Как удаленная диспетчеризация OES.ROC приносит карьеру 80 млн руб в месяц

Решение: Remote Operations Center

Компанией OES было принято решение создать центр компетенций OES.ROC, который объединил экспертизу в производстве и ИИ и стал помогать получать стабильный эффект от системы OES.

Remote Operations Center — ROC — удаленный диспетчерский центр, в котором связано воедино оперативное управление всеми технологическими процессами открытой добычи в режиме 24/7.

Результат внедрения ROC — возможность централизованно управлять и контролировать в реальном времени ключевые производственные показатели предприятия и соблюдение технологических нормативов по длительности простоев и операций.

Этап 1. Перевод диспетчерских функций в удаленный формат

Трансформация диспетчерской началась не только с команды, но и с локации, где команду планировалось размещать: центр компетенций было принято основать в Новосибирске, переведя определенные диспетчерские функции в удаленный формат. Это не только дает кадровую гибкость — вахтовый режим работы на Сахалине имеет свои ограничения по набору людей, — но и закладывает фундамент для дальнейшего масштабирования в полноценный центр компетенций.

На первом этапе команда взяла часть функций сахалинского диспетчерского центра: мониторинг дорожного полотна и скорости самосвалов, балансировка вскрышных комплексов и анализ технической готовности оборудования.

Со временем переданных функций становилось больше, а с ними пришло и понимание, как команда центра компетенций может приносить эффект в росте производительности разреза: перекладывать свой опыт в гибкие ИИ-системы и их внедрение.

Этап 2. Разработка ИИ-инструментов для повышения производительности

После перераспределения и стабилизации оперативных функций удаленного и местного диспетчерских центров команда OES.ROC перешла к внедрению ИИ-инструментов.

2.1. Управление парком самосвалов через OES.Truck_Balance

Проблема: Существующие системы балансировки работают по жесткой алгоритмической логике — самосвалы распределяются по экскаваторам в начале смены и эта расстановка затем не меняется. В результате одни экскаваторы простаивают, пока под другими выстраиваются очереди.

Решение: Совместно с командой OES разработан ИИ-инструмент OES.Truck_Balance, который может:

• Прогнозировать загрузку экскаваторов на 30 минут вперед за счет нейросетевого алгоритма ETA
• Автоматически перераспределять самосвалы внутри звена — группы близко расположенных экскаваторов — для компенсации очередей и простоев
• Рекомендовать убрать лишние самосвалы с линии и корректно управлять резервом, не допуская лишних затрат
• Управлять сходами с линии на заправку и подкачку шин за счет обработки данных телеметрии

Результат за июль-декабрь 2025: увеличение объема производства на 7% при сокращении количества самосвалов на линии на 23%.

2.2. Мультиагентная система мониторинга потерь

Проблема: Ежесекундно с датчиков телеметрии поступают миллионы строк данных о состоянии техники. Человек физически не может обработать такие объемы информации и выявить все аномальные простои.

Решение: На предприятии автономно работают более 30 ИИ-агентов, которые отслеживают и размечают каждый простой: например, заправки, обеды, сходы с линии. 

Система предупреждает об истечении нормативного времени, а если простой вышел за рамки — идет мгновенное уведомление ответственным и оператору техники. Затем система контролирует изменение статуса по простою: была ли исправлена ситуация или нет.

Эксперты OES.ROC на основе своего производственного опыта разработали логику детекторов нарушений. Один из таких детекторов выявлял самосвалы, которые простаивали с включенным двигателем без необходимости.

Результат: Экономия 6 млн руб. ежемесячно на расходах на топливо за счет минимизации таких простоев.

2.3. Предиктивная диагностика на основе Big Data

Проблема: В условиях нарушения поставок запчастей и изменения номенклатуры производителей критически важно продлить срок эксплуатации существующего парка техники и избежать внеплановых отказов.

Решение: Созданы предиктивные модели, которые:
Прогнозируют конкретные неисправности
Выявляют и подсвечивают аномалии в работе техники

Конкретный кейс: Детекторы OES.ROC обнаружили кавитацию в системе охлаждения ДВС на двух самосвалах. Кавитация приводит к выходу из строя блока ДВС без возможности его ремонта в среднесрочной перспективе. Благодаря раннему выявлению проблема была устранена превентивно.

Результат: За месяц предотвращено два крупных отказа, экономический эффект превысил 60 млн рублей.

2.4. Контроль скорости самосвалов через OES.RAM

Проблема: Дороги — это транспортные артерии для открытой добычи, ежесменно по ним проходит огромное количество техники. От скорости самосвалов зависит количество рейсов и итоговый объем вывозки горной массы.

Решение: Модуль OES.RAM позволяет выявлять проблемы дорожного полотна, которые затем оперативно устраняются дорожной службой. На основе выявленных аномалий OES.ROC генерирует рекомендации, которые позволяют быстро устранять все проблемы на дорогах, ведущие к снижению скорости.

Результат: Ежесменно самосвал совершает в среднем на 1-2 рейса больше плана благодаря постоянному контролю скорости.