Внедрение цифровых решений, основанных на машинном обучении и компьютерном зрении, в горно-обогатительное производство может существенно повысить эффективность процессов и снизить потери металла. Такие высокотехнологичные системы имеют большой потенциал для оптимизации и автоматизации различных этапов производства.

Создание цифровых двойников управления мельницами и процессов флотации, определение грансостава руды, дефектов и рудозасорения, детекция пенного слоя – вот лишь немногие из возможностей цифровизации. Одно из возможных решений - создание цифровых двойников управления мельницами и процессами флотации. Цифровой двойник представляет собой виртуальную модель реального объекта или процесса, которая позволяет проводить тестирование, анализировать и оптимизировать работу системы в виртуальной среде. Использование цифровых двойников позволяет улучшить контроль и настройку оборудования, оптимизировать процессы и предотвратить возможные потери металла.

Преимущества таких цифровых решений в горно-обогатительном производстве очевидны. Они могут увеличить выработку металлов до 3% и снизить потери в хвостах (в пустом материале) до 20%. Основные направления оптимизации связаны с процессами питания, измельчения и флотации, которые играют ключевую роль в производственном цикле.

Внедрение цифровых решений в горно-обогатительное производство требует комплексного подхода и сотрудничества между специалистами в области горного дела, автоматизации производства и аналитики данных.

‍

Питание или подача руды

Внедрение цифровых решений для оптимизации горно-обогатительного производства, основанных на машинном обучении и компьютерном зрении, имеет ряд преимуществ и может повысить эффективность значительно улучшить результативность процессов.

В случае питания мельниц разной по качеству рудой , использование систем компьютерного зрения позволяет оперативно классифицировать и контролировать подаваемую руду. Камеры и алгоритмы компьютерного зрения способны детектировать фрагменты руды и определять их состав в режиме реального времени.Это позволяет подстраивать работу мельниц и контролировать питание для обеспечения стабильной производительности.

Оптимизация питания руды может быть дополнена системами определения дефектов контейнера и детекции рудозасорения. Такие системы способны обнаруживать наличие сторонних предметов, которые могут повредить мельницу, и предупреждать о возможных проблемах.

Измельчение руды

На этапе измельчения руды мельницы сталкиваются с неровной подачей руды и разной крепостью, что может привести к перегрузке и аварийной остановке. Чтобы предотвратить такие ситуации, системы компьютерного зрения и машинного обучения могут анализировать информацию с камер, датчиков мельниц и конвейеров. Это позволяет строить математические модели и прогнозировать работу мельниц, оптимизируя процесс измельчения руды. Точные прогнозы и оптимизация позволяют увеличить производительность и предотвращать аварийные ситуации, что способствует экономии времени и ресурсов.

Дополнительным преимуществом оптимизации работы мельниц является увеличение срока службы их внутренней брони (футеровки), что снижает затраты на замену и обновление футеровки.

Стабильная работа мельниц так же влияет на следующий этап - флотацию, обеспечивая стабильность всех процессов нагорно-обогатительном предприятии.

Финансовая отдача от такого внедрения может составить десятки миллионов долларов в год.

Флотация

Целью процесса флотации является разделение минералов на гидрофобные и гидрофильные частицы для выделения концентрата и отсева хвостов. Гидрофобные частицы, которые плохо смачиваются водой, закрепляются на воздушных пузырьках, вводимых в среду. Затем эти частицы переносятся в слой пены, на границу раздела фаз. и отделяются от гидрофильных частиц, которые смачиваются водой. Таким образом, происходит разделение минералов на ценные компоненты, содержащиеся в концентрате, и менее ценные компоненты, образующие хвосты. Важно отметить, что в хвостах всё же может содержаться определенное количество металлов, но их концентрация будет ниже, чем в концентрате.

Процесс флотации может состоять из нескольких цепочек. На одной такой цепочке может быть до 10-20 флотокамер, образующих единую линию, работа которой зависит от множества параметров:

• уровни;
• дозировка воздуха;
• плотность пульпы;
• объемный расход материала;
• содержание металлов в питании и другое.

Вручную регулировать флотацию крайне сложно. Еще сложнее – делать это оптимальным образом. Неопытность, недостаточное внимание, разная тактика операторов могут сыграть свою роль и привести к снижению извлечения.

Искусственный интеллект (ИИ) играет важную роль в оптимизации процесса флотации и улучшении его эффективности. С помощью ИИ можно создавать математические модели, которые позволяют контролировать качество продуктов на выходе из флотационных машин и строить прогнозы на несколько циклов вперед. Эти модели могут учесть различные факторы, такие как состав руды, параметры процесса и условия эксплуатации.

Цифровые двойники (digital twins)также могут быть использованы в контексте флотации. Они представляют собой виртуальные модели или реплики реальных систем, включая флотационные установки и их компоненты. Цифровые двойники могут быть использованы в качестве подсказчиков для операторов, предоставляя информацию и рекомендации по оптимизации процесса. Более того, они могут быть полноценно интегрированы в систему автоматизации технологического процесса (АСУ ТП), чтобы обеспечить автоматическое управление флотацией на основе рекомендаций ИИ. Это позволяет на основании рекомендаций искусственного интеллекта отправлять на контроллеры сигналы о необходимости отправлять сигналы на контроллеры о необходимости определенных управляющих воздействий, таких как изменение дозировки реагентов, уровней или воздуха, с целью максимизации извлечения ценных металлов.

Таким образом, ИИ и цифровые двойники обеспечивают возможность автоматизации и оптимизации процесса флотации, повышая эффективность и улучшая контроль за производственными параметрами.

Внедрение системы оптимизации флотации в горно-обогатительном производстве может привести к ряду значимых результатов и преимуществ:

1. Увеличение     извлечения полезных металлов: благодаря использованию искусственного     интеллекта и цифровых моделей, система оптимизации позволяет     максимизировать извлечение ценных металлов. Это достигается путем точного     контроля и оптимизации параметров процесса флотации, таких как уровни,     дозировка воздуха, реагенты и другие.
2. Удержание     содержания металлов в концентрате в рамках заданных диапазонов: Система     оптимизации обеспечивает точное управление процессом флотации, позволяя     контролировать содержание металлов в концентрате в заданных пределах. Это     важно для обеспечения качества и соответствия требованиям конечных     продуктов.
3. Минимизация     содержания металлов в хвостах: Оптимизация     процесса флотации позволяет снизить содержание металлов в хвостах, что     является экономически эффективным и позволяет сократить потери ценных     ресурсов.
4. Управление     оператором: цифровые модели и система оптимизации могут использоваться как     подсказчик для операторов, предоставляя рекомендации и рекомендуемые     управляющие действия. Это помогает повысить квалификацию операторов и     обеспечить стабильность и оптимальность работы процесса флотации.
5. Финансовая     отдача: внедрение системы оптимизации флотации может привести к     значительной финансовой отдаче. В среднем, увеличение извлечения ценных     металлов на 0,3-2% может принести до $10-30 миллионов дополнительного дохода     в год.
6. Детекция пенного слоя: возможной опцией на     этапе флотации является детекция пенного слоя. Это позволяет     контролировать параметры пены в реальном времени, оптимизировать работу     флотации и предотвращать внештатные ситуации.