OES поставил 30 ИИ-агентов на карьерные самосвалы и поднял вывозку на 10%

На угольном разрезе работает больше 240 единиц техники, и за одну смену набегает свыше 10 000 отклонений от нормы. Диспетчер с рацией физически не успевает на них реагировать. Инженеры «Операционного совершенства» (OES) не стали менять систему мониторинга, а построили поверх неё слой из 40+ моделей и 30+ ИИ-агентов. На том же парке вывозка горной массы выросла на 10%, производительность экскаваторов на 17%, а нагрузка на диспетчера упала на 60–70%.

Диспетчер на рации против 10 000 отклонений

Парк состоит из карьерных самосвалов БелАЗ 75131 (130 тонн) и 75306 (220 тонн) и более чем 25 экскаваторов. До внедрения транспортный поток балансировали вручную: диспетчер смотрел на экран и звонил водителям. По оценке OES, за смену он обрабатывает меньше 0,1% отклонений, а классическая отчётность фиксирует лишь 10–20% реальных потерь.

Проблемы были конкретными. Экскаватор в среднем терял один рейс за смену из-за отсутствия самосвала, а диспетчер узнавал об этом через 10–15 минут, когда потери уже накопились. Техника уходила с линии за 30–40 минут до конца смены и возвращалась позже срока, до 25% ранних сходов и поздних выходов. Незапланированная дозаправка стоила в среднем 15 лишних минут, потому что машины никто не разводил по времени. Заказчик просил снизить простои экскаваторов и увеличить вывозку, не трогая действующую систему.

Два модуля поверх чужой диспетчерской

Первый модуль, OES Truck Balance, это ИИ-балансировщик. Внутри 40+ моделей разных типов:

• нейросетевой алгоритм ETA, который считает время прибытия каждой машины;
• алгоритм балансировки, который каждые 3 минуты просчитывает десятки вариантов расстановки;
• text2speech и speech2text для голосового общения с операторами.

Система прогнозирует очереди на 30 минут вперёд и управляет сходами на заправку: из одного звена не могут уйти две машины и больше одновременно. При поломках она мгновенно перераспределяет парк. Директивы приходят на планшет в кабине.

Второй модуль, OES MAS, мультиагентная система из 30+ специализированных агентов, у каждого своя зона ответственности:

• Refuel отвечает за нормативное время заправки по каждой модели техники;
• LoadCycle следит за циклами погрузки и отклонениями от плана;
• ShiftChange управляет пересменками и расстановкой на начало смены;
• Speed контролирует техническую скорость на каждом участке маршрута;
• Quality проверяет качество загрузки;
• Idle фиксирует простои;
• Navigation следит за исправностью навигационного оборудования.

У каждого отклонения есть жизненный цикл: событие, предупреждение, нарушение, директива. Эскалация трёхуровневая: водитель, диспетчер, начальник смены. Каждое отклонение сразу оцифровывается в рублях, и потеря видна в денежном виде.

Телеметрия как узкое горлышко

Вся «умная» часть живёт в облаке, но кормят её терминалы Galileosky 7x и 10 на всём активном парке. Они собирают GPS-позицию, уровень топлива, параметры двигателя, скорость и состояние ковша и кузова, данные идут раз в 1–5 секунд. Датчики топлива и давления дополнительно фиксируют факты погрузки и разгрузки и контролируют заправки.

Путь данных такой: терминал, платформа OES IIoT, ИИ-модули, планшет водителя и интерфейс диспетчера. Платформа принимает телеметрию и приводит данные БелАЗ, Komatsu и Caterpillar к единому формату. От точности входа зависит всё: если машина «потеряется» на 30 секунд или датчик топлива даст шум, прогноз очередей поплывёт. Поэтому терминалы выбирали по устойчивости к вибрации, пыли и перепадам температур.

Внедрение шло с 2024 года. С февраля по апрель был прототип на одном звене из 3–5 экскаваторов с ручной балансировкой координатором. В мае началась промышленная эксплуатация на всём парке 220-тонных самосвалов и 20-кубовых экскаваторов. Июнь ушёл на эксперименты с балансировкой и точностью ETA. В июле подключили 130-тонные самосвалы, экскаваторы Komatsu PC2000 и директивы на планшетах. С октября 2024 года синхронизировали систему с расстановкой техники и автоматизировали диспетчеризацию заправок.

Что получили и что учесть при копировании

Метрики OES:

• вывозка горной массы +10% на том же парке;
• производительность экскаваторов +17%;
• время самосвалов в очередях на погрузку −30%;
• простои экскаваторов −15–25%;
• отсутствие самосвала у экскаватора в течение смены −20%;
• нагрузка на диспетчера −60–70%;
• 95% директив выполняются без звонка диспетчеру;
• 100% потерь фиксируются в реальном времени, против 10–20% в классической отчётности;
• на каждой заправке экономится 15 минут (агент Refuel);
• ранние сходы и поздние выходы на пересменках сократились на 25%;
• экономический эффект превысил 20 млн рублей за первый месяц работы MAS.

Пример из мастер-смены августа 2025 года: из 64 рекомендаций выполнили 61, план составлял 210 тыс. м³, факт 233 тыс. м³ (+11%).

Для тех, кто хочет повторить подход, важны три вещи. Во-первых, ИИ-слой можно наращивать над действующим мониторингом без замены железа, но качество прогнозов упирается в частоту и чистоту телеметрии. Во-вторых, узкая специализация агентов упрощает отладку: отклонение понятно, чьё оно и сколько стоит. В-третьих, сами авторы подчёркивают, что итог сложился из нескольких факторов: параллельно менялись процессы, от ручной балансировки координатором до перехода водителей на работу с директивами. Без этой организационной части цифры, скорее всего, были бы скромнее.