Abstract (ukr):
У статті розглянуто теоретичні, методологічні та практичні аспекти інтеграції GNSS-технологій у систему геодезичного моніторингу та управління гірничим транспортом у контексті цифрової трансформації гірничої галузі. Визначено ключові фактори, що впливають на точність супутникового позиціонування в умовах відкритих гірничих робіт, зокрема геометрію супутникового сузір’я, атмосферні затримки, мультипас-ефект і технічні характеристики приймачів. Проведено систематизацію сучасних диференційних методів позиціонування (RTK, PPK, DGPS, PPP) та здійснено порівняльну оцінку їх точності. Результати дослідження засвідчили, що використання режимів RTK і PPP забезпечує сантиметрову точність координат, що є критично важливою для керування транспортними потоками, моніторингу робочих зон і побудови цифрових моделей рельєфу. Проаналізовано практичні результати впровадження GNSS-систем на українських гірничих підприємствах (Ferrexpo, Інгулецький, Південний ГЗК) та у світових компаніях (Rio Tinto, BHP Billiton, Caterpillar). Встановлено, що застосування GNSS-моніторингу дає змогу зменшити простої техніки на 10–15 %, підвищити продуктивність на 8–12 % та скоротити витрати пального на 5–9 %. Впровадження GNSS-модулів у поєднанні з інерціальними системами (INS) і технологіями LiDAR та БПЛА сприяє створенню інтегрованих комплексів просторового контролю, що підвищують деталізацію цифрових моделей місцевості та знижують сумарну похибку позиціонування до 0,04–0,05 м. Запропоновано алгоритм оцінювання ефективності впровадження GNSS-технологій на основі інтегрального показника, який враховує технічні, економічні й організаційні чинники. Доведено, що впровадження комплексних GNSS-систем є ключовим елементом концепцій Smart Quarry і Digital Twin, які забезпечують автоматизацію управління транспортом, підвищення безпеки праці та створення динамічних тривимірних моделей кар’єру. Окреслено перспективи подальших досліджень, пов’язаних із розробленням інтелектуальних систем GNSS–LiDAR–AI для автоматичного аналізу геодезичних даних і прогнозування виробничих ситуацій у режимі реального часу.
Abstract (eng):
The paper examines the theoretical, methodological, and practical aspects of integrating GNSS technologies into the geodetic monitoring and mining transport management system within the context of the mining industry’s digital transformation. The study identifies the main factors influencing satellite positioning accuracy in open-pit environments, including satellite constellation geometry, atmospheric delays, multipath effects, and receiver performance. A comprehensive classification of modern differential positioning methods (RTK, PPK, DGPS, PPP) is presented, and their accuracy is comparatively assessed. The results indicate that RTK and PPP modes provide centimeter-level coordinate precision, which is essential for transport flow management, operational zone monitoring, and digital terrain modeling. Practical implementation outcomes of GNSS-based monitoring systems are analyzed for Ukrainian mining enterprises (Ferrexpo, Inhulets, Pivdennyi) and international companies (Rio Tinto, BHP Billiton, Caterpillar). The findings reveal that GNSS integration reduces equipment downtime by 10–15 %, increases productivity by 8–12 %, and decreases fuel consumption by 5–9 %. The integration of GNSS receivers with inertial navigation systems (INS), LiDAR, and unmanned aerial vehicles (UAVs) enables the formation of comprehensive spatial monitoring complexes that improve terrain model resolution and reduce combined positioning errors to 0.04–0.05 m. An efficiency assessment algorithm for GNSS implementation is proposed based on an integrated indicator that accounts for technical, economic, and organizational parameters. The study proves that the deployment of complex GNSS-based systems represents a fundamental component of the Smart Quarry and Digital Twin concepts, which ensure transport automation, operational safety improvement, and dynamic three-dimensional quarry modeling. Future research directions include the development of intelligent GNSS–LiDAR–AI systems for automatic geospatial data analysis and predictive modeling of mining processes in real time.