流程工业选矿过程智能优化制造发展战略

流程工业选矿过程智能优化制造发展战略

流程工业选矿过程智能优化制造发展战略

孙传尧1、2周俊武1、2、3

北京矿冶科技集团有限公司

矿物加工科学与技术国家重点实验室

矿冶过程自动控制技术国家重点实验室

摘要

分析了实施选矿过程智能优化制造必要性和可行性，提出了选矿过程智能优化制造总体架构和建设路径，阐述了大数据和新一代人工智能技术在选矿智能优化制造中的应用方向，明确了选矿过程智能优化制造发展愿景、目标和重点研究任务，给出了政策建议。

关键词

选矿智能优化制造战略

Smart and optimal manufacturing development strategy for

mineral processing industry

SUN Chuanyao1,2, ZHOU Junwu1,2,3

(1. BGRIMM Technology Group, Beijing 100160, China; 2. State Key Laboratory of

Mineral Processing Science and Technology, Beijing 102628, China; 3. State Key

Laboratory of Process Automation in Mining & Metallurgy, Beijing 102628, China) Abstract：In this paper, the necessity and feasibility of smart and optimal manufacturing in mineral processing practice was analyzed. The overall architecture and construction paths of smart and optimal manufacturing in mineral processing was proposed. The application of the big data and the new generation artificial intelligence technology in smart and optimal manufacturing in mineral processing was described.

The development vision, goals and key research tasks of smart and optimal manufacturing in mineral processing was put forward, and some policy suggestions were given at last.

Key words：Mineral processing; Smart and optimal manufacturing; Development strategy

引言

随着全球经济结构深度调整，我国制造业面临发达国家和发展中国家“前后夹击”的

双重挑战。全面推进实施制造强国战略，加快大数据、云计算、物联网应用，以新技术新业态新模式，推动传统行业生产、管理和营销模式变革，是我国制造业的首要任务[1]~[4]。

作为传统行业，我国选矿过程智能制造面临着缺乏顶层设计、缺乏统一数据标准、装备智能化水平不足等一系列的问题，在选矿行业转型升级对新技术的迫

切需求与大数据、云服务和新一代人工智能发展趋势的双重驱动下，实施“选矿过程智能优化制造”具有重大意义。

1. 我国选矿自动化、信息化现状

我国矿产资源禀赋差，更加需要高效的选矿生产过程，同时，行业高速发展对规模化、集约化生产提出更高要求。绿色矿山是生态文明建设的关键环节，智能化技术是绿色矿山建设的重要技术支撑。

我国具有国际一流的选矿工艺技术，主体装备也达到或超过国际同行，但生产过程自动化、信息化、智能化技术与发达国家相比起步晚、差距大，成为选矿行业最主要的短板之一，导致资源综合回收利用率和生产率低，同时，阻碍了选矿行业参与国际竞争。

我国选矿自动化、信息化面临的主要问题：1）选矿生产原矿性质复杂、多变，不可控，但其产品必须达到相关标准方可出厂；2）选矿生产既有流程工业连续性，又具有离散和间歇作业特征，过程机理复杂、具有多变量、非线性、大滞后和强耦合等特性；3）国内外没有任何两个选矿厂的原矿、工艺流程和装备完全相同，企业管理水平、装备可靠性、生产运维人力资源状况参差不齐。

选矿过程智能优化制造是以矿山企业全局及选矿厂生产经营全过程的高效化与绿色化为目标，以选矿生产工艺智能优化和选矿生产全流程整体智能优化为特征的制造模式。

实施选矿过程智能优化制造可推动矿山企业生产方式和管控模式的变革，使企业实现优化工艺流程，降低生产成本，促进劳动效率和生产效益的提升。通过推广智能优化制造技术在选矿行业的应用，推动产业链在地质、采矿、选矿、冶炼等环节的数据共享与协同，为进一步提高产业链协作效率打下基础。选矿过程智能优化制造可促进企业从生产型组织向服务型组织的转变，通过运用物联网、大数据、云计算等智能制造关键技术，不断催生远程运维、智能云服务等新的商业模式和服务形态，全面提升企业创新能力和服务能力。选矿过程智能优化制造可实现信息共享，整合企业间优势资源，在产业链各环节实施协同创新，推动制造资源和制造能力的优化配置，以提高劳动生产率、提升产品质量[5]。

中国有色金属和黑色金属矿以及煤炭的选矿技术达国际先进水平，部分技术居国际领先。选矿装备大型化发展迅速，可靠性进一步增强，选矿装备及其配套设备的智能化不断发展，已达到较高水平。选矿过程检测仪表日趋完备，执行机构可靠性增加，装备智能化水平提高，基础自动化数据与经验积累选矿过程建模仿真及优化控制技术进步。选矿过程模拟仿真技术日趋完善，选矿过程优化控制技术应用卓有成效。现代企业信息化技术与选矿生产管理深度融合，行业对选矿

过程自动化的理念逐步认同。智能制造相关技术已经起步，工业物联网技术成为支撑各行业智能制造的使能技术，云服务及计算平台技术的进展为构建具有智能高效数据处理与云计算能力的选矿过程智能制造云平台奠定了基础，大数据分析技术的进展为实现选矿智能制造提供了前提与保障，新一代人工智能基础研究和应用技术研发已经启动。上述条件为开展选矿过程智能优化制造研究提供了很好的技术基础，现阶段启动相关关键技术研究和智能选矿厂建设技术上是可行的。

2. 选矿过程智能优化制造总体架构及建设路径

针对选矿智能优化制造的特点及技术需求分析，笔者提出选矿过程智能制造功能架构如图1所示。

图1选矿过程智能制造功能架构

Fig.1 Function structure of smart and optimal manufacturing in mineral processing

选矿过程智能制造功能架构主要分四个层次：首先是数据层。建立矿山数据中心，采集包括矿产资源、采选生产、能源、安全、环保、水资源等各类相关数据，积累形成丰富的选矿制造数据库，奠定智能优化制造的数据基础。第二层是监控层。通过实现设备的智能运维和生产的智能操作，达到减少人员，提高劳动效率的目的。同时，尽可能减少生产、运维过程数据获取时人的参与，提升数据质量和完整性，为选矿过程制造数据挖掘奠定良好基础。第三层为生产层。融合新一代人工智能技术，实现破碎、磨矿、浮选、浓缩脱水等过程及选矿生产全流程的智能控制，优化选矿生产技术指标。第四层为决策层。通过采选协同及优化配矿的智能决策过程，优化选矿生产经济指标。

“数据中心”是“智能选矿厂”建设和运行的重要基础。建设“数据中心”、实现矿山业务数据的高效集成和管控是“智能选矿厂”建设的前提。在此基础上，

第一步以提高作业效率、“无人化”和“少人化”为目标，实施选矿生产过程智能操作与智能运维，减少过程人为因素干扰，提升选矿生产大数据质量；第二步以提升“作业品质”为目标，实施选矿生产过程智能优化，改善生产技术指标，获得技术红利；第三步以提升企业综合经济效益为目标，实施采选智能协同，提高企业科学决策能力。

“虚拟选矿厂”是创造企业柔性效益的平台，它不仅是实体选矿厂的数字复制品，更是引导实体选矿厂生产优化、高效的大脑，是实体选矿厂再生产的基因。通过交互式遨游、远程操作、资产运维、培训指导等方式，进一步增强选矿生产管控和风险防控能力，形成人才、技术和创新的孵化能力与实践能力。

基于上述功能架构，笔者提出选矿过程智能优化制造的建设路径如图2所示，包含四个层次：

第一层次为选矿厂数据采集平台与选矿数据中心建设。通过建设工业物联网络框架，实现矿产资源、选矿生产、能源、安全、环保等数据的集成，保证选矿厂数据的完整性。

第二层次为智能操作选矿厂建设。建设装备远程智能监控和预测性维护系统，提高装备运转率；建设选矿全流程智能化操作系统，形成专家规则控制，实现少人无人操作调控，稳定工艺流程，优化操作岗位，提升选矿工业大数据的质量和价值。

第三层次为虚拟选矿厂建设。依照人-信息-物理系统（HCPS）的理念，通过虚拟选矿厂平行模拟实际选矿生产过程，实现数据的透明化和部分数据的软测量功能，并通过超

实时仿真功能对选矿全流程生产进行快速决策，引导实际选矿厂快速响应，实现全流程智能优化控制和选矿厂技术指标优化。

第四层次为协同云服务平台建设。通过对全矿及全行业海量历史数据进行大数据分析，挖掘长周期数据的价值，实现选矿厂资产监管优化、全流程及采选协同和综合经济指标优化

图2 选矿过程智能制造建设路径

Fig.2 Construction paths of smart and optimal manufacturing in mineral processing

智能选矿厂由专家、选矿流程数据与知识系统、运行状态智能感知与认知系统、选矿流程智能决策系统、虚拟选矿厂及选矿工业软件平台构成。其技术架构如图3所示。

图3 智能选矿厂实施技术架构

Fig.3 Technical architecture of the intelligent mineral processing plant 智能选矿厂涉及的关键技术：1）选矿流程运行状态智能感知与认知技术。人的部分感知、认知功能向信息系统迁移，进而通过信息系统来控制物理系统，代替人类完成更多的脑力、体力劳动[6]，实现选矿过程从传统的“人-物理系统”向“人-信息-物理系统”（HCPS）的演变。2）选矿流程智能操作与运维技术。将人的知识深度融合于系统，赋予系统自感知、自学习的能力，并辅助、替代人进行操作、决策，在此基础上产生新的知识，进一步促进人对过程、系统的深入认识，赋予系统自决策和自执行能力，由此实现选矿过程智能优化操作与运维。3）虚拟选矿厂设计与实现技术。虚拟选矿厂的作用在于依照人-信息-物理系统的理念，实现信息系统和物理系统的完美映射和深度融合。4）采选冶过程智能协同技术。通过自动获取选矿产品需求变化、矿物原料资源属性方面的数据和信息，根据市场状况及企业自身资源条件，对全流程生产运营进行自适应优化决策。通

过云协同平台，实现采、选、冶生产计划、产品计划、生产调度和检修计划等信息共享，应用基于知识约简的大规模协同优化决策，使采、选、冶生产达到产业链智能协同。

5）选矿工业软件及平台技术。

3. 大数据与人工智能技术的应用

智能制造技术是制造技术、自动化技术、系统工程与人工智能等学科互相渗透、互相交织而形成的一门综合技术。新一代人工智能，是建立在大数据基础上的，受脑科学启发的类脑智能机理综合起来的理论、技术、方法形成的智能系统[7]。笔者依据选矿过程智能优化控制现状及需求，结合大数据、人工智能方法的特点，探索选矿过程智能控制中大数据、人工智能方法的应用模式和实践方案，提出面向选矿过程、适用于各种复杂生产工况的大数据、人工智能方法应用研究的方向。

选矿过程生产大数据主要由以下部分组成：1）选矿生产实时数据，包括与选矿生产密切相关的矿产资源、采矿、冶金、能源、安全、环保、水资源等专业的实时数据。2）选矿生产管理数据，包括指标化验、调度计划、生产巡检、物资消耗、产品销售等数据。3）选矿工艺及装备基础数据，包括选矿工艺试验数据、选矿厂设计数据、选矿装备数据等。

选矿智能优化制造涉及以下大数据分析技术：1）选矿过程生产数据预处理技术；2）生产数据驱动的异常检测技术；3）选矿过程生产数据挖掘与知识发现技术；4）选矿过程生产数据驱动的流程优化技术。涉及以下人工智能技术：1）选矿异常工况感知理论与方法；2）基于机器视觉的选矿过程智能感知技术；3）基于异构数据融合的选矿生产智能感知；4）选矿过程智能优化问题分析；5）选矿过程虚拟工厂技术；6）面向选矿生产优化的智能寻优算法。

4. 选矿过程智能优化制造目标与任务

4.1选矿过程智能优化制造的发展愿景

依托选矿厂现有信息物理制造系统，通过大数据、物联网、云计算及虚拟制造等信息集成和处理技术[4]，建设虚拟选矿厂，实现与实体选矿厂同步运行，通过智能感知选矿生产条件的变化，以优化技术指标为目标，实现生产全流程优化。以选矿厂安全化、高效化、绿色化和智能化为目标，实现人与智能优化决策系统协同，使决策者在动态变化环境下精准优化决策。提升选矿厂经济效益和社会效益，最终实现矿业升级转型[8]。

4.2选矿过程智能优化制造的发展总体目标

将先进信息化与传统的选矿制造技术深度融合，利用大数据与新一代人工智能技术，通过人、物理空间与信息空间的高效交互与协同，开发与集成具备自感

知、自学习、自决策、自执行功能的选矿生产全流程优化控制技术，实现选矿制造资源优化配置，推动选矿制造高质、高效、柔性、绿色与创新发展，助力我国绿色矿山、生态矿山建设。

预计5~8年内，通过行业研究院、相关高校、大型矿山企业的协同攻关，开发选矿过程智能优化共性技术，基于人-信息-物理系统的选矿过程运行状态智能感知与认知、选矿流程智能操作与设备智能运维、采选产业链协同优化与智能决策，实现选矿生产全流程智能优化，初步建成有色、黑色、黄金智能选矿示范工厂，新一代人工智能技术在选矿行业的应用达到世界领先水平。同时培养一批高水平的科技人才和创新团队，制定一批建设智能选矿厂的行业标准，形成一批可复制、能推广的选矿生产新业态、新模式，选矿生产组织管理的新机制、新制度。

预计10~15年内，建设选矿工业大数据平台和智能服务云平台，通过高端智能服务降低中小选矿厂智能化建设的技术门槛和资金投入，全面提升中小选矿厂的智能化建设水平，进而提升行业的整体智能化水平，助力传统矿业的转型升级，支撑绿色矿山、生态矿山建设。

4.3重点任务

未来发展我国流程工业选矿过程智能优化制造技术，建议着重推进以下几方面的工作：1）选矿过程智能优化制造支撑云平台建设；2）虚拟选矿厂共性技术开发与建设；3）选矿流程运行状态智能感知与认知技术研究；4）选矿流程智能操作技术研究；5）选矿流程智能运维技术开发；6）选矿过程智能协同技术开发；7）选矿装备智能化技术开发；8）面向选矿过程的大数据及人工智能应用技术研究；9）选矿工业软件及平台开发。

结语

为了保障流程工业选矿过程智能优化制造发展战略的顺利实施，支撑传统矿业的改造升级，笔者建议如下：

1）协调研究院所、高校、设计院与企业，进行资源整合、分工与衔接，建立技术开发与应用合作机制，实现数据与技术共享，形成高效的创新机制，对选矿过程智能优化制造技术进行持续跟踪与研究，把握技术路线与方向。

2）通过研究院、高校、大型矿山企业的协同攻关，进行选矿工业云平台的建设和共性技术开发，形成具有自主知识产权的选矿工业软件系列，初步建成一批有行业影响力的智能选矿厂试点示范。

3）尽快组织相关研究院、高校、行业协会、代表性企业，研究制定选矿过程智能优化制造的建设标准。

4）做好选矿过程智能优化制造与互联网+、大数据、新一代人工智能专项的

对接，建议国家重点研发计划设立“选矿过程智能优化制造技术研究与应用”重点专项。

5）有选择地开展有效的国际合作，学习借鉴国外的成功经验。

致谢

“流程工业选矿过程智能优化制造发展战略研究”是中国工程院化工、冶金与材料学部的学部咨询项目，于2018年经中国工程院批准立项实施。该项目由孙传尧院士担任项目负责人，王国栋院士、钱锋院士和桂卫华院士作为学术顾问，组建了由北京矿冶科技集团有限公司、东北大学、清华大学等单位的矿物加工、自动化等专业的相关专家组成的项目组，在此对项目组全体成员表示感谢！

参考文献

[1] Zhou Ji，Li Peigen，Zhou Yanhong，Wang Baicun，ZangJiyuan，Meng Liu. Toward New Generation Intelligent Manufacturing. Engineering，2018，4（1）：11-20.

[2] Feng Qian, Weimin Zhong, Wenli Du. Fundamental Theories and Key Technologies for Smart and Optimal Manufacturing in the Process Industry.

Engineering，2017，3（1）：154-160.

[3] 柴天佑, 丁进良. 流程工业智能优化制造. 中国工程科学，2018，20（4），51-58

[4] 钱锋, 杜文莉, 钟伟民等. 石油和化工行业智能优化制造若干问题及挑战. 自动化学报，2017,43（6）：893-901

[5]王新云，金俊松，李建军等. 智能锻造技术及其产业化发展战略研究，《锻压技术》，2018, 43(7)：112-120

[6]王峰. 我国高速铁路智能建造技术发展实践与展望，2019, (4)：1-8

[7]闪鑫，陆晓，翟明玉等. 人工智能应用于电网调控的关键技术分析，2019, 43(1)：49-57

[8]柴天佑. 制造流程智能化对人工智能的挑战，中国科学基金，2018, 32(3)：251-256

项目：中国工程院化工、冶金与材料学部咨询项目：流程工业选矿过程智能优化制造发展战略研究（编号2018-XY-15）