ЦИФРОВИЗАЦИЯ
Оригинальная статья
УДК 622.33:004.89 © Н.Л. Красюкова, И.А. Рождественская, А.Ж. Зубец, И.А. Бартошевич, Е.И. Воронова, 2024
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Уголь № 09-2024 /1184/
DOI: http://dx.doi.org/10.18796/0041-5790-2024-9-101-108
Название
Применение нейросетевых технологий для оптимизации процессов добычи и переработки угля на предприятиях угольной промышленности
Авторы
Красюкова Н.Л. доктор экон. наук, профессор кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: NLKrasyukova@fa.ru
Рождественская И.А. доктор экон. наук, профессор кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: IARozhdestvenskaya@fa.ru
Зубец А.Ж. канд. экон. наук, доцент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: AZZubets@fa.ru
Бартошевич И.А. ассистент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: iabartoshevich@fa.ru
Воронова Е.И. ассистент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: EIShayuk@fa.r
Аннотациия
В статье рассматривается применение нейросетевых технологий для опти мизации процессов добычи и переработки угля на предприятиях угольной промышленности. Исследование направлено на разработку комплексной методологии внедрения нейросетей и оценку ее технико-экономической и экологической эффективности. Методы исследования включают анализ существующих примеров использования ИИ в угольной отрасли, разработку нейросетевых моделей оптимизации процессов добычи и переработки угля, оценку их эффективности на реальных данных, а также стратегическое планирование внедрения с учетом специфики предприятий. Результаты демонстрируют значительный потенциал нейросетевых технологий для повышения эффективности, безопасности и экологичности угольной про мышленности. Разработанные модели позволяют оптимизировать пара метры буровзрывных работ, выемочно-погрузочных операций, режимы работы обогатительного оборудования, обеспечить автоматизированный контроль качества продукции. Внедрение нейросетей способствует росту технико-экономических показателей, сокращению выбросов и рациональ ному использованию ресурсов. Обсуждаются перспективы дальнейших исследований, связанные с прогнозированием аварийных ситуаций, опти мизацией логистики, мониторингом состояния оборудования и социальноэкономическими эффектами цифровизации угольной отрасли.
Ключевые слова
Нейросетевые технологии, угольная промышленность, оптимизация, добыча угля, переработка угля, эффективность, искусственный интеллект.
Список литературы
1. Boeing a., douglas E. remotely operated robotic rock breaker with collision avoidance for the mining industry. AusIMM Bulletin. 20154(3).
2. Correa M., C?rdenas d., Carvajal d., ruiz-del-Solar J. haptic teleoperation of Impact hammers in underground Mining. Appl. Sci. 2022;(12):1428. https://doi.org/10.3390/ app12031428.
3. li J.-g., Zhan K. Intelligent mining technology for underground metal mine based on unmanned equipment. Engineering. 2018;(4):381391. https://doi.org/10.1016/j.eng.2018.05.013.
4. Mascar? M., Parra-tsunekawa I., tampier C., ruiz-del-Solar J. topological Navigation and localization in tunnels-application to autonomous load-haul-dump Vehicles Operating in underground Mines. Appl. Sci. 2021;(11):6547. https://doi.org/10.3390/ app11146547.
5. Musaev t., Shageev S., fedorov O. Intelligent measuring system’s data usage in electricity rate pricing process. Lecture Notes in Electrical Engineering. 2021;(729)lNEE:933-941. dOI: 10.1007/978-3-030-71119-1-90.
6. rybak J., Ivannikov a., Egorova a., Ohotnikova K. fernandes I. Some remarks on experience based geotechnical education. 17th International Multidisciplinary Scientific geoConference SgEM 17. 2017. Vol. 12, pp. 1003-1012. dOI: 10.5593/sgem2017/12/S02.127.
7. Баев И.А., Соловьева И.А., Дзюба А.П. Управление затратами на услуги по передаче электроэнергии в промышленном регионе // Экономика региона. 2018. Т. 14. № 3. С. 955-969. dOI: 10.17059/2018-3-19. Baev I.a., Solovyeva I.a., dzyuba a.P. Cost-effective management of electricity transmission in an industrial region. Еkonomika regiona, 2018;14(3):955-969. (In russ.). dOI: 10.17059/2018-3-19.
8. Верчеба А.А. Подготовка кадров для горно-геологической отрасли России // Горные науки и технологии. 2021. Т. 6. № 2. С. 144-153. dOI: 10.17073/25000632-2021-2-144-153. Vercheba a.a. Personnel training for the mining and geological sec? tor of russia. Gornye nauki i tehnologii. 2021;6(2):144-153. (In russ.). dOI: 10.17073/25000632-2021-2-144-153.
9. Волотковская Н.С., Волотковская Ю.А., Семенов А.С. Мировой рынок энергетических ресурсов: анализ производства и спроса на энергоносители, перспективы сектора // Современ? ная наука: актуальные проблемы теории и практики. Серия: Экономикаиправо. 2020. № 6. С. 12-17. dOI: 10.37882/22232974.2020.06.03. Volotkovskaya N.S., Volotkovskaya yu.a., Semenov a.S. the global energy market: analysis of energy production and demand, sec? tor prospects. Sovremennaya nauka: aktual'nye problemy teorii i praktiki. Seriya: Ekonomika i pravo. 2020;(6):12-17. (In russ.). dOI: 10.37882/2223-2974.2020.06.03.
10. Каплунов Д.Р., Милкин Д.А. Исследование влияния способа управления качеством минерально-сырьевых потоков на параметры горнотехнических систем комбинированной геотехнологии. В: Комбинированная геотехнология: комплексное освоение и сохранение недр Земли: материалы науч.-практ. конф., г. Екатеринбург, 22-26 июня 2009 г. Магнитогорск: МГТУ им. Г.И. Носова, 2009. С. 45-47.
11. Построение информационной модели горно-обогатительных предприятий / И.Е. Кириллов, И.Н. Морозов, П.М. Мурашев и др. // Вестник Московского университета МВД России. 2021. № 2. С. 288-291. dOI: 10.24412/2073-0454-20212-288-291. Kirillov I.E., Morozov I.N., Murashev P.M., Bogatikov V.N. Building an information model for mining and processing enterprises. Vestnik Moskovskogo universiteta MVD Rossii. 2021;(2):288-291. (In russ.). dOI: 10.24412/2073-0454-20212-288-291.
12. Климов И.Ю. Анализ эффективности реализации компетентностного подхода в программе опережающего обучения горнодобывающей компании // Горные науки и технологии. 2020. Т. 5. № 1. С. 56-68. dOI: 10.17073/2500-0632-2020-1-56-68. Klimov I.yu. analysis of soft skills-based approach effectiveness in ad? vanced training program for mining company. Gornye nauki i tehnologii. 2020;5(1):56-68. (In russ.). dOI: 10.17073/2500-0632-2020-1-56-68.
13. Интеллектуальные системы учета как инструмент снижения потерь электрической энергии / Т.А. Мусаев, О.В. Федоров, С.Р. Ша? геев и др. // Строительство: новые технологии – новое оборудование. 2021. № 2. С. 52-55. Musaev t.a., fedorov O.V., Shageev S.r., Prokhorova M.V. Smart metering systems as a tool to reduce electricity losses. Stroitel’stvo: novye tehnologii, novoe oborudovanie. 2021;(2):52-55. (In russ.).
14. РыльниковА.Г., ПыталевИ.А. Цифроваятрансформациягор?нодобывающейотрасли: техническиерешенияитехнологи?ческиевызовы // ИзвестияТульскогогосударственногоуни?верситета. НаукиоЗемле. 2020. № 1. С. 470-481. https://doi. org/10.46689/2218-5194-2020-1-1-470-481. rylnikov a.g., Pytalev I.a. digital transformation of the mining industry: technical solutions and technological challenges. Izvestiya Tul'skogo gosudarstvennogo universiteta. Nauki o Zemle. 2020;(1):470481. (In russ.). https://doi.org/10.46689/2218-5194-2020-1-1-470-481.
15. Цифровая трансформация – условие и основа устойчивого развития горнотехнических систем / М.В. Рыльникова, К.И. Стру? ков, Д.Н. Радченко и др. // Горная промышленность. 2021. № 3. С. 74-78. https://doi.org/10.30686/1609-91922021-3-74-78.rylnikova M.V., Strukov K.I., radchenko d.N., Esina E.N. digital transformation: a prerequisite and foundation for sustainable development of mining operations. Gornaya promyshlennost'. 2021;(3):74-78. (In russ). https://doi.org/10.30686/1609-91922021-3-74-78.
16. Условия и проблемы обеспечения устойчивой работы горнодобывающих предприятий в период пандемии / К.И. Струков, Ю.И. Рябов, М.В. Рыльникова и др. // Известия Тульского государственного университета. НаукиоЗемле. 2020. № 4. С.15-23. Strukov K.I., ryabov yu.I., rylnikova M.V., Esina E.N. Conditions and problems to ensure stable operation of mining enterprises in the pandemic period. Izvestiya Tul'skogo gosudarstvennogo universiteta. Nauki o Zemle, 2020;(4):15-23. (In russ).
17. ХазинМ.Л. Роботизированнаятехникадлядобычиполезныхископаемых // Вестникмагнитогорскогогосударственноготехническогоуниверситетаим. Г.И. Носова. 2020. Т. 18. № 1. С. 4-15. https://doi.org/10.18503/1995- 2732-2020-18-1-4-15. Khazin M.l. robotic equipment for mining operations. Vestnik Magnitogorskogo gosudarstvennogo tehni?eskogo universiteta im. G.I. Nosov. 2020;18(1):4-15. (In russ.). https://doi.org/10.18503/1995- 27322020-18-1-4-15.
Для цитирования
Применение нейросетевых технологий для оптимизации процессов добычи и переработки угля на предприятиях угольной промышленности / Н.Л. Красюкова, И.А. Рождественская, А.Ж. Зубец и др. // Уголь. 2024;(9):101-108. dOI: 10.18796/0041-5790-2024-9-101-108.
Информация о статье
Поступила в редакцию: 08.08.2023
Поступила после рецензирования: 15.08.2024
Принята к публикации: 26.08.2024
