Необходимость увеличения объемов переработки техногенных минеральных запасов требует разработки новых технологических решений по извлечению золота с низкой себестоимостью производства. В связи с этим, возникает необходимость в цифровизации производства и его цифровой трансформации – процесс изменения технологических и бизнес процессов предприятия таким образом, чтобы данные в цифровом виде стали основной и неотъемлемой частью его успешного функционирования [1–5]. С одной стороны, предприятия улучшают операционные показатели, что ведет к росту прибыли. С другой, повышают конкурентоспособность и могут продавать продукцию не только на внутреннем рынке, но и за рубежом.
На основе анализа тенденций цифровой трансформации, современных средств и текущего технического состояния производственных процессов установлено, что для реализации цифровизации процессов обогащения необходимо внедрить следующие этапы:
• автоматизация производственных и бизнес-процессов;
• организация на производстве инфраструктуры для управления данными;
• внедрение в производственные процессы решений на базе технологий искусственного интеллекта.
В настоящее время особое внимание уделяется совершенствованию систем и средств автоматического и автоматизированного управления в обогащении полезных ископаемых на обогатительных фабриках цветной и черной металлургии, угольной, химической промышленности и др.
Бактериальное выщелачивание является одним из наиболее важных и ответственных технологических процессов на обогатительной фабрике, т. к. оно, в конечном итоге, влияет на качество и количество готового продукта [2].
На данный момент, для процесса бактериального выщелачивания нет актуальных аналитических решений для реализации непосредственного цифрового управления или цифрового двойника, т. к. сам процесс представляет собой сложную техническую систему, которая состоит из элементов разных типов и обладает разнородными связями между ними.
Наиболее актуальным для процесса бактериального выщелачивания является сбор, хранение и анализ данных, полученных с датчиков работы оборудования процесса, внедрение сервиса по предсказательной аналитике выхода из строя оборудования и рекомендательные системы для оптимального ведения технологического процесса. Сложные, функционально насыщенные системы сбора и обработки технологической информации требуют применения датчиков, способных на что-то еще помимо выдачи сообщений об уровне сигналов или просто о включении/выключении элементов оборудования [3]. Сегодня интеллектуальными узлами систем управления являются уже не только промышленные компьютеры и контроллеры, ими становятся также датчики. Своим интеллектом датчики обязаны микропроцессорным технологиям. Микропроцессор – это мозг датчика, позволяющий устройству «изучать» условия, в которых оно работает. Являясь самообучающейся микропроцессорной системой, такой датчик способен обрабатывать большие объемы информации с высокой скоростью [3].