Библиографическое описание:ИНТЕЛЛЕКТУАЛЬНЫЕ ЦИФРОВЫЕ ДВОЙНИКИ ГОРНЫХ ПРЕДПРИЯТИЙ ДЛЯ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ : научное издание / В. В. Кукарцев. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2026. - №2. - С. 315-320. - ISSN 2218-5194.
Аннотация:Рассмотрены вопросы создания цифровых двойников горных предприятий с использованием технологий искусственного интеллекта и современных методов программной инженерии. Выполнен анализ подходов к построению интеллектуальных моделей производственных объектов и исследованы возможности их применения для мониторинга технологических процессов и поддержки принятия управленческих решений. В качестве объекта исследования выбран участок транспортирования горной массы, для которого разработан цифровой двойник на основе данных производственного мониторинга. Для прогнозирования возникновения простоев использованы методы машинного обучения. Проведенные эксперименты показали высокую точность прогнозирования и возможность выявления факторов, оказывающих наибольшее влияние на эффективность работы оборудования. Полученные результаты подтверждают перспективность применения цифровых двойников для повышения надежности, производительности и безопасности горнодобывающих предприятий.
Examines the development of digital twins for mining enterprises using artificial intelligence technologies and modern software engineering methods. Approaches to constructing intelligent models ofproduction facilities are analyzed, and their potential for process monitoring and decision support is investigated. A rock transportation section was selected as the research object, for which a digital twin based on production monitoring data was developed. Machine learning methods were applied to predict equipment downtime. Experimental studies demonstrated high forecasting accuracy and enabled the identification of key factors affecting equipment performance. The obtained results confirm the prospects of digital twin implementation for improving reliability, productivity, and operational safety in mining enterprises.
