💥⚡️❇️ Геологов поздравляем, любим, ценим, обнимаем ❇️⚡️💥
Всех остальных тоже любим, ценим и обнимаем, но сегодня чуть по меньше. Геологам же в поля пора, их там медведь обидеть может
😁7🔥5
#ГТК #Геометаллургия #geomet
ГТК: как отобрать пробы
«У нас руда вся одинаковая, один технологический тип и сорт» смело говорит геолог без каких-либо обоснований. По мне, то, что «руда одинаковая» можно было говорить лет эдак 50 назад, когда объемы добычи были небольшие, а содержания в руде наоборот. Сейчас легкообогатимых руд практически не осталось. При низких содержаниях в питании любой скачок в питании фабрики может привести к большим потерям с хвостами. Нулевая гипотеза должна быть «руда неодинаковая».
Давайте посмотрим, как можно предварительно определить количество сортов/типов руды (назовем это словом «домен»). В качестве примера принята условная полиметаллическая руда. Условное месторождение представлено тремя участками (или рудными телами). Их мы будем смотреть как совместно, так и раздельно.
Нам понадобится база данных геологов, где указаны: рудное тело, содержание элемента 1, элемента 2, …, литологическая характеристика и тд и тп. Данных у геологов, как правило, много. В первую очередь смотрим:
1. один или несколько ценных компонентов,
2. вредные компоненты;
3. какие-либо характеристики, которые могут быть прокси (т.е. косвенными) показателями , важных свойств, например прочности.
Что нам нужно сделать в первую очередь – распределения.
Как мы договорились, руда у нас полиметаллическая (пусть свинцово-цинковая). Тогда, в первую очередь, нам будет интересно посмотреть на распределение свинца, цинка, отношения содержания свинца к цинку. Для других типов сырья это может быть просто один элемент.
Пример такого распределения ниже. Как выбрать шкалу снизу – можно обсуждать. В данном примере что-то типа логарифмической шкалы, но это все индивидуально.
На графике видим, что можно выделить три домена (три зоны) – до 5; от 5 до 50 и более 50.
Теперь интересно посмотреть, одинаковы ли картинки у участков. Делаем дополнительные распределения.
Из графика 2 видно, для участка 1 большую часть занимает домен 1 (до 5), а у участка 2 наоборот – домен 1 практически отсутствует, но домена 3 больше, чем на других участках/рудных телах.
Мы уже можем сделать гипотезу: Если мы подадим на фабрику руду из участка 2 (синяя линия), то мы можем ожидать высокое извлечение одного металла и низкое – другого, т.к. его там практически нет. Т.е. руда на участках разная.
Далее, нужно понять, сколько проб отбирать. Для этого сделаем распределения с подсчетом не относительной доли, а с количеством проб.
Тут мы видим, что основной упор нужно делать на пробы участка 1 домены 1 и 2. Про домены 2 и 3 участков 2 и 3 не забываем, а вот пробы из домена 1 этих участков нас мало интересует (достаточно единичных проб).
В некоторых случаях, например, если мы будем смотреть на вредные примеси, содержания которых жёстко лимитируется даже малое количество проб будет важным.
Пишите, если нужно более детально описать формулы и порядок расчета.
В следующем посте по этой теме посмотрим на другие подходы при предварительной классификации.
ГТК: как отобрать пробы
«У нас руда вся одинаковая, один технологический тип и сорт» смело говорит геолог без каких-либо обоснований. По мне, то, что «руда одинаковая» можно было говорить лет эдак 50 назад, когда объемы добычи были небольшие, а содержания в руде наоборот. Сейчас легкообогатимых руд практически не осталось. При низких содержаниях в питании любой скачок в питании фабрики может привести к большим потерям с хвостами. Нулевая гипотеза должна быть «руда неодинаковая».
Давайте посмотрим, как можно предварительно определить количество сортов/типов руды (назовем это словом «домен»). В качестве примера принята условная полиметаллическая руда. Условное месторождение представлено тремя участками (или рудными телами). Их мы будем смотреть как совместно, так и раздельно.
Нам понадобится база данных геологов, где указаны: рудное тело, содержание элемента 1, элемента 2, …, литологическая характеристика и тд и тп. Данных у геологов, как правило, много. В первую очередь смотрим:
1. один или несколько ценных компонентов,
2. вредные компоненты;
3. какие-либо характеристики, которые могут быть прокси (т.е. косвенными) показателями , важных свойств, например прочности.
Что нам нужно сделать в первую очередь – распределения.
Как мы договорились, руда у нас полиметаллическая (пусть свинцово-цинковая). Тогда, в первую очередь, нам будет интересно посмотреть на распределение свинца, цинка, отношения содержания свинца к цинку. Для других типов сырья это может быть просто один элемент.
Пример такого распределения ниже. Как выбрать шкалу снизу – можно обсуждать. В данном примере что-то типа логарифмической шкалы, но это все индивидуально.
На графике видим, что можно выделить три домена (три зоны) – до 5; от 5 до 50 и более 50.
Теперь интересно посмотреть, одинаковы ли картинки у участков. Делаем дополнительные распределения.
Из графика 2 видно, для участка 1 большую часть занимает домен 1 (до 5), а у участка 2 наоборот – домен 1 практически отсутствует, но домена 3 больше, чем на других участках/рудных телах.
Мы уже можем сделать гипотезу: Если мы подадим на фабрику руду из участка 2 (синяя линия), то мы можем ожидать высокое извлечение одного металла и низкое – другого, т.к. его там практически нет. Т.е. руда на участках разная.
Далее, нужно понять, сколько проб отбирать. Для этого сделаем распределения с подсчетом не относительной доли, а с количеством проб.
Тут мы видим, что основной упор нужно делать на пробы участка 1 домены 1 и 2. Про домены 2 и 3 участков 2 и 3 не забываем, а вот пробы из домена 1 этих участков нас мало интересует (достаточно единичных проб).
В некоторых случаях, например, если мы будем смотреть на вредные примеси, содержания которых жёстко лимитируется даже малое количество проб будет важным.
Пишите, если нужно более детально описать формулы и порядок расчета.
В следующем посте по этой теме посмотрим на другие подходы при предварительной классификации.
🔥6👍3
Обогащение и переработка pinned «Обещали, что ТГ заблочат 31 марта. Так что оставим тут гид по постам. Но скоро будут еще! Предварительное обогащение грохочение, гравитация, радиометрические методы, опыт применения, мифы, гамма-активационный анализ (не предобогащение, но пусть будет здесь)…»
#Управление_проектами #Теория_игр
Что общего у покера и исследований обогатимости. Часть третья. Дураки учатся на своих ошибках.
А теперь личная история, объясняющая интерес к теме теории игр.
Дело было в самом начале карьеры. В те времена на тех.исследованиях сильно экономили. Выбить технологическую пробу было чем-то нереальным.
Мы проводили исследования в два этапа: лабораторные (с определением принципиальной обогатимости и режимов) и укрупненно-лабораторные – для подтверждения результатов при выбранном режиме. В конце, совместно с заказчиком, нужно было разработать финансовую модель для обоснования технологии.
Провели лабораторные исследования. Технология применима. По режимам [цифры условные]: выход продукта высокого качества 40% с извлечением 85% или выход продукта среднего качества 50% при извлечении 90%.
Пришли к заказчику за согласованием режима для проведения укрупненно-лабораторных исследований. У заказчика не было ни позиции, ни финансовой модели. «Ну давай, где больше извлечение».
Провели укрупненные испытания. Показатели подтверждены. Всё вроде хорошо. Начинаем считать финансовую модель – а проект получается убыточным! Пробуем вставить другие показатели (по другому режиму) – всё получается хорошо. Но у заказчика позиция: «тому, что не подтверждено укрупненными испытаниями, не верим». На том и разошлись.
Для себя сделал вывод: при испытаниях сначала нужно делать финансовую экономическую модель, в которой можно изменять технологические показатели, чтобы понять, как конкретный показатель влияет на экономику.
Если тема не раскрыта - прочитайте/пролистайте книги которые советовал в предыдущих постах по этой теме.
Что общего у покера и исследований обогатимости. Часть третья. Дураки учатся на своих ошибках.
А теперь личная история, объясняющая интерес к теме теории игр.
Дело было в самом начале карьеры. В те времена на тех.исследованиях сильно экономили. Выбить технологическую пробу было чем-то нереальным.
Мы проводили исследования в два этапа: лабораторные (с определением принципиальной обогатимости и режимов) и укрупненно-лабораторные – для подтверждения результатов при выбранном режиме. В конце, совместно с заказчиком, нужно было разработать финансовую модель для обоснования технологии.
Провели лабораторные исследования. Технология применима. По режимам [цифры условные]: выход продукта высокого качества 40% с извлечением 85% или выход продукта среднего качества 50% при извлечении 90%.
Пришли к заказчику за согласованием режима для проведения укрупненно-лабораторных исследований. У заказчика не было ни позиции, ни финансовой модели. «Ну давай, где больше извлечение».
Провели укрупненные испытания. Показатели подтверждены. Всё вроде хорошо. Начинаем считать финансовую модель – а проект получается убыточным! Пробуем вставить другие показатели (по другому режиму) – всё получается хорошо. Но у заказчика позиция: «тому, что не подтверждено укрупненными испытаниями, не верим». На том и разошлись.
Для себя сделал вывод: при испытаниях сначала нужно делать финансовую экономическую модель, в которой можно изменять технологические показатели, чтобы понять, как конкретный показатель влияет на экономику.
Если тема не раскрыта - прочитайте/пролистайте книги которые советовал в предыдущих постах по этой теме.
👍3🔥2
#ГТК #Геометаллургия #geomet
ГТК: как отобрать пробы. Часть 2. Двухфакторный анализ
Минусом графического отражения распределения (см. часть 1) является то, что выборка представлена в одной плоскости, из-за чего теряется часть информации.
На помощь приходят таблицы, подобные той, что показана выше. В каждой ячейке подсчитывается количество проб, соответствующих определённым условиям. Ось, соответствующая графическому отражению распределения, обозначена синей стрелкой. Ячейки закрашены с помощью условного форматирования.
Если рассматриваемые два металла имеют одну природу, они будут располагаться около синей стрелки. Если один из металлов сильно отклоняется от данной оси, вероятно, при обогащении возникнут «сюрпризы». То есть можно предположить, что это иной технологический тип или сорт руды.
Так, на верхней таблице видно, что есть часть геологических проб участка (или рудного тела) 2, у которых очень высокое содержание металла 1 (от 5 до 10%), но низкое содержание металла 2 (менее 0,5%).
В нижней таблице картина противоположная: есть часть проб, у которых значительное количество металла 2 имеет высокое содержание (более 10%), а металла 1 — менее 0,4%.
А теперь представьте, что металл 2 — это вредная примесь.
Если предположить, что "руда одинаковая" результаты будут слабопредсказуемые, "то пусто, то густо".
Если же предположить, что есть три сорта руды, то можно посмотреть как они себя ведут на "базовой схеме" и подобрать оптимальные режимы. Или...как правильно руду усреднять. Ну, или как скорректировать схему под каждый ТИП руды.
ГТК: как отобрать пробы. Часть 2. Двухфакторный анализ
Минусом графического отражения распределения (см. часть 1) является то, что выборка представлена в одной плоскости, из-за чего теряется часть информации.
На помощь приходят таблицы, подобные той, что показана выше. В каждой ячейке подсчитывается количество проб, соответствующих определённым условиям. Ось, соответствующая графическому отражению распределения, обозначена синей стрелкой. Ячейки закрашены с помощью условного форматирования.
Если рассматриваемые два металла имеют одну природу, они будут располагаться около синей стрелки. Если один из металлов сильно отклоняется от данной оси, вероятно, при обогащении возникнут «сюрпризы». То есть можно предположить, что это иной технологический тип или сорт руды.
Так, на верхней таблице видно, что есть часть геологических проб участка (или рудного тела) 2, у которых очень высокое содержание металла 1 (от 5 до 10%), но низкое содержание металла 2 (менее 0,5%).
В нижней таблице картина противоположная: есть часть проб, у которых значительное количество металла 2 имеет высокое содержание (более 10%), а металла 1 — менее 0,4%.
А теперь представьте, что металл 2 — это вредная примесь.
Если предположить, что "руда одинаковая" результаты будут слабопредсказуемые, "то пусто, то густо".
Если же предположить, что есть три сорта руды, то можно посмотреть как они себя ведут на "базовой схеме" и подобрать оптимальные режимы. Или...как правильно руду усреднять. Ну, или как скорректировать схему под каждый ТИП руды.
🔥4
Коллеги! Увидев в LinkedIn посты Ивана Макаренко - финансового директора с 20летним опытом в горнодобывающей отрасли, - очень захотелось их разместить у нас в канале.
Так что впереди у нас, с разрешения Ивана, не совсем профильные (т.е. не про обогащение), но очень интересные и полезные наблюдения и выводы.
Почему?
Для руководителей и специалистов: Решения и наблюдения о которых пишет Иван применимы и в обогащении.
Для студентов: Расширение кругозора - необходимое условие развития и карьерного роста
Так что впереди у нас, с разрешения Ивана, не совсем профильные (т.е. не про обогащение), но очень интересные и полезные наблюдения и выводы.
Почему?
Для руководителей и специалистов: Решения и наблюдения о которых пишет Иван применимы и в обогащении.
Для студентов: Расширение кругозора - необходимое условие развития и карьерного роста
👍5
Иван Макаренко. Магия фокуса, или как иногда достаточно просто посмотреть — и всё начинает меняться к лучшему
Знаете, что меня всегда удивляет? Как мы умеем строить сложные системы, внедрять кучу процессов, а потом упускать самые очевидные вещи просто потому, что «так всегда было».
Расскажу пару историй из практики — без пафоса, просто как было.
Первая история. Золотодобывающая фабрика. Капитальный ремонт ЗИФ.
Десять суток простоя. В сутки примерно миллион долларов по EBITDA улетает в никуда. Цифра, от которой лично мне каждый раз не по себе становится.
Что мы сделали в итоге? Ничего героического. Попросили одного из ребят с участка взять камеру и просто поснимать весь процесс ремонта — от первого болта до последнего. Без плана улучшений, без заданий «ускоряй», без отчётов. Просто «зафиксируй, как есть, потом вместе посмотрим».
И вот что интересно: люди узнали, что их снимают, — и процесс сам по себе пошёл быстрее. Меньше простоев, меньше «сейчас подойду», больше слаженности.
В итоге ремонт сократился примерно на 20%.
Не революция, а просто эффект присутствия объектива. Обычная человеческая психология сработала.
Второй пример – ещё проще и, честно, даже забавнее.
Приезжаем на предприятие, смотрим на лимиты по ТМЦ. Лимиты раздуты сильно — запаслись на всякий случай лет на десять вперёд. Резать бюджеты резко не стали — зачем сразу всех злить? Просто ввели проверку заявок на этапе подачи.
Один человек смотрит: историю цен, остатки на складе, задаёт нормальные вопросы вроде «а это точно нужно новое?» или «может, хватит половины?».
Без новых регламентов, без громких тендеров. Результат? Затраты по TCC упали на 7% почти сразу. Тихо, без шума, без лишних эмоций.
Вывод, который я для себя вынес: самые заметные улучшения часто начинаются не с большой стратегии и не с PowerPoint на 40 слайдов. Они начинаются с простого: «А давайте просто посмотрим, что там происходит на самом деле?» Иногда фонарик (камера, взгляд, пара вопросов) делает больше, чем все консультанты мира вместе взятые.
А у вас случались такие моменты? Когда минимум усилий — и вдруг ощутимая экономия? Поделитесь в комментариях, правда интересно почитать ваши истории — и удачные, и те, где «не срослось» 😊
Знаете, что меня всегда удивляет? Как мы умеем строить сложные системы, внедрять кучу процессов, а потом упускать самые очевидные вещи просто потому, что «так всегда было».
Расскажу пару историй из практики — без пафоса, просто как было.
Первая история. Золотодобывающая фабрика. Капитальный ремонт ЗИФ.
Десять суток простоя. В сутки примерно миллион долларов по EBITDA улетает в никуда. Цифра, от которой лично мне каждый раз не по себе становится.
Что мы сделали в итоге? Ничего героического. Попросили одного из ребят с участка взять камеру и просто поснимать весь процесс ремонта — от первого болта до последнего. Без плана улучшений, без заданий «ускоряй», без отчётов. Просто «зафиксируй, как есть, потом вместе посмотрим».
И вот что интересно: люди узнали, что их снимают, — и процесс сам по себе пошёл быстрее. Меньше простоев, меньше «сейчас подойду», больше слаженности.
В итоге ремонт сократился примерно на 20%.
Не революция, а просто эффект присутствия объектива. Обычная человеческая психология сработала.
Второй пример – ещё проще и, честно, даже забавнее.
Приезжаем на предприятие, смотрим на лимиты по ТМЦ. Лимиты раздуты сильно — запаслись на всякий случай лет на десять вперёд. Резать бюджеты резко не стали — зачем сразу всех злить? Просто ввели проверку заявок на этапе подачи.
Один человек смотрит: историю цен, остатки на складе, задаёт нормальные вопросы вроде «а это точно нужно новое?» или «может, хватит половины?».
Без новых регламентов, без громких тендеров. Результат? Затраты по TCC упали на 7% почти сразу. Тихо, без шума, без лишних эмоций.
Вывод, который я для себя вынес: самые заметные улучшения часто начинаются не с большой стратегии и не с PowerPoint на 40 слайдов. Они начинаются с простого: «А давайте просто посмотрим, что там происходит на самом деле?» Иногда фонарик (камера, взгляд, пара вопросов) делает больше, чем все консультанты мира вместе взятые.
А у вас случались такие моменты? Когда минимум усилий — и вдруг ощутимая экономия? Поделитесь в комментариях, правда интересно почитать ваши истории — и удачные, и те, где «не срослось» 😊
🔥14👍7⚡2
Продолжаем публикацию серию постов Ивана Макаренко.
Как ГИГАНТЫ проигрывают карликам)
Volvo FMX дешевле CAT 785 на 15–20% по себестоимости тонно-километра
Личный кейс финдиректора горнодобывающей компании.
Меня в универе учили: больше машина → ниже себестоимость тонно-километра, что в принципе логично. Эффект масштаба, всё по учебнику. Я верил. Пока жизнь не показала обратное в реальной таблице Excel.
У нас основной парк был — CAT 785 (130 т). Стабильно держат 9–11 ₽/ткм. Нормально, в рынке. Но случился аврал по объёмам. Пришлось кинуть на линию «мелочь» — Volvo 40 т. Я внутренне уже готовился к росту затрат: «Всё, сейчас эти малыши нас разорят».
А потом закрыли месяц.
Смотрю отчёт — и весьма удивился: Volvo выдали 7–9 ₽/ткм. На 15–20% дешевле «монстров»!
Повторялось месяц за месяцем, квартал за кварталом. Не глюк, не ошибка учёта. Реальность. Почему так вышло? Разобрал по косточкам:
1️⃣ Скорость и оборачиваемость. CAT в среднем на 15% медленнее, чем Volvo.
На узких карьерных дорогах, при манёврах и разъездах — малыш делает больше рейсов за ту же смену.
2️⃣ Топливо — парадокс. Казалось бы, у больших выше КПД. Но удельный расход на 1 тонну перевезённой массы у Volvo оказался ниже на те же 10-20%. Привет прожорливым 32х литровый двигателям CAT. Они меньше тратят на перевозку собственного веса.
3️⃣ Запчасти — настоящая боль. Рынок запчастей для сверхтяжёлых самосвалов — это олигополия и космические цены. Одна покрышка для CAT 785 — 1–2 млн ₽. Ремонт гидротрансмиссии или двигателя — стоимость целого Mercedes Gelandewagen.
Volvo — хоть и тяжёлый класс, но детали ближе к «обычным» грузовикам: конкуренция выше, цены кратно ниже.
4️⃣ ФОТ. Да, водителей нужно в ~3 раза больше. Но экономия на топливе + запчастях перекрывает доп. зарплаты по Фот с запасом.
Но! Не всё так радужно.
Если задача — мощный поток (10+ млн т/год с одного забоя), 40-тонники физически не потянут: забьют дороги, упрётся пропускная способность. Тут большие машины вне конкуренции.А если логистика гибкая, плечо нормальное - маленькие часто бьют тяжеловесов по юнит-экономике всухую.
Вопрос к вам, горняки, логисты, финансисты и директора по оборудованию:
Сталкивались ли вы с таким же парадоксом?
Переоцениваем ли мы «гигантоманию» CAT, Komatsu, Hitachi, когда считаем не валовый объём, а реальную стоимость тонны?
Делитесь своими цифрами по расходам, запчастям, реальной производительности!
Буду рад кейсам и жёсткой критике в комментариях 👇
Как ГИГАНТЫ проигрывают карликам)
Volvo FMX дешевле CAT 785 на 15–20% по себестоимости тонно-километра
Личный кейс финдиректора горнодобывающей компании.
Меня в универе учили: больше машина → ниже себестоимость тонно-километра, что в принципе логично. Эффект масштаба, всё по учебнику. Я верил. Пока жизнь не показала обратное в реальной таблице Excel.
У нас основной парк был — CAT 785 (130 т). Стабильно держат 9–11 ₽/ткм. Нормально, в рынке. Но случился аврал по объёмам. Пришлось кинуть на линию «мелочь» — Volvo 40 т. Я внутренне уже готовился к росту затрат: «Всё, сейчас эти малыши нас разорят».
А потом закрыли месяц.
Смотрю отчёт — и весьма удивился: Volvo выдали 7–9 ₽/ткм. На 15–20% дешевле «монстров»!
Повторялось месяц за месяцем, квартал за кварталом. Не глюк, не ошибка учёта. Реальность. Почему так вышло? Разобрал по косточкам:
На узких карьерных дорогах, при манёврах и разъездах — малыш делает больше рейсов за ту же смену.
Volvo — хоть и тяжёлый класс, но детали ближе к «обычным» грузовикам: конкуренция выше, цены кратно ниже.
Но! Не всё так радужно.
Если задача — мощный поток (10+ млн т/год с одного забоя), 40-тонники физически не потянут: забьют дороги, упрётся пропускная способность. Тут большие машины вне конкуренции.А если логистика гибкая, плечо нормальное - маленькие часто бьют тяжеловесов по юнит-экономике всухую.
Вопрос к вам, горняки, логисты, финансисты и директора по оборудованию:
Сталкивались ли вы с таким же парадоксом?
Переоцениваем ли мы «гигантоманию» CAT, Komatsu, Hitachi, когда считаем не валовый объём, а реальную стоимость тонны?
Делитесь своими цифрами по расходам, запчастям, реальной производительности!
Буду рад кейсам и жёсткой критике в комментариях 👇
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥2
Иван Макаренко.
Как CFO может «сэкономить» и случайно убить EBITDA
Каждый месяц — бюджетный комитет. Факт против норм: ГСМ, реагенты, электроэнергия. Где перерасход — там я. Жёстко. Резать. Классическая история финансового директора в горно-металлургической отрасли. И ровно так я чуть не «сэкономил» нам деньги… в минус.
Был норматив по взрывчатому веществу ВВ 💥— 1,4 кг/м³.
Посчитан когда-то под крепость породы по шкале Протодьяконова. Всё логично и правильно. И тут в какой-то момент участок даёт 1,8 кг/м³.
Но перед тем, как давить — посмотрел на ЗИФ. И увидел странное: переработка +2–7% на этом блоке. А ЗИФ — узкое место. То есть это не «улучшение показателя». Это сразу живые деньги в выпуске, увеличение EBITDA, соответственно.
Дальше — три подхода, с которыми я сталкивался.
1️⃣ Резать по нормативу.
⬆️Плюсы:
🔸дисциплина
🔸понятный бюджет
🔸CFO спит спокойно
⬇️Минусы:
🔻игнорирует экономику всей цепочки
🔻убивает скрытые резервы
Честно: это базовый уровень. Работает, пока не начинаешь думать шире.
2️⃣ Mine-to-mill (карьер → фабрика)
Начали считать не ВВ, а результат на выходе. Подняли удельник до 2,0 → стало лучше; еще подняли до 2,7 кг/м³ → пик эффекта
Получили:
🔹+8% к производительности ЗИФ
🔹меньше износ ковшей, плит, футеровки мельниц, снижение расхода шаров.
Минус:
🔻дороже на входе, и это психологически тяжело для CFO.
Но по факту — классический cost optimization через value chain.
3️⃣ «Давайте ещё добавим» (любимый сценарий операционщиков). Начальник БВР разогнался до 3,0 кг/м³. И что? Производительность встала. Расход вырос. Чистый минус.
Вывод простой: у любой оптимизации есть предел или оптимум. Нужно его искать экспериментально.
Реальный эффект: Рост затрат на БВР примерно на +15% дал:
🔸+8% к переработке;
🔸снижение затрат на износ;
🔸в итоге рост EBITDA, хотя статья затрат выросла
А потом добавилась геология. С глубиной — другие породы, песчаники большая крепость. И снова поиск нового оптимума. В mining finance нет «одной цифры навсегда».
Вывод:
Оптимизация затрат — это не про «резать». Это про понимание, где создаётся value. Иногда задача CFO в антикризисном управлении и реструктуризации – не сокращать, а разрешить тратить больше. И это бывает не просто)
А вы сталкивались с ситуацией, когда «перерасход» давал рост прибыли?
Где находили свой оптимум — и как его удерживали?
Как CFO может «сэкономить» и случайно убить EBITDA
Каждый месяц — бюджетный комитет. Факт против норм: ГСМ, реагенты, электроэнергия. Где перерасход — там я. Жёстко. Резать. Классическая история финансового директора в горно-металлургической отрасли. И ровно так я чуть не «сэкономил» нам деньги… в минус.
Был норматив по взрывчатому веществу ВВ 💥— 1,4 кг/м³.
Посчитан когда-то под крепость породы по шкале Протодьяконова. Всё логично и правильно. И тут в какой-то момент участок даёт 1,8 кг/м³.
Моя реакция? Конечно: «Вы что, деньги жжете? Срочно назад в норму».
Но перед тем, как давить — посмотрел на ЗИФ. И увидел странное: переработка +2–7% на этом блоке. А ЗИФ — узкое место. То есть это не «улучшение показателя». Это сразу живые деньги в выпуске, увеличение EBITDA, соответственно.
Дальше — три подхода, с которыми я сталкивался.
⬆️Плюсы:
🔸дисциплина
🔸понятный бюджет
🔸CFO спит спокойно
⬇️Минусы:
🔻игнорирует экономику всей цепочки
🔻убивает скрытые резервы
Честно: это базовый уровень. Работает, пока не начинаешь думать шире.
Начали считать не ВВ, а результат на выходе. Подняли удельник до 2,0 → стало лучше; еще подняли до 2,7 кг/м³ → пик эффекта
Получили:
🔹+8% к производительности ЗИФ
🔹меньше износ ковшей, плит, футеровки мельниц, снижение расхода шаров.
Минус:
🔻дороже на входе, и это психологически тяжело для CFO.
Но по факту — классический cost optimization через value chain.
Вывод простой: у любой оптимизации есть предел или оптимум. Нужно его искать экспериментально.
Реальный эффект: Рост затрат на БВР примерно на +15% дал:
🔸+8% к переработке;
🔸снижение затрат на износ;
🔸в итоге рост EBITDA, хотя статья затрат выросла
А потом добавилась геология. С глубиной — другие породы, песчаники большая крепость. И снова поиск нового оптимума. В mining finance нет «одной цифры навсегда».
Вывод:
Оптимизация затрат — это не про «резать». Это про понимание, где создаётся value. Иногда задача CFO в антикризисном управлении и реструктуризации – не сокращать, а разрешить тратить больше. И это бывает не просто)
А вы сталкивались с ситуацией, когда «перерасход» давал рост прибыли?
Где находили свой оптимум — и как его удерживали?
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5👍3
От редакции:
добавим в качестве дружеской полемики.
Тезис
Коллеги- производственники не любят больших расчётов и "науки".
С одной стороны, они могут сразу попробовать и поэкспериментировать.
С другой, когда что то идет не так - следует быстрая реакция -
Или, как я услышал на одном объекте от директора по горе, когда объяснял суть mine-to-mill
после того как рассказал, что нужно изучать свойства породы, подбирать проекты БВР под каждый тип породы, а не тупо увеличивать расход ВВ последовал аргумент
Итог, думаю, понятен.
А по факту - многое можно заранее предсказать, нужно только включить немного расчётов или привлечь специалистов, которые умеют. А спешка может создать негативный флёр любому хорошему начинанию
Это как в медицине: не занимайтесь самолечением
добавим в качестве дружеской полемики.
Тезис
"у любой оптимизации есть предел или оптимум. Нужно его искать экспериментально."Кажется не очень удачным. Ко всему есть научный подход.
Коллеги- производственники не любят больших расчётов и "науки".
С одной стороны, они могут сразу попробовать и поэкспериментировать.
С другой, когда что то идет не так - следует быстрая реакция -
"не работает ваша мандала"
Или, как я услышал на одном объекте от директора по горе, когда объяснял суть mine-to-mill
"ты мне науку свою не суй, говори что делать нужно"
после того как рассказал, что нужно изучать свойства породы, подбирать проекты БВР под каждый тип породы, а не тупо увеличивать расход ВВ последовал аргумент
"мы так делать не будем, у нас времени нет"
Итог, думаю, понятен.
А по факту - многое можно заранее предсказать, нужно только включить немного расчётов или привлечь специалистов, которые умеют. А спешка может создать негативный флёр любому хорошему начинанию
Это как в медицине: не занимайтесь самолечением
👍3🤔1
The Fragmentation–Dig Rate Disconnect.pdf
458.3 KB
Добавим к посту Ивана про mine2mill.
Во вложении краткая методичка, как выбирать оптимальный гран.состав после БВР для максимизации производительности экскаватора.
Будет полезно интересующимся m2m.
Взято отсюда.
Во вложении краткая методичка, как выбирать оптимальный гран.состав после БВР для максимизации производительности экскаватора.
Будет полезно интересующимся m2m.
Взято отсюда.
👍1🔥1
Иван Макаренко. Про автомобили на активах.
Я до сих пор не знаю, как оптимально обеспечивать мобильность руководителей на производственных активах. Звучит неожиданно от финансового директора? Объясню.
В горнодобывающей отрасли (РУСАЛ, Полюс, крупные ГОКи) легковой транспорт для руководителя среднего звена до сих пор воспринимается как «статус», а не как инструмент управления. Пробить через инвесткомитет пикап для начальника цеха или главного геолога — часто настоящий квест. Хотя в масштабах Capex это копейки.
Я проанализировал три подхода, которые мы внедряли, и вот ключевые выводы с позиции P&L и производственных KPI.
1️⃣ Классика: машина + водитель
Прямые затраты очевидны: авто, ГСМ, амортизация, ФОТ водителя. Загрузка водителя обычно <30%.
Но один серьёзный инцидент с неподготовленным руководителем за рулём может перекрыть всю экономию за 3–5 лет. Поэтому СБ и юристы часто правы.
2️⃣ «Сам за рулём» — попытка рационализации
Убрали водителей, обучили, посчитали экономию.
На практике получили: ДТП не по работе, аварии с карьерной техникой из-за недостатка опыта, рост страховых тарифов, простои, репутационные потери.
Вывод: без жёсткого психотестирования, контроля и неотвратимого наказания за misuse — это не экономия, а перенос риска.
3️⃣ Общий пул / каршеринг / такси
Идея красивая на бумаге. Реальность: одновременные выезды → дефицит машин в пике, водители такси отказываются заезжать на технологические дороги, время ожидания убивает оперативность.
Пока руководитель ждёт — инцидент уже развивается без него.
Моё текущее убеждение как CFO:
Но есть жёсткие условия:
🔹Автомобиль = строго рабочее место
🔹Любое нецелевое использование / грубое нарушение ПДД / алкоголь → увольнение (без вариантов)
🔹Покупка оправдана только при ежедневной загрузке ≥30–50 км + влиянии на время реагирования на инциденты
🔹Риск прописан в локальных актах
Коллеги из горнодобывающей промышленности, металлургии, крупных активов — особенно те, кто сидит в инвесткомитетах или отвечает за операционную эффективность:
Как вы решаете эту дилемму? Удалось ли найти баланс между тотальной централизацией и «безлимитным парком»? Работают ли у вас системы бронирования с трекингом, лизинг с поминутной оплатой, жесткие KPI по загрузке?
Поделитесь опытом — интересно услышать реальные кейсы.
Я до сих пор не знаю, как оптимально обеспечивать мобильность руководителей на производственных активах. Звучит неожиданно от финансового директора? Объясню.
В горнодобывающей отрасли (РУСАЛ, Полюс, крупные ГОКи) легковой транспорт для руководителя среднего звена до сих пор воспринимается как «статус», а не как инструмент управления. Пробить через инвесткомитет пикап для начальника цеха или главного геолога — часто настоящий квест. Хотя в масштабах Capex это копейки.
Я проанализировал три подхода, которые мы внедряли, и вот ключевые выводы с позиции P&L и производственных KPI.
Прямые затраты очевидны: авто, ГСМ, амортизация, ФОТ водителя. Загрузка водителя обычно <30%.
Но один серьёзный инцидент с неподготовленным руководителем за рулём может перекрыть всю экономию за 3–5 лет. Поэтому СБ и юристы часто правы.
Убрали водителей, обучили, посчитали экономию.
На практике получили: ДТП не по работе, аварии с карьерной техникой из-за недостатка опыта, рост страховых тарифов, простои, репутационные потери.
Вывод: без жёсткого психотестирования, контроля и неотвратимого наказания за misuse — это не экономия, а перенос риска.
Идея красивая на бумаге. Реальность: одновременные выезды → дефицит машин в пике, водители такси отказываются заезжать на технологические дороги, время ожидания убивает оперативность.
Пока руководитель ждёт — инцидент уже развивается без него.
Моё текущее убеждение как CFO:
Транспорт для руководителя среднего звена — это не статья затрат для оптимизации, а инструмент управляемости актива.
Когда расстояния между карьером, фабрикой, хвостохранилищем — десятки километров, потеря 2–4 часов в день на логистику = прямые потери производительности. Время топ- и мидл-менеджмента часто стоит дороже амортизации и ГСМ Hilux / JAC.
Но есть жёсткие условия:
🔹Автомобиль = строго рабочее место
🔹Любое нецелевое использование / грубое нарушение ПДД / алкоголь → увольнение (без вариантов)
🔹Покупка оправдана только при ежедневной загрузке ≥30–50 км + влиянии на время реагирования на инциденты
🔹Риск прописан в локальных актах
Коллеги из горнодобывающей промышленности, металлургии, крупных активов — особенно те, кто сидит в инвесткомитетах или отвечает за операционную эффективность:
Как вы решаете эту дилемму? Удалось ли найти баланс между тотальной централизацией и «безлимитным парком»? Работают ли у вас системы бронирования с трекингом, лизинг с поминутной оплатой, жесткие KPI по загрузке?
Поделитесь опытом — интересно услышать реальные кейсы.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Способ связаться с подписчиками без VPN
😁8👍1
Обогащение и переработка
Способ связаться с подписчиками без VPN
Кстати, это к/ф "Сумасшедшая помощь".
Если любите авторское кино - 7 из 10
Если любите авторское кино - 7 из 10
Иван Макаренко Инвентаризация на ГОКе, это контроль или самообман?
Я не видел ни одного проекта по оптимизации затрат / рабочего капитала в mining, где можно было обойтись для начала без нормальной, честной инвентаризации. CFO часто начинает с моделей и KPI, а потом упирается в базовый вопрос, что у тебя лежит на складе по факту.
Из практики. Встала мельница на ЗИФ. По учету подшипник есть. Идут на склад, находят, но немного не тот. В итоге потеряли трое суток, убыток 280 млн руб. Причина проста - формальная инвентаризация и слабый входной контроль ТМЦ.
Из практики вижу три рабочих подхода.
Первый, формальная годовая инвентаризация. Комиссия, акты, протоколы, в отчетности порядок. Плюсы, быстро, дешево, не мешает производству. Минусы, ты не управляешь оборотным капиталом, ты фиксируешь картинку. В рудной золотодобыче с удаленными складами и хранением под открытым небом искажения доходят до 10-15 процентов по номенклатуре. При выручке 50 млрд руб это до 2 млрд руб запасов вне контроля. На самом деле, так по факту работают большинство предприятий.
Второй, тотальная инвентаризация как проект. Полевая работа до трех месяцев, полный пересчет, фотофиксация, сличительная ведомость. Мы потихоньку начали подключать AI инструменты, распознавание номенклатуры по фото, сверка с ERP, поиск дублей в справочнике, контроль аномалий. Плюсы, получаешь факт и базу для cost optimization. Минусы, отвлечение ресурсов на сам процесс, давление на операционку, конфликт с производством, вскрытие ошибок учета. Без моратория на наказания данные снова искажаются. Этот подход обязателен при антикризисном управлении.
Третий, циклическая инвентаризация плюс чистка справочника. Делишь ТМЦ по критичности, дорогие считаешь чаще, массовые реже. Добавляешь мобильный учет, фотофиксацию, автоматическую сличительную ведомость, AI контроль пересортицы и отклонений. Плюсы, не останавливаешь процессы, держишь качество данных на уровне. Минусы, нужна дисциплина, единый справочник и жесткое управление изменениями.
Критичный момент, первая инвентаризация должна быть честной. Я ввожу правило, первый раз никто не наказывает за расхождения. Задача одна, увидеть факт. После этого настраиваешь контроль, ответственность и закупки.
Для финансового директора это не про учет. Это про деньги. Рабочий капитал, оборачиваемость, ликвидность. Пока ты не знаешь реальный фактический остаток, все модели, разговоры про эффективность остаются гипотезой.
Как у Вас устроена инвентаризация на площадке, это инструмент управления или формальная процедура?
Я не видел ни одного проекта по оптимизации затрат / рабочего капитала в mining, где можно было обойтись для начала без нормальной, честной инвентаризации. CFO часто начинает с моделей и KPI, а потом упирается в базовый вопрос, что у тебя лежит на складе по факту.
Из практики. Встала мельница на ЗИФ. По учету подшипник есть. Идут на склад, находят, но немного не тот. В итоге потеряли трое суток, убыток 280 млн руб. Причина проста - формальная инвентаризация и слабый входной контроль ТМЦ.
Из практики вижу три рабочих подхода.
Первый, формальная годовая инвентаризация. Комиссия, акты, протоколы, в отчетности порядок. Плюсы, быстро, дешево, не мешает производству. Минусы, ты не управляешь оборотным капиталом, ты фиксируешь картинку. В рудной золотодобыче с удаленными складами и хранением под открытым небом искажения доходят до 10-15 процентов по номенклатуре. При выручке 50 млрд руб это до 2 млрд руб запасов вне контроля. На самом деле, так по факту работают большинство предприятий.
Второй, тотальная инвентаризация как проект. Полевая работа до трех месяцев, полный пересчет, фотофиксация, сличительная ведомость. Мы потихоньку начали подключать AI инструменты, распознавание номенклатуры по фото, сверка с ERP, поиск дублей в справочнике, контроль аномалий. Плюсы, получаешь факт и базу для cost optimization. Минусы, отвлечение ресурсов на сам процесс, давление на операционку, конфликт с производством, вскрытие ошибок учета. Без моратория на наказания данные снова искажаются. Этот подход обязателен при антикризисном управлении.
Третий, циклическая инвентаризация плюс чистка справочника. Делишь ТМЦ по критичности, дорогие считаешь чаще, массовые реже. Добавляешь мобильный учет, фотофиксацию, автоматическую сличительную ведомость, AI контроль пересортицы и отклонений. Плюсы, не останавливаешь процессы, держишь качество данных на уровне. Минусы, нужна дисциплина, единый справочник и жесткое управление изменениями.
Критичный момент, первая инвентаризация должна быть честной. Я ввожу правило, первый раз никто не наказывает за расхождения. Задача одна, увидеть факт. После этого настраиваешь контроль, ответственность и закупки.
Для финансового директора это не про учет. Это про деньги. Рабочий капитал, оборачиваемость, ликвидность. Пока ты не знаешь реальный фактический остаток, все модели, разговоры про эффективность остаются гипотезой.
Как у Вас устроена инвентаризация на площадке, это инструмент управления или формальная процедура?
👍3🔥2👎1
#библиотека_горнячка
#библиотека_горняка
"Тайна чёрных камней" Р. Любимов: книга для детей рассказывает о происхождении угля, его добыче, обогащении и переработке и значении для народного хозяйства.
Выпущена под редакцией Кузбассразрезугля, в результате чего используется правильная терминология и нет дурацких упрощений.
👦🐶🤖 Главные герои — мальчик Костя, собака Фрося и гаджет КА-10. Гаджет КА выполняет функцию Главного инженера ГОКа (в некоторых случаях - Инженер ПТО), который проводит вам экскурсию по предприятию: везде проведёт, всё объяснит.
📒 Сюжет: Мальчик Костя, собака и гаджет ищут папу мальчика, уехавшего на Кузбасс снимать фильм про уголь. По ходу они посещают разрез, шахту, обогатительную фабрику, исследовательскую лабораторию.
➕ Плюсы: процессы, техника и технология описаны простыми словами. Правильная терминология (этим часто грешат детские книги).
Есть задания для закрепления материала.
Хорошая и внятная иллюстрация.
⛔️ Минусы:
Тут даже не знаешь, с чего начать...
Во-первых, если книга про самообразование, то отсуствие ответов на задания в конце книги минус.
Далее более хардкорные вещи.
Этот ваш гаджет показывает ловушку, в которую попадает человечество под воздействием ИИ:
😜 Мальчик, собака и гаджет не прошли инструктаж перед посещением Опасных Производственных Объектов (ОПО).
🇷🇺 Судя по рисункам, длинноволосая лаборантка (?) Вероника также пренебрегает использованием головного убора в лаборатории.
🛠 Ребёнка замечают на всех ОПО: разрез, шахта, карьер, фабрика. Вероятно, главный инженер, техдиректор и начальник СБ долго потом ещё от инфаркта отходили.
👷 Мальчик находится на опасных производственных объектах без СИЗ. При этом его сопровождающий - гаджет КА - знает и говорит об этом!
Итого:
За нарушение Пром.беза
ст. 9.1 КоАП РФ или даже ст. 217 УК РФ от штрафа до 5 лет⛓ .
Резюме:
Будьте примером для ребёнка и коллег. Соблюдайте Технику безопасности и правила Промышленной безопасности!
🏗 🪖 🏗 Книгу можно рекомендовать, но до, во время и после чтения с ребёнком необходимо проводить минутки безопасности.
Лучше с конкретными кейсами типа "вот был у нас случай, работала длинноволосая лаборантка. Волосы в печку попали - потом лысая ходила, начальника лаборатории уволили и он спился, а главного инженера посадили"
#библиотека_горняка
На фоне кадрового голода многие компании начали смотреть не только в сторону студентов, но и школьников. В серии постов мы посмотрим, какие книги об индустрии выходят для детей.
"Тайна чёрных камней" Р. Любимов: книга для детей рассказывает о происхождении угля, его добыче, обогащении и переработке и значении для народного хозяйства.
Выпущена под редакцией Кузбассразрезугля, в результате чего используется правильная терминология и нет дурацких упрощений.
👦🐶
Есть задания для закрепления материала.
Хорошая и внятная иллюстрация.
Тут даже не знаешь, с чего начать...
Во-первых, если книга про самообразование, то отсуствие ответов на задания в конце книги минус.
Далее более хардкорные вещи.
Этот ваш гаджет показывает ловушку, в которую попадает человечество под воздействием ИИ:
Итого:
За нарушение Пром.беза
ст. 9.1 КоАП РФ или даже ст. 217 УК РФ от штрафа до 5 лет
Резюме:
Будьте примером для ребёнка и коллег. Соблюдайте Технику безопасности и правила Промышленной безопасности!
Лучше с конкретными кейсами типа "вот был у нас случай, работала длинноволосая лаборантка. Волосы в печку попали - потом лысая ходила, начальника лаборатории уволили и он спился, а главного инженера посадили"
Please open Telegram to view this post
VIEW IN TELEGRAM
😁7👏2
Иван Макаренко
Один из самых дорогих активов на ГОКе — это не мельница и не экскаватор.
Несколько лет назад на одном золотодобывающем ГОКе в Сибири мы долго обсуждали classic mining problem: как увеличить подачу руды на дробление. Все шло по стандартному сценарию.
Производственники хотели больше техники. Инженеры — автоматизацию. Подрядчики — пересмотр тарифов. Финансы уже начинали тихо пить валерьянку.
При этом фактический анализ показал странную картину: дробилка теряла до 8–10% времени не из-за поломок. Потери возникали в периоды пересменок, обедов и организационных пауз.
Когда начали разбирать процесс по минутам, выяснилось интересное.
На карьере одновременно происходило сразу несколько вещей: — часть водителей уходила на пересменку; — часть экипажей на обед; — диспетчеры в этот момент закрывали путевые листы и перераспределяли технику; — экскаваторы продолжали грузить, но самосвалов под погрузкой становилось меньше; — на ДСК в итоге образовывались «провалы» по подаче руды.
То есть формально каждая служба работала правильно. Но вся система одновременно входила в режим микропауз.
В результате дробилка то работала с перегрузом, то простаивала в ожидании руды. А для переработки это худший сценарий: оборудование любит стабильный поток, а не «рваный пульс».
То есть техника была исправна. Люди — тоже. А процесс работал хаотично.
Мы внедрили очень простую вещь — так называемые «лестничные смены». Суть - изменение ритма работы.
Раньше подрядные ГТК уходили на пересменку и обед практически одновременно. В какой‑то момент с линии выпадало сразу большое количество самосвалов Komatsu, и поток руды на дробилку резко проседал.
Мы сделали несколько изменений:
✅ разделили экипажи по временным окнам;
✅ сместили пересменки между подрядчиками;
✅ развели обеды по группам техники;
✅оставили часть парка в непрерывной работе во время смены;
✅ синхронизировали графики с загрузкой ДКК.
Например, если одна группа самосвалов уходила на пересменку в1️⃣ 2️⃣ :0️⃣ 0️⃣ , другая продолжала работать до 1️⃣ 2️⃣ :🤩 0️⃣ . Затем группы менялись. В итоге на линии всегда оставалось достаточное количество техники для стабильной подачи руды.
Казалось бы — мелочь, но именно она убрала провалы в загрузке дробилки и выровняла поток материала по всей цепочке.
Без CAPEX. Без новых Komatsu. Без героических презентаций на 200 слайдов.
Через несколько недель получили двузначный рост часовой подачи руды на ДКК. И вот здесь начинается самое интересное.
Я потом специально смотрел мировой опыт. Подходы обычно делятся на три лагеря.
Первый — австралийский. Максимальная стандартизация процессов. Жесткая диспетчеризация. Высокая дисциплина исполнения. Работает отлично. Минус - дорого и требует зрелой культуры управления. В СНГ многие внедряют половину системы, а потом удивляются, почему ничего не изменилось.
Второй подход — североамериканский. Ставка на digital dispatch и realtime-аналитику. MES, fleet management, AI-модели, predictive analytics. Смотрится красиво. Но если базовый процесс хаотичен, цифровизация просто быстрее показывает хаос на экране.
Третий подход чаще встречаю в СНГ. Пытаются перекрыть организационные проблемы техникой. Не хватает ритмичности — купим еще самосвалы. Просела подача — добавим экскаватор. Иногда помогает. Но CFO потом долго смотрит на рост OPEX и думает, зачем предприятие купило еще 40 млн долларов железа.
Самое забавное — многие потери вообще не видны в отчетности.
Нет отдельной строки:
Но на длинной дистанции именно такие вещи и формируют cost optimization.
Особенно в mining finance, где одно узкое место быстро размазывает эффект по всей цепочке: карьер → дробилка → измельчение → фабрика.
Сейчас я почти всегда начинаю реструктуризацию предприятия и операционную диагностику не с покупки техники, а с анализа ритмичности процесса.
Потому что в горно-металлургической отрасли деньги часто теряются не в технологии, а между сменами.
Один из самых дорогих активов на ГОКе — это не мельница и не экскаватор.
«+14% производительности без нового оборудования. Просто перестали одновременно водить людей на обед».
Несколько лет назад на одном золотодобывающем ГОКе в Сибири мы долго обсуждали classic mining problem: как увеличить подачу руды на дробление. Все шло по стандартному сценарию.
Производственники хотели больше техники. Инженеры — автоматизацию. Подрядчики — пересмотр тарифов. Финансы уже начинали тихо пить валерьянку.
При этом фактический анализ показал странную картину: дробилка теряла до 8–10% времени не из-за поломок. Потери возникали в периоды пересменок, обедов и организационных пауз.
Когда начали разбирать процесс по минутам, выяснилось интересное.
На карьере одновременно происходило сразу несколько вещей: — часть водителей уходила на пересменку; — часть экипажей на обед; — диспетчеры в этот момент закрывали путевые листы и перераспределяли технику; — экскаваторы продолжали грузить, но самосвалов под погрузкой становилось меньше; — на ДСК в итоге образовывались «провалы» по подаче руды.
То есть формально каждая служба работала правильно. Но вся система одновременно входила в режим микропауз.
В результате дробилка то работала с перегрузом, то простаивала в ожидании руды. А для переработки это худший сценарий: оборудование любит стабильный поток, а не «рваный пульс».
То есть техника была исправна. Люди — тоже. А процесс работал хаотично.
Мы внедрили очень простую вещь — так называемые «лестничные смены». Суть - изменение ритма работы.
Раньше подрядные ГТК уходили на пересменку и обед практически одновременно. В какой‑то момент с линии выпадало сразу большое количество самосвалов Komatsu, и поток руды на дробилку резко проседал.
Мы сделали несколько изменений:
✅ разделили экипажи по временным окнам;
✅ сместили пересменки между подрядчиками;
✅ развели обеды по группам техники;
✅оставили часть парка в непрерывной работе во время смены;
✅ синхронизировали графики с загрузкой ДКК.
Например, если одна группа самосвалов уходила на пересменку в
Казалось бы — мелочь, но именно она убрала провалы в загрузке дробилки и выровняла поток материала по всей цепочке.
Без CAPEX. Без новых Komatsu. Без героических презентаций на 200 слайдов.
Через несколько недель получили двузначный рост часовой подачи руды на ДКК. И вот здесь начинается самое интересное.
Я потом специально смотрел мировой опыт. Подходы обычно делятся на три лагеря.
Первый — австралийский. Максимальная стандартизация процессов. Жесткая диспетчеризация. Высокая дисциплина исполнения. Работает отлично. Минус - дорого и требует зрелой культуры управления. В СНГ многие внедряют половину системы, а потом удивляются, почему ничего не изменилось.
Второй подход — североамериканский. Ставка на digital dispatch и realtime-аналитику. MES, fleet management, AI-модели, predictive analytics. Смотрится красиво. Но если базовый процесс хаотичен, цифровизация просто быстрее показывает хаос на экране.
Третий подход чаще встречаю в СНГ. Пытаются перекрыть организационные проблемы техникой. Не хватает ритмичности — купим еще самосвалы. Просела подача — добавим экскаватор. Иногда помогает. Но CFO потом долго смотрит на рост OPEX и думает, зачем предприятие купило еще 40 млн долларов железа.
Самое забавное — многие потери вообще не видны в отчетности.
Нет отдельной строки:
«Потери EBITDA из-за того, что подрядчики одновременно ушли на обед».
Но на длинной дистанции именно такие вещи и формируют cost optimization.
Особенно в mining finance, где одно узкое место быстро размазывает эффект по всей цепочке: карьер → дробилка → измельчение → фабрика.
Сейчас я почти всегда начинаю реструктуризацию предприятия и операционную диагностику не с покупки техники, а с анализа ритмичности процесса.
Потому что в горно-металлургической отрасли деньги часто теряются не в технологии, а между сменами.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍24🔥2