БОЛЬШИЕ ДАННЫЕ КАК ПРОДУКТ ОБОГАТИТЕЛЬНОЙ ФАБРИКИ: РЕАЛЬНОСТЬ И ПЕРСПЕКТИВЫ НА ПРИМЕРЕ УГЛЯ

Обложка

Цитировать

Полный текст

Аннотация

Существующие и планируемые в будущем производственные потоки обогатительной фабрики (ОФ) в статье рассмотрены с точки зрения генерации Больших Данных (БоД). Показано, что чем выше уровень автоматизации ОФ, тем объемнее и разнообразнее производимые ею данные. При этом возможно достижение уровня, когда генерируемые потоки информации удовлетворяют критериям БоД. В качестве базового примера используется типовая обогатительная фабрика, сырьем для которой является уголь. Описаны и проанализированы основные источники, объемы, разнообразие и скорости передачи регистрируемых данных на ОФ.

Об авторах

Алексей Джерменович Гвишиани

Геофизический центр Российской Академии Наук; Институт физики Земли им. О.Ю. Шмидта РАН

Email: rjes@wdcb.ru
академик Российская академия наук (РАН), доктор физико-математических наук

Изабелла Михайловна Никитина

Геофизический центр РАН

Email: i.nikitina@gcras.ru
кандидат технических наук 2015

Игорь Михайлович Алёшин

Институт физики Земли им. Щ.Ю. Шмидта Российской академии наук; Геофизический центр РАН

Email: ima@ifz.ru

Список литературы

  1. Абраров А. Д., Дациев М. С., Чикильдин Д. Е. и др. Система оптимизации процесса коллективной флотации Талнахской обогатительной фабрики на основе алгоритмов машинного обучения // Цветные металлы. — 2022. — Т. 2. — С. 87-93. — doi: 10.17580/tsm.2022.02.11.
  2. Авдохин В. М. Обогащение углей. Том 1. Процессы и машины. — Горная книга, 2012. — С. 424.
  3. Антипенко Л. А., Сарин Н. Г. Автоматизированное предприятие - Углеобогатительная фабрика будущего // Горный информационно-аналитический бюллетень. — 2017. — № 2. — С. 5-13.
  4. Асланова И. В. Mes как основа разработки систем управления производственными процессами предприятия // Российское предпринимательство. — 2017. — Т. 18, № 11. — С. 1651-1658.
  5. Гвишиани А. Д., Добровольский М. Н., Дзеранов Б. В. и др. Большие Данные в геофизике и других науках о Земле // Физика Земли. — 2022. — № 1. — С. 3-34. — doi: 10.31857/S0002333722010033.
  6. Гвишиани А. Д., Панченко В. Я., Никитина И. М. Системный анализ Больших Данных для наук о Земле // Вестник РАН. — 2023. — Т. 6, № 93. — С. 518—525. — doi: 10.31857/S0869587323060087.
  7. ГОСТ 17321-2015. Уголь. Обогащение. Термины и определения. — Москва: ФГУП «Стандартинформ», 2016. — 11 с. — (Межгосударственный стандарт).
  8. Жданеев О. В., Оленева О. Н. Приоритетные направления развития российского программного обеспечения для угольной промышленности. Часть 2 // Уголь. — 2021. — Т. 6. — С. 18—22. — doi: 10.18796/0041-5790-2021-7-13-19.
  9. Захаров В. Н., Гвишиани А. Д., Вайсберг Л. А. и др. Большие данные и устойчивое функционирование горнотехнических систем // Горный журнал. — 2021. — Т. 11. — С. 45-52. — doi: 10.17580/gzh.2021.11.06.
  10. Захаров В. Н., Каплунов Д. Р., Клебанов Д. А. и др. Методические подходы к стандартизации сбора, хранения и анализа данных при управлении горнотехническими системами // Горный журнал. — 2022. — № 12. — doi: 10.17580/gzh.2022.12.10.
  11. ИТС 37-2017. ИТС 37-2017 «Добыча и обогащение угля». — Москва: Бюро НДТ, 2017. — 294 с. — (Информационно- технический справочник по наилучшим доступным технологиям).
  12. Кондратьев В. Б., Попов В. В., Кедрова Г. В. Глобальный рынок угля: состояние и перспективы // Горная промышленность. — 2019. — Т. 2, № 144. — doi: 10.30686/1609-9192-2019-2-144-6-12.
  13. КС-26: Климатический пакт Глазго: тех. отч. / Конференция ООН по изменению климата. — Великобритания, Глазго, 2021.
  14. Кучумова А. Ставки на обогащение угля. — 2021. — URL: https://dprom.online/chindustry/stavki-na-obogashhenie-uglya/ (дата обр. 01.02.2022).
  15. Лукичёв С. В. Цифровое прошлое, настоящее и будущее горнодобывающих предприятий // Горная промышленность. — 2021. — № 4. — С. 73-79. — doi: 10.30686/1609-9192-2021-4-73-79.
  16. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. — Москва: Манн, Иванов и Фербер, 2014. — С. 240.
  17. Министерство энергетики РФ. Доклад Министерства энергетики РФ о ходе реализации в 2020 году Программы развития угольной промышленности России на период до 2035 года: тех. отч. / Письмо Министерства энергетики РФ от 28.05.2021 №АЯ-6203/22. — 2021.
  18. Осипов Е. Как подружить промышленность и big data. — 2019. — URL: https://habr.com/ru/companies/croc/articles/466933/ (дата обр. 14.04.2022).
  19. Петренко И. Е. Итоги работы угольной промышленности России за 2022 год // Уголь. — 2023. — № 3. — С. 21—33. — doi: 10.18796/0041-5790-2023-3-21-33.
  20. Правила безопасности при переработке, обогащении и брикетировании углей. Утверждены приказом Федеральной службы по экологическому, технологическому и атомному надзору от 28.10.2020 № 428. — Москва: Федеральная служба по экологическому, технологическому и атомному надзору, 2020. — 149 с. — (Федеральные нормы и правила в области промышленной безопасности).
  21. Программа развития угольной промышленности России на период до 2035 года. Утверждена распоряжением Правительства Российской Федерации от 13 июня 2020 года N 1582-р. — Москва : Правительство РФ, 2022. — (Программа развития).
  22. Проект «Цифровой двойник оператора флотации». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/xfjx0krti1-tsifrovoi-dvoinik-operatora-flotatsii,%20 https://digitalmining.ru/nominanty-2021/tpost/y68zveua61-avtomatizirovannaya-optimizatsionnaya-si (дата обр. 01.02.2022).
  23. Проект «Чистая руда». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/423mbjono1-chistaya-ruda (дата обр. 01.02.2022).
  24. Рыльникова М. В., Клебанов Д. А., Макеев М. А. и др. Применение искусственного интеллекта и перспективы развития аналитических систем больших данных в горной промышленности // Горная промышленность. — 2022. — № 3. — С. 89-92. — doi: 10.30686/1609-9192-2022-3-89-92.
  25. Хасанов М. М., Прокофьев Д. О., Ушмаев О. С. и др. Перспективные технологии Big Data в нефтяном инжиниринге: опыт компании «Газпром нефть» // Нефтяное хозяйство. — 2016. — № 12. — С. 76-79.
  26. Энергетический бюллетень. Перспективы мирового угольного рынка / под ред. А. Голяшев, А. Курдин, А. Коломиец и др. — Аналитический центр при правительстве Российской Федерации, 2021.
  27. Barnewold L., Lottermoser B. G. Identification of digital technologies and digitalisation trends in the mining industry // International Journal of Mining Science and Technology. — 2020. — Vol. 30, no. 6. — P. 747-757. — doi: 10.1016/j.ijmst.2020.07.003.
  28. Dean J., Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters // Communications of the ACM. — 2008. — Vol. 51, no. 1. — P. 107-113. — doi: 10.1145/1327452.1327492.
  29. Dovgal V., Kuizheva S. Using Big Data Technology to Protect the Environment // Russian Journal of Earth Sciences. — 2022. — Vol. 22, no. 5. — P. 1-5. — doi: 10.2205/2022es01si02.
  30. Energy Institute. The EI Statistical Review of World Energy 2023. — 2023. — URL: https://www.energyinst.org/statistical-review (visited on 07/10/2023).
  31. Global Change Data Lab. Electricity production by source, World. — 2022. — URL: https://ourworldindata.org/grapher/electricity-production-by-source (visited on 07/10/2023).
  32. Jones D. Global Electricity Review 2021. — 2021. — URL: https://ember-climate.org/global-electricity-review-2021/g20-profiles/china/ (visited on 02/04/2022).
  33. Odintsova A., Gvishiani A., Nakicenovic N., et al. The world’s largest oil and gas hydrocarbon deposits: ROSA database and GIS project development // Russian Journal of Earth Sciences. — 2018. — Vol. 18, no. 3. — P. 1-14. — doi: 10.2205/2018es000621.
  34. Ravat F., Zhao Y. Data Lakes: Trends and Perspectives // Lecture Notes in Computer Science. — Springer International Publishing, 2019. — P. 304-313. — doi: 10.1007/978-3-030-27615-7_23.
  35. Reinsel D., Gantz J., Rydning J. The Digitization of the World. From Edge to Core. — 2018. — URL: https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf (visited on 02/14/2022).
  36. Samorodova L., Lyubimov O., Yakunina Y. Application of SCADA Systems in the Coal Mining Industry // Proceedings of the 8th Russian-Chinese Symposium «Coal in the 21st Century: Mining, Processing, Safety». — Atlantis Press, 2016. — doi: 10.2991/coal-16.2016.10.
  37. Schernikau L. Economics of the International Coal Trade. — Springer International Publishing, 2016. — P. 463. — doi: 10.1007/978-3-319-46557-9.
  38. Soofastaei A. Data Analytics Applied to the Mining Industry. — 1st. — CRC Press, 2020. — P. 272.
  39. The International Energy Agency. Coal 2022. Analysis and forecast to 2025. — 2022. — URL: https://www.iea.org/ reports/coal-2022 (visited on 02/14/2023).
  40. Ministry of Energy of the Russian Federation. Report of the Ministry of Energy of the Russian Federation on the implementation of the Russian Coal Industry Development Program for the period up to 2035 in 2020: tech. rep. / Letter of the Ministry of Energy of the Russian Federation dated May 28, 2021 No. AYa-6203/22. 2021. (in Russian).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Russian Journal of Earth Sciences, 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».