Лоскутная цифровизация недр

На практике это выглядит так: на производстве находится узкое место (простой, перерасход, нестабильное качество), ставятся датчики или камеры, собираются данные. Затем под конкретный процесс создается модель, и эффективность на этом участке вырастает. 

Некоторые используют анализ данных и машинное обучение, как конкурентное преимущество. «Только за прошлый год потребление стали в России сократилось на 10 миллионов тонн, что эквивалентно исчезновению целой металлургической компании. Растёт доля китайского импорта, в том числе в готовых изделиях, металлоконструкциях. И для нас закрыты те рынки, которые раньше мы считали так называемым премиальным экспортом. Поэтому из инструмента упрощения процессов цифровизация превратилась в элемент выживания на падающем рынке, а также в инструмент конкурентной борьбы», — рассказал начальник управления развития продуктов и решений в инфраструктурном и промышленном строительстве АО «Северсталь Менеджмент» Сергей Юдин. 

Другой особенностью горнопромышленной отрасли является отсутствие коробочных решений. «Коробки нет, нет такого инструмента, как 1С, который сразу можно нести в бухгалтерию. Нам нужно очень глубоко знать конкретный производственный процесс, видеть неэффективности, на которых можно что-то заработать и делать модели под каждый участок», — замечает Смоленский. 

Объективные причины для этого есть. Горное дело и металлургия не похожи на ретейл, или банкинг. Руды на каждом месторождении уникальны по составу, производства сильно отличаются, оборудование на заводах — часто «зоопарк» машин разных лет выпуска. И в результате, каждая задача решается индивидуально в отдельно взятой компании. Некоторые программные продукты дублируются, а не масштабированы в целом на отрасль. 

Пересели на китайскую

Объединяющей всех проблемой стала зависимость от импорта. На протяжении многих лет Россия экспортировала более 50% минерального сырья и импортировала более 50% оборудования и машин. Доля иностранного оборудования на открытых горных работах составляет 60—80%, включая карьерные экскаваторы, самосвалы, буровые станки. Есть зависимость от импортных двигателей, гидравлических систем, электронных компонентов, рассказал замдиректора Института горного дела УРО РАН Андрей Глебов.

Введение санкций в двадцать втором году привело к серьёзным нарушениям в цепочках поставок горного оборудования. А отсутствие регулярного сервисного обслуживания и поставок оригинальных запчастей вызвало рост аварийности горной техники. Сейчас, по словам Глебова, почти половина парка карьерной техники составляют китайские машины. «Мы ничего не импортозамещаем. Мы просто пересели с европейской иглы на китайскую», — посетовал он. 

В ИТ ситуация лучше. Уход западных вендоров стал драйвером развития отечественного ПО и техники. Например, «Алроса», по словам замдиректора по производству Александра Котова, до начала 2022 года использовала импортные ИТ-решения, потом столкнулась с невозможностью обновлений и лицензирования и вынуждена была начать разрабатывать собственное ПО. В частности, алмазодобывающая компания перешла от линейного управления к централизованному сначала на отдельных рудниках, потом на уровне комбинатов, а в итоге, стянув администрирование в единый интегрированный центр в городе Мирный. 

«Норильский никель» из-за ухода иностранных вендоров столкнулся с невозможностью поддерживать системы точного позиционирования буровых установок. У компании огромный парк импортной техники с разными системами управления, доступ к которым был потерян. Для решения этой проблемы пришлось освоить реверс-инжиниринг датчиков и систем управления. Сейчас тестируется пилот собственной системы, который позволит восстановить систему точного позиционирования для снижения разубоживания руды. 

Повторяющиеся системы

Особое место в цифровой трансформации горнодобывающей отрасли занимают ГГИС (горно-геологические информационные системы). Более 90% рынка ГГИС приходится на решения зарубежных производителей, которые после 2022 года полностью прекратили оказывать техническую поддержку и продавать лицензии. Несмотря на это, многие горнопромышленники продолжают работать на импортных системах, а те, что переходят на отечественное ПО выбирают разные решения. 

Так, в «Алроса» была внедрена разработанная сотрудниками Горного института Кольского научного центра РАН система Mineframe. Главной ее особенностью является способность выполнять планирование горных работ одновременно для открытых и подземных выработок на едином ядре оптимизации, рассказал директор Горного института КНЦ РАН Сергей Лукичев. В то время, как большинство ГГИС успешно справляются с планированием либо для карьеров, либо для шахт по отдельности, Mineframe позволяет вести оба типа работ в одном цифровом пространстве. Сейчас разработчики Mineframe ищут партнеров, «таких как «Алроса», готовых внедрить уже зрелую ГГИС на своих предприятиях», рассказал Лукичев.

Компании предпочитают собственные решения. «Еврохим» на конгрессе NEDRA 4.0 представил разработанную в собственном НИИ «Протех Лаб» ГГИС, которая охватывает полный цикл от геологических данных и трехмерного сканирования до планирования и экономики. Известно также, что IT-дочка «Норникеля», компания «Норсофт», для оптимизации и автоматизации горной добычи создает собственную цифровую платформу MAGMA.

Наконец, Институт Карпинского представил глобальный ресурс «Цифровой дневник недр России». Система аккумулирует информацию о 50 тысячах месторождений, 150 тысячах точек минерализации и 600 тысячах площадей геологоразведочных работ. Все первичные данные, начиная с полевых маршрутов, фиксируются через мобильное приложение «Шеф» и попадают в общую модель. На выходе система формирует аналитические справки о состоянии минерально-сырьевой базы для каждого региона — документы объемом до 150 страниц, которые обновляются автоматически при изменении исходных данных.

Экономический эффект

Несмотря на фрагментарность представленных решений многие компании перешли от стадии эксперимента к прагматичному внедрению технологий, которые приносят зримый экономический эффект. Например, компания «Экспанта» разработала ИИ-модель, которая помогла точно определять уровень стали в ковше и экономить раскислители. Проект, по словам Смоленского, окупился менее, чем за год.

«Северсталь» использует цифровизацию для повышения эффективности производства и качества клиентского сервиса. На заводах и рудниках компания внедрила системы машинного зрения и датчики контроля оборудования, что позволяет снижать простои и затраты на ремонты. Для клиентов создан личный кабинет для отслеживания заказов и мобильное приложение, через которое можно за сутки урегулировать претензии по качеству металла.

Алгоритмы машинного обучения, которые перевели в автоматический режим управление мельницами (и флотацией), позволили «Норникелю» поднять их производительность на 2–3%. Одновременно компания пытается сократить длительность офисных процедур, таких как закупки, или подписание договоров, которые на практике длятся 6-9 месяцев. Для этого в конце 2025 года инициировала проект по внедрению агентов на базе больших языковых моделей (LLM). В их задачу входит бюджетный контроль, сокращение сроков согласования договоров, проверка и генерация заданий на проектирование. «С помощью искусственного интеллекта компания научилась генерировать дополнительный экономический эффект в размере порядка 100 миллионов долларов в год», — заявил директор центра цифровых технологий «Норникеля» Алексей Тестин. 

Таким образом, сейчас промышленная цифровизация на этапе активного накопления цифровых активов: датчиков, моделей, алгоритмов, баз данных. Следующий качественный переход произойдёт тогда, когда начнётся их объединение в сквозные производственные контуры.

«И, хотя пока модели не могут контролировать сами себя, в ближайшие 10-15 лет мы дойдем и до малолюдных производств», — уверен Смоленский.