写点什么

怎么用数字化技术建一座“智慧金矿”

  • 2022-11-24
    北京
  • 本文字数:4122 字

    阅读完需:约 14 分钟

怎么用数字化技术建一座“智慧金矿”

矿山一线作业现场,尤其是地下开采作业,环境复杂,安全管理难度大,危险系数高,这些都是导致各种安全隐患发生的主要原因。而众所周知的是,解决这种极端的复杂问题恰恰是AI技术的强项。


在理想状态下,可以让机器人、智能装备替代人工,深入矿区一线现场开展采掘作业活动,然后通过物联网、云计算、边缘计算等技术把现场环境数据、作业数据实时传输到地面的控制中心,经过 AI 进行处理、分析,实现对矿山现场作业的全面感知、实时互联、地上地下协同、危险动态预测等等,从而实现现场无人化作业。


近几年,越来越多的矿山企业正在矿山开采场景使用数字化技术革新生产力,招金矿业股份有限公司(以下简称“招金矿业”)便是其中之一。作为一家集勘探、开采、选矿及冶炼于一体的综合性黄金生产和黄金冶炼企业,为了应对上述矿山行业面临的普遍问题,招金矿业打造了一套“黄金智慧矿山数据决策平台”。平台对矿山中 3000 多个关键数据点位进行了实时监测和深度分析,结合现场采、掘、提、运、风、水、电、选、充等业务动态管理梳理了近 200 个数据场景,成为招金矿业构建智慧矿山的基础。


不过,注意我们前面描述的是某种“理想状态”,技术的确可以在矿山开采和管理过程中发挥很大的作用,但是据《麦肯锡研究报告》有关数据显示,由于庞大运营规模、高度复杂性,因变化而产生高额成本,传统采矿业在新技术应用,特别是数字化方面显得速度缓慢,矿业公司设备数据利用率不足 1%——这是“现实情况”。


围绕这些具体实践过程中到问题,InfoQ 采访了山东金软科技股份有限公司总工程师桑锦国博士,深入了解了招金矿业实现数字化技术与现代矿山开采技术融合的挑战与经验,以及 AI 技术在金矿开采场景的实际价值。

深层资源开采需求大,招工难度高,急需技术补齐产能


过去,矿山行业普遍存在现场不透明、传递不及时、数据缺分析等问题。桑锦国告诉 InfoQ,其背后主要涉及三方面的原因:


首先,从技术角度来看,矿山生产环境不仅复杂而且恶劣,导致现场数据的获取难度比较大,这是天然存在的挑战;其次,从管理角度来看,过去矿山的管理模式比较粗放,不同矿区企业的管理水平参差不齐,对数据的规划工作不到位;其三,负责矿区生产的人员水平不一,对数据的重视不足,或者专业数据团队缺乏,导致很多具体的工作无法开展,比如自动设备采集的数据未及时报送,获取数据的时间滞后等等。


因此,给矿山“插上科技的翅膀”并不是一件容易的事,要改变这样的现状必须有足够的动力。对于招金矿业来说,这种动力来自于内外部的双向叠加。


“随着社会的发展对资源的消耗,地面浅层的资源逐渐耗尽,这时摆在整个矿山行业面前的挑战是,必须往更深、条件更恶劣的井下进行开采,而越往下,温度、地压等条件越差,危险性也越高。与此同时,人口红利正在消失,矿山现场的招工难度越来越大,基础作业人员大量减少,技术型工种培养难,环境成本、能源成本及合规性成本也越来越高。”桑锦国表示。


据他介绍,除了这些来自行业的客观挑战,招金矿业自身还面临另一个诉求:按照政策要求,过去井下生产外包的模式不再适用,这意味着公司层面必须要组建自己的产业化队伍。但是,迫于招工压力,招金矿业不得不考虑通过技术的升级,用智能化手段替代部分人工投入,提高生产效率,确保安全生产。


具体来说,招金矿业把自身的数字化建设思路拆解为三个阶段:


第一阶段,实现智慧矿山管理、技术应用、数据架构和能力建设。在原有的数字化技术应用基础上,建设一体化集成控制系统、全流程数字化选矿厂、智能充填、综合调度、采矿专业调度、安全智能管控、工程项目管理、地测采协同、数据平台。基本实现智慧矿山生产域信息化运行,实现数字化转型的业务、数据横向到边,纵向到端。


第二阶段,提升采掘机械化水平,提升业务管理协同能力,实现安全生产一体化。在第一阶段系统建设基础上加强集成,打通生产域的全流程,实现业务管理横向集成到边,实现安全生产一体化集成管控;初步建成工艺模型、控制模型、经济模型、决策模型、安全模型、知识图谱,并赋能业务生产;智慧矿山整体构建完成,数字化转型生产域建成。


第三阶段,实现数据赋能,夯实智慧矿山建设成果。建设数据图谱、工艺库、模型库、方案库、知识库等知识类应用,形成经验沉淀,用于业务的持续优化与改进。最终实现智慧矿山建成并发挥整体作用,数字化转型生产域与其他域实现集成,实现流程化、标准化管理,形成招金特色的智慧矿山模式和数字化文化。

采集地下数据,需要完善矿山现场的基础设施建设


在具体的实践落地过程中,招金矿业很快明确了“数据”是基础中的基础。而要把数据从状况复杂的地下环境中采集出来,则需要矿山现场具有比较完善的基础设施。


“第一,是机械化设备向智能化进行改造;第二,是井下网络基础的建设和优化;第三,是设备控制系统,以及通风、排水、配电等辅助系统的自动化改造。初步目标是实现现场的无人化和远程控制。”桑锦国指出,“除此之外,还有一些前沿技术的应用,包括空间信息技术,能够在井下通过三维建模,对矿山进行三维可视化呈现;同时,还涉及物联网、边缘计算、大数据平台、AI 等多学科、多专业交叉的综合能力建设。”


以招金矿业着重打造的“黄金智慧矿山数据决策平台”为例:平台从 PLC、传感器、智能仪表等各类物联网终端实时直采数据,通过局域网、工业环网,以及 WIFI6、5G 等无线通信技术,可以实现数据云端传输和接入,人、机、料、环信息互联互通。


据了解,该平台覆盖了招金矿业矿山中 3000 多个数据点位,面对这些海量数据,通过“数据场景”方法,把它们梳理成近 200 个直观、多维的数据场景。并且,构建了围绕产量、效率、设备及能源四个方面的管理指标监控体系,通过多维图形化展示,使得数据真正发挥价值,为企业识别产能提升瓶颈、评估生产效率、掌握设备运行趋势及合理压缩能源消耗提供量化的数据支撑。


“人力成本和能耗成本是矿山行业的两大可变成本,所以,追求降本,我们的核心出发点就是通过全面掌握生产各个环节的实时状态,及时发现和响应过程中的异常预警,从而降低能耗、减少设备故障、维修,减少人员投入。从增效的角度来说,主要是减少信息流通环节的时间,加强人与人、人与设备、组织与组织、业务与管理的高效协同。”桑锦国强调。


在他看来,“人”是决定这些技术能否顺利落地、发挥价值的关键所在。“不同矿山的规模大小不同,信息化、自动化、智能化水平不同,人员意识差距也比较大。但往往技术的问题是可以克服的,人员的意识如果跟不上,就会变成项目推进过程中的阻力。”


正因如此,招金矿业并不是把数据决策平台的建设作为一个简单的信息化项目,而是从思想意识、组织架构、人员配齐等方面进行了全方位的布局。


首先,在思想意识层面,招金矿业的一系列规划都是自上而下推行,目的就是让内部员工从意识上先行对齐;其次,在组织架构层面,招金矿业信息中心整体负责组织公司的信息化规划和建设,从网络建设、硬件配置、软件系统管理上做到一定程度规范,此外在下属矿山企业也设置了大数据(四化)建设办公室,与公司总部信息中心对接;同时,在人员配齐方面,招金矿业还在 2019 年收购了智能矿山设计、研发、建设、运维公司山东金软科技股份有限公司,为数据管理、数据应用的工作开展提供了充足的人员保障。

用可见的效益,潜移默化影响人的转型意识


当然,无论是自上而下的体系化规划,还是组织架构的重新调整,都是由外而内的推力。桑锦国认为,只有从根本上改变人的思想意识,才能让数字化项目由内而外形成正向循环。但用他的话说,“这是需要时间的。”


“智慧矿山的建设,不是说技术先进性达到了它就完成了,从管理层到一线生产工人都要逐渐达到自觉意识,这件事才有可能做好。但是,这是一个潜移默化的过程,需要循序渐进,我们的办法,是让大家看到这些数字化手段给他们的工作带来实实在在的效益。”


也正是基于这一初衷,“黄金智慧矿山数据决策平台”的建设优先选择了“破碎”、“排水”、“提升”等系统作为试点。“从技术成熟度角度来说,这三个场景是目前比较容易做的;而从效益角度来看,它们也是在日常运行中存在明显问题的场景,具有可提升的空间,所以更容易产生效果。”桑锦国向 InfoQ 记者介绍。


拿破碎系统来说,通过工艺分析和历史数据建模,在不改变现有工艺、不增加硬件投入的情况下,破碎效率提高了 15%左右;再比如排水系统,通过构建水仓液位和水泵能力模型,根据实时的液位数据,预测水仓的液位变化,并基于水仓的安全上下限,以及峰平谷时段的分布,合理给出水泵的启停建议,能实际节约 7%的能耗电费;对于提升系统,通过建立提升机运行速度与运行电流的数据模型,可以根据不同数据表现,建议调速调频,还可以判断罐笼配重异常,建议及时检查等,提高了提升机的安全运行效率。


必须强调的是,无论在哪一个场景下,要让这些 AI算法模型奏效,至少需要两个前提——第一,用于分析的数据是准确的;第二,模型的参数配置是合理的。而桑锦国表示,要满足这两个前提条件,要求技术和业务充分融合


招金矿业解决这个问题的办法,依旧是从“人”出发。比如,基于“黄金智慧矿山数据决策平台”,会由金软科技业务顾问、数据分析员、工程师与矿山的班组人员、工艺工程师、设备维护人员等一线人员一起组建“数字先锋”小组,每一个数据场景都有一个来自一线“数字先锋”负责,对数据场景持续的使用、深化、优化、创新不断提出建议,同时与小组其他专家一起,利用平台提供的工具工具,快速进行数据试验、原型验证、模型测试、深度分析。


“我们会定期把矿山的一些一线领导请到金软科技,针对技术和业务的交流融合给出他们的建议,这也是为了确保我们构建的算法模型能够真正契合于现场,贴合业务需求,能够真正指导现场。”桑锦国强调。


可见,虽然数字化注定是一块难啃的“骨头”,但是众企业各有各的招。按照既定计划,招金矿业“智慧矿山”的建造正在稳步推进中。“黄金智慧矿山数据决策平台”的成功上线应用,既为这座“智慧矿山”打下坚实的地基,同时也成为国内黄金矿山的智能化升级改造的典型范例。在非煤矿山行业数字化演进过程一直落后于煤炭行业的背景下,填补了目前国内非煤矿山安全生产大数据深化应用方面的空白,迈出了招金矿业“数字赋能”的关键一步,也必将成为行业发展的一个关键里程碑。

2022-11-24 13:026512

评论

发布
暂无评论
发现更多内容

【Python 函数】-嵌套使用,变量的作用域

度假的小鱼

11月月更 Python局不变量 Python全局变量

吃透互联网必问的100道Spring全家桶高频真题,金九银十稳了

小二,上酒上酒

Java spring 编程 springboot SpringCloud

MongoDB 新手入门 - CRUD

mylxsw

mongo database 入门教程

阿里高工内产的 SpringBoot 保姆级笔记,面面俱到,太全了

程序知音

Java spring springboot java架构 后端技术

熬夜也要肝完的阿里内部面试官手册,吃透直接拿下大厂心仪offer

小二,上酒上酒

Java 数据库 架构 分布式 高并发

分布式技术难学?谷歌大神首发纯手撸ZK+Dubbo笔记,网友看完直呼NB

程序知音

Java zookeeper 分布式 java架构 后端技术

数据结构分析_Inception_GNN_GCN

Studying_swz

人工智能 深度学习 11月月更

终于拿到了阿里P8架构师分享的JCF和JUC源码分析与实现笔记java岗

小二,上酒上酒

Java 源码 JUC JCF

阿里P8架构师强推java程序员人手一套116页JVM吊打面试官专属秘籍

小二,上酒上酒

Java 编程 JVM 开发 计算机

你敢信?清华毕业大佬用了一个坦克大战项目就讲完了23种设计模式

小二,上酒上酒

Java 编程 设计模式 马士兵 编程开发

金九银十结束了,各大公司Java后端开发真题汇总,明年再战

小二,上酒上酒

Java MySQL 编程 分布式 算法

架构--模块六作业

李某人

架构训练营

【Python 函数】-参数-返回值

度假的小鱼

11月月更 Python函数参数使用

小令观点 | 让全球身份更可信:电子护照的前世今生

令牌云数字身份

数字身份 护照 电子护照 全球护照

Sentinel Go-揭秘[流量控制]的实现原理

柠檬汁Code(binbin0325)

源码 sentinel 熔断 限流 冷启动

混沌工程之ChaosBlade利刃出鞘

柠檬汁Code(binbin0325)

混沌工程 故障注入 ChaosBlade Chaos Mesh

python利用open3d可视化npy文件

Studying_swz

Python 11月月更

深入浅出学习透析Nginx服务器的基本原理和配置指南「Keepalive性能分析实战篇」

洛神灬殇

nginx keep-alive 11月日更

啃完这35个Java技术栈,冲刺大厂offer

小二,上酒上酒

Java 编程 JVM 技术栈 编程开发

耗时3个月啃烂了这份Redis技术笔记,我成功上岸进了字节

程序知音

Java 数据库 redis java架构 后端技术

花一周时间,啃完这套京东架构师独家微服务笔记,成功面进字节

小二,上酒上酒

Java 负载均衡 编程 架构 SpringCloud

Java 字符串 split 的一个反直觉陷阱

mylxsw

Java 字符串 基础 陷阱

MongoDB 新手入门 - Aggregation

mylxsw

mongo database 入门教程

MySQL 数据库索引技术原理初探

mylxsw

MySQL 数据库 索引 B树

架构实战训练营模块6作业

atcgnu

阿里P9架构师终于把毕生心血而成的分布式高可用算法笔记开源了

小二,上酒上酒

Java 编程 分布式 算法 编程开发

终于有好心的人把高性能MySQL「第三版」电子版分享出来了

小二,上酒上酒

Java MySQL 编程 计算机

阿里P8大牛刷算法的正确姿态!女朋友再也不用担心我刷不动力扣了

小二,上酒上酒

Java 编程 算法 LeetCode

Alien Skin Exposure2023最新版下载

茶色酒

Alien Skin Exposure

Linux 磁盘管理

梦笔生花

11月月更 Linux系统 Linux磁盘管理

架构误区系列7:删除+更新的缓存刷新机制

agnostic

缓存

怎么用数字化技术建一座“智慧金矿”_AI&大模型_高玉娴_InfoQ精选文章