只有破解“重建設、輕運維”“重技術、輕管理”“重單點、輕協(xié)同”的難題，才能推動智能化建設從“能用”向“好用”“管用”躍升。

建議國家層面出臺智能化煤礦常態(tài)化運行指導意見；加大對智能化改造后運維資金的支持力度，將運維費用納入煤礦安全費用列支范圍；鼓勵企業(yè)與科研院校合作，建立智能化技術創(chuàng)新聯(lián)合體，推動智能化技術從“模仿應用”向“自主創(chuàng)新”跨越。

——張世麗

煤礦智能化建設不是一次性投入工程，而是持續(xù)迭代的系統(tǒng)工程。”全國人大代表、潞安化工集團常村煤礦副總工程師張世麗告訴記者。

三方面發(fā)力向更高階發(fā)展

在參與智能化建設的過程中，張世麗深刻體會到，只有破解“重建設、輕運維”“重技術、輕管理”“重單點、輕協(xié)同”的難題，才能推動智能化建設從“能用”向“好用”“管用”躍升。具體而言，可從三方面發(fā)力。

一是構建“三位一體”運維保障體系，建立“技術+管理+考核”閉環(huán)機制。

技術層面，可以組建專業(yè)化運維團隊，針對智能化系統(tǒng)建立設備臺賬、故障數據庫，通過大數據分析預判潛在問題。例如，常村煤礦針對智能綜采系統(tǒng)總結的“故障預判三查法”（查數據波動、查設備聯(lián)動、查環(huán)境影響），運用后設備故障率下降30%。

管理層面，制定智能化系統(tǒng)日常運維細則，明確各崗位操作規(guī)范、巡檢頻次和應急處置流程，將運維責任落實到具體班組和個人。

考核層面，將智能化系統(tǒng)運行效率、故障處理時效等納入績效考核，設立智能化運維先鋒崗，激發(fā)全員參與積極性。

二是推動系統(tǒng)協(xié)同與數據融合。

“當前，部分煤礦智能化建設存在信息孤島問題，各子系統(tǒng)數據不互通、功能不聯(lián)動?！睆埵利愓f，“要實現(xiàn)更高階發(fā)展，需打破系統(tǒng)壁壘?！?/span>

一方面，搭建統(tǒng)一的智能礦山數據平臺，將采掘、通風、運輸、安全監(jiān)測等系統(tǒng)數據標準化整合，實現(xiàn)“一網統(tǒng)管、一數多用”。目前，常村煤礦已完成13個子系統(tǒng)的數據對接，通過數據分析優(yōu)化生產銜接，使回采工效提升15%。另一方面，深化“源網荷儲”一體化應用，推動煤炭開采與新能源、新型電力系統(tǒng)協(xié)同發(fā)展。如潞安化工集團正在推進的余吾煤業(yè)公司零碳園區(qū)智能微電網建設，實現(xiàn)綠電消納與生產用能動態(tài)平衡。

三是強化政策引導與精準扶持。

張世麗建議，國家層面出臺智能化煤礦常態(tài)化運行指導意見，明確技術標準、運維規(guī)范和考核指標；加大對智能化改造后運維資金的支持力度，將運維費用納入煤礦安全費用列支范圍；鼓勵企業(yè)與科研院校合作，建立智能化技術創(chuàng)新聯(lián)合體，針對復雜地質條件下的技術瓶頸開展專項攻關，推動智能化技術從“模仿應用”向“自主創(chuàng)新”跨越。

推動AI與井下生產深度融合

張世麗介紹，目前，在常村煤礦，人工智能（AI）主要用于以下場景。

一是安全監(jiān)測預警。應用AI視頻分析與傳感器數據融合技術，對井下人員未按規(guī)定佩戴防護裝備、違規(guī)作業(yè)等行為進行實時識別，同時通過對瓦斯?jié)舛取㈨敯鍓毫Φ葦祿姆治?，實現(xiàn)災害風險提前預警。應用人工智能技術后，違規(guī)行為識別響應時間從10分鐘縮短至1分鐘，瓦斯超限預警準確率提升至95%以上。

二是設備智能運維。通過在綜采設備、掘進機等關鍵裝備上安裝振動傳感器、溫度傳感器，利用AI算法分析設備運行數據，預判軸承磨損、液壓系統(tǒng)泄漏等故障。

“我們摸索的‘設備故障四診法’”（望數據趨勢、聞異常聲響、問運行參數、切精準定位），結合人工智能技術，已成功排除百余次設備疑難故障，設備平均無故障運行時間延長20%。”張世麗說。

三是智能通風調控。基于AI算法構建礦井通風智能分析決策平臺，根據采掘工作面推進、瓦斯涌出量變化等情況，自動調節(jié)風量分配，實現(xiàn)按需供風。這使得礦井有效風量利用率提升至92%，每年節(jié)約通風能耗成本300余萬元。

四是無人化作業(yè)輔助。在井下變電所、水泵房等固定崗位推廣“AI+無人值守”技術，通過遠程操控和智能巡檢替代人工值守。目前，常村煤礦已完成S1采區(qū)水泵房無人化改造，減少作業(yè)人員8人，且未發(fā)生任何安全事故。

然而，在實踐中，人工智能技術應用仍存在適應能力不足、落地成本較高、復合型人才短缺、數據安全風險等問題

張世麗介紹，復雜地質條件下，例如遇到過斷層、陷落柱情況時，人工智能模型的適應性有待提升，數據采集易受粉塵、振動等因素影響，導致分析精度下降。部分AI設備和系統(tǒng)初期投入大，中小企業(yè)推廣難度大，且缺乏針對性的成本分攤機制。既懂煤礦生產又掌握AI技術的復合型人才匱乏，導致技術應用與現(xiàn)場需求脫節(jié)，難以充分發(fā)揮系統(tǒng)效能。井下數據傳輸過程中存在網絡安全隱患，數據泄露或被篡改可能影響生產安全。

為推動人工智能技術與煤礦井下生產深度融合，張世麗提出以下建議。

一是聚焦場景化創(chuàng)新。圍繞煤礦安全生產的核心需求，開發(fā)針對性強、實用性高的AI應用，如高瓦斯礦井瓦斯抽采精準調控、深部開采頂板壓力預測等場景化解決方案，避免“為技術而技術”。

二是構建低成本應用模式。鼓勵企業(yè)與科技公司合作，開發(fā)模塊化、輕量化的AI系統(tǒng)，降低初期投入；推動AI技術與現(xiàn)有設備改造相結合，避免重復建設。如常村煤礦將傳統(tǒng)掘進機改造為智能掘進系統(tǒng)，成本僅為新建智能掘進系統(tǒng)的30%。

三是健全人才培育體系。建立“高校+企業(yè)+實訓基地”的人才培養(yǎng)模式，開設煤礦智能化相關專業(yè)，開展“AI技術+煤礦技能”雙軌培訓；推行協(xié)議工資、項目工資等激勵機制，吸引高端技術人才投身煤炭行業(yè)。

四是強化安全保障措施。構建“人防+技防+制度防”數據安全體系，對井下數據傳輸進行加密處理，建立數據安全監(jiān)測預警系統(tǒng)，定期開展網絡安全應急演練，確保數據安全與生產安全同步推進。

作者：鄢麗娜 版面編輯：張翔

來源：中國煤炭報

聲明：本文系轉載自互聯(lián)網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯(lián)系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。