20 апреля 2025, Воскресенье
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
arrow_right_black
31 декабря 2018

Частный случай применения продукции компании Майкромайн на одном из золоторудных предприятий

messages_black
0
eye_black
896
like_black
0
dislike_black
0
Анна Живулько —  геолог-консультант МАЙКРОМАЙН Консалтинг 

Некоторое время назад наши специалисты проводили комплексное внедрение ПО Майкромайн на одном из золото-рудных предприятий на территории России. 

Одним из этапов внедрения на предприятии была настройка процесса планирования скважин БВР, пополнения баз новыми данными опробования, обновление блочной модели на основе вновь поступивших данных и последующее использование полученной модели при подготовке сортовых планов.

Необходимость комплексного внедрения ПО возникла по следующим причинам:
  • большой ежедневный и еженедельный объем поступающих данных; 
  • необходимость оперативного предоставления информации различным службам для слаженной и своевременной работы; 
  • все данные должны быстро обрабатываться для своевременных горно-проходческих работ.

Планирование скважин БВР

Планирование скважин БВР осуществлялось в ГГИС Майкромайн в пределах контура добычного блока, в котором размечались скважины для проведения опробования (на рисунке отмечены красным). Далее блок с размеченными скважинами выводился на печать при помощи функционала редактора чертежа Майкромайн Печать. При внедрении специалисты МАЙКРОМАЙН настроили формат печати для удобства сотрудников предприятия. 

Файл с координатами запланированных скважин передавался маркшейдерской службе в формате Excel для позиционирования скважин и по выставленным скважинам проводилось бурение. Хотелось бы особо отметить, что на проекте внедрялась эта система позиционирования, чтобы в дальнейшем загружать координаты планируемых скважин напрямую в буровую.

Составленный файл печати распечатывался, подписывался геологами и передавался пробоотборщикам. По намеченным скважинам проводился отбор проб (рис. 1).

Рис. 1..png

Рис. 1.

Сбор данных

Сбор данных всегда представляет собой очень трудоемкую и сложную задачу. Вся информация должна поступать в структурированном виде, данные должны быть полные и в идеале не содержать никаких ошибок, включая те, которые могут быть допущены под влиянием человеческого фактора.

Для решения задач сбора и хранения информации на предприятии было развернуто комплексное решение Геобанк и Геобанк Мобайл, являющиеся единой системой. Кроме того, функционал программ позволяет осуществлять оперативное пополнение баз данных через формы ввода, разработанные уникально для каждого объекта или предприятия, с настроенными проверками для уменьшения количества мех. ошибок (рис. 2).

Рис. 2..png

Рис. 2.

Для внесения полученных данных применялось мобильное приложение Геобанк Мобайл, установленное на ноутбуки. Были созданы исходные формы ввода, и при их составлении были настроены все необходимые проверки. 

Пример самых распространенных проверок: для полей От и До — чтобы значение в поле До не было меньше значения поля От, диапазоны данных и прочее. Также для удобства внесения были составлены справочки, с помощью которых для ячеек ввода настраивались выпадающие списки.

Для всех ноутбуков была настроена синхронизация через локальную сеть, и введенные на ноутбуке 1 данные оперативно появлялись у пользователя на ноутбуке 2. Затем вся информация поступала на сервер в хранилище данных, доступ к которому был установлен отдельно для каждой службы.

Таким образом, с помощью системы Geobank в серверное хранилище оперативно попадала информация по координатам уже пробуренных скважин БВР, а также по полученным данным опробования по ним.

Моделирование

После того, как информация поступила в хранилище, она импортировалась в ГГИС Майкромайн для обновления модели. Так как модель постоянно изменялась с приходом новых данных, было принято решение оптимизировать процесс моделирования при помощи макроса.

Макрос создавался из пустой блочной модели, и далее производилось три прогона интерполяции содержаний в блочную модель. Для этого применялся метод обратных расстояний IDW. В сохраненных формах макроса для каждого прогона изменялись соответствующие параметры: радиус поиска, количество точек и т.д. 

После обновления модели можно было приступить к планированию отработки и составлению сортовых планов. 

Целью процесса было получение сортовых планов, что по сути являлось контуром для непосредственной выемки при открытой отработке. При этом для каждого контура, помимо сорта руды, должны были быть указаны данные по тоннажу и содержанию.

Процесс состоял в следующем:
1. Подгружалась модель только в пределах необходимого блока, раскрашенная кодировкой по сортам руд.
2. Отрисовывались контуры — этот процесс производился вручную, так как геолог должен принимать соответствующие решения.
3. Полигонам присваивалась кодировка по сортам руд.
4. Далее при помощи функции Контроля содержаний для каждого типа руд (полигона) рассчитывался объем, тоннаж, среднее содержание и другие необходимые параметры на основе обновленной блочной модели в пределах данного блока.
5. Как результат мы получали сводную таблицу с тоннажем и содержанием, а также присваивали каждому полигону эти значения тоннажа и содержаний.

На рисунке 3 показаны обновленная блочная модель в пределах блока с отрисованными полигонами сортов руд.

Рис. 3..png

Рис. 3.

Полученные сортовые контура передавались соответствующим службам для проведения выемочных работ. Также на месторождении планируется внедрение Системы управления горной техникой, что позволит отправлять полученные контура по сортам руд с уже известными тоннажем и содержанием напрямую в бортовой компьютер горной техники (рис. 4). 

Рис. 4..png

Рис. 4.

Опубликовано в журнале "Золото и технологии" № 4/декабрь 2018 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