Russian Journal of Earth Sciences Russian Journal of Earth Sciences Russian Journal of Earth Sciences 1681-1208 66026 10.2205/2023ES000862 ОРИГИНАЛЬНЫЕ СТАТЬИ ORIGINAL ARTICLES ОРИГИНАЛЬНЫЕ СТАТЬИ Big Data as a Product of the Preparation Plant: Reality and Prospects in the Case of Coal Большие данные как продукт обогатительной фабрики: реальность и перспективы на примере угля https://orcid.org/0000-0002-4874-7475 Гвишиани Алексей Джерменович Gvishiani Alexei D. rjes@wdcb.ru

доктор физико-математических наук;

doctor of physical and mathematical sciences;

 https://orcid.org/0009-0008-6127-4546 Никитина Изабелла Михайловна Nikitina Izabella Mikhailovna i.nikitina@gcras.ru

кандидат технических наук;

candidate of technical sciences;

 https://orcid.org/0000-0001-7489-2951 Алёшин Игорь Михайлович Aleshin Igor Mikhaylovich ima@ifz.ru Геофизический центр Российской Академии Наук Москва Россия Geophysical Center of the Russian Academy of Sciences Moscow Russian Federation Институт физики Земли им. О.Ю. Шмидта Российской академии наук Москва Россия Schmidt Institute of the Physics of the Earth Russian Academy of Sciencies Moscow Russian Federation Геофизический центр РАН Россия Geophysical Center of the Russian Academy of Sciences Russian Federation Институт физики Земли им. О.Ю. Шмидта Российской академии наук Moscow Россия Schmidt Institute of Physics of the Earth of the Russian Academy of Sciences Moscow Russian Federation Геофизический центр РАН Москва Россия Geophysical Center of the Russian Academy of Sciences Moscow Russian Federation 15 09 2023 15 09 2023 23 3 1 16 28 06 2023 13 07 2023 https://ras.editorum.ru/en/nauka/article/66026/view

Существующие и планируемые в будущем производственные потоки обогатительной фабрики (ОФ) в статье рассмотрены с точки зрения генерации Больших Данных (БоД). Показано, что чем выше уровень автоматизации ОФ, тем объемнее и разнообразнее производимые ею данные. При этом возможно достижение уровня, когда генерируемые потоки информации удовлетворяют критериям БоД. В качестве базового примера используется типовая обогатительная фабрика, сырьем для которой является уголь. Описаны и проанализированы основные источники, объемы, разнообразие и скорости передачи регистрируемых данных на ОФ.

The article examines the current and future flow of preparation’s plant production processes and how they contribute to the generation of Big Data. It is shown that as the level of automation in the plant increases, the data produced becomes more extensive and varied. At the same time, it is possible to achieve a level when the generated information flows meet the criteria of the Big Data. As a basic example, a typical coal processing plant is used. The main sources, volumes, variety and speeds of data transfer to the processing plant are described and analyzed.

 Большие Данные обогатительная фабрика уголь горная промышленность автоматизация информационные технологии big data preparation plant coal mining industry automation information technology Работа выполнена в рамках государственных заданий № 075-01349- 23-00 Геофизического центра РАН и № 075-01030-23-00 Института физики Земли им. О. Ю. Шмидта РАН, утверждённых Минобрнауки России. This work was conducted in the framework of budgetary funding № 075-01349-23-00 of the Geophysical Center of RAS and № 075-01030-23-00 of Schmidt Institute of Physics of the Earth of the Russian Academy of Sciences, adopted by the Ministry of Science and Higher Education of the Russian Federation.

Абраров А. Д., Дациев М. С., Чикильдин Д. Е. и др. Система оптимизации процесса коллективной флотации Талнахской обогатительной фабрики на основе алгоритмов машинного обучения // Цветные металлы. — 2022. — Т. 2. — С. 87—93. — DOI: 10.17580/tsm.2022.02.11. Abrarov A. D., Daciev M. S., Chikil'din D. E. i dr. Sistema optimizacii processa kollektivnoy flotacii Talnahskoy obogatitel'noy fabriki na osnove algoritmov mashinnogo obucheniya // Cvetnye metally. — 2022. — T. 2. — S. 87—93. — DOI: 10.17580/tsm.2022.02.11. Авдохин В. М. Обогащение углей. Том 1. Процессы и машины. — Горная книга, 2012. — С. 424. Avdohin V. M. Obogaschenie ugley. Tom 1. Processy i mashiny. — Gornaya kniga, 2012. — S. 424. Антипенко Л. А., Сарин Н. Г. Автоматизированное предприятие - Углеобогатительная фабрика будущего // Горный информационно-аналитический бюллетень. — 2017. — № 2. — С. 5—13. Antipenko L. A., Sarin N. G. Avtomatizirovannoe predpriyatie - Ugleobogatitel'naya fabrika buduschego // Gornyy informacionno-analiticheskiy byulleten'. — 2017. — № 2. — S. 5—13. Асланова И. В. Mes как основа разработки систем управления производственными процессами предприятия // Российское предпринимательство. — 2017. — Т. 18, № 11. — С. 1651—1658. Aslanova I. V. Mes kak osnova razrabotki sistem upravleniya proizvodstvennymi processami predpriyatiya // Rossiyskoe predprinimatel'stvo. — 2017. — T. 18, № 11. — S. 1651—1658. Гвишиани А. Д., Добровольский М. Н., Дзеранов Б. В. и др. Большие Данные в геофизике и других науках о Земле // Физика Земли. — 2022. — Т. 2022, № 1. — С. 3—34. — DOI: 10.31857/S0002333722010033. Gvishiani A. D., Dobrovol'skiy M. N., Dzeranov B. V. i dr. Bol'shie Dannye v geofizike i drugih naukah o Zemle // Fizika Zemli. — 2022. — T. 2022, № 1. — S. 3—34. — DOI: 10.31857/S0002333722010033. Гвишиани А. Д., Панченко В. Я., Никитина И. М. Системный анализ Больших Данных для наук о Земле // Вестник РАН. — 2023. — Т. 6, № 93. — С. 518—525. — DOI: 10.31857/S0869587323060087. Gvishiani A. D., Panchenko V. Ya., Nikitina I. M. Sistemnyy analiz Bol'shih Dannyh dlya nauk o Zemle // Vestnik RAN. — 2023. — T. 6, № 93. — S. 518—525. — DOI: 10.31857/S0869587323060087. ГОСТ 17321-2015. Уголь. Обогащение. Термины и определения. — Москва : ФГУП «Стандартинформ», 2016. — 11 с. — (Межгосударственный стандарт). GOST 17321-2015. Ugol'. Obogaschenie. Terminy i opredeleniya. — Moskva : FGUP «Standartinform», 2016. — 11 s. — (Mezhgosudarstvennyy standart). Жданеев О. В., Оленева О. Н. Приоритетные направления развития российского программного обеспечения для угольной промышленности. Часть 2 // Уголь. — 2021. — Т. 6. — С. 18—22. — DOI: 10.18796/0041-5790-2021-7-13-19. Zhdaneev O. V., Oleneva O. N. Prioritetnye napravleniya razvitiya rossiyskogo programmnogo obespecheniya dlya ugol'noy promyshlennosti. Chast' 2 // Ugol'. — 2021. — T. 6. — S. 18—22. — DOI: 10.18796/0041-5790-2021-7-13-19. Захаров В. Н., Гвишиани А. Д., Вайсберг Л. А. и др. Большие данные и устойчивое функционирование горнотехнических систем // Горный журнал. — 2021. — Т. 11. — С. 45—52. — DOI: 10.17580/gzh.2021.11.06. Zaharov V. N., Gvishiani A. D., Vaysberg L. A. i dr. Bol'shie dannye i ustoychivoe funkcionirovanie gornotehnicheskih sistem // Gornyy zhurnal. — 2021. — T. 11. — S. 45—52. — DOI: 10.17580/gzh.2021.11.06. Захаров В. Н., Каплунов Д. Р., Клебанов Д. А. и др. Методические подходы к стандартизации сбора, хранения и анализа данных при управлении горнотехническими системами // Горный журнал. — 2022. — № 12. — DOI: 10.17580/gzh.2022.12.10. Zaharov V. N., Kaplunov D. R., Klebanov D. A. i dr. Metodicheskie podhody k standartizacii sbora, hraneniya i analiza dannyh pri upravlenii gornotehnicheskimi sistemami // Gornyy zhurnal. — 2022. — № 12. — DOI: 10.17580/gzh.2022.12.10. ИТС 37-2017. ИТС 37-2017 «Добыча и обогащение угля». — Москва : Бюро НДТ, 2017. — 294 с. — (Информационно-технический справочник по наилучшим доступным технологиям). ITS 37-2017. ITS 37-2017 «Dobycha i obogaschenie uglya». — Moskva : Byuro NDT, 2017. — 294 s. — (Informacionno-tehnicheskiy spravochnik po nailuchshim dostupnym tehnologiyam). Кондратьев В. Б., Попов В. В., Кедрова Г. В. Глобальный рынок угля: состояние и перспективы // Горная промышленность. — 2019. — Т. 2, № 144. — DOI: 10.30686/1609-9192-2019-2-144-6-12. Kondrat'ev V. B., Popov V. V., Kedrova G. V. Global'nyy rynok uglya: sostoyanie i perspektivy // Gornaya promyshlennost'. — 2019. — T. 2, № 144. — DOI: 10.30686/1609-9192-2019-2-144-6-12. КС-26: Климатический пакт Глазго : тех. отч. / Конференция ООН по изменению климата. — Великобритания, Глазго, 2021. KS-26: Klimaticheskiy pakt Glazgo : teh. otch. / Konferenciya OON po izmeneniyu klimata. — Velikobritaniya, Glazgo, 2021. Кучумова А. Ставки на обогащение угля. — 2021. — URL: https://dprom.online/chindustry/stavki-na-obogashhenieuglya/ (дата обр. 01.02.2022). Kuchumova A. Stavki na obogaschenie uglya. — 2021. — URL: https://dprom.online/chindustry/stavki-na-obogashhenieuglya/ (data obr. 01.02.2022). Лукичёв С. В. Цифровое прошлое, настоящее и будущее горнодобывающих предприятий // Горная промышленность. — 2021. — № 4. — С. 73—79. — DOI: 10.30686/1609-9192-2021-4-73-79. Lukichev S. V. Cifrovoe proshloe, nastoyaschee i buduschee gornodobyvayuschih predpriyatiy // Gornaya promyshlennost'. — 2021. — № 4. — S. 73—79. — DOI: 10.30686/1609-9192-2021-4-73-79. Майер-Шенбергер В., Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. — Москва : Манн, Иванов и Фербер, 2014. — С. 240. Mayer-Shenberger V., Kuk'er K. Bol'shie dannye. Revolyuciya, kotoraya izmenit to, kak my zhivem, rabotaem i myslim. — Moskva : Mann, Ivanov i Ferber, 2014. — S. 240. Министерство энергетики РФ. Доклад Министерства энергетики РФ о ходе реализации в 2020 году Программы развития угольной промышленности России на период до 2035 года : тех. отч. / Письмо Министерства энергетики РФ от 28.05.2021 №АЯ-6203/22. — 2021. Ministerstvo energetiki RF. Doklad Ministerstva energetiki RF o hode realizacii v 2020 godu Programmy razvitiya ugol'noy promyshlennosti Rossii na period do 2035 goda : teh. otch. / Pis'mo Ministerstva energetiki RF ot 28.05.2021 №AYa-6203/22. — 2021. Осипов Е. Как подружить промышленность и big data. — 2019. — URL: https://habr.com/ru/companies/croc/articles/ 466933/ (дата обр. 14.04.2022). Osipov E. Kak podruzhit' promyshlennost' i big data. — 2019. — URL: https://habr.com/ru/companies/croc/articles/ 466933/ (data obr. 14.04.2022). Петренко И. Е. Итоги работы угольной промышленности России за 2022 год // Уголь. — 2023. — № 3. — С. 21—33. — DOI: 10.18796/0041-5790-2023-3-21-33. Petrenko I. E. Itogi raboty ugol'noy promyshlennosti Rossii za 2022 god // Ugol'. — 2023. — № 3. — S. 21—33. — DOI: 10.18796/0041-5790-2023-3-21-33. Правила безопасности при переработке, обогащении и брикетировании углей. Утверждены приказом Федеральной службы по экологическому, технологическому и атомному надзору от 28.10.2020 № 428. — Москва : Федеральная служба по экологическому, технологическому и атомному надзору, 2020. — 149 с. — (Федеральные нормы и правила в области промышленной безопасности). Pravila bezopasnosti pri pererabotke, obogaschenii i briketirovanii ugley. Utverzhdeny prikazom Federal'noy sluzhby po ekologicheskomu, tehnologicheskomu i atomnomu nadzoru ot 28.10.2020 № 428. — Moskva : Federal'naya sluzhba po ekologicheskomu, tehnologicheskomu i atomnomu nadzoru, 2020. — 149 s. — (Federal'nye normy i pravila v oblasti promyshlennoy bezopasnosti). Программа развития угольной промышленности России на период до 2035 года. Утверждена распоряжением Правительства Российской Федерации от 13 июня 2020 года N 1582-р. — Москва : Правительство РФ, 2022. — (Программа развития). Programma razvitiya ugol'noy promyshlennosti Rossii na period do 2035 goda. Utverzhdena rasporyazheniem Pravitel'stva Rossiyskoy Federacii ot 13 iyunya 2020 goda N 1582-r. — Moskva : Pravitel'stvo RF, 2022. — (Programma razvitiya). Проект «Цифровой двойник оператора флотации». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/xfjx0krti1-tsifrovoi-dvoinik-operatora-flotatsii,%20https://digitalmining.ru/nominanty-2021/tpost/y68zveua61-avtomatizirovannaya-optimizatsionnaya-si (дата обр. 01.02.2022). Proekt «Cifrovoy dvoynik operatora flotacii». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/xfjx0krti1-tsifrovoi-dvoinik-operatora-flotatsii,%20https://digitalmining.ru/nominanty-2021/tpost/y68zveua61-avtomatizirovannaya-optimizatsionnaya-si (data obr. 01.02.2022). Проект «Чистая руда». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/423mbjono1-chistaya-ruda (дата обр. 01.02.2022). Proekt «Chistaya ruda». — 2019. — URL: https://digitalmining.ru/nominanty-2021/tpost/423mbjono1-chistaya-ruda (data obr. 01.02.2022). Рыльникова М. В., Клебанов Д. А., Макеев М. А. и др. Применение искусственного интеллекта и перспективы развития аналитических систем больших данных в горной промышленности // Горная промышленность. — 2022. — № 3. — С. 89—92. — DOI: 10.30686/1609-9192-2022-3-89-92. Ryl'nikova M. V., Klebanov D. A., Makeev M. A. i dr. Primenenie iskusstvennogo intellekta i perspektivy razvitiya analiticheskih sistem bol'shih dannyh v gornoy promyshlennosti // Gornaya promyshlennost'. — 2022. — № 3. — S. 89—92. — DOI: 10.30686/1609-9192-2022-3-89-92. Хасанов М. М., Прокофьев Д. О., Ушмаев О. С. и др. Перспективные технологии Big Data в нефтяном инжиниринге: опыт компании «Газпром нефть» // Нефтяное хозяйство. — 2016. — № 12. — С. 76—79. Hasanov M. M., Prokof'ev D. O., Ushmaev O. S. i dr. Perspektivnye tehnologii Big Data v neftyanom inzhiniringe: opyt kompanii «Gazprom neft'» // Neftyanoe hozyaystvo. — 2016. — № 12. — S. 76—79. Энергетический бюллетень. Перспективы мирового угольного рынка / под ред. А. Голяшев, А. Курдин, А. Коломиец и др. — Аналитический центр при правительстве Российской Федерации, 2021. Energeticheskiy byulleten'. Perspektivy mirovogo ugol'nogo rynka / pod red. A. Golyashev, A. Kurdin, A. Kolomiec i dr. — Analiticheskiy centr pri pravitel'stve Rossiyskoy Federacii, 2021. Barnewold L., Lottermoser B. G. Identification of digital technologies and digitalisation trends in the mining industry // International Journal of Mining Science and Technology. — 2020. — Vol. 30, no. 6. — P. 747–757. — DOI: 10.1016/j.ijmst.2020.07.003. Barnewold L., Lottermoser B. G. Identification of digital technologies and digitalisation trends in the mining industry // International Journal of Mining Science and Technology. — 2020. — Vol. 30, no. 6. — P. 747–757. — DOI: 10.1016/j.ijmst.2020.07.003. Dean J., Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters // Communications of the ACM. — 2008. — Vol. 51, no. 1. — P. 107–113. — DOI: 10.1145/1327452.1327492. Dean J., Ghemawat S. MapReduce: Simplified Data Processing on Large Clusters // Communications of the ACM. — 2008. — Vol. 51, no. 1. — P. 107–113. — DOI: 10.1145/1327452.1327492. Dovgal V., Kuizheva S. Using Big Data Technology to Protect the Environment // Russian Journal of Earth Sciences. — 2022. — Vol. 22, no. 5. — P. 1–5. — DOI: 10.2205/2022es01si02. Dovgal V., Kuizheva S. Using Big Data Technology to Protect the Environment // Russian Journal of Earth Sciences. — 2022. — Vol. 22, no. 5. — P. 1–5. — DOI: 10.2205/2022es01si02. Energy Institute. The EI Statistical Review of World Energy 2023. — 2023. — URL: https://www.energyinst.org/statistical-review (visited on 07/10/2023). Energy Institute. The EI Statistical Review of World Energy 2023. — 2023. — URL: https://www.energyinst.org/statistical-review (visited on 07/10/2023). Global Change Data Lab. Electricity production by source, World. — 2022. — URL: https://ourworldindata.org/grapher/electricity-production-by-source (visited on 07/10/2023). Global Change Data Lab. Electricity production by source, World. — 2022. — URL: https://ourworldindata.org/grapher/electricity-production-by-source (visited on 07/10/2023). Jones D. Global Electricity Review 2021. — 2021. — URL: https://ember-climate.org/global-electricity-review-2021/g20-profiles/china/ (visited on 02/04/2022). Jones D. Global Electricity Review 2021. — 2021. — URL: https://ember-climate.org/global-electricity-review-2021/g20-profiles/china/ (visited on 02/04/2022). Odintsova A., Gvishiani A., Nakicenovic N., et al. The world’s largest oil and gas hydrocarbon deposits: ROSA database and GIS project development // Russian Journal of Earth Sciences. — 2018. — Vol. 18, no. 3. — P. 1–14. — DOI: 10.2205/2018es000621. Odintsova A., Gvishiani A., Nakicenovic N., et al. The world’s largest oil and gas hydrocarbon deposits: ROSA database and GIS project development // Russian Journal of Earth Sciences. — 2018. — Vol. 18, no. 3. — P. 1–14. — DOI: 10.2205/2018es000621. Ravat F., Zhao Y. Data Lakes: Trends and Perspectives // Lecture Notes in Computer Science. — Springer International Publishing, 2019. — P. 304–313. — DOI: 10.1007/978-3-030-27615-7_23. Ravat F., Zhao Y. Data Lakes: Trends and Perspectives // Lecture Notes in Computer Science. — Springer International Publishing, 2019. — P. 304–313. — DOI: 10.1007/978-3-030-27615-7_23. Reinsel D., Gantz J., Rydning J. The Digitization of the World. From Edge to Core. — 2018. — URL: https: //www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf (visited on 02/14/2022). Reinsel D., Gantz J., Rydning J. The Digitization of the World. From Edge to Core. — 2018. — URL: https: //www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf (visited on 02/14/2022). Samorodova L., Lyubimov O., Yakunina Y. Application of SCADA Systems in the Coal Mining Industry // Proceedings of the 8th Russian-Chinese Symposium «Coal in the 21st Century: Mining, Processing, Safety». — Atlantis Press, 2016. — DOI: 10.2991/coal-16.2016.10. Samorodova L., Lyubimov O., Yakunina Y. Application of SCADA Systems in the Coal Mining Industry // Proceedings of the 8th Russian-Chinese Symposium «Coal in the 21st Century: Mining, Processing, Safety». — Atlantis Press, 2016. — DOI: 10.2991/coal-16.2016.10. Schernikau L. Economics of the International Coal Trade. — Springer International Publishing, 2016. — P. 463. — DOI: 10.1007/978-3-319-46557-9. Schernikau L. Economics of the International Coal Trade. — Springer International Publishing, 2016. — P. 463. — DOI: 10.1007/978-3-319-46557-9. Soofastaei A. Data Analytics Applied to the Mining Industry. — 1st. — CRC Press, 2020. — P. 272. Soofastaei A. Data Analytics Applied to the Mining Industry. — 1st. — CRC Press, 2020. — P. 272. The International Energy Agency. Coal 2022. Analysis and forecast to 2025. — 2022. — URL: https://www.iea.org/ reports/coal-2022 (visited on 02/14/2023). The International Energy Agency. Coal 2022. Analysis and forecast to 2025. — 2022. — URL: https://www.iea.org/ reports/coal-2022 (visited on 02/14/2023).