选矿大数据挖掘与自动化技术应用浅析

2018-02-02卫亚儒

中国钼业 2018年6期

陈军，卫亚儒

(1.陕西黄金集团股份有限公司，陕西西安 710054)(2. 西北有色地质矿业集团有限公司，陕西西安 710054)

0 引言

在选矿生产中，为更好掌握生产指标变化规律和进行技术参数调整优化，需要对相关生产数据进行收集加工。选矿常采集的主要数据来源有破碎、磨矿、分级、选别、浓缩、尾矿及回水处理等生产实践环节，通过对采集的数据进行综合分析获得生产变化规律，进而得出有价值数据并用于指导优化技术指标，更好地控制和管理生产。传统生产实践中的数据来源于分析测试，比如破碎粒度、入选品位、磨矿细度、精矿品位、回收率、互含率等，其指标相对静态简单，不能系统和动态地对工艺做出评价，因此不能高效地指导工艺调整。在数字化技术时代，为了达到精细化管理、降低成本和环保节能等各方面要求，需要对选矿工艺流程中每个环节的大量数据进行挖掘采集，利用大数据技术分析和评估生产状态和技术经济水平，进而指导生产使生产效益最大化，这就是大数据技术在选矿工艺中应用的出发点。

1 选矿大数据采集与挖掘

选矿厂不间断的生产过程就是数据的不间断生产过程，获取选矿大数据是利用大数据的前提。目前我国很多选厂数据来源主要是有经验的工人掌握的生产经验数据和技术人员生产取样数据，其中有的数据量化难度大，可靠性不强，受制于个人的经验差别很大。而在实际工业生产中，由于入选矿石品位波动，矿石性质变化，药剂用量等发生变化，导致生产数据规律不断波动。利用现代感知技术和人工智能设备可以挖掘积累大量有效数据，将其用大数据技术分析获得的结果用于分析指导生产和评估技术经济指标具有重大意义。

常见的选矿数据类型有工作数据参数和技术数据参数，工作数据参数包括机器和设备的工作负荷、能耗、物耗、作业效率、维修效率等；技术数据参数包括粒度组成、破碎比、粉矿仓运转率、磨矿效率、分级效率、细度、矿浆浓度、浮选药剂的添加量、补给水量、品位、矿浆流量、浮选时间、选别指标、过滤参数等。

选矿大数据的挖掘环节包括：破碎筛分系统、磨矿分级系统、选别系统、脱水系统、尾矿输送、尾矿库监测等。每个环节又包含了相应的设施设备，设备作业中对应的就是易耗材料、工作能耗、维修频率、作业效率以及具体的技术工艺参数等数据。因此，对生产过程中的数据挖掘越深入，数据越全面详细；而借助现代检测技术对信息捕捉越多，数据量就越大，规律性越明显，对于生产的分析掌握就越准确可靠。

大量的数据不仅客观反映了设备的工作状态，而且在不同系统或环节的易耗材料、能耗、维修率、工作效率之间也存在密切的联系，它们在工作过程中表现出来的是物耗和能耗的消耗数量，实际是间接地反应到维修率和工作效率高低上，最终体现出产品质量和技术指标的优劣差异。不仅如此，不同系统之间的关系也是环环相扣，破碎系统的产品和技术指标对筛分系统的产品和技术指标有着决定性的影响，筛分系统的产品又决定着磨矿分级系统的产品和技术指标，以此类推，直接关系到最终出厂产品的质量和生产效益。因此，一个最佳的工作参数决定着优秀的技术参数，决定着最优质的产品，也决定着生产效益的最大化。反之亦然。

2 选矿大数据的分析

利用大数据技术对生产实践中采集的大数据进行分析才能获得其生产特征，进而将设备工作状态直观地展示给用户，与用户互动，对选矿大数据的分析是处理大数据流程的核心。

大数据常用的数据分析处理技术包括云计算和Mapreduce系统、数据库、可视化技术等。云计算是大数据分析处理技术的核心原理，也是大数据分析应用的基础平台。Mapreduce系统提出简化了数据的计算过程，避免了大量数据传输。数据库则是为用户提供了各种数据以及获取数据的方式，可视化技术即运用计算机图形学和图像处理技术，将分析出来的数据转换为图形或图像形式，与用户进行交互处理。这一技术极大地方便了通过数据及时掌握生产的内在变化[1]。随着数据处理软件的不断更新升级，越来越多的多样化功能软件将被应用在工业生产的大数据动态分析中，自动为用户展现最直观的结果。

常用的选矿工艺指标有：破碎循环负荷及破碎效率、筛分效率、磨机生产能力和磨矿效率、分级效率、返砂比、浮选效率、数质量流程图等，以及主要易耗材料的数据变化分析，如衬板损耗、钢耗、药剂单耗等。通常根据单个生产指标的变化，直接对参数进行调节使其达到最佳参数即可。但是每个选厂实际情况不同，需要从整个流程的多个生产指标来分析，经过综合对比，达到整体效益的最优化。因此，除了对单个环节的生产大数据分析，还需要对不同流程之间的生产数据关系分析，就此，文章分析几组重要的参数关系如下：

(1)破碎比、生产量与衬板损耗之间关系。某铅锌矿选厂为两段一闭路破碎流程，如果提高颚式破碎机的破碎比，衬板损耗就会增加，产能降低；反之，导致圆锥破碎机工作量增加，衬板损耗、筛分量、筛面损耗也就增加。因此，优化破碎与筛分参数就尤为重要，既能提高产能，还能降低能耗物耗。

(2)给矿粒度、筛网磨损与能耗之间关系。增大破碎粒度尺寸，筛网损耗和皮带的负荷就相应的增加；反之，二者均会降低。根据实际需求调节合适的给矿粒度有利于物耗能耗的最大化。

(3)球磨机的入磨粒度、衬板损耗及后续作业关系。分析入磨粒度组成、排矿粒度组成、补加水量、钢球配比、磨矿浓度、衬板损耗及磨矿效率等参数，结合后续选别作业需求，优化磨矿参数，提高磨机产能。目前，自动化磨机技术开始广泛应用，但优化磨机效能仍在不断研究中。

(4)分级机分级效率与磨矿细度之间关系。分级机的分级效率越高，磨机产量和效率也越高；反之，出现过磨现象，导致磨机产量和效率降低，对后续工艺流程影响也很大。

(5)浮选细度与叶轮盖板、药剂消耗之间关系。浮选细度越粗，对搅拌机叶轮盖板的摩擦损耗也就越大，维修更换越频繁；反之，可以节省叶轮盖板的磨损，降低维修频次。可见，借助生产大数据分析，能及时发现相应规律，优化生产指标。

综上可见，借助大数据技术和相关软件的分析，将生产的动态大数据实时反馈给用户，可以有效地对生产进行分析与控制，利用现代软件的集成技术，可进一步对不同生产环节进行系统分析，最后在专家系统的指导下为用户提供最佳指导方案。

3 大数据技术的应用价值

利用大数据就是利用感知设备采集的数据规律的研究结果，根据选矿学、技术经济学知识等优化各部分的参数，制定相应的降本增效措施，调整各环节技术参数，最终使整个生产处于可监控、可调控的最佳工作状态。除此之外，还可以为生产带来极大的便利，为管理提供更有效的解决方案，通过大数据技术的分析，生产状态被相关终端设备直观展现出来，使选矿工作者对选矿生产过程中的生产指标变化规律一目了然，及时发现问题，由选矿专家系统提供解决方案，避免了传统方法通过最终产品指标来分析生产状态的严重滞后性，为选厂的成本降低提供了极为有效的数据支撑。

当前，大数据技术刚刚兴起，矿业生产逐渐对大数据技术概念引起重视，未来，随着现代化感知设备的不断开发，新的矿业软件引入，智能时代的开启，对数据的分析将会被智能设备自动检测、分析、调整等，这一系列流程操作将变得更加容易，大数据的应用价值也将会在工业生产中得到充分发掘。

4 选矿大数据与选矿智能化

选矿大数据技术是通过大数据技术判断其是否达到物耗、能耗的最佳点。选矿自动化是通过自动控制设备来实现捕捉采集数据信息，以及通过自动化设备操作来降低劳动强度，实现自动控制及自动调整。大数据技术不仅对单个环节设备参数的优化，还包括整个流程的相互关联的技术参数的优化，某个环节指标最优不代表整体最优化，它是整体效益最大化的一个结果。将大数据技术与自动化智能设备实现有机衔接，就构成了智能化选矿过程，即实现了选矿智能化。

智能化、信息化技术提高了选矿厂的识别能力和应变能力。未来，智能选矿厂是矿业发展的一个明晰方向，其目标是“去人化”、“轻资产”、“高效率”。智能选矿厂的建设将紧紧围绕着装备智能化、业务流程智能化和知识自动化循序渐进[2]。

通过对选矿厂大数据的分析和挖掘，传统的管理和运营模式会被数据时代的精细化管理所改变，有效提高企业对市场的反应能力并降低企业的管理成本。大数据技术将给企业带来革命性的影响，颠覆传统的工业生产思路[3]。