Интеграция систем искусственного интеллекта в автоматизированное управление буровыми процессами: технологический трансфер из нефтегазовой отрасли в угольную промышленность
И.В. Самарин
Российский государственный университет нефти и газа имени Губкина, г. Москва, Российская Федерация
Горная Промышленность №2/ 2026 стр. 152-160
Резюме: Угольная промышленность находится на этапе критической необходимости внедрения передовых технологий автоматизации для обеспечения конкурентоспособности и безопасности горных работ. В исследовании анализируются возможности адаптации систем автоматизированного управления буровыми процессами, разработанных для нефтегазовой отрасли, к специфике угледобычи. Глобальный рынок автоматизации буровых работ демонстрирует устойчивый рост с объемом 4,66 млрд долл. в 2024 г. и прогнозируемым расширением до 9,19 млрд долл. к 2034 г. при среднегодовом темпе роста 7,32%. Параллельно рынок искусственного интеллекта в нефтегазовом секторе увеличился с 5,305 млрд долл. в 2024 г. с прогнозом достижения 15,010 млрд долл. к 2029 г. при темпе роста 23,12% ежегодно. Внедрение систем машинного обучения в буровое оборудование нефтедобывающих компаний обеспечило сокращение незапланированных простоев на 20%, снижение эксплуатационных расходов на 10–15% и повышение скорости бурения на 26–30% в условиях сланцевых месторождений. Критическим вкладом исследования является разработка методологии оценки технологической готовности угольных предприятий к интеграции автоматизированных систем через сравнительный анализ геомеханических параметров бурения в различных геологических средах. Установлено, что коэффициент корреляции между параметрами автоматизации нефтегазового бурения и угледобычи составляет 0,78 для систем телеметрии, 0,83 для SCADA-платформ и 0,62 для алгоритмов машинного обучения, что определяет дифференцированную стратегию технологического трансфера. Китайские угольные предприятия, интегрировавшие автоматизированные буровые системы с использованием искусственного интеллекта, достигли 40%-ной нормы прибыли при снижении энергопотребления на 2 млн кВт·ч в год на одном предприятии. Выявлена критическая зависимость эффективности внедрения от масштаба операций: предприятия с годовым объемом буровых работ менее 80 тыс. м демонстрируют период окупаемости более 8 лет, тогда как при объемах свыше 150 тыс. м период сокращается до 3,8–4,5 лет. Разработана трехуровневая модель барьеров технологического трансфера с квантификацией критичности: киберзащита промышленных систем управления (индекс 4,9), дефицит данных для обучения алгоритмов (4,7) и нехватка квалифицированного персонала (4,5) по пятибалльной шкале.
Ключевые слова: автоматизация буровых процессов, искусственный интеллект в горном деле, цифровые двойники буровых установок, предиктивная аналитика, SCADA-системы, угольная промышленность, технологический трансфер
Для цитирования: Самарин И.В. Интеграция систем искусственного интеллекта в автоматизированное управление буровыми процессами: технологический трансфер из нефтегазовой отрасли в угольную промышленность. Горная промышленность. 2026;(2):152–160. https://doi.org/10.30686/1609-9192-2026-2-152-160
Информация о статье
Поступила в редакцию: 16.01.2026
Поступила после рецензирования: 16.02.2026
Принята к публикации: 20.02.2026
Информация об авторе
Самарин Илья Вадимович – доктор технических наук, доцент, заведующий кафедрой автоматизации технологических процессов, Российский государственный университет нефти и газа имени Губкина, г. Москва, Российская Федерация; https://orcid.org/0000-0003-2430-5311; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Список литературы
1. Карсаков А.В., Зятиков П.Н., Шарф И.В. Процессы развития технологии нефтегазовой отрасли с использованием искусственного интеллекта. Известия Томского политехнического университета. Инжиниринг георесурсов. 2025;336(5):216–228. https://doi.org/10.18799/24131830/2025/5/5048
2. Дмитриевский А.Н., Еремин Н.А., Черников А.Д., Бороздин С.О. Интеллектуальные системы предупреждения осложнений для безопасного строительства скважин. Безопасность труда в промышленности. 2022;(6):7–13. https://doi.org/10.24000/0409-2961-2022-6-7-13
3. Мещерякова Т.С., Арсаханова З.А., Бровкин А.В., Шамухаметова Е.С., Боков Ю.А. Разработка интеллектуальной системы управления процессами добычи и обогащения угля на основе технологий искусственного интеллекта и промышленного интернета вещей. Уголь. 2024;(12):89–98. https://doi.org/10.18796/0041-5790-2024-12-89-98
4. Щербаков Р.Э., Ковалев А.В. Использование методов машинного обучения «без учителя» для предупреждения прихватов бурильной и обсадной колонн. Известия Томского политехнического университета. Инжиниринг георесурсов. 2022;333(4):66–78. https://doi.org/10.18799/24131830/2022/4/3590
5. Кудрявцев В.Л., Забайкин Ю.В., Арсаханова З.А., Чумакова О.В. Интеллектуальное управление и автоматизированное регулирование в угольной промышленности: трансформация технологических систем в эпоху цифровизации. Горная промышленность. 2025;(3):153–163. https://doi.org/10.30686/1609-9192-2025-3-153-163
