智能矿山大数据到底有哪些内容？神东信息管理中心专家从头说

近年来，智能矿山大数据技术在国外和国内都有较为广泛的研究及试验性应用，但总体而言，研究的广度和深度均处于初级阶段。智能矿山大数据的研究和应用是一项艰巨的工程，需要坚持不懈的工作投入。首先，大数据的理论体系还不够成熟，相关技术不断升级，未达到稳定期; 其次，煤矿企业现阶段的信息化水平参差不齐，煤矿企业从业人员当前对大数据概念、理论、技术、实践以及潜在的价值等认识不够深入，尚未统一思想，加之，行业内大数据技术人才相对缺乏，这些因素给大数据在智能矿山中的应用造成障碍。

本文作者崔亚仲、白明亮、李波来自国家能源集团神东煤炭集团有限责任公司信息管理中心。首先介绍智能矿山大数据的基本概念及特征，价值体现，以及其与传统研究方法的差异;同时，概述了国内外智能矿山大数据研究与应用现状;

其次，对智能矿山大数据技术发展的驱动因素和阻碍因素进行了分析，对智能矿山大数据的关键技术进行了详述，并对其应用领域及价值进行了展望，同时给出了神东煤炭集团智能矿山大数据应用案例。

（本文大约5200字，阅读大约需要9分钟）

智能矿山大数据概念

数据特征

随着数字矿山建设的推进和煤矿信息化不断发展，井下无人值守变电所(水泵房) 系统、安全监测监控系统、智能灯房管理系统、人员定位系统、智能化少人或无人开采工作面、设备动态运行数据采集系统、矿井三维可视化安全生产综合管理系统、综合现场移动控制系统、设备在线点检系统、区域煤矿中央集中智能控制中心等信息化、智能化系统，以及服务于各个专业领域的信息管理系统的逐步建成和投入使用，使得煤矿企业的数据体量和种类快速增长，这些数据共同构成了智能矿山大数据。

智能矿山大数据根据其来源的不同，可分为 2 大类 3 个方面，如图 1 所示。

图 1 智能矿山大数据来源 Fig．1 Sources of intelligent mine big data

智能矿山大数据技术是在传统商务大数据技术的基础上在矿山的应用，但是在数据采集、存储、处理、分析挖掘、可视化等环节与应用上与商务大数据又有所区别，见表 1

表 1 智能矿山大数据与商务大数据的区别

Table 1 Differences between intelligent mine big data and business big data

研究方法

显著区别于传统数据挖掘技术的大数据技术，其研究方法在升级和扩展传统数据挖掘技术的基础上，有了颠覆性的改变。

1) 大数据研究思维。传统数据分析方式一般采用抽样数据，而大数据方法则采用全量数据; 传统矿山数据分析侧重研究某个部门或某个专业的数据(如矿压分析、能耗分析、财务分析等) ，而智能矿山大数据分析则通过融合不同部门、多个专业的数据，实现多维分析。

2) 大数据研究途径。与传统科学研究途径“假设、试验、结果分析、证实或证伪”不同，大数据研究途径一般是假设、数据准备、数据挖掘分析、试验、试验结果分析、假设证实或证伪或新的知识发现、对新发现的知识进行科学的分析解释与验证

请智能矿山大数据国内外研究现状

芬兰、瑞典等国家早在 20 世纪 90 年代就制定了智能矿山和无人化矿山的发展规划。

美国研究了煤矿井下自动定位与导航技术，并获得了能够商业化的成果。

德国鲁尔集团与 PSI 公司一起开发了智能矿山一体化平台。

澳大利亚部分煤矿建成了智能矿山的大数据分析系统。

在国内，2016 年我国发布了《全国矿产资源规划( 2016—2020 年) 》，明确提出未来 5 年要加快建设数字化、智能化、信息化、自动化矿山。

总体来看，矿业在发展中经历了人力矿山、机械矿山、数字矿山、感知矿山等不同业态，正朝着自动化、智能化和无人化迈进。中国煤炭工业协会 2016 年发布了煤炭工业“十三五”大数据建设指导意见。2018 年工业和信息化部将着重支持煤炭智能采掘装备研发和推广应用，在此基础上加强智能矿山大数据应用研究。

煤矿智能化建设，先从自动化、数字化建设起步，很多煤矿企业进行了大量的探索与长期的应用，大数据技术在这些煤矿企业的应用也有了开创性的进展。如，神东锦界智能矿山建设项目，榆林神华郭家湾煤矿智能矿山建设项目，神东区域煤矿智能集中控制系统建设，兖矿集团煤矿工业大数据发展应用，陕煤柠条塔煤矿利用大数据、物联网等技术，对煤矿安全生产全因素进行数据收集分析、实现风险预测预警，优化、改进了安全生产运营管理方式和综采、主运输、生产辅助等系统的运行管理以及全时空的岗位管理等，天地王坡煤矿数字化矿山建设项目等。这些项目为煤矿大数据技术发展应用起到了采集、积累数据的基础作用。

煤炭行业智能矿山工程研究中心在2017年9月成立，将为煤炭企业的自动化、信息化、数字化、智能化建设提供强有力的专业技术支撑。

总而言之，国外、国内都有各类院校、机构以及企业等开展了智能矿山大数据研究以及实践应用，已初见成效，但研究仍不够深入，未形成体系，成功的应用案例不够广泛。整体上处于初级阶段。

发展驱动因素和存在的问题分析

· 驱动因素

1) 煤矿企业拥有大量的生产设备运行监控数据、安全与环境监测数据、矿压监测数据等，其中包含着巨大的价值需要挖掘。例如，实现安全风险预警，灾害预测预报，实现各个生产系统间的协同，实现统一精准调度，优化生产排程，提高生产效率等。

2) 对于拥有巨量资产的矿山集团型企业，通过对大数据分析，可以从其对资产的监测、运维中获取的海量数据中，挖掘出增长资产价值和提供管理水平的知识发现，从而取得可观的经济效益。

3) 在实现煤炭产运销数据融合的基础上，利用大数据分析、挖掘，可实现精准、定制式生产，提高产运销个环节的协同能力，降低各环节之间的相互影响，减少损耗，降低成本。

4) 大数据将促进 GIS 技术、地质煤层、煤种( 煤质) 、铁路、公路、水路、港口、电厂以及天气预报数据在智能矿山中的应用，提高煤矿生产的精准计划性和煤种( 煤质) 的精准调配，实现利润最大化。

5) 通过智能矿山建设，可以实现煤矿企业全局级数据收集、汇聚，将大数据技术与业务深度融合，实现大众化的价值创造，达到数据驱动业务操作和决策支持，真正实现企业的数据化转型升级。

6) 利用智能矿山大数据分析，还可能为矿山企业探索新的价值创造点，形成新的增值业务 。
· 存在的问题分析

1) 未达成共识。矿山企业是典型的传统行业，其从业人员对大数据的基本概念以及大数据对智能矿山潜在的价值创造认识不够，甚至对其持怀疑态度，需要有显著的成功案例才能使其信服进而获得认同，达成共识。

2) 技术储备不足，人才缺乏。

3) 资金投入。
4) “信息孤岛、数据烟囱”。煤矿现有信息系统数据尚未打通，无法实现互操作，软硬件系统之间的技术差异和标准差异，也同样导致“信息孤岛、数据烟囱”问题，并且短时间内很难被彻底解决。

5) 架构的一致性。煤矿早期建设各业务信息系统大都没有统一规划、制定统一的架构标准。而重新设计，除了需要新建大数据应用平台外，还需改造或重建存量系统。

6) 数据获取。一方面煤矿企业获取数据受到硬件方面的限制，如，现有大量老旧设备存在，不具备数据采集能力。另一方面也受到原有的企业管理机制的限制，如煤矿运行管理各个不同的业务专业相对孤立，横向沟通协调较少，不愿打破原有惯性模式，造成数据共享的障碍。

7) 技术复杂。智能矿山大数据是煤矿安全生产运行技术、ICT 技术以及大数据挖掘与分析技术等的结合，其复杂性主要体现在跨学科、综合性、先进性等方面，这种复杂性也是智能矿山大数据发展的一大阻力。

8) 数据安全问题。矿山企业有些数据涉及到安全问题，使用范围受限，所以大数据应用还需要解决数据安全问题。

智能矿山大数据关键技术

作为大数据技术在煤矿领域的应用，智能矿山大数据技术的研究内容也主要集中在数据获取、数据结构、数据集成、数据分析、数据展示，而在应用领域主要是研究上述大数据技术与煤矿具体业务的融合实践。。
· 数据获取技术

实现对煤矿全业务、全过程、多维度、及时的感知，且能够使这种感知实现起来更容易、更广泛、更彻底，还需加强技术研究。

· 数据集成技术

在数据集成时，需要解决数据标准化的问题。才能真正消除“信息孤岛、数据烟囱”现象。所以数据标准化及治理将是影响智能矿山大数据的关键之一。

另外数据集成过程中，还需要构建大数据管理与分析应用平台。然后，通过应用标准化的成果，将各种数据源抽取、转换、加载到平台中，以提高数据质量。

同时，按照库表关联、语义关联、标签系统关联分析等方法，实现数据在逻辑上的融合。

数据集成必须有存储与处理平台。

智能矿山建设是一个系统工程，而且是持续发展的，但是，可以利用云计算技术实现分布式数据存储和处理，为智能矿山大数据应用提供保障，也能避免传统技术在集成多方面的数据，集中管控时，存在可靠性和可扩展性方面的局限。

· 数据分析应用技术

数据在智能矿山中的应用主要从大数据分析和数据解析 2 个方面展开。
1) 大数据分析与挖掘。从本质上讲，数据分析与数据挖掘均是为了从已有的数据中提取有价值的信息，发现新知识，而研究、概括、总结数据的过程。

2) 大数据的数据解析。为让业务人员能够很好地理解并应用，分析人员还需将分析过程和结果用业务的语言和视角，通俗地展现给业务人员。这一过程被称为大数据的数据解析，可以看作是一种特殊的大数据分析法。

在智能矿山的安全生产运营过程中，可能存在着一些有一般性的经验甚至是规律，尚未或无法被提炼成理论性的观点或知识并展现出来。但运用数据挖掘技术从智能矿山大数据中，挖掘提取出蕴藏在日常工作惯例或经验中的一般规律，这样，安全生产管理者可以从中获得更多有利于提高安全生产管理水平的新认识。

同样，在智能矿山优化生产排程方面，通过过程挖掘，即挖掘业务处理与事件数据之间联系，发现其中有价值的联系，并加以运用，从而实现智能矿山的精准生产。

智能矿山大数据应用工程案例

神东煤炭集团在建设智能矿山大数据方面基本上历经自动化、信息化、数字化以及智能化的路径，积累了丰富的建设经验，基于统一规划设计架构(图 2) 。在建成神东锦界数字矿山并在神东其他煤矿推广部分应用的基础之上，从2012年开始与德国鲁尔工业区的 PSI 公司合作，重点对设备环境物联网数据(机器数据)研究开发了亿吨级的区域煤矿大数据采集、存储、控制、分析、展示平台。

区域煤矿集中智能控制系统( LCS) 是针对底层设备环境物联网数据(机器数据) 为主要数据源的系统。重点解决了设备层数据采集存在的通信协议标准不统一问题，将42家厂商的6000多种设备，15个子系统都改造为具备神东企业标准的EtherNet/IP协议，通过生产专网传输到地面系统，然后转换为OPC协议，统一接入到平台，实现了数据的采集、整合、集成、控制、管理、分析、展示、应用服务等功能。实现了神东5矿6井的数据采集，接入点超过15万个。在建设过程中完成了数据标准化工作，实现了所有接入设备、自动控制系统之间的数据互联互通，同时能为上层应用提供 API 等标准接口。

图 2 神东智能矿山大数据平台设计架构
Fig．2 Designed architecture of Shendong intelligent mine big data platform

基于该系统的数据服务也被大量使用，各种大范围通用的以及小范围个性化的各种数据应用逐步开展。目前已有通用报表50多套，各业务场景、甚至岗位个性化的预测分析、关联分析、预警、画像、指标评价等应用逐渐增加。

例如，利用数据进行各矿井设备能效分析，对标考核，提升能效; 利用多维历史数据预测安全生产能力; 利用环境监测数据分析进行灾害风险预警; 关联分析同一设备不同部件的数据、不同设备的同一部件数据以及不同设备的不同部件数据，可以发现一些新知识; 设备历史数据与标准值比对可以帮助岗位设备操作工和检修工更加精准地了解设备动态性能，指导操作与检修，避免带病运行和不当操作，避免过度检修和欠检修，从而实现提高设备开机率的目的等。

神东集团在进行智能矿山大数据建设过程中，当前的系统、平台还在逐步扩展、完善中。

结 论

1) 大数据技术将在矿山行业得到大量发展应用，成为一个重要的应用领域之一。随着智能矿山建设的不断推进，矿山企业采集并积累了巨量的监测数据，为大数据技术提供了基础信息。

2) 国内外智能矿山大数据研究和工程应用都在向前推进，但均处于探索阶段。

3) 数据获取技术、数据集成与融合技术以及数据分析应用技术将是当前智能矿山大数据的关键技术。在当前数据集成与融合技术之上，充分利用大数据的多源异构性、相关性、冗余性等特征，研究智能矿山大数据的采集获取技术、集成与融合技术，解决大数据获取时存在的全面性和一致性方面的问题。在数据获取与集成后，需针对各种不同的应用进行数据的处理、管理，然后选择适宜的数据分析、展示方法，以便实现最大程度的价值创造。
4) 智能矿山大数据的应用将从矿山安全管理、生产执行、经营管理等领域重点开展。如神东等大型煤炭集团在这些领域做了大量研究和探索。另外，数据也可以向上进一步汇集，在更广泛的领域得以应用。

煤机网整理