ЦИФРОВИЗАЦИЯ
Оригинальная статья
УДК 622.33:004.89(470) © Ю.Н. Шедько, К.В. Харченко, С.А. Зуденкова, Е.И. Москвитина, Л.К. Бабаян, 2024
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Уголь № 09-2024 /1184/
DOI: http://dx.doi.org/10.18796/0041-5790-2024-9-115-122
Название
Внедрение нейросетевых технологий для повышения эффективности и безопасности производственных процессов на угольных предприятиях России
Авторы
Шедько Ю.Н. доктор экон. наук, профессор кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: ynshedko@mail.ru
Харченко К.В. канд. соц. наук, доцент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: KVKharchenko@fa.ru
Зуденкова С.А. канд. экон. наук, доцент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: SAZudenkova@fa.ru
Москвитина Е.А. канд. экон. наук, ассистент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: EIMoskvitina@fa.ru
Бабаян Л.К. ассистент кафедры «Государственное и муниципальное управление» Финансового университета при Правительстве Российской Федерации, 125993, г. Москва, Россия, e-mail: LKBabayan@fa.ru
Аннотациия
В статье исследуются возможности применения нейросетевых техноло гий для повышения эффективности и безопасности производственных процессов на угольных предприятиях России. Актуальность темы обу словлена необходимостью модернизации угольной отрасли на основе инновационных решений в условиях возрастающей конкуренции на мировом рынке энергоресурсов. Цель работы – разработка комплекс ной методики внедрения нейросетевых технологий, обеспечивающей оптимизацию процессов добычи, переработки и транспортировки угля, а также минимизацию рисков аварийных ситуаций. В ходе исследова ния проанализирован текущий уровень использования ИИ на ключевых угледобывающих предприятиях РФ, выявлены основные направления и ограничения его применения. Предложены оригинальные нейросете вые модели оптимизации работы очистных комбайнов, ленточных кон вейеров, систем вентиляции и прогнозирования концентрации мета на в шахтах. Проведено их тестирование на производственных данных АО «СУЭК», ООО «УК «Кузбассразрезуголь» и АО ХК «СДС-Уголь». Разра ботана методика оценки экономического эффекта от внедрения ИИ, учи тывающая его влияние на себестоимость угольной продукции и рента бельность предприятий. Предложены методические рекомендации по поэтапной интеграции нейросетевых решений в существующие про изводственные процессы и системы управления безопасностью труда. Полученные результаты имеют высокую практическую значимость и мо гут быть использованы для повышения конкурентоспособности уголь ных компаний России. Дальнейшие исследования целесообразно напра вить на создание адаптивных нейросетевых систем управления горно- добывающей техникой и робототехнических комплексов для работы в особо опасных условиях.
Ключевые слова
Нейросетевые технологии, искусственный интеллект, угольная промышленность, оптимизация, безопасность труда, метан, экономическая эффективность.
Список литературы
1. Prajakta S.K. time series forecasting using holt-Winters Exponential Smoothing. 2004.
2. Афанасьев В.Н. Анализ временных рядов и прогнозирование: учебник. Ай Пи Ар Медиа, Саратов, Оренбургский гос. унт. Оренбург, 2020. 286 с. 3. ZhiyongCui, ruiminKe, ZiyuanPu, yinhaiWang. Stacked Bidirectional and unidirectional lStM recurrent Neural Network for Networkwide traffic Speed Prediction. [Electronic resource]. available at: https://arxiv.org/ftp/arxiv/papers/1801/1801.02143.pdf.
4. Винник А.О., Мартыненко А-А.М., Бондаренко В.И. Программный комплекс мониторинга энергопотребления на предприятиях угольной промышленности // Вестник ДонНУ. СерияГ: Техническиенауки. 2021. № 2. С. 33-38. Vinnik a.O., Martynenko a-a.M., Bondarenko V.I. Software complex for monitoring energy consumption at the enterprises of the coal industry. Vestnik Donetskogo natsional'nogo universiteta, Seriya G: Tehnicheskie nauki, 2021;(2):33-38. (In russ.).
5. Константинов А.В. Теоретические аспекты концепции административной емкости (нормы управляемости) // Актуальные проблемы административного права и процесса. 2019. № 2. С. 34-36. Konstantinov a.V. theoretical aspects of the administrative capacity concept (norms of manageability). Aktual'nye Problemy Administrativnogo Prava i Processa. 2019;(2):34-36. (In russ.).
6. АстафьеваЕ., ТурунцеваМ. ОценкакачествакраткосрочныхпрогнозовиндексовпромышленногопроизводстваНИУВШЭ (апрель 2009 г. – август 2021 г.) // НаучныйвестникИЭП (электронныйжурнал). 2021. № 9. С. 32-35. astafieva E., turuntseva M. Quality assessment of Short-term forecasts of Industrial Production Indices by the higher School of Eco nomics of National research university (april 2009 – august 2021). NauchnyjvestnikIEP, 2021;(9):32-35. (Inruss.).
7. Зайцева Е.В., Агафонов В.В., Снигирев В.В. Оценка становления и развития мировой цифровой платформы в целях трансформации стратегии развития горноперерабатывающих производств // Горный информационно-аналитический бюллетень (научнотехнический журнал). 2019. № 7. (Специальный выпуск 22). С. 917. Zaitseva E.V., agafonov V.V., Snigirev V.V. assessment of the formation and development of the global digital platform in order to transform the development strategy of mining processing industries. Gornyj informatsionno-analiticheskij byulleten'. 2019;(7), (Special Issue No. 22), pp. 9-17. (In russ.).
8. Калиновская И.Н., Керриев К.Н. Прогнозирование производства товаров легкой промышленности в Республике Беларусь / Инновационные технологии в текстильной и легкой промышлен? ности: Материалы Международной научно-технической конференции, Витебск, 13-14 ноября 2019 года. Витебск: Витебский государственный технологический университет, 2019. С. 341-344.
9. Курцев Б.В., Федотов Г.С. Геомеханическое сопровождение горных работ с использованием ГГИС Micromine // Горный журнал. 2022. № 1. С. 90-91. https://doi.org/10.17580/ gzh.2022.01.08. Kurtsev B.V., fedotov g.S. MICrOMINE-based geomechanical supervision of mining. Gornyjzhurnal. 2022; (1):90-91. https://doi. org/10.17580/gzh.2022.01.08.
10. Корецкий В.П., Марданова И.М., Якимова Д.П. Возможности оценки труда высших руководителей на основе теории сложности, нечеткой логики и нейросетевого моделирования // Вестник Омского университета. Серия: Экономика. 2019. Т. 17. № 1. С. 80-87. dOI: 10.25513/1812-3988.2019.17(1).80-87. Koretskiy V.P., Mardanova I.M., yakimova d.P. Job assessment for top-managers through neural simulation, fuzzy logic and complexity theory. VestnikOmskogouniversiteta. Seriya: Ekonomika. 2019;17(1):80-87. (Inruss.). dOI: 10.25513/1812-3988.2019.17(1). 80-87.
11. Методическое руководство по цифровому трехмерному моделированию георесурсного потенциала пластовых месторождений полезных ископаемых. Конспект лекций и практические работы/ Д.А. Стадник, Б.В. Курцев, Ю.Н. Кузнецов и др. М.: Изд-во «Горная книга», 2021. 224 с.
12. Математическое моделирование и анализ параметров устройства вихревой пароконденсации в прямоточной системе обес? соливания шахтных вод / В.Н. Павлыш, Г.В. Доценко, В.П. Овсянников и др. // Проблемы искусственного интеллекта. 2020. № 4. С. 30-45. Pavlysh V.N., dotsenko g.V., Ovsyannikov V.P., Maleev V.B. the mathematical modeling and parameters analysis of whirlwind steam con? densation apparatus in straight-course mine water dissalt system. Problemyiskusstvennogointellekta. 2020;(4):30-45. (Inruss.). 13. Пискунов А.И., Глезман Л.В. Развитие промышленных предприятий в условиях становления цифровой экономики // Креативная экономика. 2019. Т.
13. № 3. С. 471-482. dOI: 10.18334/ ce.13.3.40085.
Piskunov a.I., glezman l.V. development of industrial enterprises in the conditions of formation of the digital economy. Kreativnayaekonomika. 2019;13(3) :471-482. (Inruss.). dOI: 10.18334/ce.13.3.40085.
14. Санникова Т.Д., Богомолова А.В., Жигалова В.Н. Зарубежные модели цифровой трансформации и перспективы их исполь? зования в российской практике // Экономические отношения. 2019. Т. 9. № 2. С. 481-494. dOI: 10.18334/ eo.9.2.40661. Sannikova t.d., Bogomolova a.V., Zhigalova V.N. foreign models of digital transformation and prospects for their use in russian practice. Ekonomicheskieotnosheniya, 2019;9(2):481-494. (Inruss.). dOI:10.18334/eo.9.2.40661.
15. Мониторинг геомеханического состояния очистного забоя угольной шахты в системе управления Марко «Цифровая шахта» / М. Ройтер, М. Крах, У. Кисселинг и др. // Фундаментальные и прикладные вопросы горных наук. 2016. Т. 1. № 3. С. 156-162. reuter M., Krach M., Kisseling y., Veksler yu. Monitoring of the geo? mechanical condition of the coal mine treatment face in the control system of Marko «digital Mine». Fundamental'nyeiprikladnyevoprosygornyhnauk. 2016;1(3):156-162. (Inruss.).
Для цитирования
Внедрение нейросетевых технологий для повышения эффективности и безопасности производственных процессов на угольных предприятиях России / Ю.Н. Шедько, К.В. Харченко, С.А. Зуденкова и др. // Уголь. 2024;(9):115-122. dOI: 10.18796/00415790-2024-9-115-122.
Информация о статье
Поступила в редакцию: 29.087.2023
Поступила после рецензирования: 15.08.2024
Принята к публикации: 26.08.2024
