Искусственный интеллект в российской промышленности находится на стадии становления и пока не стал отраслевым стандартом. Речь идёт скорее о первых шагах и отдельных пилотах — локальных практиках, которые постепенно подтверждают свою полезность и готовят базу для будущего масштабирования, чем о сплошной цифровизации.
Металлургические и горнодобывающие компании тестируют нейросети там, где эффект быстро просчитывается, внедряя компьютерное зрение на рудоспусках и конвейерах, предиктивное обслуживание оборудования, симуляцию буровзрывных работ, автоматизированное управление флотацией и другими производственными процессами.
Где и как применяют нейросети в российской горнодобыче и металлургии
Буровзрывные работы
Алгоритмы используются для моделирования сетки бурения и расчёта дозировок взрывчатки. Они прогнозируют гранулометрический состав породы, что снижает расходы на дробление. Внедрение пока ограничено, но интерес компаний растёт.
Обогащение руды
На фабриках нейросети помогают стабилизировать процессы флотации и измельчения: система подбирает оптимальные режимы работы оборудования, чтобы повысить выход концентрата. Большинство проектов остаются пилотами и требуют глубокой интеграции с АСУТП, что тормозит масштабирование.
Транспорт и логистика
ИИ считает объём груза в думпкарах и вагонах, распознаёт номера техники и контролирует профили загрузки. Такие модули внедряются точечно, в составе систем учёта и ERP.
Производственная безопасность
Нейросети фиксируют отсутствие каски или жилета, отслеживают опасные ситуации на объектах, контролируют загазованность. Технология активно тестируется, но до промышленного масштаба ещё далеко.
Обслуживание оборудования
Алгоритмы анализируют вибрацию, нагрузку и температуру, прогнозируют отказы и позволяют планировать ремонты. Потенциал высокий, но требуются большие массивы качественных данных и сенсоров, которых пока не хватает.
Геологоразведка
ИИ ускоряет обработку геофизических данных, строит модели рудных тел и помогает выявлять перспективные зоны. В России такие проекты есть, но пока на стадии исследований и первых испытаний.
Читайте также: Искусственный интеллект в геологии: «трудности перевода» и принцип опережения
Кто в деле: российские ИИ-передовики
Несмотря на осторожное отношение участников отрасли к технологии, уже есть компании, которые показывают практические результаты внедрения искусственного интеллекта. Наибольшее количество проектов реализуется в металлургии — от оптимизации доменных печей до компьютерного зрения в контроле качества. В золотодобыче инициативы пока только выходят на стадию пилотов, тогда как в угольном сегменте ИИ в первую очередь применяется в управлении беспилотниками. Рассмотрим эти проекты подробнее.
«Норникель» делает ставку на сквозные ИИ-решения
У «Норникеля» — один из самых широких портфелей реализованных технологий с использованием искусственного интеллекта. Компания заявляла, что уже внедрила ИИ-решения во всех производственных дивизионах.
«Норникель» выстраивает сквозные цифровые контуры и делает ставку на ИИ как на инструмент управления производством, а не на отдельные пилоты. По оценке компании, такие решения ежегодно приносят до 1% дополнительного дохода и добавляют $70–100 млн к EBITDA.
Так, на Талнахской обогатительной фабрике внедрён цифровой помощник операторов флотации: алгоритмы машинного зрения отслеживают параметры пены, анализируют видеопотоки и помогают стабилизировать режим работы установки. Это снижает колебания процесса и повышает извлечение металлов.
На Медном заводе внедрён цифровой помощник конвертирования. Модели ИИ анализируют материальные балансы, состав флюсующих материалов и спектры расплава. В результате оператор получает подсказки по дозировкам и времени продувки, что помогает удерживать качество продукции.
Кольская ГМК стала первым полигоном для ML-кластера: система в реальном времени обрабатывает тысячи параметров технологической цепочки, фиксирует отклонения и автоматически корректирует режимы. Такой подход позволяет управлять процессом более гибко и предотвращать аварийные остановки.
На Надеждинском металлургическом заводе ИИ используется как советчик при контроле качества и в пирометаллургии. Модели помогают поддерживать нужный состав шихты и характеристики продукта, а также минимизировать отклонения в производстве.
Помимо этого, компания развивает платформу MAGMA, которая объединяет модули для геологии, планирования и диспетчеризации подземных работ, а также решения для экологического мониторинга. Единое «озеро данных» и собственный ML-кластер обеспечивают масштабируемость, позволяя запускать новые ИИ-сервисы в разных дивизионах одновременно.
РУСАЛ управляет плавкой и «прослушивает» мельницы
Компания использует ИИ не как экспериментальное решение, а как рабочий инструмент в производственном цикле. Так, на Тайшетском алюминиевом заводе нейросеть следит за плавкой и в режиме реального времени контролирует электролизные ванны.
Другой проект связан с «машинным слухом» на глинозёмных мельницах: система анализирует виброакустические сигналы, оценивает загрузку и износ, помогает регулировать подачу сырья. В результате уменьшается энергопотребление и продлевается срок службы оборудования.
Ещё один блок — нейросетевой контроль качества слитков: камера и алгоритм определяют дефекты поверхности, позволяя снизить долю брака.
Кроме того, компания интегрировала ИИ в систему мониторинга ELTM, которая отслеживает состояние электролизного оборудования и прогнозирует возможные отклонения. Также внедряются решения по автоматическому контролю технологических параметров на производственных линиях, что позволяет повышать стабильность процессов и снижать риски аварий.
АЛРОСА увеличивает объём добычи и ищет новые месторождения
Делая ставку на практические эффекты, на одном из рудников АЛРОСА внедрила систему машинного зрения для контроля крупности руды на конвейере. Алгоритм фиксирует негабаритные куски, оперативно даёт сигнал и помогает избежать простоя. По данным компании, это решение позволило дополнительно поднять добычу более чем на 12 тыс. тонн руды за год.
Второе направление связано с геологией: нейросети используют для анализа геофизических и геохимических данных при поиске новых алмазных месторождений. Алгоритмы ускоряют обработку массивов информации и выделяют наиболее перспективные участки, что сокращает время и затраты на разведку.
Кроме того, в компании проводят эксперименты с машинным обучением на стадии обогащения: системы тестируют для распознавания качества алмазного сырья и повышения точности сортировки.
«Северсталь» снижает простои и автоматизирует ремонт
На Яковлевском ГОКе, входящем в «Северсталь», внедрена ИИ-модель для мониторинга рудоспусков. Система анализирует видеопотоки, фиксирует переполнение решёток и попадание посторонних предметов, сразу отправляя сигнал диспетчеру. Это позволило сократить простои и стабилизировать поток руды.
Другой проект связан с предиктивным обслуживанием. «Северсталь» разрабатывает виртуального аудитора для контроля ремонтов: алгоритмы анализируют состояние оборудования и прогнозируют отказ, формируя рекомендации по ТО. Такой подход позволяет оптимизировать графики ремонтов и снижать аварийные остановки.
Кроме того, компания использует ИИ в диспетчеризации и управлении технологическими процессами, а также в системах промышленной безопасности. В публичных материалах отмечается, что только за счёт нейросетевых решений в области оптимизации процессов компания смогла сэкономить порядка четырёх миллиардов рублей.
ММК оптимизирует доменные печи и усиливает безопасность
На Магнитогорском металлургическом комбинате искусственный интеллект применяется сразу в нескольких направлениях. В доменном производстве алгоритмы анализируют параметры работы печей и помогают операторам выбирать оптимальные режимы. Это повышает стабильность плавки, сокращает расход топлива и улучшает качество чугуна.
Для повышения безопасности на заводе внедрена система с элементами компьютерного зрения: камеры фиксируют наличие средств индивидуальной защиты и отслеживают опасные ситуации на площадках. В случае нарушения система сразу подаёт сигнал ответственным службам.
Отдельно стоит Центр компетенций искусственного интеллекта, созданный на ММК. Здесь разрабатывают и тестируют новые проекты: от оптимизации сталеплавильного производства до систем поддержки решений в ремонте и логистике.
«Полюс» готовит базу для внедрения ИИ
Цифровой потенциал есть и у такой консервативной отрасли, как золотодобыча. У «Полюса» основные ИИ-проекты находятся на стадии подготовки: компания формирует цифровую инфраструктуру и запускает пилоты совместно с партнёрами.
В 2025 году в коллаборации со Сбером стартуют проекты по четырём направлениям:
· применение больших языковых моделей;
· внедрение алгоритмов машинного обучения;
· оптимизация производственных процессов;
· развитие цифровых компетенций персонала.
Для реализации этих задач создана дочерняя компания «Полюс Digital», которая разрабатывает цифровые продукты: от аналитических инструментов до систем поддержки принятия решений. Таким образом, компания пока создаёт задел для масштабного использования ИИ, выстраивая фундамент для дальнейшей трансформации золотодобычи.
Угольщики запускают беспилотники и цифровые двойники
В угледобыче искусственный интеллект применяется точечно и работает в основном в проектах беспилотного транспорта. Здесь алгоритмы компьютерного зрения и машинного обучения обеспечивают движение карьерных самосвалов без водителя, распознают препятствия и оптимизируют маршруты.
На Изыхском разрезе в Хакасии группа «Цифра» вместе с БЕЛА внедрила автономные 130-тонные самосвалы. В течение девяти месяцев опытной эксплуатации техника показывала выработку выше сменной нормы на 20%, а операторы лишь контролировали процесс из диспетчерского центра.
Ещё один крупный проект стартовал на Баимке (Чукотка). Для освоения одного из крупнейших месторождений меди в России правительство запустило экспериментальный правовой режим, предусматривающий использование до 50 автономных самосвалов грузоподъёмностью до 320 тонн. Машины должны работать в условиях вечной мерзлоты сначала под дистанционным управлением, а затем полностью автоматически.
Помимо беспилотников наземных используют дроны (БПЛА), а также цифровые двойники и предиктивные модели. ИИ применяют для создания моделей, прогнозирующих опасные ситуации (обвалы, выбросы газа) и оптимизирующих производственные процессы.
Заключение
Несмотря на то, что искусственный интеллект в отечественной горнодобывающей промышленности только делает первые шаги, эти решения уже показывают результаты — сокращают простои, экономят ресурсы, помогают удерживать качество концентрата.
Но пока они ограничены рамками отдельных предприятий или даже цехов. Попытки объединить самостоятельные алгоритмы в сквозные контуры от разведки до отгрузки концентрата остаются единичными.
Основные барьеры очевидны: нехватка размеченных промышленных данных, разрозненные IT-системы на предприятиях, необходимость импортозамещения оборудования, дефицит специалистов, умеющих работать с ИИ. Сами компании признают: российский сектор движется быстрее, чем пять лет назад, но отставание от мировых лидеров неизменно.