрение
Технологии, которые помогают компьютеру анализировать и «понимать» визуальную информацию, называют компьютерным зрением. Используя в качестве «органа чувств» одну лишь видеокамеру, искусственный интеллект может классифицировать объекты в кадре, устанавливать их размеры и местоположение, выявлять движение, определять свойства материалов.
Так, на горно-обогатительных фабриках «Норникеля» ИИ определяет размер фракции горной породы, поступающей с дробилки на мельницу полусамоизмельчения (МПСИ). Движущиеся по транспортёру «камни» могут быть мелкими и крупными, твёрдыми и мягкими. Например, Талнахская обогатительная фабрика перерабатывает семь типов руд с четырёх разных рудников. На выходе же МПСИ требуется результат стабильного качества.
Твёрдую породу нужно молоть медленно, чтобы не перегреть мельницу. Мягкую лучше перерабатывать быстрее, чтобы сберечь время и электроэнергию. Раньше операторы управляли мельницей «на глаз», по большей части перестраховываясь и не используя весь потенциал машины. Электронный глаз видит лучше и определяет плотность точнее, сопоставляя размер фракции и вес породы. Работу искусственному интеллекту облегчает специальное контрастное освещение на транспортёре.
Компьютерное зрение применяется и на последующих этапах обогащения. Измельчённая порода, смешанная с водой, поступает по трубопроводу во флотомашину. Там к ней добавляется вещество-вспениватель, а снизу подаются пузырьки воздуха. Мелкие частицы цветных металлов поднимаются на поверхность вместе с пеной. Искусственный интеллект помогает измерить размер пузырьков — важный индикатор хода процесса.
Собранная с поверхности пена сгущается, взаимодействуя с водой. Сливаемая вода должна быть чистой — мутный цвет означает, что вместе с жидкостью уходят ценные металлы. Прозрачность воды оценивает система компьютерного зрения — простой контактный датчик не выдержал бы работы в агрессивной среде.
Машинное зрение работает и непосредственно в шахте, делая добычу полезных ископаемых безопаснее. Комплекс «Антинаезд» с 2023 года устанавливается на самоходную технику, задействованную на рудниках. Система распознаёт, когда рядом находится человек, и препятствует столкновениям с пешеходами. Работая под землёй в условиях недостаточного освещения, нейросеть анализирует сигнал тепловизора, а не обычной видеокамеры.
В перспективе компьютерное зрение может повысить безопасность и эффективность работы на любом этапе производства и логистики. Нейросеть легко распознаёт людей в кадре и определяет, что они делают. Системы на основе ИИ могут пресечь как нарушение норм охраны труда, так и нецелевое использование рабочего времени.
Предиктивная аналитика
Машинное обучение позволяет строить точные прогнозы на будущее, анализируя большие объёмы исторических данных. Предиктивная аналитика опирается на обобщённый опыт — не какого-то отдельного мастера, а всей компании целиком.
Яркий пример — цифровой оптимизатор флотации. Ключевой процесс обогащения руды считается почти искусством — из-за огромного числа факторов, которые должен учитывать и варьировать оператор флотомашины. Химический состав реагента-вспенивателя, скорость перемешивания, объём подаваемого воздуха, гашение пены водой — всего около 40 параметров этого процесса являются переменными.
Раньше эту работу выполнял технолог — он оценивал характеристики сырья и стремился добиться стабильного качества продукта на выходе. Теперь эту работу выполняет искусственный интеллект, который действует проактивно: симулирует ближайшие 5–10 минут и находит оптимальную конфигурацию флотомашины.
Аналогичную задачу решает ИИ-советчик для печей взвешенной плавки на Надеждинском металлургическом заводе — обеспечивает стабильно высокое качество продукта (штейнов) при переменном качестве сырья (концентратов). Результаты химического анализа концентратов поступают с задержкой. ИИ заранее подбирает оптимальный режим работы печи, полагаясь на исторические данные и компьютерное зрение, — и тем самым сберегает «Норникелю» 3 млн долларов в год.
Машинное обучение помогает экономить на «железе». Практически на всех этапах технологической цепочки требуется химический анализ сырья и готовой продукции. Концентрацию отдельных химических элементов измеряют с помощью рентгеновской спектроскопии. Спектрометр — дорогой и сложный в наладке прибор, который настраивается на определённый элемент. Виртуальные датчики с ИИ позволяют заменить часть реальных замеров виртуальными — например, по содержанию железа, никеля и меди вычислить концентрацию серы.
В «Норникеле» разрабатывают и универсальные ИИ-технологии. Так, для управления практически любым промышленным оборудованием используют ПИД-регуляторы с обратной связью (пропорционально-интегрально-дифференцирующий регулятор). Только на Кольской ГМК их несколько тысяч. Регуляторы необходимо систематически калибровать. Раньше их обходил технолог, теперь же калибровку проводит искусственный интеллект через сетевой интерфейс.
Там же, на Кольской ГМК, искусственный интеллект управляет работой котельной ТЭЦ. Модель учитывает погодные изменения и обещает повысить эффективность ТЭЦ на 15–20 %.
Компьютерное моделирование
От управления отдельными этапами производства IT-специалисты переходят к моделированию комплексных систем и физических процессов. Разработка месторождения начинается с создания 3D-модели недр и рудного тела. Математические алгоритмы помогают интерполировать результаты геологических замеров на большие подземные пространства. Кликнув мышкой в любую точку модели, можно узнать, что ждёт горняков под землёй.
Проходческие работы планируются в этом же трёхмерном пространстве. Напрашивается аналогия с BIM-моделями, которые применяют в недвижимости, — только строят не вверх, а вниз.
Искусственный интеллект помогает рассчитать статические напряжения, которые испытывает порода, чтобы учесть вероятность обрушения при строительстве. Точное моделирование способствует не только безопасности, но и экономии: не приходится возводить мощную опалубку там, где риск обвала отсутствует.
С помощью ИИ-модели проектировщики проводят симуляцию буровзрывных работ. Так они точно определяют схему расстановки скважин, оптимальный интервал между ними, необходимую мощность взрывчатки. Результат — не только экономия, но и более точное соответствие проектной конфигурации шахты.
Axioma — ИИ-проект, который «Норникель» создавал не столько для себя, сколько для всей промышленной отрасли России. Это конструктор цифровых двойников, применимый для предприятий любого масштаба, от котельной до нефтеперерабатывающего завода. Главное, чтобы на объекте имелась АСУ ТП (автоматическая система управления производственным процессом).
Axioma выдаёт подробные данные о количестве и составе вредных выбросов предприятия в реальном времени — и делает это с прецизионностью «железного» измерительного прибора. Точность «Аксиомы» подтвердил Всероссийский институт метрологии имени Менделеева. Система уверенно проходит поверку наравне с аппаратными датчиками и может их полноценно заменить.
Генеративный искусственный интеллект
Этот вид искусственного интеллекта лучше всего знаком широкой публике — к нему относится и ChatGPT, и генераторы изображений, и алгоритмы для создания музыки, видео, дипфейков. Генеративный ИИ известен как своими безграничными возможностями, так и склонностью к галлюцинированию.
Однако технология RAG (Retrieval Augmented Generation) позволила доверить генеративному ИИ серьёзные бизнес-задачи. RAG — это сочетание искусственного интеллекта и поиска информации во внешних источниках.
В «Норникеле» большие языковые модели (LLM) в сочетании с RAG уже помогают технологам быстро находить информацию в технической документации — по смыслу, а не по ключевым словам, которые бывает трудно вспомнить. Аналогично LLM используют юристы и менеджеры для поиска в нормативных документах, корпоративных базах данных, бухгалтерской отчётности.
Руководство может использовать генеративный ИИ, чтобы изучать и резюмировать большие объёмы информации, генерировать идеи (бороться с творческим ступором) и облекать их в мультимодальные презентации (текст, изображение, инфографика).
Разработчики «Норникеля» создают агентов на базе искусственного интеллекта для ключевых производственных и бизнес-процессов — для автоматизации рутинных операций, ускорения анализа данных и поддержки принятий решений. В фокусе — практическая эффективность: повышение точности, скорости и устойчивости операций. Параллельно ведётся разработка собственной доменной языковой модели на основе LLM, которая обеспечит генеративный поиск по внутренним документам и корпоративным базам знаний, снижая загрузку на экспертов и упрощая доступ к критически важной информации.