Application of mining and geological information systems (MGIS) and a digital twin of a block for managing ore quality during underground mining

UDC 528.721.221.6:622.271.3
Publication date: 27.04.2026
International Journal of Professional Science №4(2)-26

Application of mining and geological information systems (MGIS) and a digital twin of a block for managing ore quality during underground mining

Применение горно-геологических информационных систем (ГГИС) и цифрового двойника блока для управления качеством руды при подземной отработке месторождений

Arno Veronika Vladimirovna
Kolesnichenko Eva Pavlovna
Garifulina Irina Yurievna,
Remizov Nikita Andreevich
1. Ph.D., Associate Professor, Department of Geology and Mining,
North-Eastern State University, Magadan
2. Undergraduate Student
Master's Degree Program in State and Municipal Audit
Moscow State University, Moscow
3. Ph.D., Associate Professor, Department of Geology and Mining,
North-Eastern State University, Magadan
4. Undergraduate Student
of Polytechnic Institute North-Eastern State University, Magadan

Арно Вероника Владимировна
Колесниченко Ева Павловна,
Гарифулина Ирина Юрьевна,
Ремизов Никита Андреевич

1. Кандидат технических наук, доцент кафедры Геологии и горного дела ФГБОУ ВО Северо-Восточный государственный университет, г. Магадан
2. Студентка 3 курса
направления подготовки «Государственный и муниципальный аудит»
ВШГА МГУ им. М.В. Ломоносова, г.Москва
3. Кандидат технических наук, доцент кафедры Геологии и горного дела ФГБОУ ВО Северо-Восточный государственный университет, г. Магадан
4. Студент 3 курса
Политехнический институт
ФГБОУ ВО «Северо-Восточный государственный университет
Аннотация: Рассматривается методология применения ГГИС Micromine и концепции цифрового двойника блока (ЦДБ) для оперативного управления качеством рудного потока при подземной разработке. Представлены алгоритм построения блочной модели месторождения, методика интерполяции содержаний методом ординарного кригинга и схема замкнутого цикла управления качеством. Выполнена количественная оценка влияния ЦДБ на ключевые показатели: разубоживание снижается с 18,4 до 11,6%, потери металла — с 12,4 до 3,1%. Экономический эффект от внедрения составляет 47–62 млн руб./год на предприятии производительностью 500 тыс. т руды в год.

Abstract: The paper examines the methodology of applying MGIS Micromine and the concept of a digital block twin (DBT) for real-time ore flow quality management in underground mining operations. The deposit block model construction algorithm, the ordinary kriging grade interpolation method, and the closed-loop quality management scheme are presented. A quantitative assessment of the DBT impact on key performance indicators is carried out: ore dilution decreases from 18.4% to 11.6%, and metal losses are reduced from 12.4% to 3.1%. The economic benefit from implementation amounts to 47–62 million rubles per year at a mine with an annual output of 500,000 tonnes of ore.
Ключевые слова: ГГИС, цифровой двойник блока, управление качеством руды, кригинг, блочная модель, разубоживание, подземная разработка.

Keywords: MGIS, digital block twin, ore quality management, kriging, block model, dilution, underground mining.

Введение

Управление качеством рудного потока — одна из ключевых задач горнодобывающего предприятия, определяющая технологические показатели обогатительной фабрики и экономическую эффективность производства в целом. Традиционные методы опробования очистных выработок и ручного учёта горной массы характеризуются значительным временны́м лагом (12–24 часа между отбором пробы и получением результата) и охватом не более 15–20% добычного фронта. В результате отклонения фактического содержания полезного компонента от планового достигают ±25–40%, что приводит к нестабильному питанию ОФ и сверхнормативным потерям в хвостах.[1-3]

Горно-геологические информационные системы (ГГИС), такие как Micromine, Datamine, Leapfrog, позволяют создавать трёхмерные блочные модели месторождений и выполнять геостатистическую оценку содержаний с погрешностью дисперсии кригинга  (г/т)² при шаге опробовательской сети 20–40 м. Концепция цифрового двойника блока (ЦДБ) предусматривает динамическое обновление блочной модели по мере поступления новых данных опробования, фактических объёмов добычи и показаний датчиков АСУ ГТК, формируя «живой» цифровой образ разрабатываемого рудного тела.[4-7]

Цель работы —обосновать методику применения ГГИС и ЦДБ для управления качеством руды при подземной отработке, выполнить количественную оценку её эффективности.

Читать далее…

References

1. Маниковский П. М. Методика моделирования рудных месторождений в ГГИС / П. М. Маниковский // Маркшейдерия и недропользование. — 2021. — № 4. — С. 45–52.
2. Макарова В. А. Динамическая система управления качеством минерального сырья / В. А. Макарова [и др.] // Горный информационно-аналитический бюллетень. — 2016. — № 23. — С. 181–191. — URL: https://cyberleninka.ru/article/n/dinamicheskaya-sistema-upravleniya-kachestvom-mineralnogo-syrya (дата обращения: 14.04.2026).
3. Стадник Д. А. Повышение качества цифровых «двойников» горнодобывающих предприятий путём стандартизации атрибутивного наполнения для 3D геоинформационно-геотехнического моделирования / Д. А. Стадник, О. З. Габараев, Н. М. Стадник, К. Л. Григорян // Горный информационно-аналитический бюллетень. — 2020. — № 11-1. — С. 202–212. — https://doi.org/10.25018/0236-1493-2020-111-0-202-212.
4. Методика создания блочной модели рудных складов в ГГИС Micromine по данным АСУ ГТК Wenco [Электронный ресурс] / АО «Полюс Красноярск». — Красноярск, 2022. — URL: https://www.micromine.kz/wp-content/uploads/2022/09/9.-Micromine-OB.pdf (дата обращения: 14.04.2026).
5. Корнилков С. В. Об основных направлениях взаимодополнения методов цифровизации и геоинформационного обеспечения горного производства / С. В. Корнилков, П. А. Рыбников, Л. С. Рыбникова // Известия высших учебных заведений. Геология и разведка. — 2025. — Т. 67, № 1. — С. 76–85. — https://doi.org/10.32454/0016-7762-2025-67-1-76-85.
6. Kamosho J. Foundations of Spatial Data Infrastructure for Underground Mining Operations / J. Kamosho // FIG Congress Proceedings. — Copenhagen : FIG, 2026. — TS08A. — URL: https://fig.net/resources/proceedings/fig_proceedings/fig2026/papers/ts08a/TS08A_kamosho_14121.pdf (дата обращения: 14.04.2026).
7. Стадник Н. М. Основные методологические принципы формирования комплексной геоинформационной базы для прогнозирования и оценки запасов угля / Н. М. Стадник // Горная промышленность. — 2016. — № 3 (127). — С. 73–76.
8. Стадник Д. А. Обоснование функциональных подсистем единой отраслевой системы автоматизированного проектирования угольных шахт / Д. А. Стадник // Уголь. — 2017. — № 10 (1099). — С. 52–56.
9. Клюев Р. В. Горная разработка и оценка геолого-технических условий карьера «Северный» с использованием математических моделей / Р. В. Клюев, И. И. Босиков, Е. В. Егорова, О. А. Гаврина // Устойчивое развитие горных территорий. — 2020. — № 3. — С. 418–427.
10. Chimunhu P. The future of underground mine planning in the era of machine learning: Opportunities for engineering robustness and flexibility / P. Chimunhu, E. Topal, M. W. A. Asad, R. S. Faradonbeh, A. D. Ajak // Mining Technology. — 2024. — Vol. 134. — https://doi.org/10.1177/25726668241281875.
11. Oubeid N. Block model optimization and resource estimation of the Angouran Mine using indicator kriging and simple kriging methods / N. Oubeid // Journal of Mining and Environment. — 2022. — Vol. 13, No. 2. — P. 325–340. — URL: https://jme.shahroodut.ac.ir/article_2400.html (дата обращения: 14.04.2026).