滿地寶 便攜式鉆機

    近年來，國內礦山企業對降本提效的重視程度不斷提高，導致對礦山業務數據（例如礦山地質建模、礦用三維激光掃描、采空區調查、自動化采礦設備及過程數據）的業務需求呈井噴式涌現。

    由此我們強烈預感到：礦業領域將要迎來礦山全維數據采集以及大數據應用系統建設等兩方面的爆發式發展，“礦業大數據”將是礦業界下一波爭相挖掘的金山銀山。

    黃仁宇是美籍華人歷史學教授，他在著名的《萬歷十五年》一書中提到“數目字管理”概念，其實就是今天所說的“基于數據統計的管理”。黃教授提到，明代官員們不注重數據，加之那時朝廷與地方之間的數據交流不多，導致朝廷在制定政策時無法顧及地方需求，所出臺的政策無法施行。黃教授反復強調，“倘若能實現數目字上的管理，中國就有希望了”。

    曾經擔任美國國防部長的羅伯特·麥克納馬拉，是哈佛商學院高材生。他在二次大戰時曾經受雇于五角大樓，負責制定空軍作戰計劃。那時，他運用數據統計方法，評估和改進轟炸機的使用效率，獲得極大成功，成為數據科學在軍事方面的典范性運用，至今被各國軍事專家所稱道。

    ——老美的很多新科技研究都是發端于軍事需求。

    我國安全部門經常破獲“日本間諜案”。這些被抓獲的日本男女或為日本人干活的“中國漢奸”，扛著全站儀，掛著望遠鏡，“迎著朝陽出發，披著晚霞凱旋”，儼然是“光榮的地質隊員”。他們是接受日本有關機構或企業的資助，在我國土地上搜集數據的。與抗日戰爭爆發前后來到中國惹是生非的日本浪人相對應，現在抓住的日本間諜更像是“數據浪人”。

    鞍鋼礦業集團公司創立的“五品聯動”礦冶工程管理模式，就是礦業大數據的一次成功應用。其宗旨是以實現經濟和社會整體效益最大化為目標，打破采、選、冶等系統分割優化定式，建立“品位-成本邊際指數”和“品位-效益活躍指數”，將勘查工程、采礦工程、配礦工程、選礦工程、冶煉工程集成構建為一個協同聯動的礦業大數據系統。統籌分析、動態優化地質品位、采出品位、入選品位、精礦品位、入爐品位，建立“大區域開采、網絡化配礦、差異化分選”工程組織方式，攻克了貧赤鐵礦規模化采選這一世界性工程技術難題，目前已在國內外10余個鐵礦山推廣應用，經濟和社會效益非常顯著。

    ——鞍鋼礦業集團公司在礦業大數據應用方面取得的成就，拿到國際上也是響當當的。

    準確、及時的大數據分析可以幫助加快從預可行性到可行性研究、一直到設計階段的速度，減少這個過程中關鍵性失誤的發生。

    有很多新的礦山基建和改擴建項目都面臨著成本失控問題，可說是礦業 “頑癥”。這個問題之所以不斷困擾我們，很大一部分原因是初始數據不準確，或者可用數據太少，以至于制訂建設投資計劃時可靠的信息不足。這里所說的信息，不僅是地質數據，而且包括當地勞動力成本、設備要求、基礎設施投資信息，甚至還包括當地勞資關系、法律等許多方面的人文數據信息。

    例如，中信泰富澳洲鐵礦項目遇到重大挫折，主要原因就是地質勘探數據不足且不準確、對當地法律環境信息了解不足等。

    系統、人員和設備的準備就緒程度是保證項目實施順利進行的關鍵。項目一旦啟動,就會給企業帶來重大影響。掌握承包商的實際建設能力對于準確計算投資回報是重要的。掌握供應商和現有資產運營能力的信息可以幫助準確地評估礦山生產能力，更準確地估算凈現值。

    指揮調度中心與現場的雙向實時信息數據的有效溝通，對于提高效率、降低成本、安全生產的作用極大。

    例如，跟蹤記錄運礦卡車每天的運輸路線，就會發現，某一個運輸路線在某一天的生產效率最高（燃料消耗最少，輪胎磨損最小，運輸量最大，所用時間最短），而其它日期由于生產作業調度計劃的改變，卸礦點的變化，或任何其他因素的變化，對生產效率產生了影響。有時同一個班次中生產效率都有可能產生變化。這些實時生產數據如果只是像過去那樣每月才分析一次，那么很多有用信息將被忽略，甚至在分析時就已經過時了。但是如果能夠做到現場快速分析，就可以發現提高生產效率的辦法并馬上采用。

    對于礦山項目來說至關重要。在過去礦業繁榮時期，礦山企業的注意力都集中在提高生產效率方面，重視資本支出，以至于忽視了資產設施管理等重要問題。

    然而，值此礦業不景氣之時，業界開始重視資產全生命周期信息管理在降低運營成本中的作用，并開始在這方面進行投入。資產管理人員如果能夠清楚地掌握設備可靠性、可用性、生產能力和全生命周期成本，而不僅僅是簡單的一次性使用成本和生產能力，則會大大節省礦山全生命周期費用。因此，對礦山資產進行摸底性調查和數據采集工作，建立虛擬化全維數據模型，并進行全生命周期管理，將會極大降低礦山生產平均成本，從而起到增加生產利潤空間的作用。

    自動化采礦、無人采礦不再是夢想。現在，有些礦山企業的某些生產環節的自動化項目已經進行一些時間了，可以更容易地在自動化設備或過程中進行數據自動采集，采用成功的智能工具分析企業的關鍵數據。通過分析礦石產量、生產效率、能力、維修間隔時間或其他海量數據，可以發現設備運行過程中的問題，并及時解決，可以大大節約成本、提高生產力。

    6.職業培訓、健康和安全分析

    礦山生產數據還可以用于職業培訓、健康和安全分析，用于找出問題環節，甚至可以追溯到安全事故的具體責任人。由此可以通過職業培訓和關鍵技能拓展提高雇員素質，還可以找到生產現場的不安全因素，并通過嚴格執法和適當的安全培訓，把不安全因素降到最低。

    過去由于企業內部信息不透明，知識復用率很低。由于企業內部沒有互聯互通的數據庫和知識庫，在某一個作業地點所發現的重要的節省成本的秘訣不為其他地點所知曉。但是，如果實施大數據分析策略，那么企業數據整合系統將會使數據在企業內部自由流通，因此每一個人最終就會從其他人的“發現”或失誤中獲得教益。

    此外，業主和承包商、設備制造商之間的數據外部互通共享也很重要。誰是數據的擁有者，誰是數據的使用者，這是大數據應用首先要搞清楚的問題，然后設法實現數據流通。現實情況往往是，數據擁有者和數據使用者之間的溝通機制缺如。例如，礦業公司一般掌握運礦卡車的油料消耗數據。如果礦業公司通過信息管理系統授權油料公司或油料管理軟件公司使用這些數據提供咨詢服務，那么就會幫助礦業公司找到節省油料的合理措施。大數據的業界各方采取開放的心態，和企業內外各方充分合作，那么大家都會從大數據分析中受益。

    礦山企業的采購量巨大，可以節約的空間也很大。上規模的礦業公司往往擁有地理分布很廣的下屬基層作業地點；每一個地方的任一種供應物品，往往都有很多可用的供貨商供選擇。這里涉及到的浪費以及采購經手人的權力尋租空間太大了。由于商業關系、技術特點、貨源本地化、信息不通等原因，礦業公司往往在不同的作業地點使用不同的供貨商，采購價格千差萬別，質量變數也很大。

    由于礦業公司在大宗物品采購上沒有和供貨市場大數據進行有效連接，無法對各個基層單位進行合理的合同談判管理，致使采購費用高企。有些集團企業開始注意到了這個問題，著手對公司采購建立有效的大數據管理，極大地節約了采購費用。

    以上就是“礦業大數據”的八個接地氣應用。

    實際上礦業大數據應用遠不止于這八個方面。在此掛一漏萬，在所難免。筆者主要目的是拋磚引玉。礦業大數據在提高生產力、節約成本、改進效率、減少浪費方面具有巨大的潛力，需要大家進一步的探索。期盼廣大礦業同仁行動起來，共同掘金“礦業大數據”。

（文/ 中國礦業信息化協同創新中心 孟丹）

滿地寶 便攜式鉆機