煤矿机电设备运行状态大数据管理平台设计分析

毕振国

摘 要：随着现代化工业与技术不断的发展，为我国的制造业提供了较大的发展动力，从而促使制造业的规模不断扩大，生产能力不断能提升，也逐渐在科学技术的推动下提升了自身的自动化程度。企业的相关成本与生产产量也在设备性能强化升级的状态下日益增强，而另一方面，借助先进的制造技术以及各种装备的再生应用，以及电子化的商务业务模块都为企业的发展提供了良好的助力，而煤矿企业作为制造业中的佼佼者更是应用了大数据平台构建了机电设备的管理模式，从而有效提升了自身的生产效益。

关键词：煤矿企业;机电设备;大数据管理平台

引言：在煤炭行业当中的煤矿企业所运行的机电设备已经随着社会时代的发展逐渐进入到无人化的智能时代，借助机器为企业生产的数据逐渐增加，我国大多数的中型煤矿企业能够在人与机器共同运行的情况下促进生产数据的扩大，并在企业当中形成了高密度的核心价值业务数据，但是结合现阶段的生产经营情况，传统的管理方式已经不能够满足当前时代企业大量数据的管理需求，并且数据的多样化，来源的复杂化都是企业必须使用大数据管理平台管理机电设备的重要原因。

1 大数据管理平台总体设计

1.1平台总体构架

我国现阶段企业当中运行的煤矿机电设备其大多数具有数据较为复杂、繁多、异构的特性，并且企业的客户实际需求多种多样，在实际当中难以利用传统的管理方式進行管理，而综合大多数的企业实际情况，可以将煤矿企业当中的机电设备运行情况分为五层框架，包括资源层、数据储存层、平台层、应用层以及服务层，并且在这五种层次当中还能够细化分为具体的内容。

在服务层中，由设备监测服务、大数据分析服务以及企业运维优化服务构成，其主要的目的就是为了企业的实际的生产运营活动建设相对应的服务，而在应用层当中，对应服务层中的各个服务建立了针对于设备监测的设备运行状态、井下设备以及在线设备数量的实时监测，以及设备的车间维护记录、地理位置监控、设备运行环境可视化、故障识别、健康指数预测、故障自诊断以及设备的运行状态评估、维护决策优化和生产周期的管理等一系列的应用管理。在平台层中建设煤矿企业机电设备生产运营当中所产生的实际数据处理中心，包括数据的采集、预处理、分布式储存、数据挖掘以及数据可视化的应用步骤。

而资源层作为作基础的管理层，其所供应的数据源是大数据处理平台当中的必要内容，由管理系统、硬件设备以及相关的工作人员构成，是整体平台的数据基础，在管理系统当中必须容纳物资管理、企业资源计划、产品生命周期管理以及财务管理系统，并且利用采煤机、液压支架、刮板输送机以及矿井主通风机构成资源层的硬件设备，人员必须由煤矿采集区队的员工、企业各部门的职工人员以及领导层组成。

而数据储存层则是通过企业中大数据平台中构建的系统服务器、分布式服务器以及云端服务器构成，从而形成了囊括系统设备以及相关人员的异构数据集中地，将企业设备工作时产生的多源异构数据全部集中在这一层面，通过煤矿企业自身建立的系统软件形成对应的数据库服务器，进而由中间服务器对数据进行集成管理，而数据的最后总结分为非结构化和半结构化需要借助分布式数据库储存设备进行详细的区分。云端服务器则主要负责数据的挖掘、分析以及同步储存工作。

1.2模块功能

煤矿企业的设备数据储存管理系统其最终的功能目标就是采用结构化设计方法对实际的系统进行功能上的设计，建立详细的数据采集模块、数据预处理模块、分布式储存模块以及数据挖掘和可视化模块，在这五种主要的功能当中又可以划分为详细的若干功能详见表一[1]。

2 大数据管理平台关键技术分析

2.1高通量数据管理技术

基于煤矿企业机电设备产生的数据量较大且关系复杂的特点，数据平台中需要构建Hadoop的分布文件，并且基于霍夫曼算法结合LZW高级数据编码对设备产生的海量数据进行非压缩结构化写入，同时为了促进企业的机电设备在运行时能够充分实现数据共享，需要进一步分析现有的各种资源技术，从而在Hadoop的分布文件当中提取RDF数据库对数据进行存储。RDF数据库作为基础对设备的运行状态以及数据资源进行描述，建立原数据模型，实际的数据资源本体是基于设备运行状态产生的。而设计储存的设备数据储存模型体将实际的RDF数据按照不同的种类进行划分，从而节省了储存开销并提升了数据使用的效率，结合HBase列储存，能够利用强大的扩展性满足设备海量数据的储存需求，从而完成基于RDF数据的三元组模式数据查询工作，促使用户能够自行在海量的数据当中进行查询。

2.2多源数据融合技术

煤矿企业的机电设备产生多种数据源，大数据管理平台中需要结合机电设备的实际运行情况建设多源数据融合技术。其中产生的关系型数据需要借助企业的ERP（资源计划）系统进行融合，在这种融合工程当中需要与中间数据形成良好的对接口，不能直接将机电设备的数据导入到ERP系统当中，并且需要从BOM（层次化物料表）结构以及设备运行环境等方面对大数据的内涵语意进行具体化的整合，利用BOM定义将语意核心的设备或零部件节点产生的数据结合非结构化与半结构化数据，形成数据循环，打破信息孤岛的模式，促进煤矿机电设备之间能够更好地借助信息数据的沟通协作工作[2]。

2.3并行化数据处理技术

煤矿企业的机电设备数据质量相对较差的问题，以及数据的可用性相对较低的问题，都需要通过大数据平台建设机器学习算法对实际的数据建立清洗、预警等分析模型，基于时间序列分析建设设备运行数据的大型清洗模型，在机电设备运行时能够将其中存在异常值的大数据进行分类规划，分析不同的异常值对数据建模所产生的影响，将异常值数据利用迭代检验的方式进行进一步检测与修复。并且在此基础上为了促进清洗数据的效率能够有效提升，就需要结合MapReduce技术建立更加鲜明的双设备运行状态清洗模型;针对于非线性时间序列中的数据提取算法以及BOM结构上的分散装备建模，需要建立在解析设备故障数据的基础上，对设备的健康运行进行实时的监控，对其劣化趋势进行及时的预警。

2.4数据可视化技术

在大数据平台当中构建的数据可视化技术能够将设备解析与人员信息更好的联结在一起，充分解析设备故障的模式与特征，从而向用户展示更加多层次，多角度的设备运行状态，促使设备数据更加具有说服力，数据可视化技术当中包括了WEB前端技术、多维数据可视化技术、ECharts可视化技术工具以及Ajax技术，大数据处理平台将echarts数据进行初始化，调用实例样本库中的文件，利用setOption方法对图例进行设计，使用Ajax技术将异步数据以JSON模式加载，从而促使煤矿机电设备正常运行[3]。

结束语：

综上所述，煤矿企业自身工作环境的复杂造就了其机电设备数据的多源与海量，而煤矿企业在发展过程中对于数据的处理仍旧存在着难题，必须结合现代化的大数据处理技术为机电设备的数据创造更好的管理分析平台。

参考文献：

[1]曹现刚，罗璇，张鑫媛，张树楠，吴少杰.煤矿机电设备运行状态大数据管理平台设计[J].煤炭工程，2020，52（02）：22-26.

[2]范全慧.煤矿井下机电设备状态监测技术探讨[J].中国石油和化工标准与质量，2019，39（16）：53-54.

[3]吴少杰.基于数据挖掘的煤矿机电设备运行状态预测方法研究[D].西安科技大学，2019.