Применение программного обеспечения на основе искусственного интеллекта и машинного обучения для увеличения эффективности гидрометаллургической переработки

В процессе обогащения золотоносных руд генерируется большое количество необработанных и неструктурированных данных: поступающих от датчиков и оборудования, измерений контрольных параметров процессов, лабораторных измерений. Возможность обрабатывать и анализировать эти данные дает предприятию многочисленные преимущества, повышает эффективность производственных процессов и качество продукции.

По данным кoнсалтингового агентства McKinsey, анализ больших данных может «повысить извлечение полезных ископаемых на 1–3% и увеличить производительность на 4–8% при одновременном снижении потребления энергии».

Переработка минерального сырья включает различные процессы: транспортировку, электрохимию, гидрометаллургию, термическую обработку. Входные и выходные параметры всех процессов могут постоянно меняться. Таким образом, оператору достаточно сложно регулировать параметры оборудования, чтобы повышать производительность.

Операторы контролируют работу установок в реальном режиме времени на основании своего опыта и интуиции. Это делается без учета работы всей системы в целом, зависимостей между различными процессами, которые контролируют различные специалисты — металлурги, инженеры, операторы — в реальном режиме времени.

Большой объем сырья и большое количество параметров, которые необходимо контролировать на перерабатывающих предприятиях, делают сложным определение и изменение тех параметров, которые необходимо контролировать в первую очередь.

 

Обработка больших данных (Big Data) при обогащении минерального сырья

 

При обогащении руд наблюдается изменчивость показателей качества конечной продукции. Для повышения качества необходимо контролировать параметры технологических процессов.

Применение программного обеспечения (ПО) на основе искусственного интеллекта (ИИ) и машинного обучения позволяет увеличить эффективность:

- цианисто-сорбционного выщелачивания CIP (Уголь в пульпе) и CIL (Уголь в щелочи);

- бактериально-химического окисления сульфидов;

- флотационного и электрического обогащения.

 

Для начала определяются те параметры, которые будут отслеживаться в процессе создания модели машинного обучения для конкретной золотоизвлекающей фабрики (ЗИФ). Может отслеживаться более 1000 параметров: параметры исходного сырья, оборудования, готовой продукции. Это делается совместно со всеми заинтересованными сторонами: инженерами, обогатителями, операторами оборудования, специалистами в сфере ИТ.

Программное обеспечение на основе глубокого обучения показывает оператору на панели управления оптимальные значения параметров для рабочих процессов.

  

Преимущества применения искусственного интеллекта в переработке минерального сырья

 

Анализ данных о производственных процессах с помощью ИИ и машинного обучения позволяет оператору оборудования принимать лучшие решения. Это в свою очередь повышает качество продукции и эффективность производства.

Каждое внедрении ИИ начинается с унификации данных, что дает возможность операторам и инженерам, возможно, впервые визуализировать производственный процесс в целом и проанализировать качество продукции.

Оптимальные параметры управления оборудованием определяются из сохраненных данных прошлых значений параметров с помощью машинного обучения, ИИ, а также текущих параметров. На основе анализа производства в целом даются рекомендации по настройке отдельных процессов.

Применение ИИ дает возможность с опережением времени рекомендовать оператору изменить настройки оборудования до момента, когда эти изменения будет необходимо сделать. В результате будут улучшаться производственные показатели и прибыльность.

 

Преимущества внедрения нашего программного обеспечения:

 

• Увеличение производительности

• Нет необходимости подключения дополнительного оборудования — датчиков, серверов. Программное обеспечение и данные находятся в облачном хранилище

• Разработано ведущей в мире компанией в сфере ИИ

• ПО уже используется на многих предприятиях за рубежом

• Короткий срок внедрения: 1–2 месяца

 

«Мир машин» (ООО «Альянс»)

https://mirmash.com/

620075, г. Екатеринбург, ул. Луначарского, д. 21

Телефон: +7 (343) 228–75–28

Моб.: +7 912 242–17–81

Эл. почта: info@mirmash.com

 

 


-0+1
Просмотров статьи: 1076, комментариев: 4       

Комментарии, отзывы, предложения

Николай, 21.01.21 15:33:42 — Авторам

В целом не упомянуто, на каких видах сырья это всё может адекватно работать, а также на каких отдельных переделах. Не хватает внятных иллюстраций, примеров внедрений с убедительными числовыми показателями.

То, что софт разработан ведущей компанией, и будет храниться в облаке (как, собственно, и все данные по техпроцессу на твоей фабрике), весьма настораживает.

Отдельно стоило бы упомянуть, насколько аккуратность советов от ИИ в целом зависит от качества исходных данных с учётом их количества (например, что хуже: 18 неоткалиброванных рН-метров или только 3 откалиброванных).

ABCD, 21.01.21 22:19:44 — всем

может и технологические пробы уже можно не отбирать и на основе искусственного интеллекта будем технологические регламенты для ОФ разрабатывать ?? :=///

AlexX, 21.01.21 22:49:58 — Николаю

К авторам отношения не имею, но:

AI и ML алгоритмы + распознавание образов может использоваться для оптимизации как отдельных процессов так и работы всей ОФ. Встречал несколько кейсов по флотации на эту тему.

Инженер, 25.01.21 12:00:49 — Авторам

О том, что ИИ хорошо говорят давно, и все одно и то же. Статья полна общих фраз без всякой конкретики:

"Применение ИИ дает возможность с опережением времени рекомендовать оператору изменить настройки оборудования до момента, когда эти изменения будет необходимо сделать. В результате будут улучшаться производственные показатели и прибыльность."

Это вы о чем? О космосе или сельском хозяйстве?

Уважаемые посетители сайта! Пожалуйста, будьте как дома, но не забывайте, что в гостях. Будьте вежливы, уважайте родной язык и следите за темой: «Применение программного обеспечения на основе искусственного интеллекта и машинного обучения для увеличения эффективности гидрометаллургической переработки»


Имя:   Кому:


Введите ответ на вопрос (ответ цифрами) "два прибавить 1":