McKinsey: как сэкономить $370 млрд в год в горнодобыче за счет цифровых технологий

Горнорудная отрасль – это всегда высокая степень неопределенности и вариативности. Свойства добываемого полезного ископаемого могут преподнести сюрпризы, а оборудование нередко отказывает. Чтобы уменьшить риски, вызванные внешними факторами, нужно точно планировать работу. Чтобы устранить вариативность внутреннего характера, – четко выполнять составленные планы. Цифровые технологии открывают новые пути снижения вариативности и повышения производительности, и сегодня быстро происходит их внедрение. По каким направлениям?

Цифра – враг неопределенности

Генерация больших массивов данных. Оснащение объектов тысячами датчиков становится все доступнее и проще. В 2015 году отрасль в день собирала больше данных, чем совокупно существовало в 2003 году. Сегодня огромные объемы данных позволяют знать реальную ситуацию гораздо точнее, чем когда-либо прежде.

Аналитика и искусственный интеллект. С помощью последних достижений в области анализа данных возможно изучение огромных информационных массивов, рассчитать вероятность наступления того или иного события. В горнорудной отрасли статистические алгоритмы применяются для геологического моделирования, текущего планирования, организации планового техобслуживания.

Взаимодействие человека и машин. Даже сфера применения обычных смартфонов в различных отраслях промышленности стремительно расширяется, не говоря уже о специально создаваемых гаджетах, таких как «умные очки», способные передавать инструкции рабочим на сборочной линии или ремонтникам и рабочая одежда с датчиками, передающими данные об опасных условиях работы и физическом состоянии самого работника.

Робототехника. Оборудование, способное работать без участия человека, становится все дешевле и эффективнее. Стоимость промышленных роботов с 1990 г. снизилась вдвое (а затраты на «живую» рабочую силу, наоборот, значительно выросли). В шахтах и на разрезах все чаще трудится автономная техника, а использование оборудования с дистанционным управлением во многих случаях стало нормой.

Пять зон максимального эффекта

McKinsey считает, что наибольшего эффекта нужно ждать от внедрения новых технологий как единого комплекса решений, охватывающего всю цепочку создания стоимости. Но максимальный результат можно получить в пяти ее звеньях.

Понимание минерально-сырьевой базы. В процессе анализа геологических запасов – от геологоразведки до краткосрочного планирования работ – обычно участвует много подразделений, которые используют различные источники данных и разные геологические модели. Современные горнорудные компании объединяют сведения о модели рудного тела и информацию о руде, поступающую в режиме реального времени, в результате составляя гораздо более точное представление о геологических запасах.

Статистические методы интерпретации данных геологоразведки повышают вероятность обнаружения запасов и позволяют определить целевые параметры дальнейших выработок. Благодаря этим улучшениям отпадает необходимость в проведении многих традиционных видов работ – документирования керна, осмотра забоя или анализа образцов на объекте добычи «вручную».

Оптимизация ресурсов. Для повышения операционной эффективности можно использовать такие показатели, как общая эффективность оборудования, однако они не учитывают всей сложности системы. Опираясь же на данные, поступающие в режиме реального времени и применяя современные аналитические инструменты, руководители могут принимать более точные решения, максимально загружая оборудование и увеличивая добычу.

Например, дополнение традиционных методов диспетчерского управления работами в карьере интеллектуальными алгоритмами позволяет оптимизировать движение техники. Другой пример – применение новых аналитических методов на перерабатывающих предприятиях. Как показывают исследования McKinsey, многие операторы перерабатывающего оборудования недостаточно хорошо понимают факторы, влияющие на выход готового продукта. Применив новые математические методы анализа скрытых взаимосвязей между переменными второго и третьего порядков, мы пришли к выводу, что выход золота, никеля, фосфатов лишь за несколько месяцев можно увеличить на 3–10%.

Прогнозирование отказов. Горнорудные компании, как правило, собирают огромные объемы данных по буровым установкам, самосвалам, перерабатывающим предприятиям и грузовым составам. Однако такая информация часто остается лежать мертвым грузом – некоторые компании анализируют менее 1% поступающих данных. Используя эту информацию для оценки вероятности отказов конкретных узлов и отказавшись от традиционного подхода к ремонтам, основанного на регистрации времени эксплуатации, можно удешевить техническое обслуживание и сократить внеплановые простои.

Автоматизации процессов. Автоматизация часто приводит к снижению операционных затрат, повышению дисциплины труда и безопасности работ. Некоторые автоматизированные решения, в частности в области грузоперевозок и бурения, уже вышли на уровень полномасштабной коммерциализации, а другие, такие как технологии автоматизированного взрывания и погрузки, сегодня проходят испытания.

Результаты анализа экономического эффекта, который можно получить например в сфере грузоперевозок, весьма впечатляют: в зависимости от стоимости рабочей силы, автоматизация позволяет сократить общую стоимость владения техникой на 15–40%.

Контроль в реальном времени. Данные, поступающие в режиме реального времени, позволяют знать о техническом состоянии и местонахождении каждой единицы горной техники в любую секунду. В частности, теперь можно точно определять, соответствуют ли показатели работы техники установленному плану, а термин «контроль операционной эффективности» приобретает совсем новый смысл.

На что способны цифровые технологии: два примера

Экономия на самосвалах. Руководство крупной компании, ведущей добычу открытым способом, приняло решение оптимизировать систему технического обслуживания карьерных самосвалов.

Провели компьютерный анализ большого объема самых разных уже имевшихся в компании данных. Оказалось, что при одних и тех же оборотах двигателя переключение передач у разных машин происходит в разные моменты. Это позволило прогнозировать будущие поломки и принципиально изменить стратегию техобслуживания определенных узлов.

Применение алгоритмов кластеризации – разделения самосвалов на группы в зависимости от особенностей использования – позволило точнее определять причины отказов. Кроме того, обнаружилось, что у определенной части парка самосвалов поломки возникают чаще.

Выяснилось, что все они использовались на одном участке рудника с очень плохими дорогами, что было оперативно исправлено. Экономия ремонтных затрат за полгода составила 12%, а эксплуатационная готовность техники повысилась на 5%.

Золотая жила. Для крупного золотодобывающего предприятия серьезной проблемой стало снижение содержания золота в руде на 20%. При увеличении объема добычи руды возникли сложности, связанные с перегрузкой техники и ростом затрат. Руководство компании решило применить методы математического моделирования и анализа на основе модели нейронных сетей.

При этом были объединены все производственные и технологические данные из всех источников, от ERP-систем до ноутбуков руководителей и операторов оборудования. Изучили также и параметры работы фабрики. Процесс оптимизировали, и за три месяца средний показатель выработки вырос на 3–4%.

Компания получила устойчивое повышение прибыли на $10–20 млн в год без существенных капиталовложений или реорганизации.

В мировых масштабах сопоставимое применение передовых методов анализа для продукции, которую получают похожими способами переработки руды (например, меди, никеля, фосфатов, платины), может увеличить показатель EBITDA на $20–50 млрд в год.