Цифровое управление в горнорудной промышленности: решения и опыт

Д.В. Лежнин — начальник технического отдела ГК «ТЕХНОЛИНК»
И.В. Некрасов — архитектор решений GE Digital
К.В. Лосева — студентка группы 4491 факультета ЭА СПбГЭТУ «ЛЭТИ»

Компания General Electric (GE), один из лидеров промышленности, в том числе в области добычи и переработки рудных полезных ископаемых, как и многие другие предприятия горно-обогатительного комплекса, каждый день сталкивается с повышенными требованиями во всех аспектах своей деятельности. Известно, что горно-обогатительные комбинаты функционируют сегодня в условиях нестабильных цен, сокращения прибыли и постоянно растущих требований со стороны потребителей продукции. Кроме того им приходится сокращать сроки выполнения заказов и затраты на производство, поддерживать темпы  развития технологий при повышенном внимании к защите окружающей среды, а также справляться с нехваткой квалифицированных кадров.

При планировании развития производства важно использовать передовую аналитику для организации и улучшения рабочих процессов переработки и транспортировки продукции. Необходимы такие решения, которые помогут:

• уменьшить незапланированное время простоя;
• оптимизировать отдельные операции и производственные процессы в целом;
• действовать на опережение.

Современные предприятия горно-рудной промышленности собирают терабайты данных, но, несмотря на это, они не являются цифровыми. Можно предсказать, что использование промышленного интернета вещей несёт абсолютно новые, положительные изменения в промышленном ландшафте, но при этом нужно помнить, что спрос на локализованные решения, развёртываемые в пределах производства/корпорации, до сих пор ещё высок. 

Мы в компании ТЕХНОЛИНК, опираясь на опыт GE, говоря о цифровом управлении предприятиями горнорудной промышленности, подразумеваем целый комплекс ИТ-решений, благодаря которому:

• Ваши объекты становятся «прозрачными» — обеспечиваются наблюдаемость в режиме реального времени и контроль над всеми производственными процессами;   
• Ваши предприятия производят техническое обслуживание оборудования на основе данных превентивной диагностики, а не по расписанию для предотвращения незапланированных отключений;
• Ваши промышленные данные, сети управления и приложения защищены от вредоносных программных угроз — автоматически и непрерывно;
• Ваши аналитические возможности бесконечны и могут быть настрое-ны с использованием открытых инструментов и подключаемых подпрограмм, что позволяет минимизировать время простоя, оптимизировать производительность и реагировать на изменения рынка с безупречной гибкостью.

Отправной точкой для цифровой трансформации вашего производства является создание цифровых двойников оборудования и процессов: датчики, локальные системы управления и т.д. безопасно передают данные о вашем оборудовании в выбранное хранилище, после чего вы можете использовать свободно компонуемый набор целенаправленных решений.

И неважно, где вы его разместили: на локальных серверах предприятия, в облаке корпорации или, например, в Predix™ — первой облачной операционной системе для промышленного интернета вещей.

Основную идею цифрового управления, вслед за GE, можно обозначить тремя принципами:
1. «Get Connected» — пользуйтесь целостной, структурированной информацией о всей цепочке производства, а не отдельными «островами» данных.
2. «Get Insights» — на основе архива данных создайте цифровой двойник (модель) отдельных агрегатов или целого производственного процесса и контролируйте разницу между текущим состоянием дел и штатным режимом работы. 
3. «Get Optimized» — пользуйтесь подсказками системы цифрового управления, чтобы достичь наилучших результатов. Ведь каждое производство может работать как лучшее!

Хранилище производственных данных — фундамент цифрового управления

Основой для внедрения цифрового управления является единое хранилище производственных данных. Выполненное на GE Historian оно может хранить миллионы параметров при скорости чтения/записи в десятые доли секунды. Хранилище представляет собой высокопроизводительную систему архивирования данных, предназначенную для обеспечения эффективного сбора, сохранения и извлечения технологической информации на сверхвысоких скоростях. Использование хранилища обеспечивает:

• единую точку сбора информации из разрозненных источников (локальные АСУ ТП, системы автоматики, узлы и системы учёта, данные ручного ввода и др.);   
• единую версию данных для всех пользователей;
• возможность хранения больших объёмов информации;   
• расширяемость и масштабируемость;
• обработку информации несколькими получателями одновременно;   
• единую систему классификации и кодирования информации для всего производства;
• встроенные возможности анализа и обработки;
• открытость и интегрируемость за счет использования стандартных интерфейсов и протоколов обмена;   
• надежность и устойчивость в части обрыва связи с источниками информации (буферизация данных в коллекторах);   
• надежность и устойчивость в части сохранности информации со встроенной технологией зеркалирования;   
• администрирование и пользовательский доступ с помощью технологии HTML5.

Пример крупнейшего внедрения хранилища производственных данных — Центр мониторинга турбин GE, характеризуется следующими показателями:

• хранение исторических данных за 30 000 часов;
• 2 600 турбин постоянно подключены и отправляют текущие параметры;
• 80 терабайт данных в хранилище.

Оптимизация в режиме реального времени

В качестве системы оптимизации используется высоко унифицированное, построенное с учетом международных стандартов, и уже многократно опробованное ИТ-решение на основе GE CSense для систем усовершенствованного управления и оптимизации технологического процесса методом формирования математической модели и ее интеграции в существующие контуры управления.

Использование инструмента обеспечивает:

• анализ влияния параметров технологического процесса на целевые показатели;
• предварительную оценку экономического эффекта;
• естественное развитие системы оперативного контроля и управления производством.

Математическая модель может быть построена, например, с использованием нейронных сетей или правил нечеткой логики. Модели применяются:

• для создания виртуальных анализаторов там, где прямое измерение невозможно или выполняется не так часто, как это необходимо;
• решения задач многопараметрического управления;   
• стабилизации и оптимизации техно-логических режимов с учетом известных ограничений и на основе ключевых показателей эффективности.

Опыт внедрений: цель, назначение, результаты

Один из примеров успешного внедрения решения по оптимизации — фабрика Lonmin Platiunum (ЮАР). Целью внедрения являлось определение основных причин нестабильности уровня пульпы на флотации. Для этого система оптимизации поддерживает плотность питания гидроциклона в приемлемых диапазонах и расход питания гидроциклона на постоянном уровне, чтобы уровень зумпфа мог выдерживать нестабильную скорость потока. В результате внедрения удалось снизить: вариативность расхода питания гидроциклона с 30 до 5 %, относительного стандартного отклонения плотности с 8 до 4 % и среднего стандартного отклонения давления на гидроциклоне с 90 до 45 %.

Другой пример — фабрика измельчения руды компании Harmony Gold (ЮАР). Максимизация выработки, стабилизация и улучшение текущего процесса измельчения, оптимизация измельчения в контексте сокращения энергопотребления при поддержании качества измельчения — такие цели были выполнены благодаря повышению выработки минимум на 1 %, при этом эффективности процесса измельчения улучшилась на 9,75 %.

Внедрение системы оптимизации на шаровой мельнице в цикле измельчения на цинковой обогатительной фабрике (Xstrata Zinc, Австралия) преследовало цель увеличить производительность за счет возможности выбора оптимальной производительности оператором. Обеспечив с помощью модели, построенной на правилах нечеткой логики, подсказку «наилучшего» управления для оператора, удалось достигнуть повышения скорости питания от 3 до 15 % в различных режимах.

Превентивная диагностика оборудования

Превентивный мониторинг состояния основного производственного оборудования выполняется на основе решения GE SmartSignal. Данный функционал обеспечивает:

• раннее предупреждение об отказах оборудования с указанием типа неисправности и приоритета. Это позволяет определить возможную неисправность, выявить возможную причину и оценить степень важности прогнозируемого сбоя;   
• определение отклонений в поведении оборудования, влияющих на его надежность;
• предупреждение катастрофических отказов оборудования, что помогает сократить время незапланированного простоя, повысить доступность оборудования, снизить затраты на техническое обслуживание и потери производства.

Принцип работы технологии заключается в использовании хранилища производственных данных и предполагает эффективное использование контрольно-измерительных приборов и информационной инфраструктуры предприятия. Система превентивной диагностики постоянно собирает и анализирует данные из журнала событий, для того чтобы выявлять, диагностировать и устанавливать приоритеты наступающих проблем.

Отклонения от нормальной работы  оборудования выявляются путём сравнения фактических данных и прогнозируемого поведения оборудования, после чего пользователям направляются уведомления об отклонениях на стадии развития проблемы. Пример раннего выявления неисправности представлен на рисунке 1. 

Рис. 1. Раннее выявление неисправности

Решение по превентивному мониторингу и диагностике также характеризуется обширным каталогом готовых библиотек (шаблонов) как для конкретных моделей оборудования, так и предназначенных для оборудования, независимо от производителя. Не считая обобщенных моделей для вентиляторов, двигателей, коробок передач, в каталоге представлено более пятнадцати шаблонов, разработанных для карьерных самосвалов, мельниц и дробилок, систем транспортировки руды, что свидетельствует об обширном отраслевом опыте в создании подобных систем. 

Опыт внедрений: цель, назначение, результаты

Непредвиденные поломки оборудования и потери производительности имеют значительный, измеряемый экономический результат. Поэтому предотвращение непредвиденных сбоев и потерь производительности оборудования через раннее выявление проблемных мест и заблаговременное формирование уведомлений способствуют поддержанию высокой производительности и выработки продукции при меньших затратах.

Превентивному мониторингу и диагностике поддаётся как мобильное, так и стационарное оборудование. Подготовленные и настроенные модели для большегрузных машин и бульдозеров, экскаваторов и погрузочных машин, конвейеров и мельниц, моторов и т.д. делают акцент на предупредительной диагностике в целях повышения доступности перечисленного оборудования.

Например, благодаря внедрению системы превентивного мониторинга и диагностики группа горнодобывающих компаний Anglo American снизила незапланированные простои и добилась повышения доступности парка карьерных машин с 70 до 85 %.

Система поддержки принятия решений для ГОК

Для системы поддержки принятия решений (СППР) используется GE Workflow — инструмент документиро-ванного исполнения инструкций, кото-рый обеспечивает сквозное ведение модели производства. Основные воз-можности этого инструмента:

• двунаправленный обмен данными с внешними системами и источниками информации, с использованием стандартных коннекторов и встроенного SDK;   
• поддержка сервис-ориентирован-ной архитектуры, совместимой со стандартом ISA-95;
• ведение журналов;
• реализация регламентных и экстренных процедур мониторинга и корректирующих действий в управлении производственными линиями, рабочими ячейками, машинами и персоналом.

Опыт внедрений: сценарии, результаты

В качестве примеров внедрения приведем несколько сценариев, реализованных с помощью СППР. 

1. Анализ работоспособности оборудования и оценка рисков.
Главной предпосылкой введения этого сценария в СППР является необходимость документальной фиксации, зачастую в разных формах (бумажные носители, Excel, сторонние базы данных), регулярной работы, выполняемой инженерным персоналом предприятия совместно со службами технического надзора. 

Единый графический интерфейс СППР позволяет получать информацию от всех пользователей параллельно, автоматически сохранять сведения и формировать отчетность, минимизировать ошибки, дублирование данных или их произвольную интерпретацию.

2. Идентификация и управление опасными ситуациями.
В экстренной ситуации запуск сценария помогает персоналу идентифицировать и категоризировать опасные ситуации/угрозы в соответствии с принятыми нормами и политиками безопасности, охраны здоровья и окружающей среды. Сценарий обеспечивает интуитивный выбор уровня и в случае высокого риска предоставляет дополнительные интерфейсы для управления и реагирования на угрозу. В таблице 1 представлен пример  матрицы анализа рисков, заложенной в такой сценарий.

Вероятность возникновения аварии	Потенциальные последствия аварии
	Незначимые	Минимальные	Средние	Крупные	Катастрофические
	Средний	Высокий	Высокий	Экстремальный	Экстремальный
Вероятная	Умеренный	Умеренный	Высокий	Высокий	Экстремальный
Возможная	Низкий	Умеренный	Умеренный	Высокий	Умеренный
Маловероятная	Низкий	Умеренный	Умеренный	Умеренный	Высокий
Редкая	Низкий	Низкий	Умеренный	Умеренный	Высокий

Табл. 1. Матрица анализа рисков

3. Изменение уставки в системе противоскольжения машин.
Для технологических процессов добычи и переработки рудных полезных ископаемых существует много критичных значений, к которым относятся уставки защиты операторов/оборудования, контроль спецификаций/качества конечных продуктов и т.п.

Довольно часто предприятию требуется регулировать данные значения. Традиционный способ — использовать сочетание логики контроллеров и скриптов SCADA или таблиц БД. Однако данные решения сложно обслуживать, т.к. требуются подготовленные инженеры и, кроме того, возникают проблемы с обновлением уставок при изменении технологических регламентов.

Так, сегодня, если оператору требуется изменить уставки в системе противоскольжения, чтобы разместить две мобильные машины (например укладчик или реклаймер) друг напротив друга, он сообщает об этом заранее по радио начальнику смены и подтверждает, что корректировщик находится на месте, чтобы не допустить столкновения машин при проведении операции. Проблема заключается в том, что не всегда документируются причины изменения уставок и определяется период их действия.

При работе сценария СППР автоматически выполняет некоторые проверки, чтобы уточнить, не активно ли  и не используется ли в данный момент оборудование, а затем формирует последовательность заданий для персонала, ответственного за изменение уставки и согласование этих изменений. На рисунке 2 приведён пример экрана такого сценария.

Рис. 2. Экран сценария изменения уставки

Выводы

• увеличение производительности — от 1 до 10 %;
• снижение энергопотребления — от 2 до 10 %; 
• экономия реагентов — от 1 до 10 %;    
• общее снижение потерь — порядка 25 %; 
• увеличение возврата инвестиций — от 1 до 3 %.

Среди дополнительных улучшений следует отметить:

• повышение безопасности производства; 
• снижение выбросов в окружающую среду;   
• стабилизация технологических процессов;
• снижение затрат на обслуживание;   
• повышение прозрачности производства на всех стадиях;   
• повышение точности планирования.

Соизмеряя эти цифры с опытом использования перечисленных продуктов в проектах, выполненных компанией ТЕХНОЛИНК, мы утверждаем, что эра цифрового управления в горнорудной промышленности наступила, и мы приглашаем Вас быть полноправным участником трансформации отрасли! 

Опубликовано в журнале "Золото и технологии" № 4/декабрь 2017 г.