DIGITIZATION
Original Paper
UDC 622.33:004.89(470) © Yu.N. Shedko, K.V. Kharchenko, S.A. Zudenkova, E.I. Moskvitina, L.K. Babayan, 2024
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Ugol’ – Russian Coal Journal, 2024, № 9, pp. 115-122
DOI: http://dx.doi.org/10.18796/0041-5790-2024-9-115-122
Title
THE INTRODUCTION OF NEURAL NETWORK TECHNOLOGIES TO IMPROVE THE EFFICIENCY AND SAFETY OF PRODUCTION PROCESSES AT COAL ENTERPRISES IN RUSSIA
Authors
Yu.N. Shedko, K.V. Kharchenko, S.A. Zudenkova, E.I. Moskvitina, L.K. Babayan
Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: ynshedko@mail.ru
Authors Information
Shedko Yu.N. – Doctor of Economic Sciences, Professor of the Department of State and Municipal Administration,
Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: ynshedko@mail.ru
Kharchenko K.V. – PhD (Sociological), Associate Professor of the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: KVKharchenko@fa.ru
Zudenkova S.A. – PhD (Economic), Associate Professor of the Department of State and Municipal Administration,
Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: SAZudenkova@fa.ru
Moskvitina E.I. – PhD (Economic), Assistant of the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: EIMoskvitina@fa.ru
Babayan L.K. – Assistant of the Department of State and Municipal Administration, Financial University under the Government of the Russian Federation, Moscow, 125993, Russian Federation, e-mail: LKBabayan@fa.ru
Abstract
The article explores the possibilities of using neural network technologies to improve the efficiency and safety of production processes at Russian coal enterprises. The relevance of the topic is due to the need to modernize the coal industry based on innovative solutions in the face of increasing competition in the global energy market. The purpose of the work is to develop a comprehensive methodology for the introduction of neural network technologies that optimize the processes of coal mining, processing and transportation, as well as minimize the risks of emergency situations. The study analyzes the current level of AI use at key coal mining enterprises of the Russian Federation, identifies the main directions and limitations of its use. Original neural network models for optimizing the operation of cleaning combines, conveyor belts, ventilation systems and forecasting methane concentrations in mines are proposed. Their training and testing were carried out on the production data of JSC SUEK, LLC Kuzbassrazrezugol Management Company and JSC HC SDS-Ugol. A methodology has been developed to assess the economic effect of the introduction of AI, taking into account its impact on the cost of coal products and the profitability of enterprises. Methodological recommendations for the phased integration of neural network solutions into existing production processes and occupational safety management systems are proposed. The results obtained are of high practical importance and can be used to increase the competitiveness of Russian coal companies. It is advisable to direct further research to the creation of adaptive neural network control systems for mining equipment and robotic complexes for working in particularly dangerous conditions.
Keywords
Neural network technologies, artificial intelligence, coal industry, optimization, labor safety, methane, economic efficiency.
References
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 com? plexity 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 обессоливания 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'nye i prikladnye voprosy gornyh nauk. 2016;1(3):156-162. (In russ.).
For citation
Shedko Yu.N., Kharchenko K.V., Zudenkova S.A., Moskvitina E.I., Babayan L.K. The introduction of neural network technologies to improve the efficiency and safety of production processes at coal enterprises in Russia. Ugol. 2024;(9):115-122. (In Russ.). DOI: 10.18796/0041-5790-2024-9-115-122.
Paper info
Received July 29, 2024
Reviewed August 15, 2024
Accepted August 26, 2024
