Автономная перевоза карьерными самосвалами повышает NPV рудника на 7%

Задача

Команды Pronto.AI (поставщик AHS) и Whittle Consulting совместно с ООО «Амальгама» оценивали, смогут ли меньшие по грузоподъёмности автономные самосвалы экономически и операционно превосходить управляемые человеком более крупные. Традиционный подход к расчётам LOM (life-of-mine) опирается на линейные оценки темпов добычи, не учитывающие: очереди самосвалов у экскаваторов и на разгрузке, а также снижение скорости движения из-за человеческого фактора (перерывы, неравномерность скорости).

Заказчик

Pronto.AI – поставщик автономных систем для внедорожной перевозки в тяжёлых и удалённых горных условиях.

Whittle Consulting – специалисты по интегрированному стратегическому планированию рудников и оптимизации цепочки создания стоимости.

Решение

• Сформирован базовый сценарий горных работ (Северная Америка) на основе простой ресурсной модели: карьеры в три фазы, дорожная сеть, обогатительная фабрика
• Создано 9 сценариев (по 3 на каждую стадию добычи) с вертикальным перепадом расстояний в карьере от 10 до 324 м
• В каждом сценарии варьировались количество самосвалов и экскаваторов
• Проведено 924 имитационных эксперимента MineTwin на сервере в автоматическом режиме.

Результаты

Доказано, что автономные самосвалы грузоподъёмностью 40 т повышают NPV рудника на 31% по сравнению с управляемыми человеком 100-тонными, и на 7% — по сравнению с автономными 100-тонными.
Показан существенный потенциал снижения затрат в вскрышных работах за счёт AHS на основе менее габаритных карьерных самосвалов.

Предпосылки проекта

Pronto.AI обратилась к Whittle Consulting для количественной оценки экономического эффекта AHS на горизонте LOM.
Классические LOM-модели не учитывают:

• очереди у экскаваторов (связка «самосвал–экскаватор»),
• очереди на разгрузке (заторы),
• снижение скорости транспортировки из-за человеческого фактора (перерывы, неравномерная скорость движения).

Для корректного учёта этих эффектов при изменении состава и размера парка требовался более детальный подход.

Whittle Consulting привлекла ООО «Амальгама» для использования инструмента MineTwin при подборе оптимальной конфигурации парка самосвалов и экскаваторов. Тестировались варианты карьера на трёх стадиях жизненного цикла:

• мелкий (20–68 м),
• средний (116–196 м)
• глубокий (244–324 м) карьеры.

Почему MineTwin?

MineTwin специально разработан для горных работ. Он позволяет детально моделировать взаимодействие «самосвал–экскаватор», очереди, задержки и простои.

Инструмент обеспечивает быстрое и гибкое тестирование сценариев состава парка техники и графиков работы, позволяя принимать решения на основе реалистичного поведения системы.

Анализ сценариев и расчет NPV

Базовый сценарий горных работ (Северная Америка) был создан на основе простой ресурсной модели: карьеры в три фазы, дорожная сеть, обогатительная фабрика.

Для каждого сценария подбиралась комбинация самосвалов и экскаваторов, минимизирующая потери времени из-за очередей/заторов при условии выполнения целевого плана. Эти оптимальные размеры парка техники затем использовались в LOM-расчётах. Были получены следующие результаты:

Сценарий 1 (базовый): управляемые человеком 100-тонные самосвалы — точка отсчёта NPV.

Сценарий 2 (AHS, 100 т): роботизация 100-тонных самосвалов дала +23% NPV за счёт их более эффективного использования и снижения ФОТ.

Сценарий 3 (человек, 40 т): уменьшение размера без роботизации — –9% NPV (рост трудозатрат и заторов перекрыл выгоды от меньшего CAPEX/OPEX).

Сценарий 4 (AHS, 40 т): лучший результат — +31% NPV к базе; роботизация снизила трудозатраты, повысила скорости транспортировки и сократила заторы, сделав меньшие самосвалы наиболее экономически выгодными.

Анализ состава парка техники

В MineTwin протестировано 924 вариантов состава парка на разных глубинах карьера, чтобы найти связки «самосвал–экскаватор», позволяющие выполнить целевые объёмы перевозки при минимальных потерях на очереди и задержки.

Оптимальные размеры парка зависели от глубины карьера и типа самосвалов — ещё одно подтверждение необходимости имитационного моделирования при планировании парка.