智能礦山大數據關鍵技術與發展研究

周雁斌

（中國礦業大學職業與繼續教育部，江蘇 徐州 221008）

通過充分利用現代化大數據技術，可以大大提高煤礦開采過程當中的質量，協調煤礦開采生產的各個環節，從而在保障企業基本操作的同時，還可以減少企業的成本投入，降低開采以及生產的風險。在礦山建設活動當中，融入智能設備以及傳感技術，不但可以促進礦山的數字化發展，還能提高生產過程當中的經營管理水平，為智能礦山的建設增添一份力量。但是目前智能礦山大數據技術在運用過程當中仍然不成熟，需要不斷完善理論體系，改進相關的技術，從而實現穩定發展。

1 智能礦山大數據的特征分析

數字礦山在建設過程當中信息化的應用程度越來越高，并且逐步實現生產過程的自動化以及智能化發展，比如自動化的安全監測控制系統、無人值守變電所系統，以及無人開采工作面系統等等。這些以現代信息技術為基礎的智能系統開始逐步運用在智能礦山當中，服務于各個信息領域，共同構建了智能礦山大數據。智能礦山大數據的主要來源體現在兩個方面，一方面是內部數據，內部數據主要是指煤礦企業自身的生產經營數據，比如說安全管理系統，煤礦生產執行系統等數據，以及相關的設備物聯網數據，比如各種煤礦開采以及生產數據，機械設備，施工過程當中的監測數據等等。而另一方面則是之外部數據，外部數據主要來源于當前社會當中的煤炭市場、該領域的行業信息以及設備供應商服務信息等等。外部數據所具備的特點就是有較強的分散性，因為數據來源的主體比較復雜，并且每個主體之間都存在著不同的聯系，所接收的數據種類豐富，結構復雜。簡而言之，智能礦山大數據的數據特征主要是包括以下幾個方面，第一，數據的規模比較大；第二，數據類型豐富多樣，具有較寬的分布性；第三，數據采集以及處理的速度比較快；第四，價值密度比較低；第五，具有較強的時序性，尤其是在設備狀態監測領域；第六，具有較高的準確性，所獲得的數據與實際情況所存在的誤差比較小甚至沒有；第七，具有較強的封閉性。

2 智能礦山大數據發展存在的問題以及驅動因素的分析

2.1 存在的問題

智能礦山大數據雖然具有著較強的應用優勢，但是在發展過程當中仍然存在著一定的問題。首先，從意識的角度來看。礦山并不是一個新興的領域，對傳統經濟而言，礦山的企業領導者以及工作人員在現代化方面的意識并不強，和金融以及電商領域方面的工作人員相比，對于大數據方面的認識還不足，并沒有看到大數據背后所帶來的發展潛力以及經濟價值，有的企業甚至采取排斥的態度。其次，從技術儲備的角度來看。我國的礦山企業雖然在制度層面進行了現代化的改革，但是并沒有立足于大數據設立出相關的發展戰略，數據模型以及數據標準等等，由于目前正處于摸索的階段，因此存在實際需要技術人才與現有技術人才數量上的差距，質量上的不足等多方面問題亟待解決。再者，從資金投入的角度來看。在智能礦山大數據建設過程當中，前期需要投入大量的資金，但是資金的回報周期比較長，當智能礦山大數據所創造的經濟價值沒有達到投資者的相關預期指標時，投資者可能會中斷甚至撤回投資。最后，從信息的角度來看。目前在礦山領域當中并沒有建立起全面的信息管理系統，軟件和硬件系統之間無法兼容與匹配，從而產生了信息孤島，影響到了數據的獲取。

2.2 驅動的因素

第一，煤礦企業擁有龐大的生產設備，而在生產活動當中，需要對這些機械設備進行實時監控，排查設備故障，做好日常維修和保養工作，降低事故發生率。而通過大數據技術則可以實現實時監測并分析故障原因，提醒保養時間，有效的幫助工作人員處理問題。第二，很多大型的礦山企業，可以利用大數據技術有效幫助企業評估資產，及時調整經營發展戰略，檢測自身發展戰略的可實施性，提高企業效益。第三，在煤炭產運和銷售環節當中，通過大數據對當前的市場進行調研，實現定制化生產，提高各個領域的協調性。第四，通過大數據技術，可以在煤炭開采工作當中應用GIS技術，做好地質以及煤層方面的勘測工作，做好天氣預報工作，從而幫助企業制定出切實可行的開采計劃。第五，智能礦山建設活動還可以幫助企業創造更高的經濟價值，幫助企業實現生產以及管理環節的數據化，延長企業的生產鏈，促進企業升級轉型。

3 智能礦山大數據的關鍵技術分析

3.1 數據分析應用技術

智能礦山大數據的數據分析應用技術，主要從兩個方面來進行分析。一方面是數據的分析與挖掘。數據的分析和挖掘主要是在已經收集的數據的基礎上進行的，從這些數據當中提取有用的數據資料，挖掘出新的研究方向。數據分析工作的內容主要包括對NB和GB等結構化數據進行統計學方面的分析，以及對TB和PB等非結構化的數據進行人工智能封面的挖掘。在整個工作當中，充分利用大數據強大的數據分析功能，對礦山的施工業務活動進行數據化的分析，找到其中所存在的規律，形成新的認知。另一方面則是大數據的數據解析。為了讓技術人員可以更好的運用大數據技術，因此需要將所采集的復雜的數據信息轉化為通俗的語言，技術人員才可以進一步開展相關工作。利用數據分析技術可以解決礦山管理工作中由于時空因素影響下所帶來的數據滯后問題，可以幫助技術人員更好的掌握整個煤礦生產的全局動態，幫助技術人員總結管理經驗，提高安全生產的管理水平。

3.2 數據集成技術

在數據集成技術運用過程當中，數據標準化的問題始終是影響該技術有效開展的重要因素，因為數據的來源以及數據的結構構成是不同的，必須要對各方數據進行轉化，而轉化過程中需要依靠相關的標準，標準不同是導致信息孤島的主要原因。在集成過程當中，企業必須要構建出大數據管理和分析應用平臺，因為傳統的數據處理平臺已經不能夠適應目前龐大的數據量。平臺的建設工作必須要選用專業的工作人員，并且需要通過反復的調研論證，找到目前所需要的數據源，然后再設立標準的數據，最后再進行數據資源的轉換，實現數據的邏輯性。

3.3 數據獲取技術

目前大部分煤礦企業都已經實現了自動化，數字化發展，為智能礦山的建設打下了堅實的基礎。但是煤礦企業還需要對傳統的機械設備進行淘汰，或者是更新升級統一設備的通信接口，以此來保證數據采集工作的有效開展。但是部分煤礦企業在業務方面還沒有實現信息化的發展，煤礦物聯網技術沒有達到目前智能礦山建設的要求。因此，煤礦企業的領導部門以及工作人員必須要全面地認識到智能礦山大數據的關鍵技術，提高煤礦業務以及生產等領域的敏感度，做好技術方面的研究。

4 智能礦山大數據的發展分析

4.1 在安全領域的應用

在煤礦開采工作當中，由于開采環境的復雜，開采工作當中很容易發生安全事故。因此，企業要不斷提高煤礦安全方面的管理水平，為工作人員提供安全的工作環境。在煤礦安全管理工作當中引入大數據技術，可以對當前安全管理工作人員的工作方式進行改革，突破傳統的管理思維，改進管理的手段。在這方面，應該建立起專業的專家知識庫，做好礦井虛擬三維可視化工作，對煤礦安全進行動態分析，從而對可能發生的事故進行超前預警，并及時進行排查。

4.2 經營管理領域的應用

在經營管理層面應用大數據技術，可以不斷優化煤礦市場和企業的內部控制，如企業通過綜合設備層、生產執行層等；做好對人員工效、物資采購等人力資源、財務管理方面的管控工作；完成經營管理方面的短板分析工作，發現市場優勢，為企業經營決策提供更多的數據支持。同時，煤礦企業的發展和社會其他領域也存在著緊密的聯系，尤其是該領域的行業協會、政府部門，通過大數據強大的溝通共享功能，可以整合行業的數據資源，對未來煤礦行業的市場發展趨勢進行預測，為企業的經營戰略提供數據支持，為政府的決策提供依據，做好能源方面的結構調整，調節供給側曲線。

4.3 生產執行領域的應用

在生產執行領域方面的應用，主要劃分為三大方面。首先，可以提高煤炭生產各個環節的效率，比如說開采環節、掘進環節以及供電環節等等，通過調研傳統的工作數據，進一步優化各個設備之間的配置，提高各個環節之間工作的協調性。其次，可以提高設備的使用壽命，完善設備的性能。可以在機械上安裝感應設備，通過大數據技術在機械運行過程當中對于機械內部進行動態的數據監測，當機器發生故障的時候就可以觸發安全警報，從而及時進行維修，進一步減少損失。最后，可以實現精準生產。在生產活動開始之前，通過大數據分析目前市場上的供給情況，結合市場行情制定生產計劃。另外還可以通過調查，進行合理決策，對目前市場上流通較好的煤炭產品進行優化，比如說提高煤炭熱量，切割大小合適等。

5 結語

綜上所述，大數據技術在智能礦山當中應用是必然的趨勢，煤礦企業也應該充分認識到大數據背后所具有的應用價值以及發展潛力，不斷做好關鍵技術方面的研究，做好理論方面的創新。以此促進我國煤礦企業的轉型升級，提高能源的生產效率，保證能源供應的穩定，為我國經濟社會的發展提供有力的支持。