Моделирование динамики распространения цифровых технологий в горнодобывающей отрасли с использованием логистической кривой

Цель. Оценить масштабы внедрения цифровых технологий на горнодобывающих предприятиях России и сроки достижения максимального влияния таких технологий на снижение текущих затрат в отрасли.

Задачи. Выполнить анализ эффективности применения цифровых технологий на отечественных и зарубежных горнодобывающих предприятиях; выбрать целевой показатель ожидаемого эффекта от использования таких технологий; выявить и адаптировать под решаемые задачи модель для прогнозирования распространения цифровых технологий; подготовить исходные данные для моделирования; провести прогноз с использованием модели.

Методология. Автором применен метод экономико-математического моделирования. Моделирование осуществлено с использованием логистической функции. Исходные данные для моделирования — это статистическая информация, существующая на момент расчета, опросы специалистов горных компаний и участников рынка.

Результаты. В настоящее время прослеживается долгосрочная тенденция к снижению производительности факторов производства в горнодобывающей отрасли вследствие ухудшения качества используемых ресурсов. Применяя цифровые технологии, предприятия снизят эксплуатационные издержки и смогут замедлить снижение производительности факторов производства. В статье представлен прогноз количества предприятий по добыче полезных ископаемых, принявших решение об использовании цифровых технологий: облачные сервисы, технологии сбора, обработки и анализа больших данных, геоинформационные системы, интернет вещей, промышленные роботы и автоматизированные линии. Прогнозные кривые количества предприятий, принявших решение о применении таких технологий, представлены как функции от времени. Определены точки перегиба, разделяющие кривые на участки с различной скоростью роста. Установлено, что все рассматриваемые технологии, кроме технологий больших данных, находятся на этапе медленного увеличения кумулятивного количества предприятий, принявших решение об использовании цифровых технологий. Максимум количества предприятий, использующих такие технологии, будет достигнут через 6–13 лет. До момента, когда их применение достигнет этапа замедляющегося роста, пройдет около 10–17 лет, до приближения к пределу насыщения — более 20 лет.

Выводы. Выполнен прогноз срока, в течение которого цифровые нововведения смогут частично нивелировать рост затрат в результате ухудшения качества разрабатываемых запасов. Такой период составляет 6–13 лет. За это время при внедрении цифровых технологий будет достигнуто прогнозируемое снижение эксплуатационных затрат. Оно поможет частично компенсировать рост эксплуатационных затрат в связи с ухудшением качества запасов и замедлить снижение производительности. Если к этому времени не появятся технологии, позволяющие снизить текущие эксплуатационные затраты на добычу и переработку минерального сырья, спад эффективности использования производственных ресурсов продолжится.

1. Humphreys D. Mining productivity and the Fourth Industrial Revolution // Mineral Economics. 2020. Vol. 33. No. 1–2. P. 115–125. https://doi.org/10.1007/s13563-019-00172-9

2. Tilton J. E. Cyclical and secular determinants of productivity in the copper, aluminum, iron ore, and coal industries // Mineral Economics. 2014. Vol. 27. No. 1. P. 1–19. https://doi.org/10.1007/s13563-014-0045-9

3. Soto Setzke D., Riasanow T., Böhm M., Krcmar H. Pathways to digital service innovation: The role of digital transformation strategies in established organizations // Information Systems Frontiers. 2023. Vol. 25. No. 1. P. 1017–1037. https://doi.org/10.1007/s10796-021-10112-0

4. Hilario da Silva T. H., Sehnem S. The circular economy and Industry 4.0: Synergies and challenges // Revista de Gestão. 2022. Vol. 29. No. 3. P. 300–313. https://doi.org/10.1108/REGE-07-2021-0121

5. Карнаухов А. М. Направления развития «цифрового рывка» в геологоразведке // Нефтегазовая геология. Теория и практика: сетевое издание. 2019. Т. 14. № 4. С. 5. https://doi.org/10.17353/2070-5379/46_2019

6. Баранников А. Г. О цифровизации параметров частиц самородного золота при изучении россыпей и шлихо-минералогических исследованиях // Известия Уральского государственного горного университета. 2021. № 2. С. 60–72. https://doi.org/10.21440/2307-2091-2021-2-60-72

7. Liu C., Chen J., Li S., Qin T. Construction of conceptual prospecting model based on geological Big Data: A case study in Songtao-Huayuan Area, Hunan Province // Minerals. 2022. Vol. 12. No. 6. Article 669. https://doi.org/10.3390/min12060669

8. Cadavid J. P. U., Lamouri S., Grabot B., Fortin A. Machine learning in production planning and control: A review of empirical literature // IFAC-PapersOnLine. 2019. Vol. 52. No. 13. P. 385–390. https://doi.org/10.1016/j.ifacol.2019.11.155

9. Vidosav M., Simeunović V., Mitrovic R. et al. How to apply the ERP model for smart mining? // MATEC Web of Conferences. 2022. Vol. 368. Article 01015. https://doi.org/10.1051/matecconf/202236801015

10. Каленов О. Е. Цифровизация горнодобывающей промышленности // Вестник Российского экономического университета имени Г. В. Плеханова. 2021. Т. 18. № 5. С. 184–192. http://dx.doi.org/10.21686/2413-2829-2021-5-184-192

11. Рогачев А. Ф., Симонов А. Б. Моделирование диффузии инноваций на региональных рынках с учетом информационных аспектов // Друкеровский вестник. 2023. № 2. C. 270–283. https://doi.org/10.17213/2312-6469-2023-2-270-283

12. Нижегородцев Р. М. Модели логистической динамики как инструмент экономического анализа и прогнозирования // Моделирование экономической динамики: риск, оптимизация, прогнозирование: сб. ст. / под ред. Р. М. Нижегородцева. М.: Диалог-МГУ, 1997. C. 34–51.

13. Чаруйская М. А. Исследование моделей жизненного цикла технологий // Экономические науки. 2024. № 230. С. 38–45. https://doi.org/10.14451/1.230.38

14. Mielli F., Bulanda N. Digital transformation: Why projects fail, potential best practices and successful initiatives // IEEE-IAS/PCA Cement Industry Conference (IAS/PCA). (St. Louis, MO, April 28-May 02, 2019). New York, NY: IEEE, 2019. P. 1–6. https://doi.org/10.1109/CITCON.2019.872910515

15. Ma L. Study on intelligent mine based on the application of 5G wireless communication system // IOP Conference Series: Earth and Environmental Science. 2020. Vol. 558. Article 032050. https://doi.org/10.1088/1755-1315/558/3/032050

16. Кучковская Н. В. Экономическая эффективность цифровой трансформации горнодобывающих предприятий в условиях технологической модернизации и решений Индустрии 4.0 // Горная промышленность. 2025. № 6. С. 88–96. https://doi.org/10.30686/1609-9192-2025-6-88-96

17. Хазин М. Л. Роботизированная техника для добычи полезных ископаемых // Вестник Магнитогорского государственного технического университета имени Г. И. Носова. 2020. Т. 18. № 1. С. 4–15. https://doi.org/10.18503/1995-2732-2020-18-1-4-15