智能矿山建设是矿业发展的必由之路
发表时间 :2023-11-08 来源：中国矿业网
近年来，随着新一代信息技术的快速发展，数字化、智能化技术与矿业的融合进程不断加速，智能矿山建设已成为国家、行业和企业共同关注的热点话题。经过近年来的快速发展，我国的智能矿山领域也取得了重大突破。从技术的供应，到企业需求认知的转变，再到实践的落地，我国智能矿山领域已经探索出了一条数字化转型、智能化建设，以及企业在新动能转化体系下的转变之路。在近日召开的2023中国国际矿业大会智能矿山论坛上，来自矿企、高校、技术创新企业的专家学者，畅谈未来我国智能矿山发展之路。
北京矿冶科技集团有限公司原副总经理战凯
智能矿山建设应结合企业实际
智能矿山建设与行业发展情况具有密切联系。对比去年矿业经济运行情况和今年第一季度的情况，可以看到，煤炭、黄金等均处在高位运行阶段。无论是产销量、利润还是固定资产投资，各指标均实现了快速增长，为矿山智能化、无人化建设提供了非常好的基础。
智能矿山建设跟我国整体的要求、企业所处行业发展情况以及企业自身的发展要求相关。目前，煤矿的智能化建设情况较好，但在非煤方面，金属、非金属、建材、核工业等智能矿山建设情况参差不齐。尤其是战略矿产“四稀”（稀土、稀有、稀散、稀贵），这些矿产虽小，但重要性却不言而喻。今后的智能矿山建设应有很多个性化要求，企业应当围绕自己的情况和需求，往矿山的自动化、智能化、数字化、无人化的方向发展。智能矿山、智慧矿山、无人矿山一定会成为现实。
中国恩菲工程技术有限公司矿山事业部副总经理陈小伟
智能矿山建设不是简单的智能化系统叠加
智能矿山建设，可打造1+1+N的整体架构智能控制系统。“1”是建设一个采选级生产操控、生产管理和运营一体化的管控中心，改变以往分散控制的弊端，提高管理效率；“1”是搭建基于工业互联网三位一体的数据中台，通过对维护数据、测量数据、装备、物料进行建模，实现整个流程全信息的可视化。包括全流程的数字化，依靠大数据的分析技术，人工智能技术搭载全生命周期数字孪生系统；“N”是围绕数据中台开发的N个应用，包括自动化和少人化的生产系统，还有整合海量数据，形成智慧化的软件应用服务。
智能矿山建设不是简单的智能化系统叠加，也不是智能装备的单纯应用，智能矿山建设要充分考虑采矿工艺系统、智能装备配备以及控制系统能否有效融合等因素。只有这样，才能保证智能矿山的建设效果。对于很多矿山企业管理者来说，配备相匹配的高素质技术团队是非常必要的，对整个矿山的管理流程和架构按照智能矿山的标准进行重构，才能保证整个智能矿山顺利高效运行。
中南大学副教授、博士生导师彭平安
认知、感知、管执
智能矿山架构有两个维度，一个是从业务的场景来看智能矿山的架构，这里面的业务主要分为生产和管理，管理层主要包括技术的管理、企业的管理，以及安全的管理；另一个是从技术维度来看，基于云、边、端的架构，在端实现数据的感知。对矿山来讲，就是人员、设备、环境等。在边缘实现计算和智能的工作，比如现在已有的智能化通风装备、智能作业、铲装运输等，在云端实现生产管理。
关于智能矿山生产安全，主要总结为六个字：认知、感知、管执。
认知，是指如何提高人的安全认知水平，通过VR相关技术，能够使人更加具有真实的体验；感知，是指对于地下和露天，做到智能通风、按需通风、安全灾害预测，针对云端的微震监测平台，实现灾害数据全面云端的处理，相应的数据自动推送给矿山的管理人员；管执，主要采用信息化手段，构建安全闭环的管理体系，防止风险向灾害转化。
华为公司矿山军团矿业冶金解决方案总监张明威
实现人工智能与矿山行业相结合
未来智慧矿山架构一定是朝着工业互联网架构的方向演进发展，基于互联网架构最大的特点，就是将底层所有的设备和系统全部联通，智慧矿山领域当中有各种各样的网，比如远程驾驶、人员定位、车辆定位、远程控制等。未来这些网络一定是统一的。未来所需要的数据都是从生产设备、生产系统中抽取并收集到同一个平台，建立统一的数据库并从中提取数据，再通过人工智能平台实现对数据的应用，达到少人甚至无人化的目的。
如今，人工智能大模型的应用已经储存了相当数量的数据。但要想推动大模型与矿山领域结合，依然需要矿山领域的数据来提供支撑。传统人工智能大模型都是通用的，矿山企业提供场景和数据与传统人工智能大模型结合，就建立了数据结合模型，可以据此进行具体模型的开发，应用到各个矿山领域中，比如无人驾驶、智能选矿等。通过实践可以看到，小模型开发完以后，对使用场景有60％到70％的限制，但大模型的精度换到另一个场景之后，只需要做微调就可以达到90%以上，这就是大模型带来的最大价值。
人工智能大模型在矿业的应用中主要有两种：视觉大模型和预测大模型。未来还会有多模态大模型、图网络多模型应用，这将是未来主力的大模型。相信通过人工智能大模型的应用，一定能够帮助矿山更加快速地迈向智能化。
《智能矿山建设规范》标准牵头起草人吕涛
建设具有矿石流特性的智能矿山系统
矿石流对矿山企业来说如同人类生存所必需的粮食一样，矿石流包括资源勘探、规划设计、回采、提升运输、采剥、运输、破碎筛分、磨矿分级、选别加工、精矿尾矿、综合利用等，可以说矿石流贯穿了矿山整个生产过程。
建设矿石流系统全体系也应采用平台化的开发技术。平台主要可分为数据集成平台，集中监控平台、管控集成平台、分析决策平台等。如今大型的系统多使用平台化建设，系统开发完之后需要进行融合整合，整合的关键就是拥有共同的平台，即统一的数据平台、统一的零代码应用开发平台。
重塑矿石流，可以通过一些技术手段改变矿石流，比如剥采比的优化、开采计划的优化、优化配矿、运输路径的优化、爆破装药优化、坡磨比优化、选矿工序参数优化、药剂制度优化、回收率的优化等。
智能矿山建设未来的潜力空间巨大。但作为一个非常庞大的体系，仅靠企业是无法独立解决智能矿山建设的现存问题，需要高校、研究院、设计院以及广大技术创新企业和矿业企业携手，一同攻关，才可能把我国的矿山打造为智能化的矿山，才能够在未来的发展过程中长期保持强大的竞争力。（中国矿业报）
北京矿冶科技集团有限公司原副总经理战凯
智能矿山建设应结合企业实际
智能矿山建设与行业发展情况具有密切联系。对比去年矿业经济运行情况和今年第一季度的情况，可以看到，煤炭、黄金等均处在高位运行阶段。无论是产销量、利润还是固定资产投资，各指标均实现了快速增长，为矿山智能化、无人化建设提供了非常好的基础。
智能矿山建设跟我国整体的要求、企业所处行业发展情况以及企业自身的发展要求相关。目前，煤矿的智能化建设情况较好，但在非煤方面，金属、非金属、建材、核工业等智能矿山建设情况参差不齐。尤其是战略矿产“四稀”（稀土、稀有、稀散、稀贵），这些矿产虽小，但重要性却不言而喻。今后的智能矿山建设应有很多个性化要求，企业应当围绕自己的情况和需求，往矿山的自动化、智能化、数字化、无人化的方向发展。智能矿山、智慧矿山、无人矿山一定会成为现实。
中国恩菲工程技术有限公司矿山事业部副总经理陈小伟
智能矿山建设不是简单的智能化系统叠加
智能矿山建设，可打造1+1+N的整体架构智能控制系统。“1”是建设一个采选级生产操控、生产管理和运营一体化的管控中心，改变以往分散控制的弊端，提高管理效率；“1”是搭建基于工业互联网三位一体的数据中台，通过对维护数据、测量数据、装备、物料进行建模，实现整个流程全信息的可视化。包括全流程的数字化，依靠大数据的分析技术，人工智能技术搭载全生命周期数字孪生系统；“N”是围绕数据中台开发的N个应用，包括自动化和少人化的生产系统，还有整合海量数据，形成智慧化的软件应用服务。
智能矿山建设不是简单的智能化系统叠加，也不是智能装备的单纯应用，智能矿山建设要充分考虑采矿工艺系统、智能装备配备以及控制系统能否有效融合等因素。只有这样，才能保证智能矿山的建设效果。对于很多矿山企业管理者来说，配备相匹配的高素质技术团队是非常必要的，对整个矿山的管理流程和架构按照智能矿山的标准进行重构，才能保证整个智能矿山顺利高效运行。
中南大学副教授、博士生导师彭平安
认知、感知、管执
智能矿山架构有两个维度，一个是从业务的场景来看智能矿山的架构，这里面的业务主要分为生产和管理，管理层主要包括技术的管理、企业的管理，以及安全的管理；另一个是从技术维度来看，基于云、边、端的架构，在端实现数据的感知。对矿山来讲，就是人员、设备、环境等。在边缘实现计算和智能的工作，比如现在已有的智能化通风装备、智能作业、铲装运输等，在云端实现生产管理。
关于智能矿山生产安全，主要总结为六个字：认知、感知、管执。
认知，是指如何提高人的安全认知水平，通过VR相关技术，能够使人更加具有真实的体验；感知，是指对于地下和露天，做到智能通风、按需通风、安全灾害预测，针对云端的微震监测平台，实现灾害数据全面云端的处理，相应的数据自动推送给矿山的管理人员；管执，主要采用信息化手段，构建安全闭环的管理体系，防止风险向灾害转化。
华为公司矿山军团矿业冶金解决方案总监张明威
实现人工智能与矿山行业相结合
未来智慧矿山架构一定是朝着工业互联网架构的方向演进发展，基于互联网架构最大的特点，就是将底层所有的设备和系统全部联通，智慧矿山领域当中有各种各样的网，比如远程驾驶、人员定位、车辆定位、远程控制等。未来这些网络一定是统一的。未来所需要的数据都是从生产设备、生产系统中抽取并收集到同一个平台，建立统一的数据库并从中提取数据，再通过人工智能平台实现对数据的应用，达到少人甚至无人化的目的。
如今，人工智能大模型的应用已经储存了相当数量的数据。但要想推动大模型与矿山领域结合，依然需要矿山领域的数据来提供支撑。传统人工智能大模型都是通用的，矿山企业提供场景和数据与传统人工智能大模型结合，就建立了数据结合模型，可以据此进行具体模型的开发，应用到各个矿山领域中，比如无人驾驶、智能选矿等。通过实践可以看到，小模型开发完以后，对使用场景有60％到70％的限制，但大模型的精度换到另一个场景之后，只需要做微调就可以达到90%以上，这就是大模型带来的最大价值。
人工智能大模型在矿业的应用中主要有两种：视觉大模型和预测大模型。未来还会有多模态大模型、图网络多模型应用，这将是未来主力的大模型。相信通过人工智能大模型的应用，一定能够帮助矿山更加快速地迈向智能化。
《智能矿山建设规范》标准牵头起草人吕涛
建设具有矿石流特性的智能矿山系统
矿石流对矿山企业来说如同人类生存所必需的粮食一样，矿石流包括资源勘探、规划设计、回采、提升运输、采剥、运输、破碎筛分、磨矿分级、选别加工、精矿尾矿、综合利用等，可以说矿石流贯穿了矿山整个生产过程。
建设矿石流系统全体系也应采用平台化的开发技术。平台主要可分为数据集成平台，集中监控平台、管控集成平台、分析决策平台等。如今大型的系统多使用平台化建设，系统开发完之后需要进行融合整合，整合的关键就是拥有共同的平台，即统一的数据平台、统一的零代码应用开发平台。
重塑矿石流，可以通过一些技术手段改变矿石流，比如剥采比的优化、开采计划的优化、优化配矿、运输路径的优化、爆破装药优化、坡磨比优化、选矿工序参数优化、药剂制度优化、回收率的优化等。
智能矿山建设未来的潜力空间巨大。但作为一个非常庞大的体系，仅靠企业是无法独立解决智能矿山建设的现存问题，需要高校、研究院、设计院以及广大技术创新企业和矿业企业携手，一同攻关，才可能把我国的矿山打造为智能化的矿山，才能够在未来的发展过程中长期保持强大的竞争力。（中国矿业报）