OES | Heavy AI

Итоги «Диспетчерского интенсива»: +9% производительности за 8 смен

Закончили очередной интенсив на золотодобывающем активе. Рассказываем, что получилось.

Формат простой. Наши координаторы ROC заходят в смену вместе с диспетчерской предприятия и работают в ней несколько суток подряд. Не консультируют со стороны, а именно ведут смену.

За четверо суток выдали 102 рекомендации. Больше половины из них, 54%, пришлось на балансировку: перенаправляли самосвалы между экскаваторами, разменивали машины при ремонтах, выравнивали комплексы по фактической загрузке. Ещё 21% на дисциплину и по десятой доле на простои экскаваторов и самосвалов.

Результат по балансируемым экскаваторам: часовая производительность выросла с 441 до 486 кубометров в час. Это плюс 9% к неделе до интенсива. Только за счёт своевременных перенаправлений вручную добрали 55 погрузок, а это около 1 270 кубометров.

Параллельно провели аудит работы диспетчерской и сравнили показатели с эталонным активом. Оказалось, что ещё около 10% сменной производительности лежит в простоях. Обеденный перерыв и пересменка здесь занимают по часу против получаса на активе-эталоне, и это две самые очевидные точки.

Теперь про то, что не получилось, потому что об этом обычно не пишут.

Балансировать через систему мониторинга не вышло: задержки связи оказались такими, что координаторы перешли на работу с борта карьера. С регламентными простоями поработать тоже не удалось, других нормативов на предприятии просто нет. А инструмент для расстановки машин по скоростям в системе отсутствовал, мы сделали его сами и успели протестировать только в последний день.

Это и есть главный вывод интенсива. Эффект мы показали руками за восемь смен, но чтобы он держался без нас, систему мониторинга нужно доводить до состояния рабочего инструмента управления: подключать технику подрядчиков, закрывать связь, вводить нормальную классификацию простоев и разворачивать диспетчера с отчётности на контроль внутри смены. По итогам собрали 12 конкретных мероприятий.

Интенсив хорош именно этим. За неделю становится видно и сколько денег лежит на поверхности, и что мешает их забрать.

Хотите провести такой же у себя — напишите, расскажем про формат и сроки.

#HeavyAI #OES #мастерсмена #диспетчеризация

Мы читаем не только про диспетчеризацию и ИИ.

Чтобы понимать, что происходит в отрасли, приходится держать в поле зрения гораздо более широкий круг тем. Что творится на рудниках, куда двигается проектирование, как отрабатывают месторождения, кто выходит на новые активы. Половина полезного контекста приходит именно оттуда, а не из профильных ИТ-источников.

Поэтому мы состоим в Геопапке. Это подборка из 54 отраслевых каналов и чатов, где собрано горное дело целиком:

🔹 добыча, проектирование и строительство рудников
🔹 обогащение и переработка
🔹 геология и геофизика
🔹 экологическое сопровождение производства
🔹 подготовка кадров для отрасли

Есть там и каналы близкого нам профиля, которые пишут про технологии и цифру в добыче. С кем-то из них мы пересекаемся на выставках, за кем-то просто следим.

Если вы работаете в отрасли, папка экономит время: вместо того чтобы собирать источники по одному, добавляете её целиком и получаете срез по всему рынку.

Ссылка на Геопапку:

#HeavyAI #OES #горнодобыча

«Между деньгами и экологией нет развилки». Мы сказали это в Йоханнесбурге - и зал не отпускал нас ещё долго после сессии
 
9 сентября на Electra Mining Africa наш генеральный директор Владимир Свинцов выступил на панели, посвящённой устойчивому развитию. Тезис был простой и для многих неудобный: цели ESG достигаются не отдельной экологической программой, а операционной эффективностью.
 
Обычно разговор про углеродный след на разрезе идёт по одной колее - новая техника, электрификация парка, возобновляемая генерация. Всё это требует капитала, которого у большинства операторов сейчас нет. И получается ловушка: чтобы стать чище, надо сначала много потратить.
 
Мы рассказали, как выходили из неё сами. 
Убираешь простои экскаваторов, лишние манёвры, холостые обороты, ожидание в очереди на погрузку и тот же куб едет одновременно дешевле и чище. На Солнцевском это дало +17% к производительности экскаваторов и минус 15–25% простоев. Снижение выбросов пришло тем же движением, без отдельной статьи расходов.
 
Про себя мы так и говорим: куб стал более экологичным.
Реакция зала показала, что аргумент попал. Вопросы продолжились уже за пределами сессии, и это понятно: для рынка, где новая техника доступна немногим, "стать чище, ничего не покупая" - не лозунг, а рабочая стратегия. Контекст здесь жёсткий: международные заказчики и инвесторы всё строже спрашивают с африканских операторов за ESG-показатели, и для многих это уже вопрос доступа к контрактам.

О том как мы добились экономии топлива рассказали в этом посте.
 
Где это происходило
 
Electra Mining Africa - крупнейшая горнопромышленная выставка континента, проходит раз в два года, в этом году 54-й раз. Рекордные 44 000 м2 выставочной площади, больше 1000 экспонентов, шесть залов. В 2024-м здесь прошли почти 40 000 человек. Среда была отдана теме Sustainability and Energy Day, площадку для докладов держал SAIMM - Южноафриканский институт горного дела и металлургии.
 
От OES Ventures на выставке работали Владимир Свинцов и Артур Степанов, директор по развитию бизнеса в Африканском регионе.
 
Что мы увезли с собой
Десятки встреч за пять дней. Договорённость о партнёрстве с крупнейшим ИТ-интегратором Африки. Предварительные договорённости о сотрудничестве с несколькими горными предприятиями континента.
Африка перестала быть направлением на карте и стала работой с конкретными именами и сроками.

В Австралии показали ИИ-ассистента для диспетчерских. Разбираем, что внутри

На форуме Diggers and Dealers австралийская MaxMine представила MAXI — по заявлению компании, первый ИИ-ассистент, созданный специально под системы управления парком карьерной техники.

Отправная точка честная. Начальник смены и мастер большую часть времени проводят вне кабинета, то есть без доступа к системе управления парком. CEO компании Шон Митчелл формулирует так: существующие системы показывают, что работает, но не помогают выявить проблему и понять, как её починить. Цель — перенести короткий цикл управления сменой из офиса в карьер.

Что умеет:

🔹 Отвечает голосом или текстом на вопросы по текущей смене обычным языком. Примеры разработчика: сколько раз поливочная машина заезжала на пункт заправки водой, как экскаватор идёт относительно плановых показателей по выемке.
🔹 Подсвечивает провалы в производительности и поломки, опираясь на аналитику двух продуктов платформы — Pulse и Impact.
🔹 Ведёт заметки по смене на ходу, отчёт собирается автоматически в конце смены.
🔹 В следующих версиях обещают push-уведомления с подсказкой решения.

Сценарий от компании: при неожиданно тяжёлых условиях выемки начали копиться очереди — система сообщит мастеру и предложит варианты.
Технически это LLM, развёрнутая внутри собственного дата-центра компании, с доступом к данным через самостоятельно разработанные Model Context Protocol. То есть данные не покидают периметр заказчика. Здесь мы полностью солидарны: свои проекты разворачиваем так же.

Проверяли на двух австралийских площадках с угольной Batchfire Resources. Оценка заказчика осторожная — «показал большой потенциал на ранних испытаниях», помог с подотчётностью и коммуникацией, потому что все работали с одной живой информацией. Конкретных цифр эффекта пока нет, для пилота это нормально.

Что мы об этом думаем. Направление верное, и мы его прошли сами — правда, зайдя с другой стороны. У нас есть OES X: рабочая среда, где сотрудник в диалоге собирает себе отчёт, дашборд или мониторинг без SQL, Python и заявки в ИТ. Запрос вида «покажи динамику отгрузок за 6 месяцев с топом направлений» превращается в рабочий дашборд за 5 минут. В ВГК на этом сценарии за пилот прошли 600 пользователей при 70 активных ежедневно, и работал он ещё до августовского анонса коллег.

Поводом для OES X стало именно то, что мы увидели в диспетчерских. На одном из предприятий нашего клиента горные диспетчеры тратили около 5 часов в смену на шесть ручных отчётов, часть из которых просто пересылалась руководству в WhatsApp. Ровно та же болезнь оказалась этажом выше — в финансах, закупках, операционной отчётности.

Но одну вещь стоит проговорить. Ассистент отвечает на вопрос — значит, его надо задать. За смену на разрезе набегает больше 10 000 отклонений, и никто не задаст 10 000 вопросов. Задаст пять, про то, что уже болит. Поэтому рядом с диалогом у нас работает MAS: больше 30 агентов, каждый ловит отклонение сам, считает его цену в рублях и эскалирует, если реакции нет. Показательно, что коллеги в дорожной карте идут туда же — обещанные push-уведомления с готовым решением как раз шаг от ассистента к агенту.

Ознакомиться с материалом можно тут: https://im-mining.com/2026/08/03/maxmine-ups-the-fleet-management-ai-ante-with-maxi/

О нас вышла статья на РБК, ознакомиться можно по ссылке: тут

Оцените масштаб производства одного из наших клиентов

Всемирная конференция по ИИ (WAIC) в Шанхае закончилась 20 июля. Четыре дня, больше 1100 компаний, впервые больше 100 тысяч квадратных метров экспозиции, 4486 продуктов и технологий, 351 мировая премьера. Цифры красивые, но не очень содержательные для меня.

Интересные мысли автор CGTN пишет:

последние три года индустрия гналась за всё более мощными моделями, а в этом году по павильонам видно, что приоритеты поменялись. Толпы всё ещё стоят у гуманоидов, но разговор ушёл в другое место:

1️⃣ ИИ перестали показывать как чат-бота. Вопрос сменился: не «насколько хорош ответ», а «может ли система самостоятельно доделать полезную работу до конца».

2️⃣ Роботов больше не заставляют ходить и танцевать, оказывают, как они берут предметы и работают рядом с людьми на складах и в цехах.

3️⃣ Отдельные форумы про чипы и инференс: агент должен рассуждать непрерывно, а робот отвечать в реальном времени, и это совсем другая вычислительная база, чем обучение большой модели.

4️⃣ Управление и доверие. Данные, цифровая идентичность, надёжность систем стали практическими вопросами, а не темой для панельной дискуссии.

Из сутевой цифры для меня сумма намерений к закупке - 20,36 миллиарда юаней и прирост от года к году - плюс 25 процентов к прошлому году. Очередной раз виден существенный рост инвестиций в мир ИИ-решений.

Небольшой видео-обзор с конференции тут.

Канал в MAX.

Всем здоровья, мира и добра! 🕊

#ИИконференции

Почему один агент не тянет карьер

Почему нельзя посадить один умный ИИ управлять всем парком самосвалов? Кажется логично: один мозг, полная картина, оптимальные решения.
На деле так не работает. И об этом — свежее исследование в Scientific Reports (группа Nature). Отчёт прикрепил в комментариях.

Учёные сравнили два подхода к диспетчеризации карьера. Первый — одноагентный: единый алгоритм решает за всех. Второй — мультиагентный: у каждого самосвала свой «агент», и они учатся действовать сообща. Вывод однозначный: одноагентная модель не вытягивает координацию в системе из многих машин. Просто не хватает рук, чтобы одновременно держать десятки взаимозависимых решений в секунду.

Знакомо? Это ровно то, с чем живёт диспетчер. Один человек — и сотни решений в минуту. Экскаватор простаивает не потому, что самосвалов мало, а потому что в моменте некому решить, кому куда ехать.

Поэтому мы создали ни «супердиспетчера», а мультиагентную систему. Больше 30 агентов, каждый отвечает за свою зону: заправки, циклы, пересменки, недогрузы, сходы с линии. Каждый видит свою мелочь и считает её стоимость в рублях в реальном времени.

Смысл не в том, чтобы заменить диспетчера героическим суперкомпьютером. Смысл в том, чтобы разделить неподъёмный объём внимания на десятки пар глаз, которые не устают к концу смены.

Науку это направление подтверждает. Мы его довели до разреза.

Хотите понять, что мультиагентная система нашла бы на вашем объекте? Напишите — покажем на вашей телеметрии.

#HeavyAI #OES #балансировка

11,6 млрд рублей вложит «Полиметалл» в освоение Новопетровского месторождения в Башкирии. Промышленную добычу планируют начать в 2029 году и вести как минимум до 2038-го. Главная идея проекта — загрузка простаивающего Сибайского ГОКа, который компания купила в прошлом году.

Собственная сырьевая база Сибайского ГОКа практически выработана, поэтому фабрику мощностью 1,5 млн тонн руды в год будут превращать в перерабатывающий хаб. На предприятии построят новый корпус с двумя мельницами полусамоизмельчения, переоснастят главный корпус и к 2028 году завершат модернизацию. Отдельно появится лаборатория для определения содержания металлов и экологического контроля.

Новопетровское располагает 10,4 млн тонн балансовых запасов. В руде в среднем 1,8% меди, 3,6% цинка, 3,5 г/т золота и 37,1 г/т серебра. При проектной производительности 1 млн тонн руды в год этих запасов хватит примерно на десять лет — почти ровно под заявленный горизонт работы с 2029 по 2038 год. Но запасы ещё предстоит переоценить: геологоразведка продолжается.

При заявленных коэффициентах извлечения из миллиона тонн руды можно получать около 13 тыс. тонн меди, 29,9 тыс. тонн цинка, 2,4 тонны золота и 23,7 тонны серебра в год. По нынешним ценам содержащийся в этом объёме извлекаемый металл стоит ориентировочно $680 млн в год. Это, конечно, не выручка: дальше начинаются концентраты, металлургические потери, транспорт, переработка и прочие радости горного бизнеса.

Есть и арифметическая проблема. Новопетровское способно давать 1 млн тонн руды в год, а Сибайская фабрика рассчитана на 1,5 млн тонн. То есть даже после запуска нового рудника треть её мощности останется свободной. Поэтому «Полиметалл» рассчитывает дополнительно поставлять сырьё с других активов в Башкирии, Челябинской и Оренбургской областях.
#Полиметалл #инвестиции

📵 Не грузится телега?😭
💙Металл и Капитал в VK
💬Металл и Капитал в MAX «Максе»
💬Металл и Капитал

Обзор исследования CNews «Технологии искусственного интеллекта 2026»

CNews выпустил большой обзор российского рынка ИИ. Собрали оттуда то, что стоит знать.

Рынок растёт вдвое быстрее, чем ИТ-отрасль в целом. В рейтинге крупнейших поставщиков ИИ-решений шестьдесят компаний с суммарной выручкой 85 млрд рублей, причём топ-15 заработали 75,6 млрд, прибавив к прошлому году почти 93%. Лидирует Cloud.ru с 41 млрд, за ним MWS AI и ЦРТ.

Что получают крупные предприятия. По оценке обзора, внедрение ИИ-инструментов даёт им снижение затрат до 30% и ускоряет вывод продуктов в полтора-два раза.

А теперь неприятная часть. Алексей Зобнин из Minervasoft говорит, что девять из десяти российских проектов по генеративному ИИ отложены на неопределённый срок, и главная причина в качестве данных. Формулировка у него жёсткая: без базы знаний деньги на ИИ-ассистентов тратятся впустую. В том же обзоре приводится оценка RAND Corporation, по которой от 80 до 95% корпоративных ИИ-проектов в России не дают возврата на вложения и сворачиваются.

Есть и отдельный сюжет про безопасность. На рынке появились платформы для запуска агентов в изолированном контуре, где архитектура не позволяет агенту выйти за пределы разрешённой зоны. Для режимных объектов это принципиально. Также это реализовано и у нас.

Что мы об этом думаем. Разрыв между 30% экономии у одних и 90% отложенных проектов у других объясняется тем, что стоит под моделью. У кого данные приведены в порядок, тот считает эффект. У кого они лежат в разных форматах, тот считает убытки.

База знаний и расшифрованная телеметрия это только фундамент. Дальше начинается то, что мало кто делает: мы обучаем свои нейросети на действиях реальных профессионалов. Смотрим, как опытный диспетчер разводит очередь у экскаватора, как машинист выбирает порядок отработки забоя, как портовая команда решает, отправить полупустое судно на дозагрузку или продолжать грузить. И оцифровываем эти решения целиком, роль за ролью. Модель не придумывает подход с нуля, она перенимает лучшую практику тех, кто делает это двадцать лет.

Обзор целиком: cnews.ru/reviews/tehnologii_iskusstvennogo_intellekta_1

#HeavyAI #OES #цифровизация

4 861 исследование, и ни одного открытого датасета с настоящего карьера

Университет науки и технологий Миссури выпустил систематический обзор по системам восприятия автономных самосвалов. Отобрали 100 работ из 4 861, период с 2010 года, финансирование NIOSH. Выписали самое неприятное.

Пыль выключает лидар, радар её не замечает
Это чистая физика. Длина волны миллиметрового радара 3,8–4 мм, а частицы карьерной пыли в сотни раз мельче, поэтому сигнал проходит почти без потерь. В полевых испытаниях лидар и радар 77 ГГц поставили на один самосвал: у радара дальность держалась всю пыльную смену, лидар просел. В крайних случаях он теряет больше половины дальности обнаружения.

Минус 40% под прямым солнцем, около нуля ночью
Столько теряет камера в точности распознавания без инфракрасного канала. Контрастность в пыли падает более чем на 60%. А грязь и вода на объективе поднимают частоту ложных срабатываний втрое.

Больше 5 метров ошибки у борта карьера
Отражения от стенок и слабая видимость спутников убивают GNSS настолько, что планировать маршрут уже нельзя. Вибрация на разбитых дорогах добавляет своё: калибровка уплывает за несколько часов, и пересчитывать её на ходу отрасль пока не научилась.

90% на бумаге, 71,9% в карьере
На дорожных бенчмарках детекторы показывают от 70 до 90% средней точности. Модель, специально доработанную под карьер и обученную на отдельном наборе тёмных сцен, довели до 71,9%. Это на 4,4 пункта лучше базовой версии и всё равно заметно ниже витринных цифр.

Обрушение уступа бортовые сенсоры не видят вообще
В таблице ограничений напротив геотехнической нестабильности стоит прочерк: собственными датчиками машина её не обнаруживает никак. Радары контроля устойчивости бортов при этом стоят почти на каждом крупном карьере и непрерывно меряют деформацию. Только их предупреждения уходят инженеру в диспетчерскую, а не в систему управления машиной.

Каждый самосвал открывает опасность заново
Системы управления парком собирают позиции, вес груза, расход топлива и заявки на ремонт. Облака точек лидара, картинку с камер и детекции радара они не принимают и не раздают, всё это остаётся внутри бортового компьютера. Обнаружил один самосвал разрушенный участок, следующий об этом не узнает.

40% слепой зоны убрала одна камера на столбе
На исследовательском разрезе в Китае два автономных самосвала и придорожный модуль обменивались сжатыми признаками лидара по LTE. Слепая зона в районе погрузки сократилась на 40%. В промышленной эксплуатации авторы не нашли ни одного такого проекта.

Отговорка про связь уже не работает
Частная сеть 5G с вычислениями на краю показала задержку около 15 мс и порядка гигабита на исходящем канале. Полосы под обмен перцептивными данными достаточно.

Сертифицировать нейросеть по-прежнему нечем
Стандарт ISO 17757 и функциональный IEC 61508 писались для систем с предсказуемым поведением. Как проверять модель, у которой отказы принципиально не перечислить, в них не сказано.

Что из этого складывается
Пятнадцать лет отрасль улучшает зрение отдельной машины. Датчики стоят, цифровые двойники работают, радары бортов пишут деформацию круглосуточно. Всё это существует и всё это молчит по отдельности.

Вывод авторов ровно такой: главный барьер уже не в точности распознавания, а в отсутствии информационной архитектуры, которая связала бы восприятие машины с остальным предприятием.

Мы пришли к тому же с другой стороны и не делаем беспилотники. За рулём у нас человек. Зато мы строим тот самый недостающий слой: сводим телеметрию всего парка в один контур, где отклонение видит система целиком, а не каждая машина поодиночке.

Честная оговорка от самих авторов: предложенная ими архитектура пока концептуальная и в поле не проверялась. Плюс в выборке преобладают автомобильные работы, потому что публикаций именно по карьерам мало.

Статья открытая, прикрепили её, можете самостоятельно ознакомиться

#HeavyAI #OES #горнодобыча #автономность

Кажется, ИИ-агенты — это джины XXI века:

⏺действуют автономно,
⏺нуждаются в точных инструкциях,
⏺могут выйти за пределы своих полномочий и наворотить дел, а разбираться с последствиями будет человек.

Чтобы запуск ИИ-агентов не превратился в проект на тысячу и одну ночь, приглашаем узнать все тонкости на бесплатном вебинаре Directum 25 августа в 11:00 мск.

Присоединяйтесь, если вы уже пробовали создавать автономных помощников или только присматриваетесь к технологии. Вместе разберемся, как устроены агенты и какие кейсы они закрывают в бизнес-процессах.

🧞 Стряхнуть магическую пыль с ИИ-агентов помогут эксперты Directum Виталий Томко и Мария Рослая. Они сравнят два сценария разработки: первый — с помощью ИИ, встроенного в корпоративное ПО, второй — за счет внешних инструментов. 

✨ Регистрируйтесь на вебинар по ссылке.

#Directum_вебинары #Directum_Intelligence #ИскусственныйИнтеллект #ИИ

Крупнейший производитель транспорта и оборудования для горной отрасли, американская компания Caterpillar объявила о приобретении Skycatch — ведущего поставщика решений для сбора, обработки и анализа высокоточных пространственных данных.

Skycatch использует искусственный интеллект для превращения огромных объёмов аэрофотоснимков и данных с дронов в актуальные, высокоточные 3D-модели и цифровые двойники, а затем автоматически извлекает из них нужные метрики и инсайты.

Платформа с помощью компьютерного зрения и предобученных нейросетей создаёт цифровые двойники из изображений и облаков, очищает сцены от лишней техники, сшивает данные в единую модель и обновляет её почти в реальном времени, синхронизируя с телеметрией оборудования.

На этой основе работают специализированные ML-инструменты, например Automated Road Analysis Solution (ARAS), которые автоматически оценивают ширину, уклон и состояние карьерных дорог с сантиметровой точностью, а также платформа InfraEdge для мониторинга инфраструктуры и прогноза рисков.

Всё это позволяет компаниям быстрее и точнее корректировать планы, улучшать согласованность между планированием и исполнением, повышать безопасность и предсказуемость работ.

👍 Кадры Недр | Мы в Max