Методы и модели предиктивной аналитики при автоматизированном управлении обогатительной фабрикой горно-обогатительного комбината тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Гзогян Семён Райрович

• Гзогян Семён Райрович
• кандидат наук
• 2026

Оглавление диссертации кандидат наук Гзогян Семён Райрович

ВВЕДЕНИЕ

ГЛАВА 1 АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К ПОСТРОЕНИЮ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ И ИСПОЛЬЗОВАНИЮ МЕТОДОВ ПРЕДИКТИВНОЙ АНАЛИТИКИ В ГОРНОДОБЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ

1.1 Исследование подходов к разработке и реализации автоматизированных систем управления различного класса в горнодобывающей промышленности

1.2 Использование цифровых технологий для реализации в автоматизированных системах горнодобывающих предприятий интеллектуальных функций

1.3 Особенности и проблемы автоматизации технологических процессов и производств при функционировании обогатительных фабрик

1.4 Существующие методы и модели оценивания эффективности

измельчительного оборудования обогатительных фабрик

Выводы по главе

ГЛАВА 2 ПОСТРОЕНИЕ МОДЕЛЕЙ ПОДСИСТЕМЫ ПРЕДИКТИВНОЙ АНАЛИТИКИ ПРИ АВТОМАТИЗИРОВАННОМ УПРАВЛЕНИИ ОБОГАТИТЕЛЬНОЙ ФАБРИКОЙ

2.1 Анализ взаимодействия АСУТП и АСУП, место подсистемы предиктивной аналитики при автоматизированном управлении обогатительной фабрикой

2.2 Построение концептуальной модели подсистемы предиктивной аналитики

2.3 Функциональное моделирование подсистемы предиктивной аналитики

Выводы по главе

ГЛАВА 3 МЕТОДЫ И МОДЕЛИ ИНФОРМАЦИОННОГО И МАТЕМАТИЧЕСКОГО ОБЕСПЕЧЕНИЯ ПОДСИСТЕМЫ

ПРЕДИКТИВНОЙ АНАЛИТИКИ

3.1 Оценка значимости параметров технологического процесса и формирование обобщённой базы данных

3.2 Формирование и исследование обобщённых предиктивных моделей

3.3 Разработка метода автоматизированной оптимизации производственных баз данных

3.4 Разработка специализированных предиктивных моделей

Выводы по главе

ГЛАВА 4 ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ РАЗРАБОТАННЫХ МЕТОДОВ И МОДЕЛЕЙ

4.1 Проведение имитационных экспериментов и сравнительный анализ различных подходов для оптимизации производственных данных на основе кластеризации

4.2 Описание структуры программной реализации

4.3 Результаты практического использования

Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Приложение А Свидетельства о государственной регистрации программ для

ЭВМ (справочное)

Приложение Б Патенты (справочное)

Приложение В Акты внедрения результатов диссертационного исследования (справочное)

Введение диссертации (часть автореферата) на тему «Методы и модели предиктивной аналитики при автоматизированном управлении обогатительной фабрикой горно-обогатительного комбината»

ВВЕДЕНИЕ

Актуальность исследования. Современная обогатительная фабрика (ОФ) -одно из основных подразделений по переработке добытого полезного ископаемого на горно-обогатительном комбинате (ГОК) - представляет собой сложную организационно-технологическую систему, в которой реализуется множество производственных процессов и потоков разнородных данных и которая характеризуется очень высоким уровнем ресурсо- и энергопотребления (например, до 2/3 от всей электроэнергии, поставляемой на ГОК). При этом краеугольным камнем обработки рудных ископаемых на ОФ являются технологические процессы дробления и измельчения руды, определяющие результат отделения рудных зёрен от пустой породы и позволяющие значительно облегчить процесс обогащения, повысить его КПД, а также качество выпускаемого железорудного концентрата в целом. При этом на их обеспечение приходится 50^70% капитальных затрат и примерно такая же доля общих эксплуатационных расходов, а также более 50% энергетических затрат. Эффективность функционирования ОФ в процессе получения готового железорудного концентрата - при достаточно жёстких требованиях к значениям содержания в нём полезного компонента - связана с необходимостью учёта широкого спектра параметров, характеризующих качественное состояние поступающего в обогатительный передел исходного минерального сырья, соответствующей рациональной настройкой технологических режимов работы измельчительного оборудования. Управленческие решения, принимаемые на верхнем уровне АСУП ОФ ГОКа, в целях эффективного планирования производственных ресурсов (материальных, финансовых, энергетических, трудовых) и составления финансовой модели, основываются на данных, поставляемых от АСУТП, которые, в свою очередь, собирают информацию в режиме реального времени с физических объектов нижнего уровня (датчиков и производственного оборудования). Следует особо отметить, что подобная

информация сложна в обработке и не всегда имеет требуемое качество для её эффективной трансформации в своевременные и результативные решения.

Исследованию основополагающих проблем автоматизированного управления технологическими процессами и производствами на промышленных предприятиях посвящены работы известных отечественных и зарубежных учёных: JI.A. Бахвалова, Р. Беллмана, В.А. Глушакова, Э. Джури, Э.Л. Ицковича, Р. Калмана, Л.Д. Певзнера, В.В. Солодовникова, A.A. Фельдбаума, Н.И. Федунец, Д.С. Хардера, Х.-Д. Хауштайна, А.Г. Шварцмана, и др. Многие современные исследователи и практики решали научные и производственные вопросы повышения эффективности автоматизированного управления процессами на предприятиях горнодобывающей отрасли за счёт разработки новых методов и моделей, в том числе с применением интеллектуального анализа данных, например, А.Д. Абраров, Х.А. Базоев, Д.А. Башков, В.В. Грачев, ЕЕ. Дудников, Ю.И. Еременко, М.Ю. Зарубин, Л.С.Коган, В.З. Козин, Б.Д. Кошарский, Н.А. Кубышкин, АН. Марюта, Л.П. Мышляев, Д.А. Полещенко, М.В. Рыльникова, Т.Г. Сазонов, В.В. Стальский, М.Е. Тараненко, И.О. Темкин, А. Е. Троп, К.Я. Улитенко, В.А. Цыганков и др. При этом следует отметить, что на сегодняшний день остаётся недостаточно проработанным ряд проблемных вопросов при автоматизированном управлении ОФ ГОКов: в основном отсутствуют/не используются прогностические инструменты для рационального планирования объёмов выпускаемого готового концентрата и бюджетных показателей на последующие периоды; слабо учитывается связь с минералогическим и гранулометрическим составом поступающей на переработку руды; приведённые оценки являются в основном приближенными и характеризуются низким уровнем достоверности в связи со сложностями обработки и использования в задачах моделирования данных, формируемых в реальной производственной среде. Их решение связано с необходимостью создания и внедрения новых методологических инструментов для построения и организации взаимодействия АСУТП и АСУП на основе актуализации специализированного математического и программного обеспечения, которое позволит осуществлять: оптимизацию баз

производственных данных; объективные оценки и прогнозирование эффективности работы измельчительного оборудования (головных шаровых мельниц) с рекомендациями по корректировке его технологических режимов при изменении требований к характеристикам готового железорудного концентрата или изменения вещественного состава и гранулометрических характеристик подаваемого в обогатительный передел исходного минерального сырья.

Таким образом, научная задача формирования новых методов и моделей предиктивной аналитики, их внедрения в процесс автоматизированного управления ОФ ГОКов является крайне актуальной, позволит правильно сформировать плановые финансово-экономические показатели на предстоящий период, существенно приблизиться к устойчивому производству качественного продукта на выходе и повышению эффективности производства в целом с минимизацией влияния человеческого фактора.

Объектом исследования является процесс автоматизированного управления ОФ современных ГОКов.

Предметом исследования являются методы, модели и алгоритмы, обеспечивающие взаимодействие АСУТП измельчения с АСУП ОФ ГОКа на основе реализации функций предиктивной аналитики, позволяющие трансформировать производственные данные в рациональные управленческие решения по планированию ресурсов.

Цель исследования - совершенствование процесса автоматизированного управления ОФ современного ГОКа за счёт разработки методов и моделей предиктивной аналитики, обеспечивающих объективную точную оценку и прогнозирование производительности, повышение объёмов переработки железорудного сырья.

Для достижения поставленной цели необходимо решить следующие задачи:

- Анализ существующих подходов к автоматизированному управлению промышленными предприятиями с учётом особенностей горно-обогатительного производства, а также методов, моделей и программно-алгоритмических

комплексов, используемых для обеспечения функционирования и взаимодействия их АСУТП и АСУП.

- Моделирование подсистемы предиктивной аналитики, обеспечивающей эффективное взаимодействие АСУТП измельчения рудного сырья и АСУП ОФ ГОКа, трансформацию производственной информации в эффективные управленческие решения по планированию ресурсов.

- Разработка методов оптимизации баз производственных данных, поставляемых в режиме реального времени, обеспечение формирования репрезентативных выборок для построения адекватных прогностических моделей.

- Разработка и исследование математических моделей для проведения оценок и прогнозирования производительности измельчительного оборудования при изменении состава и свойств рудного сырья, варьировании различными параметрами технологического процесса.

- Анализ результатов имитационных экспериментов, разработка программной реализации для обеспечения функционирования подсистемы предиктивной аналитики, оценка практического применения разработанных методов и моделей.

Методы исследования. В диссертации использовались методы теории автоматизированного управления, системного анализа, математической статистики и теории вероятностей, корреляционного анализа, регрессионного анализа, нейросетевые подходы, деревья решений, методы кластеризации данных, имитационного моделирования и программирования.

Научная новизна работы. В диссертации получены следующие новые научные результаты:

- Концептуальная теоретико-множественная и функциональные модели подсистемы предиктивной аналитики, как составляющей интегрирующего уровня АСУТП и АСУП ОФ ГОКа, которая отличается от используемых для организации данного взаимодействия подсистем тем, что она реализует прогностические функции и научно обоснованные обратные связи между производительностью

оборудования, его технологическими параметрами, вещественным и гранулометрическим составом поступающего на переработку рудного сырья.

- Метод оптимизации баз производственных данных в подсистеме предиктивной аналитики, включающий новый подход, основанный на последовательной кластеризации данных по коэффициенту корреляции Пирсона и коэффициенту детерминации возможных прогностических регрессионных моделей, построение и оценка адекватности которых одновременно выполняется на каждой итерации, при этом достигается высокая точность результирующих моделей.

- Комплекс обобщённых и специализированных предиктивных моделей в виде множественных регрессионных зависимостей и искусственных нейронных сетей, верифицирующих друг друга, которые обеспечивают в процессе автоматизированного управления ОФ ГОКа возможность объективной оценки и прогнозирования производительности измельчительного оборудования при изменении вещественного и гранулометрического состава рудного сырья, производственных условий.

Теоретическая значимость диссертации заключается в развитии методологических подходов к построению и организации взаимодействия АСУТП и АСУП на принципах предиктивной аналитики, обеспечивающих возможность анализа и оптимизации производственных данных, осуществления высокоточных оценок и прогнозов состояния технологических процессов и производительности промышленных предприятий, реализации эффективного планирования производственных ресурсов с сокращением рисков их потерь.

Практическая значимость работы заключается в результатах успешного применения разработанных методов и моделей предиктивной аналитики в условиях реального производства; подтверждается актами о внедрении, отражающими, что их использование повышает точность прогнозирования производительности измельчительного оборудования на 3^5%, обеспечивает объективное планирование производственных ресурсов и научно обоснованное построение финансовой модели, возможность повышения объёма переработки

железорудного сырья на 5^10 % при достижении требуемого качества железорудного концентрата.

Разработана программная реализация созданных методов, алгоритмов и моделей. Проведены имитационные эксперименты для ОФ ГОКа по объективной оценке прогнозной производительности измельчительного оборудования при изменении вещественного и гранулометрического состава рудного сырья.

Результаты, полученные в ходе диссертационного исследования, внедрены в Ассоциации субъектов инновационной деятельности в горной отрасли «Инновационные горные технологии», в ООО «ПИКЛЕМА» (цифровая трансформация и внедрение передовых решений в области автоматизации, планирования производства горнодобывающих предприятий), а также в Белгородском государственном национальном исследовательском университете (НИУ «БелГУ»), научно-исследовательской лаборатории обогащения минерального сырья им. Т.Н. Гзогян.

Достоверность полученных результатов подтверждается корректным применением традиционных и современных методов анализа данных, математического, информационного и объектно-ориентированного моделирования; отсутствием противоречий с данными, полученными ранее другими авторами по данной тематике; публикациями в рецензируемых изданиях; положительными результатами внедрения.

Положения, выносимые на защиту:

- концептуальная и функциональная модели подсистемы предиктивной аналитики, как составляющей интегрирующего уровня АСУТП и АСУП ОФ ГОКа;

- метод оптимизации баз производственных данных в подсистеме предиктивной аналитики при автоматизированном управлении ОФ ГОКа;

- обобщённые и специализированные предиктивные модели в виде верифицирующих друг друга регрессионных и нейросетевых зависимостей;

- результаты имитационных экспериментов для ОФ ГОКа, демонстрирующие адекватность предложенных методов;

- программная реализация, обеспечивающая функционирование подсистемы предиктивной аналитики при автоматизированном управлении ОФ ГОКа.

Апробация работы осуществлялась в форме докладов на международных и всероссийских научных конференциях, в числе которых:

- X всероссийская научно-техническая конференция «Информационные технологии в науке, образовании и производстве» (ИТНОП-2025), г. Орел, 2025 г.;

- V международная научно-практическая конференция «Инжиниринг: теория и практика», г. Пинск, Республика Беларусь, 2025 г.;

- III международная молодежная научно-практическая конференция «Информационные технологии и инжиниринг», г. Белгород, 2025 г.;

- Шестнадцатая всероссийская научно-практическая конференция с международным участием «Современные проблемы горно-металлургического комплекса. Наука и производство», г. Старый Оскол, 2019 г.;

- Четырнадцатая всероссийская научно-практическая конференция с международным участием «Современные проблемы горно-металлургического комплекса. Наука и производство», г. Старый Оскол, 2017 г.

Публикации. Основные результаты диссертации представлены в 20 работах, из них 3 - в изданиях, рекомендованных ВАК РФ по научной специальности 2.3.3 (1-К1); 8 - в иноязычных изданиях, индексируемых в международных базах Sсopus, WoS (5^2); 2 патента на изобретение и 2 свидетельства о госрегистрации программ для ЭВМ.

Связь с научными и инновационными программами. Результаты исследования использовались при реализации НИР: «Разработка методики расчёта производительности мельниц на основе статистического анализа и определения корреляционных зависимостей показателя от вещественного состава исходного сырья и конечного концентрата»,№219/18 от 21.01.2019г., «Оценка влияния доли труднообогатимых кварцитов в шихте на технологический процесс обогащения»,№241/22 от 17.10.2022г., «Верификация модели расчёта ожидаемой

производительности головных мельниц в зависимости от долевого участия в шихте труднообогатимых кварцитов», №60/23 от 15.03.2023г.

Структура и объем диссертации. Диссертационная работа изложена на 140 страницах машинописного текста, включая 42 рисунка, 8 таблиц, состоит из введения, 4 глав, заключения, списка сокращений и условных обозначений, списка литературы из 164 наименований, приложения.

В первой главе проведён анализ существующих подходов к построению АСУП и АСУТП, в т.ч. с учётом особенностей для горнодобывающей промышленности, подходов к организации взаимодействия данных систем, анализ развития методов и моделей, используемых при обеспечении функционала АСУТП и АСУП на ОФ. Выявлена необходимость их дальнейшего развития в целях модернизации и расширения спектра интеллектуальных функций указанных автоматизированных систем, которые позволят проводить ситуационные оценки как текущей, так и прогнозной производственно-технологической ситуации на ОФ, оперативно и адекватно регулировать параметры измельчения руды, влияющие на результирующую производительность как отдельных технических секций, так и ОФ в целом.

Исследование результатов научной и производственной деятельности, особенностей рассматриваемых технологических процессов, проблемных вопросов управления ими и производством в целом, - все это позволило определить и детализировать цели и научные задачи диссертационного исследования.

Во второй главе проведены исследования взаимодействия АСУТП и АСУП ОФ современных ГОКов с обоснованием необходимости модернизации промежуточного интегрирующего уровня, формирующего единое информационное пространство для поддержки принятия и реализации результативных решений в сфере планирования производственных ресурсов.

Введена подсистема предиктивной аналитики, которая впервые будет осуществлять оперативную модельную оценку производительности ОФ ГОКа как в режиме онлайн, так и в прогнозируемом режиме. Разработанные

концептуальная теоретико-множественная и функциональные модели исследуемой подсистемы позволили не только выявить и детализировать её основные функции и предполагаемую структуру, но и определить какие требуется разработать механизмы для организации её эффективного функционирования при практическом внедрении в процессах автоматизированного управления производством на современных ОФ ГОКов. Подобными механизмами является комплекс методов для обработки широкого спектра технологических параметров и для создания специальных математических моделей, реализующих необходимые причинно-следственные связи для оценок и прогнозирования.

В третьей главе разработаны методы и модели информационного и математического обеспечения подсистемы предиктивной аналитики при автоматизированном управлении ОФ.

Предложен метод автоматизированной оптимизации баз реальных производственных данных, обеспечивающий возможность формирования выборок для построения адекватных предиктивных моделей. Для его реализации разработан специализированный метод кластеризации данных, который обеспечивает построение на каждой итерации перегруппировки данных новых прогнозных моделей, проведение их сравнительного анализа по адекватности и точности прогнозирования.

На основе выборок оптимизированных баз данных построены специализированные регрессионные и нейросетевые модели, демонстрирующие одинаково хорошие предсказательные способности, подтверждающиеся значениями множественного коэффициента корреляции и коэффициента детерминации.

В четвёртой главе диссертации представлены результаты проведения имитационных экспериментов и разработки программной реализации предложенных методов и моделей.

В заключении сформулированы основные научные и практические результаты и выводы, полученные в ходе диссертационного исследования.

ГЛАВА 1 АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К ПОСТРОЕНИЮ АВТОМАТИЗИРОВАННЫХ СИСТЕМ УПРАВЛЕНИЯ И ИСПОЛЬЗОВАНИЮ МЕТОДОВ ПРЕДИКТИВНОЙ АНАЛИТИКИ В ГОРНОДОБЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ

1.1 Исследование подходов к разработке и реализации автоматизированных систем управления различного класса в горнодобывающей промышленности

Внедрение технологий автоматизированного управления сложными технологическими процессами и операциями, реализуемыми в рамках функционирования различных промышленно-территориальных кластеров, в том числе, и горнодобывающих, связано и происходило одновременно с развитием методов компьютерной обработки данных, и в отечественной практике началось с 70-80-х гг. ХХ-го столетия [1-8]. Данное направление постоянно совершенствуется, и является движущей силой для модернизации самих подходов к сбору и обработке данных, а также к созданию новых технологий для решения задач предиктивной аналитики [1, 9, 10,11].

Все работы по разработке и модернизации автоматизированных систем, предназначенных для регулирования технологических операций, процессов и управления производством в целом, реализуемые на различных временных этапах и для различных отраслей экономики, соответствуют основам, структурно изложенным в документе «Общеотраслевые руководящие методические материалы по созданию и применению автоматизированных систем управления технологическими процессами в отраслях промышленности (ОРММ-3 АСУТП, утверждены постановлением Госкомитета СССР по науке и технике №536 от 14.10.85 г.). Согласно данному документу: «АСУТП - система, реализуемая на базе высокоэффективной вычислительной и управляющей техники, обеспечивающая управление технологическим объектом на основе

централизованно обработанной информации, по заданным технологическим и технико-экономическим критериям, определяющим количественные и качественные результаты выработки продукта, и подготавливающая информацию для решения организационно-экономических задач по управлению промышленным предприятием».

Сегодня создание и модернизация современных АСУТП и АСУП связана одновременно с сохранением вышеприведённых основ и с расширением возможностей интерпретации производственных данных на основе цифровых технологий Индустрии 4.0, что позволяет обеспечить значительный технико-экономический и эколого-экономический эффект. В том числе, в данном аспекте актуальны методы предиктивной аналитики, обеспечивающие установление научно обоснованных обратных связей в АСУ рассматриваемого класса, актуализацию выработки управляющих решений в сфере планирования производства на основе высокоточных модельных оценок и прогнозирования результатов производственных операций и процессов с учётом изменений максимального числа технологических параметров, а также с учётом производственных особенностей.

При решении подобных задач в мировой и отечественной практике произошло изменение в парадигме самих АСУ с введением и использованием различных уровней автоматизации (Рисунок 1) [12, 13], в том числе с расширением функций и базовой архитектуры систем верхнего уровня - ERP (систем планирования ресурсов предприятия) - в направлении улучшения бизнес-операций, снижения затрат материальных, временных и людских ресурсов на основе внедрения облачных вычислений и мобильных технологий, искусственного интеллекта и машинного обучения, Интернета вещей и других цифровых технологий, изменивших сами методы управления ресурсами предприятий (Рисунок 2).

Рисунок 1 - Уровни автоматизации управления технологическими процессами и

производствами

Рисунок 2 - Спектр функций современных ERP

Различными производителями АСУТП РФ в настоящее время сформированы специализированные автоматизированные подсистемы для ОФ горнодобывающих промышленно-территориальных кластеров регионов страны с учётом их особенностей и с обеспечением возможности реализации концепции Индустрии 4.0. Эффективно используются разработки зарубежных: Siemens -продукт PCS7 APL, Германия; Rockwell - продукты Pavilion8PlantPAx MPC, США; Emerson - продукт DeltaV PredictPro,COA; Honeywell - продукт Profit Suite, США; Yokogawa/Shell - продукт PACE, Япония; AspenTech - DMC3, США; ABB - Ability Expert Optimizer, Швейцария; Mintek - StarCS, Китай; Andritz -BrainWave, Австрия и др., и отечественных производителей цифровых решений: ГК «Цифра», «Прософт-системы», «Атомик софт», «ИнфТех», «Лаборатория Касперского», «Объединение Агрегейт», «Диатех» и др.

Так, компанией «СВР»-Старый Оскол была разработана проектная документация для АО «Стойленский ГОК» по проекту «АСУТП измельчения и обогащения, контроля и аттестации товарного продукта обогатительной фабрики». Проектом решаются задачи развития существующих АСУТП четырёх технологических секций (ТС) ОФ, которое предполагает увеличение производительности ТС и снижение среднеквадратического отклонения массовой доли железа общего в товарном железорудном концентрате. Для автоматического регулирования и управления технологическим переделом ТС №4 ОФ специалистами ООО «СВР»-Старый Оскол был разработан проект АСУТП и автоматизированной системы диспетчерского управления (АСДУ) для Стойленского ГОКа (г. Старый Оскол), которые реализуют функции автоматического регулирования (загрузки мельниц I стадии измельчения по весу; соотношения руда/вода мельниц I стадии; плотности на сливе спиральных классификаторов мельниц I стадии; подачи воды в мельницы I и II стадии по объёмному заполнению и мощности синхронного двигателя; уровня в зумпфах; уровня в пульподелителях; плотности песков магнитных дешламаторов) и измерения параметров процесса измельчения (вес руды на конвейере галереи № 9; давление производственной воды и в магистрали гидроуплотнения насосов;

давление пульпы на гидроциклонах; массовая доля железа в сливах дешламаторов; массовая доля железа в готовом продукте и др.); измерение параметров обеспечения технического учёта (расхода воды на секцию и полусекцию; расхода тепловой энергии на секцию) [14].

Разработчиком ООО «НПО «Рустмаш» предложено универсальное решение для коммуникации и удалённого управления объектами - Интерактивный технологический ассистент [15]. Он решает отдельные задачи дистанционного мониторинга и управления в целях снижения издержек при обслуживании за счет отказа от планово-предупредительного ремонта к текущему ремонту и обслуживанию. Продукты на базе данной технологии, являясь кросс-платформенными приложениями с web-интерфейсом, позволяют распределять технологическую и эксплуатационную информацию между АСУТП предприятия и обслуживающими технологическое оборудование подразделениями.

Российская производственно-инжиниринговая компания «Русмайн Инжиниринг» также реализует проектные решения для АСУТП горнообогатительных предприятий для осуществления контроля и управления технологическими процессами, основным и вспомогательным технологическим оборудованием из операторной либо диспетчерского пункта предприятия. Целевыми критериями эффективности выбираются [16]: повышение эффективности основных технологических процессов; оптимизация загрузки технологического оборудования; сбалансированный, оптимальный расход энергоресурсов; повышение эффективности эксплуатации оборудования в рабочем процессе на ОФ. Проектируемые АСУТП реализуются на базе контрольно-измерительных приборов ведущих мировых производителей, средств сигнализации, автоматической защиты, исполнительных механизмов, сертифицированных Федеральным агентством по техническому регулированию и метрологии. Структура проектируемых «Русмайн Инжиниринг» АСУТП является модульной, и имеет трехуровневую архитектуру, состоящую из нижнего («полевого»), среднего и верхнего уровней комплекса технических средств, распределённых по технологическим участкам производства [16]. Решения по

Список литературы диссертационного исследования кандидат наук Гзогян Семён Райрович, 2026 год

- 80 с.

130. Kazarinov, L.S. Oblong ellipsoid method in process efficiency control //2015 International Conference on Mechanical Engineering, Automation and Control Systems (MEACS). - 2016. - Paper number 7414875. DOI: 10.1109/MEACS.2015.7414875

131. Kazarinov, L.S. Elliptic component analysis/ L.S. Kazarinov, T.A. Barbasova // 2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing (ICIEAM). - 2017. -Paper number 7910936. DOI: 10.1109/ICIEAM.2016.7910936

132. Kazarinov, L.S. Identification method of blast-furnace process parameters/ L.S. Kazarinov // Key Engineering Materials. - 2016. - Vol. 685. - P. 137-141. DOI:4028/www.scientific.net/KEM.685.137

133. Kolesnikova, O.V. Identification of the Efficient Manufacturing Characteristics/ O.V. Kolesnikova // Energy Procedia. - 2017. - P. 79-88. DOI: 10.1016/j.egypro.2017.09.602

134. Ризаев, И.С. Интеллектуальный анализ данных для поддержки принятия решений / И.С. Ризаев - Казань: Изд-во МОиН РТ, 2011. - 172 с.

135. Соколов, Б.В. Концептуальные основы оценивания и анализа качества моделей и полимодельных комплексов /Б.В. Соколовю - Изв. РАН. Теория и системы управления. -2004. - № 6. - С. 6-16.

136. Ларичев, О.И. Теория и методы принятия решений / О.И. Ларичев.

- М.: Логос, 2000. -295 с.

137. Шарапов, Р.Р. Повышение производительности шаровых мельниц замкнутого цикла измельчения/ Р.Р. Шарапов//Известия вузов. Северокавказский регион. Технические науки. - 2007. - № 4 - С.78-80.

138. Остановский, А.А.К определению производительности и удельных энергозатрат в вертикальной мельнице динамического самоизмельчения с силовым замкнутым контуром/ А.А. Остановский, Е.В. Маслов // Технические науки. - 2015. - № 3. - С. 59-67.

139. Маляров, П.В. Интенсификация процессов измельчения в условиях Талнахской обогатительной фабрики (ТОФ)/ П.В. Маляров [и др.] // Обогащение руд. - 2008. - №6. - С. 6-10.

140. Bwalya, B.W. The use of discrete element method and fracture mechanics to improve grinding rate predictions / B.W. Bwalya, Moys, A.L. Hinde // Minerals Engng. - 2001. - №14 (6). - P. 565-573.

141. Cleary, P.W. Modelling comminution devices using DEM /P.W. Cleary//Int. J. Numer. Anal. Meth. Geomechan.- 2001. - P. 83-105.

142. Djordjevic, N. Determination of lifter design, speed and filling effects in AG mills by 3D DEM/ N. Djordjevic // Minerals Eng. - 2004. - №17 (11-12). -P. 1135-1142.

143. Inoue, T. Analysis of grinding actions of ball mills by discrete element method / T. Inoue // Proc. XIX Int. Min. Proc. Cong. - 1995. - Р. 191-196

144. Mishra, B.K. Simulation of charge motion in ball mills/B.K. Mishra // Part 1: Experimental verifications.-1994.- P. 171-186.

145. Таранов, В.А. Повышение эффективности рудоподготовки золото извлекательных фабрик на основе оптимизации технологических схем/ В.А. Таранов: Диссертация на соискание ученой степени кандидата технических наук. Санкт-Петербург, - 2016. - OD 9 16-5/997.

146. Таранов В.А. Оценка прочностных свойств руды как фактор повышения эффективности процесса измельчения/ В.А. Таранов// Научно-технический журнал Горный информационно-аналитический бюллетень (ГИАБ). - №4. - 2015. - С. 119-123.

147. Шабельникова, А.Ю. Прогнозирование диагностических параметров технологического оборудования/ А.Ю. Шабельникова, А.С. Тычков, Д.А. Васильев // Международный научно-исследовательский журнал (серия Технические науки). - 2012. - № 5. - С 134-135.

148. Connor, J.T. Recurrent neural networks and robust time series prediction./ J. T. Connor, R. D. Martin, L.E. Atlas // IEEETransactions on Neural Networks. - 1994. - 5(2). - Pp. 240-254.

149. Lawrence, S. Face recognition: a convolutional neural-network approach/ S. Lawrence, C.L. Giles, Tsoi Ah Chung, A.D. Back // IEEE Transactions on Neural Networks. 1997. - 8(1). - 98-113.

150. Bezdek, J. C., Tsao, E. C.-K., & Pal, N. R. (n.d.). Fuzzy Kohonen clustering networks/ J. C. Bezdek, E. C.-K. Tsao, N.R. Pal [1992 Proceedings] //IEEE International Conference on Fuzzy Systems.

151. Туз, А.А. Построение модели процесса измельчения в агрегате непрерывного действия с замкнутым циклом ОАО «Ковдорский ГОК» с применением нейросетевых моделей. / А.А. Туз, В.Н. Богатиков // Труды Кольского научного центра РАН - 2013. - 5 (18). - С. 189-198.

152. Морозов, И.Н. Алгоритм оценки текущего состояния технологического процесса при нечетко выраженной исходной информации./И.Н. Морозов, А.Е. Пророков, И.Е. Кириллов // Труды Кольского научного центра РАН. - 2011. - №7.

153. Туз, А.А. Нечётко-логический подход к моделированию процесса измельчения в агрегате непрерывного действия с замкнутым циклом Акционерного Общества «Ковдорский горно-обогатительный комбинат». / А.А. Туз [и др.] // Интернет-журнал «НАУКОВЕДЕНИЕ». - 2016. - Том 8. -№1.

154. Туз, А.А. Управление технологическим процессом измельчения в шаровой мельнице в цикле подготовки питания флотации на основе нечетко-определенных импульсных моделей. / А.А. Туз: Диссертация на соискание ученой степени. - Москва - 2017. - OD 61 17-5/2073.

155. Иващук О.А. Теоретические основы создания автоматизированной системы управления экологической безопасностью промышленно-транспортного комплекса: монография/ О.А. Иващук, И.С. Константиов - М: Машиностроение, 2009. - 223 с. - ISBN 978-5-94275-473-0.

156. Павлюк, Н.А. Математические и алгоритмические модели реконфигурации модульной робототехнической системы/ Н.А. Павлюк // Вестник КРАУНЦ. Физ.-мат. науки.- 2020.- Т.33.- № 4. C. 122-131.

157. Савельев,М.Ю.Построение интегрированных автоматизированных систем управления НПЗ/НХК / М.Ю.Савельев и др. // Автоматизация в промышленности. - 2024. - №°6. - С. 13-24.

158. Милкина, Ю.А. Создание интегрированной системы управления с целью повышения эффективности машиностроительного производства: автореферат диссертации на соискание ученой степени кандидата технических наук по специальности 05.13.06 - Автоматизация и управление технологическими процессами и производствами / Московский государственный технологический университет. Москва. - 2011.

159. Гвишиани, А.Д. Большие данные как продукт обогатительной фабрики: реальность и перспективы на примере угля/ А.Д. Гвишиани, И.М.Никитина, И.М.Алёшин // Russian Journal of Earth Sciences.- 2023.-Т. 23. - ES3011.

160. Ташенова, Л.В Анализ бизнес-моделей промышленных предприятий Казахстана в условиях цифровой трансформации /Л.В. Ташенова , Д.Г. Мамраева , Б.Ш. Кульжамбекова // Вестник Академии знаний. - 2023.- №°5 (58). - С. 515-524.

161. Гасанов, Э.Р. Комплексный подход в решении задач цифрового производства / Э.Р. Гасанов , Д.А. Смирнова , И.А. Шура// Автоматизация в промышленности. - 2024. - №°2. - С. 48-53.

162. Ivashchuk, O.D Automating the Evaluation of the Efficiency of Averaging a Commercial Ore Concentrate /O.D Ivashchuk, S.R. Gzonyanb et al. // Theoretical Foundations of Chemical Engineering. - 2024. - Vol. 58. - No. 4.- Pp. 1375-1379.

163. Ivashchuk, O.D Estimating Expected Variability of the Quality of a Commercial Concentrate on a Processing Plant of a Mining and Processing Enterprise

upon Variation in the Mixing Bin Volume / O. D. Ivashchuk, O. O. Ivashchuk, S. R. Gzonyan// Theoretical Foundations of Chemical Engineering. - 2024. - Vol. 58. - No. 4.- Pp. 1370-1374.

164. Иващук, О.А. Построение моделей подсистемы предиктивной аналитики при автоматизированном управлении обогатительной фабрики горнообрабатывающего комбината/О.А.Иващук, С.Р.Гзогян, Д.В.Гончаров, А.В.Маматов // Современные наукоемкие технологии. - 2025. - №3. - С. 20-30.

ПРИЛОЖЕНИЯ

ПРИЛОЖЕНИЕ А Свидетельства о государственной регистрации программ

для ЭВМ (справочное)

ПРИЛОЖЕНИЕ Б Патенты (справочное)

ршйийс кл я фьдкгл ц11.я

(51) МПК

й<МС ЛОО (Я06ЛП

2 535 722 С2

(Ч

и

(Ч 14

г— ■л

п

л

44

«аич.: ьнлл (яша

сю ин 1млш;гуа.1 ьни а шн.тл.|-.нносги «^ОПИСАНИЕ ИЗОБРЕТЕНИЯ К ПАТЕНТУ

(21Ц22П

2012ПСИ5йга5, 19Л720]2

Гю1 м Тллълла Е1люлал ша : к Г_тк Гюгки Сема! ЕЪ.Арсвнт1 Внмллнов й'и.'и1М1гу Ллхсдлцрошга к Чллтурл! Елш .Ъалчисплл

<75 > п ЛЛЛ7ШЛП1Л 7411н.л1:

■кхрипп« гасу^арсткил« ИПНКИХ одрз.'ст.тслиюе отрехаеш« suciiE.ro п-!»}! ее с а си или о го ойрлаил]1л 'ЕЗаималалишЯ 1ЕСЛТПИСЛ1^Х11Л ТСМЮ/кчл'ЬХКНП «ширсзгачт ""МНСиС4

<Я0>

г Да тл м 1'ч и шлп! срал лсйсш! л в гэ11Е 1М7:20]2

П ]НК1 [изчгкШ:

(Ц^шицшинЕ ]9Д 13Я12

Дата мтЖпны:^™ -швга: 27Л Ц20<14 Бкп.Л^Л

(4510.11у(п:н141«1ло: Ьи1л.> 35

(ЗД1 лноа к >1 кт п. .и ;г iqK4j.ii ми ч в атп 41 илюж Ь 02081291 С], iaj07.3Sin.su 526Ж А. 02.1 1.1976.5 0 85 ] ]82 А. 25Д5.191]. £ 0 ]^5]Й7ТА]. 15.Н_]987. ] 155985 А, 0705.3985. .Чи ]83СЮ55 А],0ТЛ8.]99^. ЬО 20Й155] С], !0Лй.]99й

Адри: ч 1С и^рс

] 190*9. Мое™. ГСП-]. В^9..|Ь|ил<1иЯ пр-зст. 4. МИСиС.Отдил шилгги плтелласгуплиюй от 5с гм1лос"П1

(ЭД СПОСОБ Л О ЛУЧ ЕН ЫЯ ВЫСОКОКАЧЕСТВЕННОГО МАГНЕТИТОВОГО КОЕШЕНТРАТА

Рефс^ит:

Нтая^таше огласится х лйлллпи теле ал а ги чески* процесса! о

1 '.1 рН .'ПС р.! р-!л\1 ты г1_'.кн11-- Г1 1фШ1Л1С1е]В1аСЛ1 л

макет аилх 3Ciki.-tlk3iu.iio в тетки сгми на:гучл ше писака шлсетк шил шшетито сил к.инк 1гтрлт-п п с псинамЛ1К1Я Мй&гсикй лачеЯ пре ли и* и р« месеЯ для и рлзгнылсши иетлт ллкшллл иж продуктов, □

■*лс ктраметтлургичее ном ^рс^зеле-лораш каваП нега ллургтв!. друпи. атрлслжч. п рал qj3ii.it: ипасти Опашй ЛОЛУЧИНШ ш юпяию ванщя1трата жилкгает кпешфикыдт. демзыельче иле. \иа пи тнум ев1 арлдпа л Ы-инап иук1 л ал/им _!лл*л с получат™ ьишеттгтоюта зоалцелтриа л атылыалч. хжктоя. Перед :к!зп4с п.

К1 СП

ы

СП

о

К1

ршниюго 4Е1 тс -Л"1.' ли ¡л нтрэтл

жулвЕгижктт е га лредвл [жтел и п.' юл ад гатчтшку путем тгкшпж л жи. юлл-мвои мхпигпю-флмпщмоытсшзцагтрцн гшше лаосхвдрвдга штакс и шектднм шиитам папе с получением отвалил их хвостав л '1фмыю юазаклтрат! л зстасимфикаввоо чертвало- ксни|езгтр.гта па крушшЯ и таикий !Iр-.■ гук: и. Кругпшй лрадукт Лаапысльч^иат л-зрел лппсилсм с тол ты с ¡метегчкшкЛ лаллалшлкА л ылпштипЛ асп^ридкл. Та 11:1 'н:>з: р-:лультлт - ¡м ишлеШ1е зффсоиннскпгн пр.11ка:а лап^иплл пишкдпк^чеепклзпх«. ШППОРШ

1лиши-]1;рйт^п.е]игАош1е ни и ииАди.ги ьрелпич. прз[ма:сЛ. 1 ш.фои, 5ил_2тлйл„2з1р1

ст^ \

Приложение В Акты внедрения результатов диссертационного исследования

(справочное)

Ашциаи

(jflVIÜI 11ш11ш;ши»им|)11 JtH«.UII«1 II Ь inpHilflfHiB ' 111 lid llh ¡IIJ и III I HLl t ElíflJUi' Г(ЩПЩ11

I |ЧСЦЧ,Т_ MüCUEt, _ I 11II ll-.V Mil IITKICJtlT, ^I.CITLl А, 1ГДЖ V, 1E1 \E II! 11 Yejl И(«Ч}553.Т1-95 [Vnjü^iyi^ nciil.iu hlini 7TDft54ü(i47 ИВЁПТДИСНОИ

НаМЩИТ ** (Пиятавря IWnui

Алт

исгюл ь юшния реаудьтзгов нау ч t¿o- ikc/j едо ватеш** о ft работы «Методы li модели ареди сгнйкой аналитики при ашоштшришсш .................. i-ггедьной фабрикой гарна^гн иклыиитшибикаш

15асгоящим актом подтиерждаете», чт результаты дкТсеер1ацпоныои работы ГнмямаС.Р. в виде нейросетевшс мшей.йтрхшищ взаимосвязь между значениями [гронзаодкгйрыюсти голоеных шаровых мельниц и значениями параметров вещественного и гран у л ом етри чеою го состава желекруднога сыры и иных параметров щмцнгишит гроцес^а tro измельчен пх, псВиоплют повысиА точность прогнüiüpoaания процесса опгнмал ь holü у i [ран.л? ння рудоподгатоа кой.

Использование данных моделей позволяет повысить объект иность и тонкость LLpi>i иозировання изменения прошвод ir ге ль нос т н головищ* шароны* мельниц при варьировании параметрами технологического процесса .их обеспечения 1ребуемого качества получаемого железорудное kimin.-uip.jia. Т-тн модели обесаечнватсл возможное?! повышения объема переработки железорудного сырья на з-ЧО % при достижений требуемого качества лалезорудного юоицен грата.

С учетом мнения профильных специалвстав, данная иннонацпи представляй нрактнчесипи интерес и Судет использована при реаладации инновационны* программ по модернизации цифровые подсказчикон и существующих ЛСУТП на ойогаипельныч фабрикам, перераСвтитющil\ железорудное сырье.

€

ни нзii paji оонигалл «ю*тнм»

МИНОЙРНАУКИ РОССИИ

«bfpa.innee mo-DAPCTBgHHûC aUttdhchhqé

CfiF* п.т .ji V^F^L - E BbK ШЯЮ Ушицу.

НАЦИОНАЛЬНЫЙ

ИССЛЕДОВАТЬ ЬС*ИИ УНИВЕРСИТЕТ* (НИУ *БвяГУ»)

SmIÏ

Б1ГУ

DJ.J i'JftODSTATi UhIVtK5Jlï(iiU[

П JV e,f Ьдипра, aJKiHS.çmril Wbahu.Bdj m

.. -1-20 30 lï-ii sat S0.1Û n Wft чин'.ч^йилаич о <™ сл .щ crp. ■ iv'sif и инн»лп siîjBsat ïh»i» ■

УТВЕРЖДАЮ

[ ipopck горчи, раошоии juu 14СУКШ1Л *.......ВО цЬспгеролеялй

h4l4ji наишлвпъешы

й укнвереитега

И.М. ЙЕратй"кО :CG5r.

Акт (j 1>|Цхш11

результат», Порченных n чане -ткс^рншгонно* р^кпы Гигана Сечёна Рвйрошщ» на тыу «Методы и Wimta пдааиа^ееигаал при ев™.*! вдрншщн ЗДШшвкИ ИМИКЙИЙ (|1и6рикпЯ горнскйитагнтбЛЬняу гомбнивд», представленной ннсонскаинеучсияй степени кандидата топических веукир СПеииальиосгн 2.3.3-. Автокткмцня и уирнккинс пеани.'иикческнми

14»цмиан и iiiJMH ÎTCXHU'I^lkhi; н;|у*н'|

Pnvmraju лиссертациимного a^mtuiin Гюгяна Ç.P. пйш.пн отражение при пыпо.чнецня вешврожиш госудЩкменныч ЕЮАииНАынын щслсдавйспьаснч 9ЛМСрП№том 1шуч1 ю-тл.лмовлjt.-iKni* работ l-участием ангара. » чщгпгости:

I- ■'i'aîpiiôoira гетиДихн pacifia орппвсянтшшкчпЛ! мелышц ни основе LuniHTH4CCK»ro «ЯОЯШ и определения KoppL-.mi|HinrnHX ЯЯКШрСПЯ поигителм от

ющктисшюп? COCTILHB .........1 tupi,Я н конечного MHWHIp^i^-:

: (гй^мфмклп.щ ЦШЩ расчет* йяиднвной прсщюзиияьносзн пкговкых

челчфщ е щвлси^ч.-ти ГЦ дшгао!« участь s н шнют i^iio.vDr.iuiM ы.к Клариита»;

J. «Ооднка Ыишп жли гдодамбаггиших киврпмшн a плат jti имиогогнческиП просикц овйгыюти*.

Исоользонкн? результатов дисссрэтНИНйб рдбогы дозволила вдаыеитъ uirTL'jKt для прелдфилий горгно-перера&етинюшню npowiFHWWm ирн оргаюпации

аьтоматяэщк............ jnipâb.iL-ttKn тс* колотя чгскимн гродке&чн и tро«з водитьiw ^ ^

реализацией функции кредитивной аналитики, оОеигечнвакнпих гтовытенце точности прш-ыйаирниянт этрфпводисьлиюсгн Ынепьчкпйпьямй д&толмйнп ЕВ 1+5%, объективное ПШйфЯщМ проиводствгннш ресурсов и научно-обоеяояяийг

ILuil jfcWHHç фнгнжп-най ЧОЦСЛН.

| 1иучный сотру^им IIHJI еСогмпечия

HHIKpUUlOf« СЫрд.я им. I И Гэогян

rpklllhiklii li.ES.

>11

Piklema

Predictive

- \vwv;. p i k le m 3 xotn

Hex. № Ha

PP/Ol-OO-lODK 01

KK09 2023

An

witiviuomiuo piiyjuttfftbb nayumi-itcc.it- uus.iic.ii^-toii pawitij «Merojin h mqumth npcihktbhiiijtt ahajimwh npii ant»*; it k mpuwutitDM i npawwhiw

OOOraniK ll.ll^il r)kLH>p|lhVfi rO|l>ki <KHli;miIi:.li,EKHi> k'OMrfimiBTflJ'

HucromjiirH ;iKniM iio^mcpmuifH, no p.' s> n.rui u :incccpiauiiu im>ii paiiuiu r«)i*jm r.f oojkpkauthc n mhvfkwr ti. «catjiy napahcrpomii pvjuntniluinjtit ji kukctkiiuim Ktatioin.mom cupu npcjierMJttkir tipjMU'iivkLiit itvifpcc iipti ityopNHptiaiujHH ttpmH* vu/LCiL-n, OdfOBUfHiat ita ^srHiKP-rcxHaoanmxiDix moiioucpm* mv pafioTU h iuc;ii.'iii^it,itoiki

(hfhipvjtohjuiis

ikhc.iip'mmuiihl' „uuittix ia*o}k»wqj<wcicfl noittojiuei uotcuujH ihiuti, hcjuuaioi»»! oown firnipuiHBHDft Hiiij)opMAiiiiit, Heo&cojMMdfl im omHMHuttHH pt&nu 11 iMciviHienbtiaft) o6op>;n«uiiM no Kpint'pHKj MWCMmuii4»n> d6w:ihi oeptpafiot*« wtJiPh>pyaw«ro CMpUl iipn uauiiiiDH KDMifcTBt «fcicsopj.iHorj goiMeti ipj in,

PcjyjiMim .iHccepruiLHiiHfioti p«fi<iru «Mtroju n mo;«.™ jipawicnmHoft awHtwiH up» antomaiiiijipnuahhom >ii|un k-iih>i .maiiiii' n.ium ((»uupitkmh hipki^nwarific ikittuo k<nk".hii,u.i-yimtu npH MOAcpHHiauwH ciponix vo.wwft py/HMioammiiKM av.h*«»p> i,,,,,,, tl,,p,,b nv NciiwtbiouKHc no j in-, ja u-1 iwHuom rotttuctb npKHniMJt yjipaajKmcti™* pciucimA h [wreHtutumtt nmucHTVoAMM iKpcpaGofHH «tieiopy-ifioiiicMpbiiGcf vK>juneniin ranccr*) kohcthoto npftiyrt*.

IAHIBIJC jjm^nmij HCffpccerewft UL\km. pftTpgoara^nMC I i»wm ( P.. Miiryr raVrnc.......

numjtucMHi' ofii-cwi riL-pepaTwrKM pynw twicc 4em Ha 5%, 6ci yxvjujiciiiu u<Kcneiiiw-KtviHHecrwHiute npKiiaTcncii nipowtipo;iyictiii) Marmrntofi ccnap«*». Jf brume utntptrrMu npewnaiuiMOT npgrrwuiocHfi HHnepcc h viniyi Sun. kci»jikv)b№M .inn ccuamw npo.tj'KTCsif. KCTophK 6)'4yr (TpHMtrHHujj i rs oimiMiiuiiHM pofioThi rnpHQflofiMsaiomiw npomKwra.

I tFicpa.ri.iru Ik ,iHpcKi up

ft:,A. Afifcwi

ooo "h n xjtc mj'' mhh

www.pklf mjLiim Knn ■ Ir 'il'".1' Ipmj.iafn orpn

9717033«0 770B010C1

Cip 1 hi 1