满地宝 便携式钻机

    近年来，国内矿山企业对降本提效的重视程度不断提高，导致对矿山业务数据（例如矿山地质建模、矿用三维激光扫描、采空区调查、自动化采矿设备及过程数据）的业务需求呈井喷式涌现。

    由此我们强烈预感到：矿业领域将要迎来矿山全维数据采集以及大数据应用系统建设等两方面的爆发式发展，“矿业大数据”将是矿业界下一波争相挖掘的金山银山。

    黄仁宇是美籍华人历史学教授，他在著名的《万历十五年》一书中提到“数目字管理”概念，其实就是今天所说的“基于数据统计的管理”。黄教授提到，明代官员们不注重数据，加之那时朝廷与地方之间的数据交流不多，导致朝廷在制定政策时无法顾及地方需求，所出台的政策无法施行。黄教授反复强调，“倘若能实现数目字上的管理，中国就有希望了”。

    曾经担任美国国防部长的罗伯特·麦克纳马拉，是哈佛商学院高材生。他在二次大战时曾经受雇于五角大楼，负责制定空军作战计划。那时，他运用数据统计方法，评估和改进轰炸机的使用效率，获得极大成功，成为数据科学在军事方面的典范性运用，至今被各国军事专家所称道。

    ——老美的很多新科技研究都是发端于军事需求。

    我国安全部门经常破获“日本间谍案”。这些被抓获的日本男女或为日本人干活的“中国汉奸”，扛着全站仪，挂着望远镜，“迎着朝阳出发，披着晚霞凯旋”，俨然是“光荣的地质队员”。他们是接受日本有关机构或企业的资助，在我国土地上搜集数据的。与抗日战争爆发前后来到中国惹是生非的日本浪人相对应，现在抓住的日本间谍更像是“数据浪人”。

    鞍钢矿业集团公司创立的“五品联动”矿冶工程管理模式，就是矿业大数据的一次成功应用。其宗旨是以实现经济和社会整体效益最大化为目标，打破采、选、冶等系统分割优化定式，建立“品位-成本边际指数”和“品位-效益活跃指数”，将勘查工程、采矿工程、配矿工程、选矿工程、冶炼工程集成构建为一个协同联动的矿业大数据系统。统筹分析、动态优化地质品位、采出品位、入选品位、精矿品位、入炉品位，建立“大区域开采、网络化配矿、差异化分选”工程组织方式，攻克了贫赤铁矿规模化采选这一世界性工程技术难题，目前已在国内外10余个铁矿山推广应用，经济和社会效益非常显著。

    ——鞍钢矿业集团公司在矿业大数据应用方面取得的成就，拿到国际上也是响当当的。

    准确、及时的大数据分析可以帮助加快从预可行性到可行性研究、一直到设计阶段的速度，减少这个过程中关键性失误的发生。

    有很多新的矿山基建和改扩建项目都面临着成本失控问题，可说是矿业 “顽症”。这个问题之所以不断困扰我们，很大一部分原因是初始数据不准确，或者可用数据太少，以至于制订建设投资计划时可靠的信息不足。这里所说的信息，不仅是地质数据，而且包括当地劳动力成本、设备要求、基础设施投资信息，甚至还包括当地劳资关系、法律等许多方面的人文数据信息。

    例如，中信泰富澳洲铁矿项目遇到重大挫折，主要原因就是地质勘探数据不足且不准确、对当地法律环境信息了解不足等。

    系统、人员和设备的准备就绪程度是保证项目实施顺利进行的关键。项目一旦启动,就会给企业带来重大影响。掌握承包商的实际建设能力对于准确计算投资回报是重要的。掌握供应商和现有资产运营能力的信息可以帮助准确地评估矿山生产能力，更准确地估算净现值。

    指挥调度中心与现场的双向实时信息数据的有效沟通，对于提高效率、降低成本、安全生产的作用极大。

    例如，跟踪记录运矿卡车每天的运输路线，就会发现，某一个运输路线在某一天的生产效率最高（燃料消耗最少，轮胎磨损最小，运输量最大，所用时间最短），而其它日期由于生产作业调度计划的改变，卸矿点的变化，或任何其他因素的变化，对生产效率产生了影响。有时同一个班次中生产效率都有可能产生变化。这些实时生产数据如果只是像过去那样每月才分析一次，那么很多有用信息将被忽略，甚至在分析时就已经过时了。但是如果能够做到现场快速分析，就可以发现提高生产效率的办法并马上采用。

    对于矿山项目来说至关重要。在过去矿业繁荣时期，矿山企业的注意力都集中在提高生产效率方面，重视资本支出，以至于忽视了资产设施管理等重要问题。

    然而，值此矿业不景气之时，业界开始重视资产全生命周期信息管理在降低运营成本中的作用，并开始在这方面进行投入。资产管理人员如果能够清楚地掌握设备可靠性、可用性、生产能力和全生命周期成本，而不仅仅是简单的一次性使用成本和生产能力，则会大大节省矿山全生命周期费用。因此，对矿山资产进行摸底性调查和数据采集工作，建立虚拟化全维数据模型，并进行全生命周期管理，将会极大降低矿山生产平均成本，从而起到增加生产利润空间的作用。

    自动化采矿、无人采矿不再是梦想。现在，有些矿山企业的某些生产环节的自动化项目已经进行一些时间了，可以更容易地在自动化设备或过程中进行数据自动采集，采用成功的智能工具分析企业的关键数据。通过分析矿石产量、生产效率、能力、维修间隔时间或其他海量数据，可以发现设备运行过程中的问题，并及时解决，可以大大节约成本、提高生产力。

    6.职业培训、健康和安全分析

    矿山生产数据还可以用于职业培训、健康和安全分析，用于找出问题环节，甚至可以追溯到安全事故的具体责任人。由此可以通过职业培训和关键技能拓展提高雇员素质，还可以找到生产现场的不安全因素，并通过严格执法和适当的安全培训，把不安全因素降到最低。

    过去由于企业内部信息不透明，知识复用率很低。由于企业内部没有互联互通的数据库和知识库，在某一个作业地点所发现的重要的节省成本的秘诀不为其他地点所知晓。但是，如果实施大数据分析策略，那么企业数据整合系统将会使数据在企业内部自由流通，因此每一个人最终就会从其他人的“发现”或失误中获得教益。

    此外，业主和承包商、设备制造商之间的数据外部互通共享也很重要。谁是数据的拥有者，谁是数据的使用者，这是大数据应用首先要搞清楚的问题，然后设法实现数据流通。现实情况往往是，数据拥有者和数据使用者之间的沟通机制缺如。例如，矿业公司一般掌握运矿卡车的油料消耗数据。如果矿业公司通过信息管理系统授权油料公司或油料管理软件公司使用这些数据提供咨询服务，那么就会帮助矿业公司找到节省油料的合理措施。大数据的业界各方采取开放的心态，和企业内外各方充分合作，那么大家都会从大数据分析中受益。

    矿山企业的采购量巨大，可以节约的空间也很大。上规模的矿业公司往往拥有地理分布很广的下属基层作业地点；每一个地方的任一种供应物品，往往都有很多可用的供货商供选择。这里涉及到的浪费以及采购经手人的权力寻租空间太大了。由于商业关系、技术特点、货源本地化、信息不通等原因，矿业公司往往在不同的作业地点使用不同的供货商，采购价格千差万别，质量变数也很大。

    由于矿业公司在大宗物品采购上没有和供货市场大数据进行有效连接，无法对各个基层单位进行合理的合同谈判管理，致使采购费用高企。有些集团企业开始注意到了这个问题，着手对公司采购建立有效的大数据管理，极大地节约了采购费用。

    以上就是“矿业大数据”的八个接地气应用。

    实际上矿业大数据应用远不止于这八个方面。在此挂一漏万，在所难免。笔者主要目的是抛砖引玉。矿业大数据在提高生产力、节约成本、改进效率、减少浪费方面具有巨大的潜力，需要大家进一步的探索。期盼广大矿业同仁行动起来，共同掘金“矿业大数据”。

（文/ 中国矿业信息化协同创新中心 孟丹）

满地宝 便携式钻机