СРАВНИТЕЛЬНЫЙ АНАЛИЗ ТЕХНОЛОГИЙ IOT-МОНИТОРИНГА В ГОРНОДОБЫВАЮЩЕЙ ОТРАСЛИ

В настоящей работе приводятся результаты сравнительного анализа архитектуры системы IoT-мониторинга в горнодобывающей отрасли. Анализируется внедрение технологий интернета вещей в целях повышения эффективности мониторинга и управления в промышленной среде. Акцентируется внимание на выполнение функции по обеспечению безопасных условий труда, повышению производительности и экологической устойчивости, а также соблюдению нормативных требований. Кроме того, в данной статье изучается текущее состояние информационных технологий в горнодобывающей промышленности с акцентом на риски и последствия, вызванные устаревшим оборудованием, ненадежным программным обеспечением, степенью цифровизации. В этом исследовании обсуждается интеграция технологий IoT в существующие информационные системы горнодобывающей отрасли, усиливая их уровень безопасности, эффективности и устойчивости. Научная новизна исследования заключается в создании феноменологической модели архитектуры IoT системы, подходящей для широкого спектра операций в горнодобывающей промышленности. В работе при анализе детально рассматриваются оптимизация процессов, функционирование распределенных сенсорных систем, осуществляющих сбор критически важных данных, их обработку и анализ в режиме реального времени. На основе полученной информации формируются обоснованные решения для внедрения интеллектуальных систем мониторинга и управления, ориентированных на функционирования устойчивого процесса.

1. On the impact of Industrial Internet of Things (IIoT): mining sector perspectives / T. Zvarivadza et al // International Journal of Mining, Reclamation and Environment. – 2024. – Vol. 38, № 10. – P. 771-809. https://doi.org/10.1080/17480930.2024.2347131.

2. Enhancing safety in surface mine blasting operations with IoT-based ground vibration monitoring and prediction system integrated with machine learning / A. Singh et al // Scientific Reports. – 2025. https://doi.org/10.1038/s41598-025-86827-w.

3. New approach for monitoring the underground coal mines atmosphere using IoT technology / A.K. Tripathi et al // Instrumentation Mesure Métrologie. – 2023. – Vol. 22, № 1. – P. 29-34. https://doi.org/10.18280/i2m.220104.

4. Yu R. Deep learning and IoT enabled digital twin framework for monitoring open-pit coal mines / R. Yu, X. Yang, K. Cheng // Frontiers in Energy Research. – 2023. – Vol. 11. – Art. № 1265111. – https://doi.org/10.3389/fenrg.2023.1265111

5. Monitoring, warning, and control of rockburst in deep metal mines / H. Zhou et al // Engineering. – 2017. – Vol. 3, № 4. – P. 538-545. https://doi.org/10.1016/J.ENG.2017.04.013.

6. Rockburst in underground excavations: A review of mechanism, classification, and prediction methods / X. Feng еt al // Underground Space. – 2021. https://doi.org/10.1016/j.undsp.2021.11.008.

7. Rockburst prediction and prevention in underground space excavation / Z. Li, et al // Underground Space. – 2023. https://doi.org/10.1016/j.undsp.2023.05.009.

8. Rockburst risk control and mitigation in deep mining / Q. Zhang et al // Deep Underground Science and Engineering. – 2024. https://doi.org/10.1016/j.deepre.2024.100019.

9. Advanced risk assessment in coal mines: Integrating fuzzy logic and linguistic variables for enhanced hazard management / A. Khosravi et al // International Journal of Engineering. – 2025. – Vol. 38, № 12. https://doi.org/10.5829/ije.2025.38.12c.04.

10. Rock mass condition control by the method of predicting of water-conducting fracture zone parameters for the deposits of polymetallic ores / M. Rahimi et al // International Journal of Engineering. – 2026. – Vol. 39, № 6. https://doi.org/10.5829/ije.2026.39.06c.02.