Решение на основе машинного зрения позволило на 1%снизить расход топлива для самосвалов и на 6,5%электричества для думпкаров, а также на 1-2% увеличить объем перевозимой руды.
Нейросеть анализирует видео с камер, которые установлены во всех местах погрузки: в карьере, где автосамосвалы забирают сырье, и на железнодорожной станции, где породу загружают в думпкары.Сравнивает его с «паспортом загрузки» - документом, где указаны нормативные значения по заполнению транспорта - и выдает корректирующие рекомендации для специалистов СГОКа.
- При оценке эффективности процесса транспортировки с точки зрения экономики мы опираемся на очень важный параметр - коэффициент использования грузоподъемности. Наша цель - коэффициент загрузки транспорта 100%. Основной экономический эффект в этом случае мы получаем за счет экономии электроэнергии для железнодорожного транспорта и дизельного топлива для автомашин.К тому же правильная загрузка существенно снижает износ техники, - комментирует начальник управления по цифровой трансформации Стойленского ГОКа Андрей Немировский.
Помимо увеличения объема перевозимой руды и сокращения расхода топлива и электричества, цифровая система позволила сократить количество поломок карьерных самосвалов и думпкаров из-за неправильной загрузки. Также снизились простои дробилки крупного дробления из-за забутовок, к которым приводило попадание негабаритных кусков руды.