Как снизить расходы на ремонты БелАЗов до 135 миллионов рублей в год

Разработчик интеллектуальных решений Clover рассказывает об анализе технического состояния горнорудного оборудования на примере карьерных самосвалов.

Карьерные самосвалы — богатыри среди грузовиков. Ежедневно эти машины эксплуатируются в жестких условиях и переносят большие нагрузки. Для поддержки работоспособности карьерных самосвалов требуются колоссальные затраты. Например, отказ двигателя внутреннего сгорания по причине утечки в системе охлаждения несет убытки более 10 млн рублей и до 100 часов простоя машины. К тому же с увеличением срока эксплуатации карьерного самосвала увеличиваются и расходы на ремонтные работы. Компании заинтересованы снизить затраты на техническое обслуживание и ремонты горного оборудования, а также повысить коэффициент технической готовности. Именно с таким запросом к нам обратилось крупное горнорудное предприятие.

Команда Clover предложила протестировать на горно-обогатительном комбинате решение Clover SmartMaintenance, чтобы оптимизировать процессы планирования ТОиР и перейти к ремонтам по состоянию. Продукт создан с применением технологий искусственного интеллекта, машинного обучения и интеллектуальный анализ данных. В основе решения лежит платформа для анализа больших данных с библиотекой правил, набором физико-математических моделей и другими сервисами для обработки данных. Экспертные правила — это набор условий, при исполнении которых идентифицируются неисправности в работе оборудования. Правила нужны для оперативного определения фактического технического состояния оборудования в процессе эксплуатации. Физико-математические модели — прогнозные модели для выявления предотказных состояний и прогнозирования отказов технологического оборудования, построены на основе описания физики производственных и технологических процессов. Функции продукта включают в себя паспортизацию, мониторинг активов, планирование графиков сервисного обслуживания оборудования, технический контроль устранения замечаний, управление качеством ремонта и эксплуатационными показателями.

В периметр проекта вошло 5 самосвалов, с каждого из которых собиралось по 11 параметров. В предпроектном исследовании были выявлены наиболее уязвимые агрегаты карьерных машин: двигатель внутреннего сгорания, система охлаждения и гидравлическая подвеска — оказывающие влияние на технологический процесс.

Данные о техническом состоянии оборудования поступали с датчиков и анализировались с помощью экспертных правил и математических моделей для прогнозирования инцидентов. Один из примеров спрогнозированных отказов как раз стал отказ двигателя внутреннего сгорания из-за утечки в системе охлаждения. Затраты на его предупреждение — остановку оборудования и устранение утечки магистрали — составили всего лишь 100 тысяч рублей и меньше 10 часов простоев. Второй пример — появление трещин в раме из-за разрушения подвески, причиной которого стала негерметичность ее цилиндра. При обычной ситуации без решения Clover ремонт такого происшествия занял бы больше 48 часов и обошелся компании больше чем в 300 тысяч. В то время, как ранний прогноз и ремонт предупреждающий отказ стоил меньше 90 тысяч и занял до 8 часов.

При масштабном внедрении решения на парк из 122 самосвалов эффекты коснутся производственных показателей — сократятся внеплановые простои машин, вырастет коэффициент технической готовности (КТГ) с 88% до 89% и увеличится добыча руды на 0,8%, к тому же определение неисправностей ускорится в 10 раз. В совокупности это приведет к снижению среднегодовых затрат на 2,78% или 135 млн. рублей на парк оборудования.