基于层级链参考模型的智慧矿山建设问题分析

2022-01-11谭章禄吴琦

矿业科学学报 2022年2期

谭章禄吴琦

中国矿业大学(北京)管理学院,北京 100083

1992年,芬兰首次提出建设智能矿山的计划。29年后的今天,在政府密切关注和信息化发展的大背景下,建立智慧型矿山已经成为我国未来煤炭企业矿山建设的大趋势。智慧矿山的构建目标旨在将透彻感知、深度互联、智慧决策的思想融入煤炭企业信息化建设进程中,实现矿山开采的信息化和智能化。由于地质采矿条件复杂、生产体系庞大、采掘环境多变等特点,煤炭企业生产和经营管理具有不同于其他行业的特殊性。因而,在自动化矿山、数字化矿山的基础上,迫切需要创新管理模式和技术手段,建设绿色、智能和可持续发展的智慧矿山[1]。在“工业4.0”的发展潮流和背景下,智慧矿山开创了采掘业利用信息技术促进产业变革的新时代,在行业信息化过程中具有里程碑意义。然而,智慧矿山的认识、建设是一个复杂的过程,自智慧矿山理念提出至今,其理念与概念仍没有形成共识,更没有任何一个组织建成过一个真正意义上完整的智慧矿山,智慧矿山的建设刚刚起步且任重道远。

当前全球工业领域的发展战略,从德国的“工业4.0”到美国的“重振制造业计划”,再到日本的“再兴战略”以及我国的“中国制造2025”,均表现出各国政府对于制造业的关注程度正不断加强。在此背景下,各国针对自身的实际情况,提出了符合各自国情的智能制造业发展的参考模型,以谋求行业领域的信息化和智能化发展。

德国在汉诺威工业博览会上正式提出了“工业4.0”的概念,标志着德国工业发展进入智能化时代。“工业4.0”旨在利用信息化技术实现各个相关产业的变革,进入一个产业智能化的时代。在此战略背景下,德国“工业4.0”平台发布了《工业4.0 参考架构模型》,即RAMI 4.0[2]。参考架构模型立足于全局式的思考视角,从系统级别、生命周期与价值流和活动层三个维度构建并关联了“工业4.0” 中的各个基本单元,即“工业4.0” 组件[3-4]。通过这个模型,各个企业都可以在模型架构中准确定位自己的业务位置。

2015年,美国工业互联网联盟(IIC)推出了工业互联网参考架构模型( Industrial Internet Reference Architecture,IIRA)V1.0。随后,IIC 一直致力于不断完善和细化参考架构模型,目前模型已经更新到了V1.9。工业互联网参考架构不止局限于制造业,它是一个跨行业的参考架构,涉及行业非常广泛,例如能源、医疗、运输等。从系统的利益相关者和确定适当的关注点来看,架构模型提供了业务层、使用层、功能层和实施层4 个层面的描述。从功能角度,将普通的物联网系统分成了控制域、操作域、信息域、应用域和业务域5 个功能域,各功能域在数据和控制流方面相互关联、相互作用,实现数据流的循环[5]。

2016年12月,日本工业价值链促进会(Industrial Value Chain Initiative,IVI)正式发布了日本工业价值链参考架构( Industrial Value Chain Reference Architecture,IVRA)[6],标志着日本智能制造策略正式落地,形成了具有日本制造优势的智能工厂互通互联的基本模式。通过IVRA 的构建,可以有效地分析和定位出制造过程中存在的问题,并能够根据问题找准解决方案所在的系统范围。相比于德国的RAMI 4.0 和美国的IIRA,IVRA 最突出的特征在于通过智能制造单元提高了现场的参与感,这一新智能工厂建设的参考架构嵌入了“日本制造业”特有的价值导向,日本期望其能成为世界智能工厂的参考标准[7]。

为了融入新的工业革命的发展潮流,积极应对全球“工业4.0”和工业互联网发展带来的机遇与挑战,中国基于人口红利消失、劳动力价格要素不断上升、人口结构变化、低质低价“中国制造”急需向中高端转型等国情,于2015年提出了《中国制造2025》战略[8-9]。这一战略承袭了一直以来国家对制造业的重视,在总结之前产业发展的基础上,旨在调整我国制造业格局及中国制造在国际分工中的地位[10]。

自20 世纪末至今,矿山信息化建设经历了数字矿山、感知矿山到智慧矿山的转型。在此过程中,“中国加入WTO”“十二五规划”“两化融合”等政策规划使得国家对煤炭企业信息化的要求和水平不断提高。1999年,“数字矿山”这一概念在“国际数字地球”大会中被首次提出。吴立新等[11]将数字矿山定义为“在统一的时空框架下,对真实矿山整体及其相关现象的统一理解、表达与数字化再现,是数字矿区和数字中国的一个重要组成部分”。2010年,张申等[12]基于数字矿山的发展现状以及智能化发展的迫切要求提出了“感知矿山”,指出感知矿山就是通过物联网等感知手段实现对矿山整体以及相关现象的可视化与智能化。与前两个阶段相比,智慧矿山不只是对矿山数据的自动采集、处理和集成,更多的是通过构建管理模型、智能算法对大数据的智慧化运用,对矿山生产运营过程中出现的变化与需求进行积极响应,最终超越人员的局限性实现智慧化决策。

本文基于我国国情,结合煤炭行业自身的特点,参考德国、日本和美国的智能制造业建设模型,提出了以中国制造2025 为指导依据的智慧矿山信息化建设参考体系,从顶层设计的角度提出了智慧矿山信息化建设的各个维度,为未来煤炭行业内各个组织加入智慧矿山建设,并在智慧矿山建设过程中找准定位提供理论支持。

1 智慧矿山参考模型

构建智慧矿山参考模型,旨在引导如何建设智慧矿山。智慧矿山的信息化建设应从分析煤炭开采活动与过程中的主体或组织,矿物产品增值过程以及信息和信息处理的需求入手。相应的,可从层、级、链三个维度来搭建智慧矿山。本文提供的各个维度划分是立足于目前煤炭企业信息化实践的基础,旨在为智慧矿山建设提供参考借鉴。

1.1 层级链三维模型

煤炭开采是由地质勘探、测量、采矿、掘进、机电、运输、通风、安全等多环节共同协作、高效安全开发有用矿物的过程,因而矿山是一个由矿物资源、人、财、物、信息等要素构成、受专业知识制约的复杂系统。智慧矿山的“智慧”,主要是指流动于矿山这个复杂系统、多专业过程中的信息的处理方法,以实现自动化、自适应、自学习、自增值。因此,弄清流动于矿山的信息产生及其分布、信息的流动与信息之间的逻辑关系、信息需求与组织利益诉求,是建设智慧矿山的关键。据此本文提出从层(活动)、级(组织)和链(价值)三个维度构建的智慧矿山信息化建设参考模型(图1)。

图1 智慧矿山参考模型Fig.1 Smart mine reference model

层是指矿山企业生产经营过程中的相关活动,智慧矿山从数据层面来实现对企业行为及行为间互动的智慧化;级是指矿山生产过程中涉及的各级组织;链是指以矿物产品的生命周期为基础形成的价值链。

1.1.1 层(活动)

“层” 坐标是按矿山企业相关业务活动的组织层次和业务逻辑划分的,实质上是从数据层面来实现对企业行为及活动的描述和管控。因此,企业的信息管理应该根据信息的生命周期理论进行分层规划,各个层次最终能够实现相对独立的功能,同时又存在联系,下层功能为上层提供结构,上层使用下层的服务。通过对层的划分体现出了各层之间自上而下和自下而上的信息流动,这种信息流使煤炭企业内不同层上的业务和活动之间的逻辑更加明确,从而使煤炭企业的业务处理过程和生产管理活动井井有条,同时为煤炭企业组织内部权力的划分与安排、责任的确定与分解提供参考依据。

层坐标从下到上可分为资产层、作业层、管控层、决策层和商业层。

资产层:主要描述矿山人员、矿床资源、机械设备、工程建筑物、采场、工作面等现实作业场景中存在的人和物。处于最底层,为上层作业层提供作业决策支持,对各种资产进行集成,为信息化实现提供物质基础。

作业层:包括基础生产活动与生产辅助活动。基础生产活动包括采掘机运通、企业的资产管理、生产材料的采购等;生产辅助管理包括财务、合同、预算、计划等。

管控层:对资产层和作业层所产生的信息进行集成、比较和目标管控,以及进行任务指派和资源配置。

决策层:进行决策分析的活动。决策层根据之前的信息获取决策信息,找到决策依据,并确定决策方案。

商业层:完成承接的业务,实现企业之间以及行业内部的商业往来。

从“层”维度看,实现矿山“智慧化”的必要条件是:全面实现业务数据的自动采集,正确建立数据间的逻辑关系和权限控制模型,实现数据共享并能与物理世界联动,伴随矿山开采作业环节的运行,上述模型和联动方法能自学习自适应。

1.1.2 级(组织)

“级”是指基于对信息需求、按责权利划分的具有不同效应诉求的组织。矿山企业处在一定的社会环境之中,并存在内部蕴含的组织层级。级坐标可分为煤炭企业内部支持组织以及外部关联组织。内部组织主要包括班组、科室、矿井和集团;外部组织包括地方行政、行业协会和其他社会组织。级的划分,不仅体现了煤矿、集团乃至整个煤炭行业内各组织之间的相互联系和影响,而且体现了相关的其他社会团体或组织对煤炭企业、煤炭行业的信息诉求,以及这些社会团体或组织对于整个煤炭行业以及行业内组织的干预和影响。

从“级”维度看,实现“智慧”的必要条件是:法制制度完善健全,信息安全有保障,信息价值可实现,煤炭大数据技术和平台成熟可靠。

1.1.3 链(价值)

“链”立足于产品的生命周期,围绕着产品生产过程中所需要的勘探、设计、基建、开采、洗选加工、运输和矿区修复等相关活动,形成了一条关于煤炭企业产品的价值链,体现了煤炭行业内部所涉及的相关产品的整个增值过程。在增值过程中,存在着企业合作、专业协作、信息共享和相关市场主体的业务关联以及利益关联。

从“链”维度看,实现“智慧”的必要条件是:链上企业具有相同的信息化标准和开放理念;企业间存在无利益冲突的协作协议;链上全部业务关联的技术装备可实现互联互通,建立有全产业链协作优化与资源调度配置模型,并具动态自适应能力。

综上所述,参考模型从顶层设计的角度对影响智慧矿山建设的各个要素进行了划分和描述,并通过三维坐标系的构架方式将复杂的相互关系分解为更小、更简单的子模块。该模型集成了煤炭行业内部的不同组织视角,并建立在推动智慧矿山信息化建设的共同目标之上。

1.2 基于层级链的智慧矿山的特征分析

1.2.1 三个维度

智慧矿山是一个多维度的复杂系统,包含了人、财、物、活动、信息及各联系和流程。假设m为层维度的水平个数、n为级维度的水平个数、k为链维度的水平个数,则智慧矿山具有m×n×k个单元。每个单元代表一个子系统,每一个子系统都是需要从层级链三个维度进行协同建设,只有这些子系统都得以完善,才能最终真正实现智慧矿山的建立。

1.2.2 三个集成

智慧矿山的建设需要从层级链三个维度进行集成,需要各活动层内部和组织级与产业链之间的相互协作。从“层”维度看,智慧矿山涉及矿山开发的一切事物及活动,因此应按矿业专业逻辑理清要素属性的内在联系。从“链”维度看,智慧矿山包含勘探、生产、矿区修复等整个产品生命周期的价值链活动,因此需要行业共同协作、同时发力。从“级”的维度看,智慧矿山建设涉及从队组到行业、社会的多个组织层级。因此,智慧矿山建设不是单个组织的行动,需要链、级、层各维度理念和行动上的相互协同。智慧矿山目标的实现必须要求三个维度的集成。

1.2.3 三个世界

智慧矿山是物理世界、意识世界和信息世界同步建设和改造并相互协同驱动的结果。物理世界,即客观存在的事物,如各类装备、设备、材料等;意识世界,即人对于事物的认知。在智慧矿山还没有提出、信息技术还没有引进的时候,矿山的建设只存在两个世界,即物理世界和意识世界,基于这两个世界一直进行着单一的、简单的生产经营活动。在没有信息技术支持的情况下,人的意识世界对物理世界认知存在缺陷,难以保证客观、准确、即时和自动化的处理。信息技术的引进构成的信息世界,弥补了意识世界的不足并紧密耦合物理世界,是架构二者的桥梁。

智慧矿山通过建设信息世界、改造物理世界、提升意识世界,完全打通三个世界的联系和相互转换,但强调的仍然是“人”,而非“无人”。人作用于信息世界才能赋予物理世界智慧,人的创造力决定了智慧矿山的建设程度。从发展过程来看,物理世界向信息世界转化的关键是信息的透彻感知,级、链之间应该实现深度互联,层之间管理决策智慧化。智慧矿山的建设内容包含三个世界的同时建设,最终实现三个世界的互联互通。智慧矿山信息化建设参考模型将意识世界、物理世界、信息世界连接成双向循环的闭合回路,如图2 和图3 所示。目标是通过信息世界中的智能模型,实现物理世界物的自寻优、自学习、自适应和联动,促进人的意识世界的更正和进步。

图2 三个世界Fig.2 Three worlds

图3 完美智慧矿山三个世界及其联系Fig.3 The three worlds of the perfect smart mine and their connections

1.2.4 智慧矿山的建设存在理论上的最佳策略

最佳策略,即自底向上的层策略、由左向右的链策略和由低向高的级策略。理论上,智慧矿山建设策略的制定应该由底向上、由左向右、由低向高。但实践中,企业往往按实用为先的原则,选择生产、安全作为建设的重点,实践中的这种探索无可厚非,毕竟需求和建设条件是决策者必须首先考虑的。然而,这就带来了前面生产前续的勘探、设计、基建等阶段数据基础薄弱的现状,导致后面的生产等系统出现缺陷、不足而难以“智慧”,更遑论行业内产学研管的联系、协作和共享。

1.3 智慧矿山建设目标与根本任务

智慧矿山建设的任务包括三个方面:一是在现有的资源条件、产业条件、经营能力以及采煤、煤化工、发电等学科专业知识的基础上,充分运用云、大、物、移和人工智能等先进技术构建信息世界,同时改造物理世界和意识世界;二是最大限度地用机械化、自动化、智能化和智慧化去武装矿山勘探、设计、开采、洗选加工、煤化工、发电等生产过程及其管控,以克服人的心理局限、体力局限、能力局限和智力局限,形成具有透彻感知、深度互联结构特征和具备智能应用、自主学习功能特征的智慧矿山体系;三是在矿山地质保障、开采、掘进、机电、运输、通风、排水、洗选、煤化工、发电、安全保障、经营管理等过程中,实现有关资源配置、设备联动、组织协同、状态分析、趋势预测、风险识别、方案决策和目标控制的自动化、智能化和智慧化。

智慧矿山建设的目标是实现在少人或无人的情形下煤炭开采、洗选、煤化工和发电等产业的安全、经济、高效和绿色发展。

2 智慧矿山建设现状与问题分析

2.1 建设现状

煤炭企业经过数字矿山、感知矿山的建设,从三维的角度分析,“层”维度初步实现了资产层、作业层和部分管控层的管理,“链”维度主要围绕着生产相关的活动,“级”维度实现了班组到集团的构建。目前,正在进行智慧矿山管理信息系统中综合自动化、工程数字化和管理信息化子系统的构建。

大部分企业的信息化建设主要集中在生产和安全两方面,对链维度的“头”和“尾”都有所忽略。很多煤炭企业对信息化过程中的个别环节投入过高,如过于注重引入信息技术和信息系统辅助煤炭生产和安全管理,但不重视除生产和安全之外的各环节的信息化建设。这种煤炭企业信息化建设不协调、缺少整体效益,不利于信息化建设的长远发展。

在生产活动层面大部分系统到达管控级别,极少数系统能完成决策活动。煤炭企业的信息系统绝大多数仅仅是用来进行财务管理、辅助简单的生产活动、进行井下环境的安全监测等。很少有信息系统能支持管理人员的管理决策,更少有能帮助煤炭企业进行线上商业活动的。

通过智慧矿山参考模型来分析考察,智慧矿山当前的建设程度如图4 所示。智慧矿山当前建设规模在图中用阴影部分表示,呈现出底面为长方形的不规则四棱锥体。阴影部分面积占整体智慧矿山构建模型的比重,可以表明当前智慧矿山信息化建设的发展现状。

图4 智慧矿山建设程度Fig.4 Schematic diagram of the construction level of smart mines

阴影部分是基于实际情况描绘出的在理想状态下的一个概念图,而目前实际煤矿状态复杂,不同的煤矿面对的地质条件、掘进方式、采煤方式等均有不同,无法精确计算。

从图4 中可知,阴影部分占整体比重较小,煤炭行业智慧矿山信息化、智能化的建设任重道远。

2.2 问题分析

(1) 系统孤岛。各维度的系统子模块之间孤立存在,各模块在功能上不能互联、信息上不能共享,系统横向纵向都存在孤岛。智慧矿山的信息化建设需要各个子系统之间相互集成,但是由于系统孤岛问题的存在,导致各子系统各自为政、标准不统一,无法实现“1+1＞2”的效果。

(2) 矿区远不能达到深度互联。首先,由于地理位置原因,很多偏远矿区网络建设欠发达,不能与其他矿区、子公司、集团公司联网,导致其生产经营过程中的信息不能与其他矿区、子公司、集团公司互联互通;其次,煤炭企业对很多设备的智能化改造力度不够,导致设备间的传感存在死角,影响煤炭企业的自动化、信息化、智能化进程。

(3) 行业标准缺失、标准制定滞后、扩散效率低。迄今为止,有关工业系统结构的相关标准,如《IEC 62890 工业过程测量控制和自动化系统和产品生命周期管理标准》《IEC 62264 企业系统集成标准》等,基本上只是从技术角度进行定义,忽略了系统内部的适应与协同。针对智慧矿山自身的直接标准还未形成。

(4) 智慧矿山信息化建设侧重点有偏差。主要体现在:

第一,重实践,轻理论。各煤炭企业在进行智慧矿山建设时没有顶层设计做指导,煤炭企业信息化建设项目都是因需而立,各项目间子系统林立但不成体系,信息孤岛现象严重。

第二,重硬件,轻软件。调查数据显示在煤矿信息化过程中,硬件投资比例远大于软件投资。轻视软件的作用,导致煤炭企业斥巨资引进的硬件设备无软件平台提供支撑,不能发挥出最大功能和价值。

第三,重面子工程,轻落到实处。智慧矿山建设进程中面子工程现象严重,落实不到位,许多专家学者提出的指导思想和方法论都流于形式。

(5) 合作导向上跟风互联网公司,盲目立项通用技术项目。智慧矿山建设进程中,煤炭企业更倾向于与互联网公司合作,这种合作过于强调商业层面的发展,忽视了基础层面的建设。煤炭企业应该更多地与高校、行业内的机构组织进行联盟,且合作组织应该多元化,既要有高新科技企业还要有专业化研究组织,进而提高整体的专业水平和人才素养。人是智慧矿山的主体,煤炭企业缺乏既具备信息化技术与能力又谙熟煤炭行业知识的复合型人才,煤炭行业人员的技能、素养和意识都不足以支持智慧矿山的建设。

3 智慧矿山关键技术分析

党的十九大和十九届二中、三中、四中、五中全会精神均贯彻“四个革命,一个合作”能源安全新战略,坚持新发展理念,提出加快新一代信息技术与煤炭产业深度融合,推进煤炭产业高端化、智能化、绿色化转型升级,实现煤炭开采利用方式的变革,提升煤矿智能化和安全水平,促进煤炭行业高质量发展。下面分别针对智能开采、掘进、综合自动化、综合管控和数据治理五个环节,对管理模型、数据模型、标准化体系、煤机装备智能化改造以及智能模型等关键技术进行描述,旨在为各行业对智慧矿山关键技术的探讨提供一些参考和研究思路。

3.1 智能开采

智能开采是结合机器视觉、三维激光扫描、多传感器融合等信息感知技术,采用工业互联网、物联网、云平台等数据传输方法,通过大数据分析与挖掘、深度神经网络、多智能体决策等,实现开采工作面的少人或无人化[13]。智能开采在经历了机械化、自动化的过程之后,仍然在关键技术上存在众多限制,而回采巷道本身又受到开采动压的影响,问题更加突出。例如,由于地质状况不清楚、缺少矿床模型等问题,在回采过程中工作面状态和地质情况无法精确感知,导致采煤机不能进行精准导航;深部煤层所处地质力学环境复杂,矿体赋存条件差,容易造成突水等安全事故;薄煤层采高小,煤质硬,开采难度大,经济效益低等。基于此,智能开采在实施过程中主要存在开采装备网络化与智能化改造和标准化以及构建智能开采算法模型等关键技术问题。

(1) 开采装备网络化与智能化改造和标准化。采煤机、液压支架、工作面运输机(刮板输送机、转载机、破碎机)自身存在智能化改造需求。例如,采煤机缺乏自动检修、自动截割作业等智能化问题;液压支架无法根据开采条件(供液系统流量、压力等)进行自适应控制;刮板输送机由于定位导航精度低,自动调直技术的改进尤为重要。除了需要自身的智能化改造,还需要三者相互协调配合才能真正实现智能化开采。开采过程中的地质条件、开采工艺、数据采集元数据要建立统一的标准规范。

(2) 构建智能开采算法模型。姿态识别、故障诊断、工作参数优化等方面需要寻找合适的模型和算法。对生产过程中地质条件、工作面状况和所处位置、生产工艺过程中涉及的物理量等数据,需要进行准确及时采集。通过建立算法模型可以将采集后的数据进行深度挖掘,以实现采煤机、支架和运输机的自适应协同配合。

3.2 智能掘进

智能掘进是我国煤矿智能化发展的主要方向,被列入原国家煤矿安全监察局发布的《煤矿机器人重点研发目录》和发改委、国家能源局、应急部等联合研究制定的《关于加快煤矿智能化发展的指导意见》中。我国井工煤矿每年新掘进的巷道总长度超过12 000 km,其中煤、半煤岩巷道占比80% 以上,是我国规模最大的地下工程。巷道掘进速度、效率、成本显著影响矿井的产量与效益[14]。当前智能掘进提倡的是掘、支、锚、运的全机械作业,以构建边掘边锚的快速掘进系统。井下掘进过程中,通过摄像头采集视频流、通过图像识别来找位置,需要消耗大量带宽,所以对5G 需求迫切。井下的水、瓦斯、地压、地质结构变化如何处理,是保证掘进作业正常运行的关键问题。然而,当前的地质模型不足以解决这些问题,所以地质保障技术方面还存在大量的研究空间。

由于掘进作业线上设备各自独立,缺乏信息感知、交流、互通功能,实时协作能力差、人机交互性差,因此掘进流水线无法形成[15]。为了解决作业工序以及数据采集存在的问题,应该构建智能掘进可视化管理模型与数据模型。除此之外,智能掘进的标准化体系、装备改造和算法体系构建同样非常重要。

(1) 构建智能掘进标准化体系。工艺的改变导致生产的劳动组织改变,岗位的设置需要进一步优化。根据目前智能化煤矿分类、分级评价指标体系以及评价方法(《GB/T34679 智慧矿山信息系统通用技术规范》《GB/T 37722 信息技术大数据存储与处理系统功能要求》等),从规范中提取智能化矿井建设过程中对劳动组织的需求,进而对相关施工人员以及管理人员的年龄、学历、专业技能、从业经验等方面进行标准优化,对岗位特征进行详细描述,以保证智能化掘进的最优运行。除了岗位规范外,通信、数据采集、工作参数的调整与计算,同样需要制定相应的规范标准。

(2) 掘进装备网络化与智能化改造。由于井下综采工作面存在着环境恶劣、事故频发、工序繁杂、人员作业空间狭小封闭等问题,导致掘进设备的定位精准性差,因此发展定位和导航技术是掘进装备实现网络化与智能化改造的关键。其中,需要重点改造的掘进装备主要包括悬臂式掘进机掘支锚连续平行作业一体化、掘锚机组高效快速掘进、岩巷悬臂式掘进机、全断面煤/岩巷掘进机等。

(3) 构建智能掘进算法体系。基于智能掘进构建的数据模型,通过大数据、云计算分析处理技术,对海量数据进行加工和深入挖掘,进一步开发智能掘进计算模型。例如,根据掘进断面的大小、形状以及煤岩力学性质的不同,对掘进机的工作参数进行优化,制定掘进的工作规范;在进行锚杆相关参数计算时,与之有关的参数(密度、深度等)需要智能算法进行计算,提高精度,矫正掘进方向等。

3.3 智能综合自动化

智能生产自动化控制系统是集数据通信、处理、采集、控制、协调、综合智能判断、图文显示为一体的综合数据应用软件系统。它能在各种情况下准确、可靠、迅捷地做出反应,及时处理、协调各系统工作,达到实时、合理监控的目的。智能综合自动化建设的关键技术包括:

(1) 构建综合自动化可视化管理模型。模型旨在利用微机控制等技术提供标准的光电接口,并依靠工业环网系统将井下瓦斯抽放泵房监控系统、供电系统、输送带/压缩机/通风机等实时监测系统进行整合汇总,最终可以实现全矿安全生产数据的实时显示、报警及控制。

(2) 构建综合自动化数据模型。智能综合自动化系统中包含了矿井生产作业的运输、供电、通风、排水等各个环节,涉及众多子系统,而系统需要实时采集大量对象,对象与属性特征共同构成成千上万的数据单元。因此,需要数据模型对各个生产环节中的对象和属性构建主题数据库,并分析数据库表内与表间的逻辑关系,以实现数据之间的同步更新。

(3) 构建综合自动化数据标准化体系。综合自动化系统设置过程中应对所有的数据标签、数据模型以及画面有一个统一的索引。实现子系统的通信与协作,确保各监控系统集成现场所采集的监控内容完整、全面,实现现有监控系统的所有功能。标准化体系的构建,可以使自动化系统结构灵活,每个子系统都可独立工作,结合在一起就是一个高度的集成方案。

(4) 矿井自动化装备网络化与智能化改造。智慧矿山的一大目标就是要实现透彻感知[16],对矿山的需求就是无处不在的信息触角和快速敏捷的神经网络。在实际建设中,矿山物联网设备改造[17-18]和网络通信技术是实现智慧矿山的关键技术。目前,物联网领域虽然在RFID、各类传感、M2M、定位等技术上已经取得关键性突破[19],有些设备虽实现智能控制和情景分析,但是由于矿井的特殊性,网络和物联网设备在煤矿仍不能实现全面无死角覆盖,井下设备缺乏自动感知和自动控制,不能实现设备联动和设备自适应。因此,需要通过智能算法模型的构建,以实现设备的自适应联动。

3.4 智能综合管控

通过对全矿井生产机电设备、生产与环境安全信息等进行远程集中实时监测、控制和应急联动,智慧矿山智能综合管控可以实现全矿井的海量数据采集和处理,对数据进行关联分析,使生产调度、决策指挥更加信息化、科学化,为矿井安全生产、有效预防和及时处理各种突发事故和自然灾害提供有效手段,为企业信息化系统建设、企业现代化管理奠定基础。综合管控的现状是:各个子系统以及辅助系统之间配合协同缺少智能算法模型支持;管理决策缺少管理模型和数据模型进行优化和协调。例如,瓦斯聚集后,供电管理如何进行;瓦斯突出后,风机应该如何运作等。这些问题的安全决策都需要通过智能模型提供科学支持。同时,当前的分析手段与工具也存在严重缺失的问题。

构建智能化综合管控平台,可以实现相关部门之间的业务流程化管理、标准化生产管理,提高精细化程度和企业信息流转的时效性、透明化;同时,可以将矿井的安全生产运营关键信息实时传递到公司,保障公司对矿井管理和现场生产全面准确地进行指导与管控,提高全局“一盘棋”的运营效率。因此,智慧矿山智能化综合管控的建设应该从集团和矿端两个层面进行综合考虑,构建全集团与多矿井协同平台。基于目前的研究和实践,智慧矿山的综合管控平台可以按照“四横三纵”[20]的整体框架来建设。“四横”包括应用层、数据及应用支撑层、网络通信层和感知控制层。“三纵”分别是信息化标准体系、信息安全体系和管理运维体系。

3.5 数据治理

煤矿企业产生的数据量正在以指数级的速度增长,并且向多元结构(结构化与非结构化)发展。面对如此海量的、多元结构的数据,必须利用有效的方法来管理。《煤矿智能化建设指南(2021)》中对煤矿智能化建设的数据规范提出要求,鼓励建立完善的数据质量管理组织架构,明确数据权属、管理者、使用者等,制定规范的数据质量改善流程,形成面向多样化煤矿数据应用场景的数据质量管理闭环。数据是一个企业或政府部门的核心资产,数据治理是将一个企业或政府部门的数据作为战略资产来管理,需要建立一套从数据采集到处理应用的管理机制,以提高数据质量,实现广泛的数据共享,最终实现数据价值最大化。当前关于数据治理的概念研究主要包含两大主流框架,DAMA(国际数据管理协会)框架[21]与DGI(Data Governance Institute,数据治理研究所)框架[22]。DAMA 对数据治理进行了定义,认为数据治理是对数据资产的管理行使权力和控制的活动集合(规划、监控和执行),数据治理职能指导其他数据管理职能如何执行。DGI 指出,数据治理是与信息相关过程的决策权与问责制度体系,根据商定的模型执行,确定谁能够对什么信息采取什么措施,以及什么时候、在什么样的情况下使用什么方法。

现阶段,煤矿智能化建设存在的问题有:基础设施不完善,数据孤岛严重;数据治理平台数据融合度低,缺乏数据分析与深度挖掘;系统智能化程度低,无法实现全面的智能决策与自动控制;运营调度管理分散等。基于煤炭企业信息化发展的现状和处境,数据治理的建设主要存在5 个方面的问题:第一,系统“烟囱化”问题严重,建设系统多,数据分散,共享困难。第二,元数据管理缺乏统一标准,数据质量参差不齐。数据只保留在工艺环节,系统不统一、缺乏标准、缺乏逻辑关联,无法形成共享数据库;同时数据治理本身也缺乏标准规范,影响智慧矿山各环节标准的贯彻。第三,数据存在不可知、不可控、不可取的问题。第四,数据与知识之间的关联性弱,大型多样化数据集的收集与分析能力差,数据仓库不完备,使得数据与知识难以快速转换,从数据中获得价值存在困难。第五,数据的获得和使用缺少安全保障。

数据治理问题是智慧矿山应该攻克的最大障碍,应该上升到集团层面来进行宏观管控。

4 智慧矿山建设策略与建议

4.1 行业协会做好顶层设计

行业层面做好智慧矿山顶层设计,分工协作开展矿山数据模型、标准制订、煤机装备网络化智能化设计与改造,制定行业内组织开放协议。

(1) 营造良好的建设环境。行业协会出面组建智慧矿山专家组,以发挥智慧矿山建设交流等活动的牵头作用;鼓励业内自发组建智慧矿山发展联盟,分工协作开展矿山数据模型、标准制订、煤机装备网络化智能化设计与改造;搭建一批交流平台,如智慧矿山示范矿、大数据共享交易平台等;制定智慧矿山建设支持性的服务性政策。

(2) 推动理念进步,开放心态,合作共享。产学研结合实体模式有助于强化技术创新和人才培养,但动力不足;企业联盟模式有助于项目的落地和智慧矿山建设实力的增强,但稳定性持续性不强;政府主导型模式有助于政府的宏观调控,但主动性不足。各个模式有自身的优缺点,行业应该推动更有利于智慧矿山发展的组织模式的发展。引导煤炭企业开放心态、合作共享的建设理念,并制定行业内组织开放协议;在推进主体方面,行业可以结合实际发展选择适合的主体模式,强化推进动力。

具备自己的创新型产品是国家发展的重要基础。煤炭行业作为国家的重要能源基础性产业,更应重视智慧矿山知识产权和产品的国产化。融入全球经济体系,不是被动地接受国际分工,而是主动地调整战略,实现产业升级,增强国家竞争力。

(3) 重视培养人才。智慧矿山建设需要具备大量安全、采矿、管理以及信息技术、数据挖掘等多元知识体系的综合性人才。煤炭行业内的相关企业、高校、科研机构等应该进行联合培养,形成集合“基本知识-实践-科学研究”的成套培养模式,构建适应智能采矿的人才培养模式[23]。此外,还应注意高端科技人才和团队的持续引进和专业化培养。

4.2 企业基于顶层设计,明确重点,落实项目

煤炭企业应该基于行业的顶层设计,分析并明确矿山目前的建设现状和问题,进行智慧矿山建设规划。结合自身现状和问题,秉持发挥优势、重点突出的原则,确定智慧矿山建设要突破的重点,针对现有软硬件进行升级改造、放弃或转换操作。在智慧矿山具体建设过程中,要考虑专业性和通用性,重点项目应以矿业特色专业为主攻方向,顶层组件、网络通信、云计算等一般具有通用性,可以直接借鉴运用。此外,智慧矿山建设是“一把手工程”,需要矿领导直接参与并推进建设,在建设过程中还应尽量寻找更多的合作伙伴,实现交流常态化、合作共赢的建设方式。

4.3 围绕参考模型,明确建设和突破方向

从参考模型的三个维度来看,层集成是当前重点,尤其是业务逻辑的智能数据模型的研究;链集成是利益驱动下的渐进过程;级集成则是行政管理约束下的自然过程,责权利的明确极其重要。在实现路径上,可遵循“从下向上的层策略、以生产/安全为中心的左拉右推的链策略、由低到高的级策略”,并且要抓住时机、控制成本、重视效果。重点项目应以矿业特色专业为主攻方向,活动顶层组件、网络通信、云计算等一般具有通用性、不需要重复建设,直接引入即可。

从内容层面看,工程数字化、管理信息化和综合自动化要同步推进,三类系统之间应相辅相成、相互关联,旨在构筑一个数据高度集成的信息化系统,实现从简单的“物理整合”向“逻辑融合”的过渡。