智能化在澳洲某地下礦山的應用

劉曉亮，鄢德波

(1.五礦有色金屬股份有限公司， 北京 100044；2.長沙礦山研究院有限責任公司， 湖南 長沙 410012)

智能化的含義很廣，涵蓋了許多先進技術的戰略規劃，實現過程較為多樣。自 1990年代開始，智能化就在礦業領域開展了研究和應用，依托高速發展的信息技術等智能手段，近些年來已經取得了較好的實際應用成效。

礦山生產環節較多，各環節間相互關聯。合理安排生產，及時識別問題并針對性地采取有效措施，對礦山高效生產非常重要。尤其對于礦石開采環節，不僅需要考慮人員、設備的調用，還要考慮各流程間的相互影響；不僅需要考慮到采出礦石的量和品質，還要考慮到開采與掘進之間的平衡關系[1-3]。通過智能化能夠較為高效地從不同角度來解譯信息、輔助生產決策，本文以澳洲某礦山為例探討智能化的應用及效果。

1 國際發展現狀

礦山智能化是礦山發展的較高級階段，是機械化、自動化、信息化等“三化”全面普及和高度發展后的產物。針對不同的應用場景、不同的目標需求、不同的發展階段，礦山智能化的表現形式較為多樣，有基于自動化設備的、基于信息技術的、基于數據挖掘的等。

力拓自2008年開始在皮爾巴拉（Pilbara）地區實施“未來礦山”計劃，將其位于該地區的 16個鐵礦、4個港口、1700 km鐵路網和相關設施整合成皮爾巴拉運營，并將集成運營中心設置在千里之外的城市珀斯[4]。至 2018年底共完成總量的 30%以上的卡車自動化改造，也完成了鐵路系統的自動駕駛改造。2016年的實際生產數據表明，改造后，每輛卡車平均增加工作時間1000 h，運輸成本降低15%[5]。預計在2021年，該項計劃將為公司增加50億美元的凈現金流，且其后每年也將額外提供5億美元凈現金流。

同為礦業巨頭的必和必拓，也在其旗下礦業資產中大力推廣智能化，如使用專家系統來規劃和跟蹤鐵礦石在礦山和港口之間的運輸；利用大數據挖掘技術，提升多因素決策能力，不斷提升鐵路運輸系統的表現，減少了物流的擁堵問題，增加了運輸量；使用即時追蹤技術，提升了采出礦石品位，并降低了動力和水的消耗；實施精密開采計劃，通過在大型設備上安裝傳感器，以迅速和準確地分析銅品位，最大化其位于智利的Escondida礦的產量，延長礦山服務年限[6]。

得益于優質的資源稟賦，力拓和必和必拓已經在礦山智能化方面有了廣泛的應用，并取得了較好的收益。相對于露天礦山，地下礦山由于條件限制，實現智能化稍具挑戰。

2 礦山概況

澳洲某礦山位于澳大利亞昆士蘭州西北部牧場區，位于知名礦業城市Mount Isa市東北約85 km，距離Cloncurry鎮約65 km，距離港口城市Townsville約700 km。

該礦山采用地下開采，斜坡道開拓，無軌化生產，原礦產量175萬t/a～200萬t/a。礦體厚度2 m～20 m，傾角75°左右，主要采用SLOS法開采，全尾砂膏體膠結充填。

由于遠離城市，該礦山主要采用FIFO（Fly In Fly Out，飛進飛出）的通勤方式，即乘坐飛機往返居住城市和礦山。采用連續生產模式，每天分2班，每班12 h，工作2周休息1周。

3 智能化應用情況

現代礦業的商業化程度較高，依托發達的交通體系，飛進飛出模式能夠大幅降低偏遠地區礦山的建設投入。由于礦山須連續生產，該模式下除了要考慮日夜輪班外，還需要考慮周間輪班，需一定的人員冗余量。為實現連續生產，該礦山采用日夜加周間的倒班安排，即工人在完成一周夜班和一周白班后，須按規定乘坐飛機返回居住城市休息一周，期間由第三班補上。該模式下的人員需求較多，不同班次之間的溝通效果較差，通勤成本較高。

對位于偏遠地區的礦山來說，通過機械化、自動化、智能化手段來優化人員和資源配置，能更好實現降本增效，提升礦山競爭力。

3.1 機械化

該礦山地下開采實現了全面的無軌機械化：通勤采用礦用皮卡，提升運輸采用60 t井下卡車，裝載采用8 m3鏟運機，巷道掘進采用雙臂鑿巖臺車，生產采用潛孔鑿巖臺車，其他輔助設備包括裝藥臺車、服務臺車、灑水車等。

井下卡車帶稱重裝置，中控屏幕上能顯示出卡車的負載重量，經現場實際驗證，3個月使用后精度能控制在±0.1 t。

鏟運機配備遙控裝置，具備人工駕駛、視距遙控和超視距遙控3種操控模式；可配置自動巡航模塊，只需在裝礦或者卸礦的時候進行人工干預，運輸過程中可完全實現自動巡航。有效運距內，一個工人可同時操作3臺鏟運機。部分鏟運機上安裝有自稱重模塊，鏟臂上舉到特定高度和角度可實現準確稱重。

潛孔鑿巖臺車配有自動鉆孔模塊，通過網絡或者移動存儲介質將鉆孔設計參數輸入臺車后，臺車可自行鉆鑿并自動處理卡鉆等小故障。

3.2 信息化

3.2.1 設計三維化

如澳洲其他礦山一樣，該礦山的地質模型精度較高，為三維化設計創造了良好的基礎。

地質專業通過對勘探鉆孔編錄后，主要生成 2個模型：地質模型（主要顯示礦體的形態和構造等信息）和塊體模型（主要顯示出礦體的資源品位和價值等信息）。以這 2個模型為基礎，綜合工程地質要求和礦塊設計參數等約束信息，通過 MSO（Minable Shape Optimizer）程序生成符合條件的礦塊布置。具備了上述信息后，三維化設計成果便達到了精度要求。

礦山規劃工程師（Mine Planning Engineer）基于上述模型完成礦山整體設計。通風工程師將礦山設計模型導入Ventsim軟件進行通風網絡結算，生產工程師在三維采場模型上進行鑿巖爆破設計，測量人員根據中心線生成測量備忘錄（Survey Memo）交付工人施工，完成的工程通過 CMS形成三維模型后錄入設計中去。所有工作以三維為基礎，從設計到實施形成閉環管理。

3.2.2 計劃精細化

精細的礦山計劃是安全、合理、高效生產的基礎。礦山計劃按階段分為：生命周期計劃、一年期計劃、季度計劃、13周滾動計劃、周計劃和日計劃。合理的長周期計劃是生產平衡的保障，合理的短周期計劃是生產效率的保障，各階段之間的無縫銜接與及時同步非常重要。

排產軟件與設計軟件可以實時同步：更改了生產計劃，三維設計里的相應特性會隨之更改；更改了三維設計后，生產計劃里的信息也會同步調整。

在設置好工作的優先級和優先模式后，排產軟件可以自動生成礦山生產計劃。在預設好設備臺班效率、人工效率、材料消耗等信息后，軟件可以根據排產結果生成預算報表等。借助排產軟件，礦山生產計劃和預算可以精確到每天。

3.2.3 礦山信息化

礦山信息化體現在2個方面，工作模式的信息化和生產活動的信息化。

（1）工作模式信息化。礦山配置了設計文件服務器，可以實現多人協作和版本控制[7]，設計人員可通過互聯網隨時訪問設計文件，修改后執行登記操作即可更新設計，發現問題時可隨時恢復到之前的設計。礦山還配置了局域網文件服務器，供不同專業間交換較大的文件和歸檔工作。

（2）生產活動信息化。工人通過車載通訊裝置及時向地表控制室匯報自己的工作信息，包括設備載重、鉆孔米數、地點等；控制室將匯報的信息錄入信息收集系統，以“元信息”的形式存入關系數據庫；工程師在辦公室通過工作界面可以生成預設好格式的報表，也可以通過使用聯機分析處理（OLAP）技術來調用生產數據[8]，通過使用商業智能軟件（Business Intelligence）生成動態報表，從不同角度展示生產數據。

3.2.4 礦山智能化

礦山智能化可分為設備智能化和決策智能化。

（1）設備智能化。該礦山實施了一個智能研發項目，旨在通過機器學習實現出礦品位的自動判斷。品位判斷技術的核心是圖像識別，通過安裝在鏟運機上的高清攝像頭來識別礦堆中的高品位區域，隨后設備按要求將不同品位的礦石運至指定儲礦點。

（2）決策智能化。這主要是依賴于該礦和所在公司強大的信息系統。除了上文所講到的礦山生產活動信息化外，礦山的其他領域也實現了數據化。如選礦，通過設置在各個環節的傳感器，將生產過程中的數據詳細地記錄到其信息化平臺中；如物流運輸，礦山配置了專門的物流管理平臺來記錄產品的運輸過程；如倉儲管理，礦山引入了現代化倉儲系統，通過二維碼、射頻卡等措施追蹤備品備件、原輔材料的消耗；如油料供應，礦山引入了油料計量設備來跟蹤消耗。

所有的生產相關指標最終匯入SAP系統，與財務、風控、管理等數據實現集成，為智能化打通了最后一環。這些信息記錄平臺本身具備一定的數據分析能力，但其仍主要側重在生成企業報表。該礦研發了一款數據挖掘和動態報表平臺，可以通過軟件自帶的查詢功能從不同的數據源獲取信息來實現數據集成，再通過 M 和 DAX（Data Analysis Expressions）語言對數據進行處理，最后通過動態化的圖形進行交互展示。當用戶點擊某個項目或者某個圖表時，其他與之數據相關聯的圖形都會進行篩選顯示，大大提高了數據的可讀性，為挖掘數據關系，實現智能化決策創造了條件。

4 問題與不足

礦山的智能化還處在發展階段，智能化設備、智能化決策等在實際生產過程中仍然存在較多不足。

（1）設備糾錯能力較弱。如深孔鑿巖設備，雖然可以按照設計文件自行鑿巖，但由于算法仍不完善等原因，自糾錯能力較弱。如面臨卡鉆等問題時，設備需要花費大量時間或必須通過人工干預來解決，影響作業效率。

（2）圖形分析難度較大。通過機器學習來判斷礦石品位需要較為清晰的礦石圖像，但因光照不足、塵土干擾等原因，較難獲取清晰、真實的礦石圖像，影響了礦石品位分析、識別的實際操作效率。

（3）數據收集仍需完善。礦山已具備完善的數據收集系統，能夠將生產中的數據盡量單元化存儲，作為智能化分析的基礎。數據收集工作所涉及的環節、人員較多，收集過程中難免出現瑕疵數據，導致智能分析結果受到影響。

5 智能化探討

智能是認知、思考、判斷的能力。神經網絡技術、大數據技術、云計算技術是實現智能化的必要條件。大數據技術可以為智能化提供充足的信息儲備，神經網絡技術可以實現關聯信息的深度挖掘，云計算技術可以解決運算力不足等硬件限制。礦山智能化可以理解為：利用現代數據倉儲技術、即時在線分析技術、數據挖掘和展現技術，等對礦山實時生產數據進行收集，通過人工智能技術進行數據挖掘，揭示出隱含的、未遇見的、潛在的價值信息，為礦山生產調度、風險識別、問題診斷、生產優化等多個方面提供即時支持。