BHP навчає ШІ економити ресурси на шахтах
На мідній копальні Escondida в Чилі BHP і Microsoft застосували Azure Machine Learning, Synapse Analytics та Data Lake Storage. Система щогодини аналізує дані концентраторів і дає рекомендації операторам. Від 2022 фінансового року це допомогло заощадити понад 3 гігалітри води та 118 ГВт·год енергії; рішення розширюють на другий концентратор.
У Чилі та Західній Австралії комп’ютерний зір на наявних камерах виявляє просипання, завеликі шматки й сторонні предмети на конвеєрах. Він попереджає команди, а інколи автоматично зупиняє обладнання. Так BHP підвищує віддачу чинних активів на тлі падіння якості руди та знижує ризик простоїв і травм.
Як змінюється робота оператора
У контурі збагачення Escondida система бере дані концентраторів у реальному часі, щогодини прогнозує роботу установки й передає команді рекомендацію протягом зміни. Це інший процес, ніж звіт після завершення доби або тижня: рішення можна коригувати разом зі зміною характеристик руди та режимів обладнання.
Послідовність виглядає так:
- дані з установки надходять до спільного сховища й аналітичного контуру;
- модель оцінює очікувану продуктивність за поточних умов;
- оператор отримує рекомендацію, а не лише прогноз;
- зміну спочатку перевіряють у цифровій моделі на живих та історичних даних;
- після оцінки впливу налаштування застосовують до фізичної установки.
Другий приклад — керування водою та енергією на переробних установках і в опріснювальній інфраструктурі. Аналітика також працює в реальному часі, а частину коригувальних дій уже запускають автоматично. Результат дає не окремий прогноз, а короткий ланцюг від сигналу до зміни режиму.
Коли комп’ютерний зір стає частиною процесу
На конвеєрах у Чилі та Західній Австралії моделі працюють із наявними камерами й шукають конкретні винятки: просипання, завеликий матеріал і сторонні предмети. Команда отримує сигнал про ділянку з відхиленням; у заздалегідь визначених випадках система сама зупиняє обладнання.
Третя ситуація — точки подачі до дробарок на операціях Western Australia Iron Ore. Там камери й машинне навчання інтегрували із системою керування процесом. За даними S&P Global, після впровадження у 2025 році простої дробарок скоротилися на 20%, пов’язані збої — до 60%, а додатковий річний видобуток становив приблизно 1 млн тонн. Після запуску не повідомлялося про нові інциденти через завеликі або сторонні об’єкти.
Відмінність — інтеграція з чинним керуванням, а не окремий екран із розпізнаванням. Сигнал одразу потрапляє контролерам або запускає наперед запрограмовану реакцію. Так скорочується проміжок між небезпекою та дією, а працівникам рідше потрібно оглядати активні конвеєри й дробильні контури.
Межі застосування й типові помилки
Ці підходи не замінюють оператора всюди. У Escondida оприлюднено економію ресурсів, але немає комплексного показника фактичного приросту вилучення міді: початкове повідомлення 2023 року говорило про очікувані, а не досягнуті результати. Не можна переносити один підтверджений ефект на інший показник без окремих даних.
- Помилка: залишити модель як звіт після події. Що робити: доставляти рекомендацію команді в робочому циклі.
- Помилка: автоматизувати кожне спрацювання. Що робити: автоматичну зупинку обмежити наперед запрограмованими випадками, решту передавати людині.
- Помилка: створювати ізольований пілот на кожному майданчику. Що робити: переносити перевірені рішення на інші контури та об’єкти.
- Помилка: оцінювати лише точність розпізнавання. Що робити: перевіряти інтеграцію сигналу в систему керування.
Що перевірити перед довірою до результату
Керівнику потрібен зв’язок між обмеженням, рішенням і виміряним наслідком. Перед масштабуванням варто перевірити:
- чи надходять дані достатньо швидко для заявленого робочого циклу;
- чи можна випробувати зміну на живих та історичних даних до втручання в обладнання;
- чи відокремлено рекомендації для людини від випадків автоматичної дії;
- чи є інтеграція з наявними камерами та системою керування процесом;
- чи підтверджує оприлюднений показник саме заявлений ефект;
- чи придатне рішення для повторного використання на іншому концентраторі або майданчику.
BHP розширює технологію Escondida на другий концентратор, а комп’ютерний зір застосовує також для екологічного моніторингу й цифрового контролю якості. Це ознака спільної операційної спроможності, а не разового експерименту.