Приложение по оптимизация флотации помогает операторам управлять работой оборудования для достижения максимальной производительности контура за счет оптимизации управления уровнем пульпы, подачей воздуха и реагентов, основываясь на данных потоковых анализаторов или видео пеносъема.
Проблема
Достижение целевых показателей производительности, качества и извлечения сложная задача, поскольку, для оптимального управления, операторы секций флотации вынуждены одновременно наблюдать за огромным количеством флотомашин и датчиков на них (сотни показателей)
Дополнительную сложность в управление добавляют следующие факторы:
- Высокая вариативность и неустойчивость процессов
- Нестабильность свойств руды и отсутствие оперативной информации о ней
- Изменчивость свойств оборудования и его износ со временем
- Неоднородное управление из-за оперативных мероприятий (пересменка, ППР и прочие)
Решение Тайга Дайнемикс(Taiga Dynamics): Модель оптимального управления
Как работает модель?
Управление работает на сочетании нейросетевых методов ИИ и нечеткой логики. Это позволяет гибко менять набор используемых датчиков и управлений. На основании прогнозов содержаний и потоков всей секции подбираются оптимальные управляющие воздействия по всем флотомашинам с учетом их связей. Управления максимизируют извлечение, обеспечивая одновременно качество не ниже задания.
Логика управления флотомашиной
- Виртуальные сенсоры. Система рассчитывает выход и извлечение по косвенным признакам и через баланс масс.
- Прогнозирование. Модель делает прогноз содержаний и выхода на 60 минут вперед.
- Самокоррекция. Прогнозная модель корректируется в случае расхождения оценок с полученными данными сенсоров.
- Подбор управлений. С учетом прогнозов применяются управления, максимизирующие извлечение с соблюдением заданных границ по содержаниям и выходу металлов.
- Обработка инцидентов. В случае неисправностей оборудования система уведомляет оператора и продолжает управление с учетом выявленной нештатной ситуации.
Сквозная оптимизация секции флотации состоит из следующих шагов:
- Разработка базовой модели прогнозирования и управления одной машиной в голове секции флотации
- Разработка связей между несколькими базовыми моделями флотомашин (в том числе модели насосов, зумпф) и отработка совместного управления
- Масштабирование и отработка сквозного управления всей секцией флотации
ML applications
Ожидаемые результаты от внедрения
- Рост извлечения
- Стабилизация выхода концентрата
- Снижение содержания целевого металла в хвостах
- Ускорение обработки нештатных ситуаций
Обсудим вашу задачу
Расскажите о производстве и задачах — свяжемся с вами и обсудим возможности внедрения.