Об основных направлениях взаимодополнения методов цифровизации и геоинформационного обеспечения горного производства

Объединяя различные математические и компьютерные модели в единую систему, можно получить новую сущность — цифровой двойник, которая позволяет всесторонне описать изделие и системно подойти к разработке, производству и эксплуатации изделий. Применение цифровых двойников изделий в промышленности является развитием парадигмы компьютерного моделирования и цифрового инжиниринга изделий¹.

Развитие цифровизации производства реализуется по 4 основным направлениям^2,3:

• роботизированная автоматизация процессов (RPA), организация и контроль трудовых и производственных процессов;
• интеллектуальная автоматизация с привлечением искусственного интеллекта, сокращение монотонного физического труда;
• углубленная аналитика и большие данные (Deep Learning and Big Data);
• новые средства бизнес-моделирования, имитационное моделирование (Simulation modelling), обеспечение безопасности работ и работающих.

Цифровой двойник представляет собой цифровую копию физического объекта или производственного процесса для оптимизации бизнес-процессов или повышения их эффективности. Применение цифровых двойников промышленных объектов позволяет:

• выбрать наиболее оптимальные режимы работы;
• поставить виртуальные эксперименты, которые в реальности могут быть сопряжены с риском;
• установить степень износа и вероятность выхода из строя узлов объекта по данным датчиков;
• создать информационные копии сложных объектов;
• создать двойники предприятий со всеми производственными и логистическими процессами.

Геоинформационный мониторинг опасных явлений и процессов основывается на четырех основных составляющих [5][10][11][13]:

• собственно мониторинг опасного явления с получением данных об объекте в динамике его развития;
• изучение механизма зарождения и развития опасного процесса с поиском эмерджентных свойств исследуемой системы и формированием системных ограничений (индикаторов), контролируемых в процессе мониторинга;
• цифровое или аналитическое моделирование с целью изучения свойств и параметров изучаемых объектов природно-технологического комплекса;
• прогноз опасных процессов на базе анализа построенных геоинформационных моделей развития (реабилитации) оцениваемых явлений.

В качестве примеров в таблице приведены:

• прогноз развития опасных газодинамических явлений, реализованный в виде схемы информационных потоков [1][7]. Данные о текущем содержании метана в рудничной атмосфере в режиме он-лайн поступают от соответствующих газоанализаторов. Прогнозные геоинформационные данные о нарушенности угольного пласта на удалении до 60—80 м от очистного забоя поступают от датчиков, фиксирующих прохождение сейсмических волн, индуцируемых работой угольного комбайна. Предложенная методика расчета показателя опасности возникновения газодинамического явления служит основой для обоснования индикаторов сверхнормативного выброса метана. Заверка осуществляется стандартными методами контроля газообильности пласта и его дегазации;
• цифровизация управления качеством руд [2][4][6], реализованная в виде логистической схемы взаимодействия совокупности накопительных элементов, включающих экскаваторные забои, усреднительные склады, склады некондиционного сырья, резервные бункеры, участвующие в доставке руды из карьера на обогатительную фабрику в течение месяца, объединенные соответствующими транспортными потоками. В указанной логистической системе данные об отгрузке и переработке рудной массы являются дискретными, зависящими от способа накопления сырья и текущих методов контроля его качества. Заверка качества произведенной продукции осуществляется с разным по времени интервалом;
• цифровизация управления процессами БВР [3][8][12][14], основанная на дискретных данных магнитного каротажа скважин и электропроницаемости массива, опробования бурового шлама, данных энергоемкости бурения пород по глубине взрывной скважины с целью прогноза свойств локальных массивов, распределения крупности и качества горной массы в целике и в развале, удельного расхода ВВ, и в связи с этим прогноза безопасного действия УВВ и сейсмического действия взрыва, разлета отдельных кусков горной массы;
• цифровизация процессов гидрогеохимического мониторинга [9][15][16] предусматривает высокоточные полевые измерения параметров поверхностных и подземных вод с периодическим отбором проб в точках контроля для прогноза миграции загрязняющих компонентов, оперативного анализа формирования и трансформации химического состава кислых шахтных вод, изменения гидрохимической и гидрологической обстановки.

Представленные в таблице сопоставительные данные свидетельствуют о том, что:

• геоинформационные модели — это база для организации мониторинга контролируемых опасных процессов горного производства. Цифровизация и создание двойников является дальнейшим развитием методики прогноза по данным мониторинга;
• исходя из специфики процессов, возникающих при ведении горных работ, следует иметь в виду, что их протекание характеризуется значительным разбросом по времени, а организация непрерывного цифрового контроля представляет в большинстве своем значительную сложность, и зачастую оценка модели состояния объекта будет осуществляться дискретно, по мере поступления текущих данных об объекте;
• основное требование к цифровым двойникам: онлайн-режим поступления и пополнения данных, наличие конечных датчиков, обеспечивающих мониторинг, анализ и принятие решений в режиме реального времени — на практике не всегда выполнимо, однако может быть компенсировано использованием данных геоинформационного моделирования.

Поэтому привязка во времени и пространстве, основанная на геоинформационной обработке геомеханических и горнотехнических параметров геосистем, переноса и распространения загрязнений и пр., является актуальной как для разработки горно-геологических информационных систем (ГГИС), так и для создания цифровых двойников.

В методике создания цифровых двойников на первых же этапах необходимо в обязательном порядке обосновать, каким горным предприятиям функционально необходимо использовать ГГИС, комплексный мониторинг или 3D цифровые двойники. Это прежде всего определяется масштабами производства, сложностью горно-геологических условий и технологической сложностью производства. При введении новых подходов к управлению производством необходимо предусматривать некие переходные процессы, обеспечивающие поэтапный переход к цифровизации бизнес-процессов.

Немаловажным фактором является прогноз степени защищенности горно-промышленных территорий в связи с ведением хозяйственной деятельности, имея в виду, что защищенность — это способность природно-технологической системы восстанавливать свои свойства в результате воздействия на нее внешних или внутренних природных, технологических или экономических факторов. Степень защищенности системы может быть охарактеризована индикаторами, превышение которых разрушает или изменяет свойства системы. Поэтому такие оценки рекомендуется осуществлять по данным геоинформационного мониторинга, а изучение основных факторов, влияющих на протекание бизнес-процессов, осуществлять на базе цифровых двойников.

Эффективность создания такого вида цифровых двойников для управления гидрогеологической составляющей горнотехнической системы может быть проиллюстрирована на примере Ново-Сухоложского карьера аргиллитов, расположенного в непосредственной близости от законсервированных свалок твердых и жидких отходов.

Необходимость создания цифрового двойника связана с вероятностью подтягивания загрязнения от свалок при работе карьерного водоотлива. Для этого используется численное геофильтрационное и гидрогеомиграционное моделирование — решение систем уравнений в частных производных, описывающих движение воды в горных породах и перенос загрязнений, методами конечных разностей или конечных элементов.

Основной задачей организованного мониторинга является оценка и прогноз изменений в состоянии компонентов природной среды при реализации проектных решений по отработке карьера и разработка рекомендаций по предотвращению возможных негативных воздействий на окружающую среду (рис. 1). Для этого создана проектная геоинформационная модель, характеризующая общий порядок поэтапного развития работ с выделением 4 этапов. Границы этапов выделены исходя из условий ведения работ в имеющемся земельном отводе и перенесения на более поздние сроки отработки участков, непосредственно примыкающих к зоне рекультивированной городской свалки. Контроль проектных решений осуществляется созданием информационной модели текущих положений горных работ по данным маркшейдерских съемок.

Результаты наблюдений за уровнем подземных вод по наблюдательной сети скважин в районе Ново-Сухоложского карьера свидетельствуют о том, что до настоящего времени дренажный водоотлив оказывает незначительное влияние на гидродинамический режим подземных вод. Динамика гидродинамического режима, характеризуемая изменением положения гидроизогипс в пространстве и во времени, оценена соответствующими геоинформационными моделями.

Тем не менее за 20 лет отработки приток подземных вод к карьеру увечился от 1093 до 1650 м³/сут. Источниками формирования водоотлива являются сокращение разгрузки подземных вод в р. Пышма, сработка емкости водовмещающих пород и инфильтрационное питание на площади водосбора. Абсолютные отметки уровня подземных вод в районе месторождения уменьшились от 177 до 160 м.

Максимальное снижение уровня подземных вод (6,9 м от статического) на 2021 г. наблюдается в скважине № 17сн, расположенной вблизи свалки твердых бытовых отходов. В скважинах, расположенных на расстоянии от 500 до 875 м от зумпфа (5сн, 7сн, 8сн) на участках, характеризующихся естественным или слабонарушенным режимом подземных вод, снижение среднегодового уровня в 2021 г. по сравнению с 2000 г. составило 1,7—3,1 м.

Результаты гидрохимических исследований 2000—2021 гг. показывают, что тенденция распространения загрязнения от свалок по потоку подземных вод в северо-восточном и восточном направлении в сторону Ново-Сухоложского карьера аргиллитов сохраняется (рис. 2).

В естественных гидрогеологических условиях линии тока были направлены на север, к р. Пышма. Через 7 лет после начала отработки месторождения линии тока разделились, часть идет по направлению к реке на север, часть устремилась к карьерному зумпфу (рис. 3). Концентрация хлор-иона в зумпфе карьера увеличилась в 5,5 раза, на западном борту карьера достигла 61,2 мг/л, в скважине № 16сн (между карьером и свалками твердых и жидких отходов) возросла с 315,5 до 383,6 мг/л. Через 14 лет отработки, по сравнению с 2007 г., концентрация хлор-иона в зумпфе выросла в 1,2 раза, на западном борту — в 2,5 раза, в скважине № 16сн — в 1,5 раза.

Через 21 год отработки месторождения приток подземных вод к зумпфу увеличился в 1,6 раза, загрязненные воды разбавляются чистыми, что привело к снижению концентрации хлор-иона в зумпфе в 1,3 раза, на западном борту карьера аргиллитов концентрация практически не изменилась. В скважине № 16сн концентрация хлор-иона уменьшилась в 1,2 раза.

В дальнейшем прогнозируемая ситуация с химическим загрязнением дренажных вод Ново-Сухоложского карьера улучшается, так как происходит разбавление привлекаемыми подземными водами с условно «чистых» территорий.

Приведенный пример использования численной гидрогеологической модели в составе цифрового двойника показывает, что анализ результатов мониторинга и данных цифрового моделирования позволяет на каждом этапе отработки карьера подтверждать обоснованность принятых проектных решений и свидетельствует об эффективности и перспективности использования предлагаемого подхода к управлению сложной горнотехнической системой.

Применительно к геоинформационному мониторингу опасных производственных, геомеханических и экологических процессов необходимо:

• сопоставить, согласовать и уточнить цели и задачи цифровизации и геоинформационных исследований;
• выявить общие черты подходов к обработке данных;
• охарактеризовать различия в подходах к описанию трансформации объектов во времени, учитывая периодичность появления актуальных данных;
• определить граничные условия, определяющие устойчивость моделируемых и изучаемых систем к воздействию внешних и внутренних факторов;
• выявить величину первичных признаков дестабилизации системы и факторов, угрожающих ее разрушению.

ВКЛАД АВТОРОВ / AUTHOR CONTRIBUTIONS

Корнилков С.В. — разработал концепцию статьи, подготовил текст статьи, окончательно утвердил публикуемую версию статьи и согласен принять на себя ответственность за все аспекты работы.

Sergey V. Kornilkov — developed the article concept, prepared the text, approved the final version of the article and accepted the responsibility for all aspects of the work.

Рыбников П.А.  — разработал концепцию статьи, подготовил текст статьи, окончательно утвердил публикуемую версию статьи и согласен принять на себя ответственность за все аспекты работы.

Рыбникова Л.С. — разработала концепцию статьи, подготовила текст статьи, окончательно утвердила публикуемую версию статьи и согласна принять на себя ответственность за все аспекты работы.

Petr А. Rybnikov — developed the article concept, prepared the text, approved the final version of the article and accepted the responsibility for all aspects of the work.

Liudmila S. Rybnikova — developed the article concept, prepared the text, approved the final version of the article and accepted the responsibility for all aspects of the work.