20 апреля 2025, Воскресенье
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
arrow_right_black
12 февраля 2021

Автоматизация процессов создания сортового плана по данным шламового опробования буровзрывных скважин на примере Олимпиадинского ГОКа

messages_black
0
eye_black
3761
like_black
0
dislike_black
0
А.Г. Савченко — руководитель группы геологического моделирования, АО «Полюс Красноярск»
И.А. Григоровский — региональный технический специалист Micromine
Е.О. Яшков — технический специалист Micromine

Горно-геологические информационные системы (ГГИС) при рациональном использовании позволяют повысить эффективность и качество выполнения производственных задач, но в то же время неправильно настроенные рабочие процессы значительно уменьшают продуктивность использования системы. 

В данной статье пойдет речь о возможностях ГГИС Micromine для автоматизации процессов создания сортового плана по данным шламового опробования скважин БВР на примере Олимпиадинского горно-обогатительного комбината (ОГОК), АО «Полюс Красноярск».

На ОГОК информация по положению фактически обуренных буровзрывных скважин, а также взятого шламового опробования пополняется ежесменно. Актуализация данных в Майкромайне осуществляется подключением к базам данным, основанных на SQL (англ. Structured Query Language), посредством связи ODBC (англ. Open Database Connectivity). Для автоматизации данного процесса был написан макрос, который обновляет все необходимые файлы, а также производит дополнительные расчеты в них, результатом работы макроса является «рабочий файл опробования». После завершения работы макроса специалисты имеют актуальную информацию для быстрой загрузки данных по горизонтам, сохранённую в формы Визекса (рис. 1).

Рис. 1. Загрузка данных опробования.png


Рис. 1. Загрузка данных опробования скважин БВР по горизонтам

Следующим этапом автоматизации является использование макроса по созданию блочной модели, исходными данными являются фактическое положение горных работ в виде каркаса, стринг-файл границ взрыва, файл опробования скважин опережающей эксплуатационной разведки (ОЭР) и данные опробования по скважинам эксплуатационной разведки (СЭР). Исходные данные хранятся в локальной сети, согласно разработанной системе хранения и пополнения данных. 
На основе этих данных макрос создает каркас взрываемого блока, который в дальнейшем является границей для создания пустой блочной модели (БМ) и объединяет два файла опробования в единый. В пустую БМ записывается информация по доменам для применения разных параметров интерполяции содержаний для каждого домена. 

Далее на основе созданной блочной модели специалистами геологической службы создаётся стринг-файл сортового плана. Файл должен иметь определённую структуру и содержать в себе необходимую информацию, такую как количество и качество руды, сорт руды, координаты границ, имя блока и т. д. для корректной загрузки данных сортового плана в автоматизированную систему управления горнотранспортным комплексом (АСУ ГТК). Отрисовка линии осуществляется вручную специалистами геологической службы, а для создания необходимой структуры используется макрос, который производит все необходимые расчеты в стринг-файле.

Подводя итоги, можно сказать, что использование процессов автоматизации создания сортового плана на ОГОК существенно увеличило производительность труда и минимизировало влияния человеческого фактора. Также стоит отметить, что создание и использование макросов в Майкромайн не требует дополнительных знаний в программировании, достаточно умений работать в самой системе. Таким образом при помощи макросов можно автоматизировать самые разные процессы, и варианты применения их ограничиваются только фантазией пользователей. 

(1) Рис. 2. Создание сортового плана по блочной модели.png(2) Рис. 2. Создание сортового плана по блочной модели.png


Рис. 2. Создание сортового плана по блочной модели

Опубликовано в журнале "Золото и технологии" № 3/сентябрь 2020 г.

21.03.25
Как и зачем распознавать керн с помощью машинного зрения? Новое слово в цифровизации добывающей отрасли
26.12.24
Мониторинг и управление производственными процессами на золотодобывающем предприятии
26.12.24
Ведение цифровых моделей подземных горных предприятий в наши дни
25.09.24
Только 22% промышленных компаний заместили ПО для работы с данными более чем на 70%
02.07.24
Автоматизация в горнодобывающей промышленности: современные тренды и разработки
02.07.24
Синергия взаимодействия: недропользователь, разработчик, государство. Так создаются эффективные цифровые решения
01.04.24
Итоги 2023 года для горно-металлургического комплекса: главные ИТ-тренды и прогнозы на 2024
27.03.24
Автоматизация мониторинга экологической ситуации на гидросооружениях и хвостохранилищах
27.03.24
Автоматизация процесса создания сортовых контуров
31.01.24
Цифровизация начинается «с поля»
31.01.24
ГГИС MINEFRAME — импортозамещение ключевых цифровых технологий в области инженерного обеспечения горных работ
30.01.24
Определение контура карьера по граничному коэффициенту вскрыши в Micromine Beyond
23.06.23
Опыт АЛРОСА: цифровизация управления геологоразведкой
20.06.23
Расчет показателя энергоемкости бурения с помощью ГГИС Micromine Origin&Beyond для оптимизации проектирования буровзрывных работ
16.03.23
Семь шагов к эффективному управлению данными о производственных активах
06.02.23
Системы активной безопасности в добывающей индустрии
31.12.22
Разработка и улучшение моделей машинного обучения для автоматического извлечения керна из изображений и поиска кварцевых жил
31.12.22
Цифровой карьер на базе решений «1С:Горнодобывающая промышленность»
29.11.22
МАЙНФРЭЙМ — отечественный инструмент для создания цифрового двойника месторождения
29.11.22
Разработка автоматизированных систем управления производством в условиях импортозамещения
Смотреть все arrow_right_black



Яндекс.Метрика