kaz44Вестник Университета Шакарима. Серия технические наукиBulletin of Shakarim University. Technical Sciences2788-79953006-0524«Шәкәрім университеті» КеАҚ10.53360/2788-7995-2025-4(20)-21kaz44-2220Research ArticleАВТОМАТИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ (ОРИГИНАЛЬНАЯ СТАТЬЯ)AUTOMATION AND INFORMATION TECHNOLOGY (ORIGINAL ARTICLE)РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ МОДЕЛИРОВАНИЯ И АНАЛИЗА ГИДРОМЕТАЛЛУРГИЧЕСКОЙ ПЕРЕРАБОТКИ МОЛИБДЕНИТНЫХ КОНЦЕНТРАТОВDEVELOPMENT OF AN INFORMATION SYSTEM FOR MODELING AND ANALYZING HYDROMETALLURGICAL PROCESSING OF MOLYBDENITE CONCENTRATEShttps://orcid.org/0000-0003-1474-8354КенжалиевБ. К.KenzhalievB. K.

Багдаулет Кенжалиевич Кенжалиев – доктор технических наук, Генеральный директор-председатель Правления

 050010, Казахстан, Алматы, Шевченко, 29 

Bagdaulet Kenzhaliyev – Doctor of Technical Sciences, General Director-Chairman of the Management Board 

050010, Kazakhstan, Almaty, Shevchenko Street, 29

bagdaulet_k@mail.ruhttps://orcid.org/0009-0009-4946-4926АйбагаровС. Ж.AibagarovS. Zh.

Серик Жумагиреевич Айбагаров – научный сотрудник

050042, Казахстан, Алматы, ул. Жандосова, дом 150/1

Serik Aibagarov – Researcher

050042, Kazakhstan, Almaty, 150/1 Zhandosov Street

awer1307dot@gmail.comhttps://orcid.org/0009-0007-5843-8995АзатбекулыН.AzatbekulyN.

Нуртуган Азатбекулы – научный сотрудник

050042, Казахстан, Алматы, ул. Жандосова, дом 150/1

Nurtugan Azatbekuly – Researcher

050042, Kazakhstan, Almaty, 150/1 Zhandosov Street

nurtugang17@gmail.comhttps://orcid.org/0000-0001-9428-8508УльтараковаА. А.UltarakovaA. A.

Алмагуль Амировна Ультаракова – кандидат технических наук, доцент, старший научный сотрудник лаборатории титана и редких тугоплавких металлов 

050010, Казахстан, Алматы, Шевченко, 29

Almagul Ultarakova – Candidate of Technical Sciences, Associate Professor, Senior researcher at the titanium and rare refractory metals laboratory

050010, Kazakhstan, Almaty, Shevchenko Street, 29

ult.alma@mail.ruИнститут металлургии и обогащения, Satbayev UniversityКазахстанInstitute of Metallurgy and Ore Beneficiation, Satbayev UniversityKazakhstanТОО «DigitAlem»КазахстанLLP DigitAlemKazakhstan20252501202614(20)179186Copyright © Кенжалиев Б.К., Айбагаров С.Ж., Азатбекулы Н., Ультаракова А.А., 20262026Кенжалиев Б.К., Айбагаров С.Ж., Азатбекулы Н., Ультаракова А.А.Kenzhaliev B.K., Aibagarov S.Z., Azatbekuly N., Ultarakova A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://tech.vestnik.shakarim.kz/jour/article/view/2220

Истощение высококачественных молибденовых руд и необходимость переработки сложных сульфидных концентратов создают значительные вызовы для гидрометаллургической промышленности. Традиционные подходы к обработке экспериментальных данных, основанные на ручных расчетах, характеризуются высокой трудоемкостью, риском вычислительных ошибок и фрагментацией информации. В данной работе описывается разработка специализированной информационной системы для моделирования и анализа гидрометаллургической переработки молибденитных концентратов. Программное обеспечение реализовано на базе веб-фреймворка Django и включает модули ввода экспериментальных данных, автоматизированного расчета материальных балансов процессов выщелачивания и сорбции, а также визуализации результатов через интерактивные аналитические панели. Система апробирована на данных 6 экспериментов по выщелачиванию и 9 экспериментов по сорбции молибдена. Модульная трехуровневая архитектура обеспечивает масштабируемость решения и возможность его адаптации для моделирования других гидрометаллургических процессов. Разработанные калькуляторы позволяют прогнозировать степень извлечения молибдена на различных стадиях технологического цикла без проведения дополнительных физических экспериментов. Практическая значимость работы заключается в создании цифрового двойника технологического процесса, который формирует единое информационное пространство для исследователей, обеспечивает прозрачность и воспроизводимость экспериментов, а также закладывает основу для промышленного масштабирования технологии переработки молибденитовых концентратов.

The depletion of high-grade molybdenum ores and the need to process complex sulfide concentrates pose significant challenges for the hydrometallurgical industry. Traditional approaches to processing experimental data based on manual calculations are characterized by high labor intensity, risk of computational errors, and information fragmentation. This paper describes the development of a specialized information system for modeling and analyzing the hydrometallurgical processing of molybdenite concentrates. The software is implemented using the Django web framework and includes modules for experimental data input, automated calculation of material balances for leaching and sorption processes, and visualization of results through interactive analytical dashboards. The system has been validated using data from 6 leaching experiments and 9 molybdenum sorption experiments. The modular three-tier architecture ensures solution scalability and enables its adaptation for modeling other hydrometallurgical processes. The developed calculators allow predicting molybdenum recovery rates at various stages of the technological cycle without conducting additional physical experiments. The practical significance of this work lies in creating a digital twin of the technological process that establishes a unified information space for researchers, ensures transparency and reproducibility of experiments, and lays the foundation for industrial scaling of molybdenite concentrate processing technology.

гидрометаллургияпереработка молибденитацифровой двойникинформационная системаматериальный балансавтоматизация расчетовhydrometallurgymolybdenite processingdigital twininformation systemmaterial balancecalculation automationДанное исследование было профинансировано Комитетом по науке Министерства науки и высшего образования Республики Казахстан (грант № BR24992757).ReferencesThe FAIR Guiding Principles for scientific data management and stewardship / M.D. Wilkinson et al // Scientific Data. – 2016. – № 3. – Р. 160018.The FAIR Guiding Principles for scientific data management and stewardship / M.D. Wilkinson et al // Scientific Data. – 2016. – № 3. – Р. 160018.Bazan V. Extraction of molybdenite concentrates by leaching / V. Bazan, M. Medina, I. Orozco // DYNA. – 2024. – № 91(234). – Р. 54-61.Bazan V. Extraction of molybdenite concentrates by leaching / V. Bazan, M. Medina, I. Orozco // DYNA. – 2024. – № 91(234). – Р. 54-61.Laputka M. A review of recent advances in pyrometallurgical process measurement and modeling, and their applications to process improvement / M. Laputka, W. Xie // Mining, Metallurgy & Exploration. – 2021. – № 38(2). – Р. 1135-1165.Laputka M. A review of recent advances in pyrometallurgical process measurement and modeling, and their applications to process improvement / M. Laputka, W. Xie // Mining, Metallurgy & Exploration. – 2021. – № 38(2). – Р. 1135-1165.Grieves M. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems / M. Grieves, J. Vickers // In Transdisciplinary Perspectives on Complex Systems. – 2017. – Р. 85-113.Grieves M. Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems / M. Grieves, J. Vickers // In Transdisciplinary Perspectives on Complex Systems. – 2017. – Р. 85-113.Digital Twins and Enabling Technology Applications in Mining: Research Trends, Opportunities, and Challenges / M. Don et al // IEEE Access. – 2025. – Р. 1-1.Digital Twins and Enabling Technology Applications in Mining: Research Trends, Opportunities, and Challenges / M. Don et al // IEEE Access. – 2025. – Р. 1-1.Hydrometallurgical processing of molybdenum middlings from Shatyrkul-Zhaysan cluster ore / L. Karimova et al // Journal of Mining and Metallurgy, Section B: Metallurgy. – 2024. – № 60(1). – Р. 71-83.Hydrometallurgical processing of molybdenum middlings from Shatyrkul-Zhaysan cluster ore / L. Karimova et al // Journal of Mining and Metallurgy, Section B: Metallurgy. – 2024. – № 60(1). – Р. 71-83.Sun T. A Python-based platform for thermodynamic calculation and process simulation in metallurgy / T. Sun, S. Du // JOM. – 2019. – № 71(10). – Р. 3504-3512.Sun T. A Python-based platform for thermodynamic calculation and process simulation in metallurgy / T. Sun, S. Du // JOM. – 2019. – № 71(10). – Р. 3504-3512.McDowell, D.L. The materials innovation ecosystem: a key enabler for the materials genome initiative / D.L. McDowell, S.R. Kalidindi // MRS Bulletin. – 2016. – № 41(4). – Р. 326-337.McDowell, D.L. The materials innovation ecosystem: a key enabler for the materials genome initiative / D.L. McDowell, S.R. Kalidindi // MRS Bulletin. – 2016. – № 41(4). – Р. 326-337.Zhang J. Metallurgical Process Simulation and Optimization / J. Zhang, Y. Liu, Q. Liu // Materials. – 2022. – № 15(23). – Р. 8421.Zhang J. Metallurgical Process Simulation and Optimization / J. Zhang, Y. Liu, Q. Liu // Materials. – 2022. – № 15(23). – Р. 8421.Kenzhaliyev B. INFORMATION SYSTEM FOR METALLURGICAL PROCESS ANALYSIS AND OPTIMIZATION / B. Kenzhaliyev, S. Aibagarov // JPCSIT [Internet]. – 2025. – № 3(3). – Р. 101-12. Available from: https://jpcsit.kaznu.kz/index.php/kaznu/article/view/248.Kenzhaliyev B. INFORMATION SYSTEM FOR METALLURGICAL PROCESS ANALYSIS AND OPTIMIZATION / B. Kenzhaliyev, S. Aibagarov // JPCSIT [Internet]. – 2025. – № 3(3). – Р. 101-12. Available from: https://jpcsit.kaznu.kz/index.php/kaznu/article/view/248.Hydrometallurgical processes for the recovery of metals from steel industry by-products: a critical review / K. Binnemans et al // Journal of Sustainable Metallurgy. – 2020. – № 6(4). – Р. 505-540.Hydrometallurgical processes for the recovery of metals from steel industry by-products: a critical review / K. Binnemans et al // Journal of Sustainable Metallurgy. – 2020. – № 6(4). – Р. 505-540.Predicting Copper Production Cycles in Hydrometallurgy with Interpretable Machine Learning / B. Kenzhaliyev et al // Kompleksnoe Ispolzovanie Mineralnogo Syra = Complex Use of Mineral Resources. – 2025. – № 341(2). – Р. 5-15. https://doi.org/10.31643/2027/6445.13.Predicting Copper Production Cycles in Hydrometallurgy with Interpretable Machine Learning / B. Kenzhaliyev et al // Kompleksnoe Ispolzovanie Mineralnogo Syra = Complex Use of Mineral Resources. – 2025. – № 341(2). – Р. 5-15. https://doi.org/10.31643/2027/6445.13.

The authors declare that there are no conflicts of interest present.