工业大数据漫谈14：煤矿与非煤矿矿山如何应用大数据

在工业领域，煤矿与非煤矿山属于相对特殊的行业，不是我们传统意义上的工厂模式，而是一种资源开采模式。矿山行业因为其生产的特殊性，因此在工业大数据的应用上，也呈现出了与制造型工业完全不同的特点。

与制造型工业相比较，矿山行业最大的区别在于产品质量无法通过生产工艺的改进而提高（煤炭深加工等不是我们今天探讨的范畴），海尔冰箱可以升级各种功能，格力空调可以提出各种不同的设计理念，还可以推出高端品牌等等。而煤矿的产品就是煤炭，而且对于具体的煤矿来说，煤的各种参数也是一定的，不会因为采掘的技术不同而改变煤炭的质量。非煤矿山也是类似的情况，因此，煤矿的利润主要来自于降低生产成本，而非提高产品质量或者推出附加的服务。

基于煤矿和非煤矿山的特殊性，工业大数据的一些常见的模式就不太适用了，例如，我们经常提到在工业4.0时代，服务型制造会成为制造业的主流模式。最典型的，我们最常见的比如苹果公司，在iPhone制造销售后，它会依托庞大的手机用户群，不断开发各种增值服务。创造远高于制造的利润。全球制造业的发展也确实呈现出制造业服务化的趋势，制造业的价值分布从制造环节向服务环节转移，通过对销售出去的产品进行数据采集，基于数据分析创新生产组织形式、运营管理方式和商业，延伸增值服务链条，服务产生的利润占比会越来越高。

这种服务型的大数据应用对于煤矿和非煤矿山来说，是很难的，我们很难想象给煤炭或者铁矿石加上传感器进行数据采集。所以大数据在煤矿和非煤矿山的应用还是以生产和管理为主。对于矿山来说，最典型的还是两类，一类是通过大数据应用提高企业的安全水平，一类是通过大数据应用提升企业的生产效率，从而降低成本，提升利润。

在提升安全方面，我国矿山近几年的安全形势已经大为好转，但安全事故仍然时有发生，安全，一直会是企业最关注的层面。依靠传统的信息化手段解决安全问题我们国家已经做了大量的工作，随着六大系统（人员定位、环境监测、压风自救、供水施救、紧急避险、有线及无线通讯）在全国矿山的全面推广及应用，传统的安全手段已经非常完善了。但是，这些所有的信息仍然是孤立的，各个子系统之间并没有形成联动机制，数据和数据也是互相没有任何关系，对于深层次的安全问题，仍然没有得到有效地控制。

针对这种情况，企业应该在建设六大系统的基础上，进一步建设安全大数据平台，把所有的信息打通，通过多维度建立数据之间的关系，把原先分散在各个系统之中的人员、环境、设备信息关联起来，从而提前发现安全隐患，从发生问题报警提升为系统自主发现问题预警，真正建设零安全事故的本安型矿井。

在提升生产效率方面，现在的大型矿山基本实现了综采作业，很多矿井还建设了无人值守工作面，实现了全自动化采矿。但是，一方面，企业发展水平参差不齐，另一方面，大型设备维护保养费用高昂，越是自动化程度高的设备，其可靠性往往也越差，如何提高设备的开机率，从而保障生产的顺利进行，是目前矿山行业面临的主要问题。

我们如果想建立设备的大数据库，需要采集七大类信息，第一类是设备运行的状态参数，例如震动、温度等等，第二类是设备运行的工况数据，包括转速、负载等等，第三类是设备使用过程中的环境参数，如湿度、瓦斯浓度等，第四类是设备的维护保养记录，包括维护、维修、保养等信息，第五类是设备的指标类数据，比如能耗、精度等，第六类是设备的基础信息，例如生产商、价格等，最后是外部信息，例如其他同类设备的相关数据。我们需要尽可能的采集所有相关的数据，才有可能打破信息孤岛，消除数据分析的不确定性。

通过建立设备的大数据模型，就能够有效的对设备进行数据分析，从而尽早发现设备隐患，提出维修保养的策略，保障设备的正常运转。

提升生产效率除了设备层面，就是管理层面，如何实现减员增效，如何提升员工的工作效率，如何将传统的ERP、MIS等系统和大数据技术结合，这些内容有时间我们再详细探讨。

总之，煤矿与非煤矿山在大数据应用上，要结合自身的行业特点，选择适合自己的大数据技术，而不是盲目跟风，浪费资源。