ПРИМЕНЕНИЕ ЦИФРОВЫХ ДВОЙНИКОВ ДЛЯ ПОВЫШЕНИЯ ОПЕРАЦИОННОЙ ЭФФЕКТИВНОСТИ ПРЕДПРИЯТИЙ ДОБЫВАЮЩИХ ОТРАСЛЕЙ

В статье рассматривается влияние цифровых двойников на бизнес-процессы горнодобывающих предприятий. Горнодобывающие предприятия могут оптимизировать свои операционные процессы, начиная от вскрыши и добычи и заканчивая обогащением и транспортировкой. Моделируя различные сценарии, выявляя узкие места и принимая обоснованные решения, компании могут повысить эффективность использования ресурсов, сократить время простоя, увеличить производительность и таким образом оказать положительное влияние на свою операционную эффективность. Стратегии предиктивного обслуживания, реализуемые с помощью цифровых двойников, способствуют повышению эффективности за счет минимизации непредвиденных поломок оборудования и максимизации времени безотказной работы.

Ключевыми технологическими эффектами от использования цифровых двойников в горнодобывающей отрасли, оказывающими влияние на операционную эффективность предприятия, являются: увеличение объема выхода товарной продукции после обогащения угля и рост коэффициента выхода на линию производительности горнодобывающей техники. Эти эффекты приводят к улучшению операционной эффективности горнодобывающего предприятия, увеличивая такие показатели, как EBITDA и остаток денежных средств на конец периода. Данное влияние на операционную эффективность наступает как за счет роста объемов товарной продукции и увеличения эффективности производственных процессов, так и за счет сокращения постоянных и эксплуатационных расходов предприятия.

Автором разработан метод оценки влияния использования технологии цифровых двойников на горнодобывающие предприятия. По результатам опроса выявлен ряд ключевых производственных процессов с ожидаемым эффектом от внедрения цифрового двойника.

В результате проведенного эмпирического исследования ожидаемый прирост EBITDA от внедрения цифрового двойника составил 28%, фактический прирост EBITDA за исследуемый период – 21%. Ожидаемый прирост свободных денежных средств на конец периода составил 593 млн руб. (+130%), фактический прирост свободных денежных средств за исследуемый период – 441 млн руб. (+96%).

Внедрение цифровых двойников на горнодобывающих предприятиях продемонстрировало большой потенциал для повышения операционной эффективности и решения сложных задач, стоящих перед отраслью.

1. Боровков А.И., Рябов Ю.А., Марусева В.М. (2018). «Умные» цифровые двойники – основа новой парадигмы цифрового проектирования и моделирования глобально конкурентоспособной продукции нового поколения. Трамплин к успеху, 13: 26.

2. Гривс М. (2002). Виртуальная реальность и трансформация разработки продукции. Автоматизация сборки, 22(4): 312–319.

3. Исаев Р.А. (2023). Управление ИТ-архитектурой организации: проектирование, анализ, оптимизация и трансформация. М., Инфра-М.

4. Самосудов М.В. (2018). Концепция программы нового поколения для автоматизации деятельности. В: Шаг в будущее: искусственный интеллект и цифровая экономика. Революция в управлении: новая цифровая экономика или новый мир машин: материалы II Международного научного форума. Вып. 5. М., Издательский дом ГУУ, 40–50. https://guu.ru/wp-content/uploads/forum_bl_v55.pdf.

5. Alam K.M., Saddik A. (2017). El C2PS: A Digital Twin architecture reference model for the cloud-based cyberphysical systems. IEEE Access, 5: 2050.

6. Arenkov I., Tsenzharik M. (2019). Digital technologies in supply chain management. Atlantis Highlights in Computer Sciences, 1: 720–734.

7. Bao Q. (2020). Ontology-based modeling of part Digital Twin oriented to assembly. Journal of Engineering Manufacture, 13(4): 534–556.

8. Barricelli B.R., Casiraghi E., Fogli D. (2019). A Survey оn Digital Twin: Definitions, characteristics, applications, and design implications. IEEE Access, 7: 289–301.

9. Glaessgen E., Stargel D. (2012). The Digital Twin paradigm for future NASA and U.S. air force vehicles. 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference. https:// doi.org/10.2514/6.2012–1818.

10. Grieves M., Vickers J. (2017). Digital Twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. Transdisciplinary Perspectives on Complex Systems: New Findings and Approaches, 16(4): 85–113.

11. Karapetyan D., Mitrovic Minic S., Malladi K.T., Punnen A.P. (2020). Satellite downlink scheduling problem: A case study. Omega, 27(2): 115–129.

12. Kritzinger W., Karner M., Traar G., Henjes J., Sihn W. (2018). Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine, 51: 334–346.

13. Merdan M., Moser T., Sunindyo W., Biffl S., Vrba P. (2022). Workflow scheduling using multi-agent systems in a dynamically changing environment. Journal of Simulation, 118–129.

14. Negri E., Fumagalli L., Macchi M. (2017). A review of the roles of Digital Twin in CPS-based production systems. Procedia Manufacturing, 11: 939–948.

15. Saddik A.E. (2018). A Digital Twin architecture reference model for the cloud-based cyber-physical systems. IEEE MultiMedia, 25(2): 87.

16. Stark R., Damerau T. (2019). Digital Twin, CIRP. In: Encyclopedia of Production Engineering. Berlin, Heidelberg, Springer, 66: 1.

17. Tao F., Qi Q., Liu A., Kusiak A., Zhou L. (2019). Digital Twins and cyber-physical systems. Toward smart manufacturing and Industry 4.0: Correlation and comparison. Engineering, 5(4), 653–661.

18. Trauer J., Schweigert-Recksiek S., Engel C., Spreitzer K., Zimmermann M. (2020). What is a Digital Twin? In: Design Conference, proceedings of the design society, 1: 757. DOI: 10.1017/dsd.

19. Zhuang Ñ., Liu J., Xiong H. (2018). Digital Twin – based smart production management and control framework for the complex product assembly shop-floor. International Journal of Advanced Manufacturing Technology, 96: 1149.