АО «Кольская ГМК», Мончегорск, Россия

Я. В. Крайнюченко, главный менеджер департамента по инновациям и цифровым технологиям, эл. почта: KraynyuchenkoYaV@kolagmk.ru
Е. А. Батц, старший менеджер департамента по инновациям и цифровым технологиям, эл. почта: BattsEA@kolagmk.ru
Д. О. Санников, директор департамента по инновациям и цифровым технологиям, эл. почта: SannikovDO@kolagmk.ru
С. В. Щербаков, заместитель директора завода – главный инженер, эл. почта: ScherbakovSV@kolagmk.ru

На примере процесса хлорного растворения порошка никелевого трубчатых печей (ПНТП) в отделении раст ворения и дегазации (ОРиД) цеха электролиза никеля (ЦЭН) АО «Кольская ГМК» рассмотрено удержание окислительно-восстановительного потенциала в опти мальном диапазоне (400–420 мВ) с помощью реше ния на базе искусственного интеллекта и действующих средств автоматизации с целью дальнейшего повыше ния извлечения металлов платиновой группа и сниже ния потерь цветных металлов. Выявлено, что процесс растворения никелевого порошка требует эффективных систем управления. Классические АСУ ТП сталкиваются со сложностями ввиду отсутствия больших вычислительных ресурсов и использования классических алгоритмов управления (сложное PID-регу лирование). Для преодоления сложности много пара метрической системы, включающей темпе ратуру, давление хлора, состав сырья и др., разработана и внедрена система усовершенствованного управления технологическим процессом (СУУ ТП) на базе искусственного интеллекта (ИИ). Модель машинного обучения анализирует исторические и текущие данные, прогнозирует ОВП на 10 мин вперед и определяет оптимальные управляющие воздействия – регулирование скорости подачи ПНТП. Внедрение ИИ-управления позволило удерживать ОВП в целе вом диапазоне до 90 % времени (против неудовлет ворительных показателей при классическом управлении, равных 30 %). Это обеспечило повышение извлечения никеля, кобальта и металлов платиновой группы, а также позволило стабилизировать работу реактора и равномерность нагрузки по технологической цепочке. Разработано и успешно внедрено уникальное решение для управления сложным гидрометаллургическим про цессом с использованием ИИ, показавшее зна чительный технологический и экономический эффект.

1. Пупков К. А. Информационные технологии в интеллектуальных системах // Вестник РУДН. Серия: Инженерные исследования. 2007. № 1. С. 5–10.
2. Самойлова Е. М., Игнатьев А. А. Интеграция искусственного интеллекта в автоматизированные системы управления и проектирования технологических процессов // Вестник СГТУ. 2010. № 2 (45). С. 128–133.
3. Schweidtmann A. M. et al. Machine learning meets continuous flow chemistry: automated optimization towards the pareto front of multiple objectives // Chemical Engineering Journal. 2018. Vol. 352. P. 277–282.