БЕЗОПАСНОСТЬ

Оригинальная статья

УДК 662.86:338.24 © Н.В. Кондрашова¹, Ю.В. Забайкин², 2025
ISSN 0041-5790 (Print) • ISSN 2412-8333 (Online) • Уголь №5-2025 /1193/
DOI: http://dx.doi.org/10.18796/0041-5790-2025-5-97-106

Интеллектуальные распределенные системы обучения для оптимизации процессов безопасности в угледобывающей промышленности

Авторы

Кондрашова Н.В. канд. пед. наук, доцент ФГАОУ ВО «Национальный исследовательский университет ИТМО», 197101, г. Санкт-Петербург, Россия, e-mail: nvkondrashova@mail.ru
Забайкин Ю.В. канд. экон. наук, доцент кафедры Автоматизации технологических процессов ФГАОУ ВО «Российский государственный университет нефти и газа (национальный исследовательский университет) имени И.М. Губкина», 119991, г. Москва, Россия, e-mail: 89264154444@yandex.ru

Аннотации

Современная угледобывающая промышленность переживает период фундаментальной трансформации, обусловленной интеграцией цифровых технологий и интеллектуальных систем управления производственными процессами. Распределенные системы обучения представляют собой инновационный подход к совершенствованию безопасности технологических циклов, однако их эффективное внедрение в угольной отрасли сопряжено с рядом специфических вызовов организационно-технического и когнитивного характера. Настоящее исследование направлено на разработку и апробацию интегрированной мультипараметрической модели распределенных систем обучения для повышения уровня промышленной безопасности в условиях высокорисковых угледобывающих предприятий. В работе применены комплексные методы анализа, включающие многоуровневое параметрическое моделирование производственных процессов, иерархический кластерный анализ инцидентов, мультифакторное регрессионное моделирование и прогностическое моделирование на основе многослойных рекуррентных нейронных сетей с долгой краткосрочной памятью (LSTM). Эмпирическую базу составили лонгитюдные данные 37 угледобывающих предприятий за период 2018-2023 гг., включающие 5783 зарегистрированные происшествия различной степени тяжести с детализированными параметрами по 142 характеристикам. Результаты исследования демонстрируют, что внедрение разработанной модели распределенных систем обучения позволяет снизить частоту инцидентов на 27,4±1,8%, сократить время реагирования на потенциально опасные ситуации на 43,6±2,3% и повысить интегральный коэффициент безопасности производственных процессов на 0,38±0,02 пункта. Дисперсионный анализ показал статистически значимое снижение (p < 0,001) тяжести последствий инцидентов во всех категориях с наибольшим эффектом для аварий, связанных с электрооборудованием (снижение на 42,3±1,7%). Анализ экономической эффективности продемонстрировал сокращение финансовых потерь, связанных с производственными инцидентами, на 32,7±1,4% в течение первого года внедрения при среднем сроке окупаемости инвестиций 6,4±0,3 месяца. Полученные результаты существенно расширяют теоретические представления о возможностях интеграции интеллектуальных распределенных систем обучения в высокорисковые производственные среды и предлагают верифицированные практические решения для угледобывающих предприятий, стремящихся к повышению уровня промышленной безопасности.

Ключевые слова

Распределенные системы обучения, угледобывающая промышленность, промышленная безопасность, прогностическое моделирование, цифровая трансформация, мультифакторное управление рисками, интеллектуальные обучающие системы.

Список литературы

Boneh D., Shoup V. A graduate course in applied cryptography. 2020.709 p.
Goodfellow I., Bengio Y., Courville A. Deep learning. Cambridge, MIT Press, 2016. 800 p.
Jurafsky D., Martin J.H. Speech and language processing. 3rd ed. draft. Stanford University, 2025. 608 p.
Kurzweil R. The singularity is near: when humans transcend biology. New York, Viking, 2005. 672 p.
Murphy K.P. Probabilistic machine learning: an introduction. Cambridge, MIT Press, 2022. 826 p.
Pham H.T., Pham H., Blazek L.W. Approaches to measuring software safety. Software Quality Professional. 2013;15(4):4-16.
Russell S., Norvig P. Artificial intelligence: a modern approach. 4th ed. Hoboken, Pearson, 2021. 1136 p.
Sutton R.S., Barto A.G. Reinforcement learning: an introduction. 2nd ed. Cambridge, MIT Press, 2018. 552 p.
Жданеев О.В., Власова И.М. Вызовы и приоритеты цифровой трансформации угольной отрасли // Уголь. 2023. № 1. С. 62-69. DOI: 10.18796/0041-5790-2023-1-62-69. Zhdaneev O.V., Vlasova I.M. Digital transformation of the coal industry. Ugol’. 2023;(1):62-69. (In Russ.). DOI: 10.18796/0041-5790-2023-1-62-69.
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: 10.24412/2073-0454-2021-2-288-291. Kirillov I.E., Morozov I.N., Murashev P.M. et al. Building an information model for mining and processing enterprises. Vestnik Moskovskogo universiteta MVD Rossii. 2021;(2):288-291. (In Russ.). DOI: 10.24412/2073-0454-2021-2-288-291.
Рубин А.Я. Вопросы промышленной безопасности и актуальные способы ее обеспечения на опасных производственных объектах // Безопасность труда в промышленности. 2023. № 4. С. 91-96. Rubin A.Ya. Issues of industrial safety and actual ways of its ensuring at hazardous production facilities. Bezopasnost' truda v promyshlennosti. 2023;(4):91-96. (In Russ.).
Рыльников А.Г., Пыталев И.А. Цифровая трансформация горнодобывающей отрасли: технические решения и технологические вызовы // Известия Тульского государственного университета. Науки о Земле. 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):470-481. (In Russ.). https://doi.org/10.46689/2218-5194-2020-1-1-470-481.
Салтымаков Е.А., Уткаев Е.А., Снетова Е.С. Разработка цифровой платформы для количественного учета выбросов шахтного метана в атмосферу // Вестник Научного центра ВостНИИ по промышленной и экологической безопасности. 2023. № 3. С. 51-58. Saltymakov E.A., Utkaev E.A., Snetova E.S. Development of a digital platform for quantitative assessment of mine methane emissions into the atmosphere. Vestnik Nauchnogo centra VostNII po promyshlennoj i ekologicheskoj bezopasnosti. 2023;(3):51-58. (In Russ.).
Роль распределенных серверных систем в модернизации угольного сектора / С.А. Тронин, А.А. Ксенофонтов, О.А. Юссуф и др. // Уголь. 2025;(2):110-118. DOI: 10.18796/0041-5790-2025-2-110-118. Tronin S.A., Ksenofontov A.A., Yussuf О.A., Burova O.A., Frolova V.B. The role of distributed server systems in upgrading the coal sector. Ugol’. 2025;(2): 110-118. (In Russ.). DOI: 10.18796/0041-5790-2025-2-110-118.

Для цитирования

Кондрашова Н.В., Забайкин Ю.В. Интеллектуальные распределенные системы обучения для оптимизации процессов безопасности в угледобывающей промышленности // Уголь. 2025;(5):97-106. DOI: 10.18796/0041-5790-2025-5-97-106

Информация о статье

Поступила в редакцию: 9.04.2025
Поступила после рецензирования: 16.04.2025
Принята к публикации: 26.04.2025