---
title: OES, AI와 텔레매틱스를 활용해 광산 덤프트럭 운영 효율을 높이다
url: https://www.elseif.net/ko/oes-ai
published: 2026-11-01T05:08:07+00:00
language: ko
section: 에이전트
source: https://habr.com/ru/articles/1100962/?utm_campaign=1100962&utm_source=habrahabr&utm_medium=rss
organizations: OES, Galileosky, BelAZ, Komatsu, Caterpillar
publisher: elseif
---

# OES, AI와 텔레매틱스를 활용해 광산 덤프트럭 운영 효율을 높이다

OES는 광산에서 운행되는 200대 이상의 덤프트럭을 관리하는 시스템에 인공지능 모듈을 추가하여 차량 배분을 최적화하는 솔루션을 구축했다. 이 시스템은 기존 모니터링 인프라 위에 설치되어 실시간으로 차량의 대기 시간과 가동 중단 문제를 해결한다. 광산에는 240대 이상의 장비가 있으며, 이 중 130톤과 220톤 적재량의 벨라즈 75131 및 75306 덤프트럭과 25대 이상의 굴착기가 포함된다. 이전에는 운영자가 화면을 보고 무전기로 운전자에게 직접 지시를 내려야 했으나, 이는 정보 처리에 한계가 있었다. 통계에 따르면 한 교대 근무 동안 10,000건 이상의 이상 징후가 발생하지만, 사람은 이 중 0.1% 미만만 처리할 수 있었다. 또한 기존 보고서는 실제 손실의 10~20%만 기록하는 데 그쳤다. 굴착기는 덤프트럭 부재로 인해 교대당 평균 1회분의 운행을 잃었고, 운영자는 문제가 발생한 후 10~15분이 지나서야 이를 인지했다. 교대 근무 시 장비가 30~40분 일찍 퇴근하거나 늦게 출근하는 사례가 25%까지 발생했으며, 계획되지 않은 주유로 인한 평균 15분의 지연도 있었다.

OES는 기존 하드웨어와 운영 시스템은 유지하면서 두 가지 인공지능 모듈을 도입했다. 첫 번째 모듈은 덤프트럭 배분기이며, 내부에 40개 이상의 다양한 유형의 모델이 포함되어 있다. 이 모듈에는 각 차량의 도착 시간을 계산하는 신경망 기반 예상 도착 시간 알고리즘과 3분마다 수십 가지 배치 옵션을 계산하는 배분 알고리즘이 있다. 또한 운영자와의 음성 대화를 위한 텍스트 음성 변환 및 음성 텍스트 변환 기능이 탑재되어 있다. 시스템은 30분 후의 대기열을 예측하고, 주유소에서의 동시 출차를 방지하며, 고장 발생 시 차량을 즉시 재배분한다. 지시는 운전석의 태블릿으로 직접 전송된다. 두 번째 모듈은 다중 에이전트 시스템으로, 30개 이상의 전문화된 인공지능 에이전트로 구성된다. 각 에이전트는 특정 영역을 담당하며, 장비 모델별 표준 주유 시간, 적재 주기, 교대 근무 배치, 구간의 기술적 속도, 적재 품질, 가동 중단, 내비게이션 장비 상태 등을 관리한다. 모든 이상 징후는 이벤트, 경고, 위반, 지시로 이어지는 생명주기를 거치며, 3단계 에스컬레이션 구조를 따른다. 모든 손실은 실시간으로 루블화로 환산되어 즉시 금액으로 표시된다.

데이터 수집은 전 차량에 설치된 갈릴레오키 7x 및 10 터미널을 통해 이루어진다. 이 터미널은 1~5초 간격으로 데이터를 전송하며, 연료 수준과 압력 센서는 적재 및 하역 사실과 주유를 기록한다. 데이터는 터미널에서 OES IIoT 플랫폼을 거쳐 인공지능 모듈로 전달되고, 최종적으로 운전자 태블릿과 운영자 인터페이스에 도달한다. 플랫폼은 벨라즈, 코마츠, 캐터필러 등 다양한 제조사의 데이터를 단일 형식으로 변환한다. 정확한 실시간 텔레메트리는 예상 도착 시간과 배분 예측의 핵심 요소이며, 30초의 데이터 유실이나 센서 노이즈는 예측 정확도에 영향을 미친다. 따라서 진동, 먼지, 온도 변화가 있는 광산 환경에서 안정적으로 작동하는 터미널이 선택되었다.

도입은 2024년부터 2025년까지 단계적으로 진행되었다. 초기에는 3~5대의 굴착기로 구성된 한 구역에서 프로토타입을 테스트했으며, 운영자 코디네이터가 수동으로 배분을 조정했다. 이후 220톤 덤프트럭 전체와 20입방미터 굴착기를 대상으로 산업적 운영을 시작했고, 배분 알고리즘과 예상 도착 시간 정확도를 개선하기 위한 실험을 수행했다. 130톤 덤프트럭과 코마츠 PC2000 굴착기로 확장되었으며, 태블릿 지시와 주유 자동 운영이 도입되었다. 2025년 8월의 한 교대 근무에서는 64건의 권장 사항 중 61건이 실행되었고, 계획된 210,000입방미터 대비 실제 233,000입방미터를 달성하여 11%의 초과 달성을 기록했다.

결과적으로 동일한 차량 수로 광석 운반량이 10% 증가했으며, 굴착기 생산성은 17% 향상되었다. 적재 대기 시간은 30% 감소했고, 굴착기 근처의 덤프트럭 부재는 20% 줄었다. 운영자의 업무 부담은 60~70% 감소하여 비표준 상황 처리에 집중할 수 있게 되었다. 배분기 지시의 95%는 운영자 통화 없이 실행되었다. 모든 손실이 실시간으로 기록되며, 주유당 15분의 계획 외 가동 중단이 제거되었고, 교대 근무 시 조기 퇴근 및 지연 출근이 25% 감소했다. 첫 달에 2,000만 루블 이상의 경제적 효과가 발생했다. 이러한 성과는 인공지능 도입과 함께 수동 배분에서 알고리즘 기반 운영으로의 전환, 장비 배치 동기화, 운전자 지시 준수 등 조직적 프로세스 변화의 종합적 결과이다.