智能矿山大数据关键技术与发展研究

2020-12-08周雁斌

世界有色金属 2020年11期

周雁斌

（中国矿业大学职业与继续教育部，江苏徐州 221008）

通过充分利用现代化大数据技术，可以大大提高煤矿开采过程当中的质量，协调煤矿开采生产的各个环节，从而在保障企业基本操作的同时，还可以减少企业的成本投入，降低开采以及生产的风险。在矿山建设活动当中，融入智能设备以及传感技术，不但可以促进矿山的数字化发展，还能提高生产过程当中的经营管理水平，为智能矿山的建设增添一份力量。但是目前智能矿山大数据技术在运用过程当中仍然不成熟，需要不断完善理论体系，改进相关的技术，从而实现稳定发展。

1 智能矿山大数据的特征分析

数字矿山在建设过程当中信息化的应用程度越来越高，并且逐步实现生产过程的自动化以及智能化发展，比如自动化的安全监测控制系统、无人值守变电所系统，以及无人开采工作面系统等等。这些以现代信息技术为基础的智能系统开始逐步运用在智能矿山当中，服务于各个信息领域，共同构建了智能矿山大数据。智能矿山大数据的主要来源体现在两个方面，一方面是内部数据，内部数据主要是指煤矿企业自身的生产经营数据，比如说安全管理系统，煤矿生产执行系统等数据，以及相关的设备物联网数据，比如各种煤矿开采以及生产数据，机械设备，施工过程当中的监测数据等等。而另一方面则是之外部数据，外部数据主要来源于当前社会当中的煤炭市场、该领域的行业信息以及设备供应商服务信息等等。外部数据所具备的特点就是有较强的分散性，因为数据来源的主体比较复杂，并且每个主体之间都存在着不同的联系，所接收的数据种类丰富，结构复杂。简而言之，智能矿山大数据的数据特征主要是包括以下几个方面，第一，数据的规模比较大；第二，数据类型丰富多样，具有较宽的分布性；第三，数据采集以及处理的速度比较快；第四，价值密度比较低；第五，具有较强的时序性，尤其是在设备状态监测领域；第六，具有较高的准确性，所获得的数据与实际情况所存在的误差比较小甚至没有；第七，具有较强的封闭性。

2 智能矿山大数据发展存在的问题以及驱动因素的分析

2.1 存在的问题

智能矿山大数据虽然具有着较强的应用优势，但是在发展过程当中仍然存在着一定的问题。首先，从意识的角度来看。矿山并不是一个新兴的领域，对传统经济而言，矿山的企业领导者以及工作人员在现代化方面的意识并不强，和金融以及电商领域方面的工作人员相比，对于大数据方面的认识还不足，并没有看到大数据背后所带来的发展潜力以及经济价值，有的企业甚至采取排斥的态度。其次，从技术储备的角度来看。我国的矿山企业虽然在制度层面进行了现代化的改革，但是并没有立足于大数据设立出相关的发展战略，数据模型以及数据标准等等，由于目前正处于摸索的阶段，因此存在实际需要技术人才与现有技术人才数量上的差距，质量上的不足等多方面问题亟待解决。再者，从资金投入的角度来看。在智能矿山大数据建设过程当中，前期需要投入大量的资金，但是资金的回报周期比较长，当智能矿山大数据所创造的经济价值没有达到投资者的相关预期指标时，投资者可能会中断甚至撤回投资。最后，从信息的角度来看。目前在矿山领域当中并没有建立起全面的信息管理系统，软件和硬件系统之间无法兼容与匹配，从而产生了信息孤岛，影响到了数据的获取。

2.2 驱动的因素

第一，煤矿企业拥有庞大的生产设备，而在生产活动当中，需要对这些机械设备进行实时监控，排查设备故障，做好日常维修和保养工作，降低事故发生率。而通过大数据技术则可以实现实时监测并分析故障原因，提醒保养时间，有效的帮助工作人员处理问题。第二，很多大型的矿山企业，可以利用大数据技术有效帮助企业评估资产，及时调整经营发展战略，检测自身发展战略的可实施性，提高企业效益。第三，在煤炭产运和销售环节当中，通过大数据对当前的市场进行调研，实现定制化生产，提高各个领域的协调性。第四，通过大数据技术，可以在煤炭开采工作当中应用GIS技术，做好地质以及煤层方面的勘测工作，做好天气预报工作，从而帮助企业制定出切实可行的开采计划。第五，智能矿山建设活动还可以帮助企业创造更高的经济价值，帮助企业实现生产以及管理环节的数据化，延长企业的生产链，促进企业升级转型。

3 智能矿山大数据的关键技术分析

3.1 数据分析应用技术

智能矿山大数据的数据分析应用技术，主要从两个方面来进行分析。一方面是数据的分析与挖掘。数据的分析和挖掘主要是在已经收集的数据的基础上进行的，从这些数据当中提取有用的数据资料，挖掘出新的研究方向。数据分析工作的内容主要包括对NB和GB等结构化数据进行统计学方面的分析，以及对TB和PB等非结构化的数据进行人工智能封面的挖掘。在整个工作当中，充分利用大数据强大的数据分析功能，对矿山的施工业务活动进行数据化的分析，找到其中所存在的规律，形成新的认知。另一方面则是大数据的数据解析。为了让技术人员可以更好的运用大数据技术，因此需要将所采集的复杂的数据信息转化为通俗的语言，技术人员才可以进一步开展相关工作。利用数据分析技术可以解决矿山管理工作中由于时空因素影响下所带来的数据滞后问题，可以帮助技术人员更好的掌握整个煤矿生产的全局动态，帮助技术人员总结管理经验，提高安全生产的管理水平。

3.2 数据集成技术

在数据集成技术运用过程当中，数据标准化的问题始终是影响该技术有效开展的重要因素，因为数据的来源以及数据的结构构成是不同的，必须要对各方数据进行转化，而转化过程中需要依靠相关的标准，标准不同是导致信息孤岛的主要原因。在集成过程当中，企业必须要构建出大数据管理和分析应用平台，因为传统的数据处理平台已经不能够适应目前庞大的数据量。平台的建设工作必须要选用专业的工作人员，并且需要通过反复的调研论证，找到目前所需要的数据源，然后再设立标准的数据，最后再进行数据资源的转换，实现数据的逻辑性。

3.3 数据获取技术

目前大部分煤矿企业都已经实现了自动化，数字化发展，为智能矿山的建设打下了坚实的基础。但是煤矿企业还需要对传统的机械设备进行淘汰，或者是更新升级统一设备的通信接口，以此来保证数据采集工作的有效开展。但是部分煤矿企业在业务方面还没有实现信息化的发展，煤矿物联网技术没有达到目前智能矿山建设的要求。因此，煤矿企业的领导部门以及工作人员必须要全面地认识到智能矿山大数据的关键技术，提高煤矿业务以及生产等领域的敏感度，做好技术方面的研究。

4 智能矿山大数据的发展分析

4.1 在安全领域的应用

在煤矿开采工作当中，由于开采环境的复杂，开采工作当中很容易发生安全事故。因此，企业要不断提高煤矿安全方面的管理水平，为工作人员提供安全的工作环境。在煤矿安全管理工作当中引入大数据技术，可以对当前安全管理工作人员的工作方式进行改革，突破传统的管理思维，改进管理的手段。在这方面，应该建立起专业的专家知识库，做好矿井虚拟三维可视化工作，对煤矿安全进行动态分析，从而对可能发生的事故进行超前预警，并及时进行排查。

4.2 经营管理领域的应用

在经营管理层面应用大数据技术，可以不断优化煤矿市场和企业的内部控制，如企业通过综合设备层、生产执行层等；做好对人员工效、物资采购等人力资源、财务管理方面的管控工作；完成经营管理方面的短板分析工作，发现市场优势，为企业经营决策提供更多的数据支持。同时，煤矿企业的发展和社会其他领域也存在着紧密的联系，尤其是该领域的行业协会、政府部门，通过大数据强大的沟通共享功能，可以整合行业的数据资源，对未来煤矿行业的市场发展趋势进行预测，为企业的经营战略提供数据支持，为政府的决策提供依据，做好能源方面的结构调整，调节供给侧曲线。

4.3 生产执行领域的应用

在生产执行领域方面的应用，主要划分为三大方面。首先，可以提高煤炭生产各个环节的效率，比如说开采环节、掘进环节以及供电环节等等，通过调研传统的工作数据，进一步优化各个设备之间的配置，提高各个环节之间工作的协调性。其次，可以提高设备的使用寿命，完善设备的性能。可以在机械上安装感应设备，通过大数据技术在机械运行过程当中对于机械内部进行动态的数据监测，当机器发生故障的时候就可以触发安全警报，从而及时进行维修，进一步减少损失。最后，可以实现精准生产。在生产活动开始之前，通过大数据分析目前市场上的供给情况，结合市场行情制定生产计划。另外还可以通过调查，进行合理决策，对目前市场上流通较好的煤炭产品进行优化，比如说提高煤炭热量，切割大小合适等。