8.3 智能矿山趋势

智能矿山不是“无人矿山”的同义词，也不是把 AI、5G 和数字孪生写进项目名称。它是一个系统工程：让传感、通信、控制、计划、设备和人员在明确边界内协同，并用可验证的方式改善安全、产量、成本、质量或环境绩效。

判断一项技术是否成熟，至少要问：它控制什么物理过程？失效时会发生什么？需要哪些上游数据？谁可以覆盖系统决策？效益是否经过同期和同口径验证？如果只能展示看板或演示动画，却无法回答这些问题，项目仍停留在概念验证阶段。

用能力矩阵代替一个笼统的“智能等级”

不同机构对自动化和短间隔管控有各自的成熟度模型，不宜把自定义 L1–L5 当成国际标准。以下五级只作为本章的内部诊断尺度，并且必须按专业域分别评分：

级别 数据 决策 执行 典型状态
1 记录 纸质或人工录入，口径不统一 依靠个人经验 人工执行 能事后描述发生了什么
2 可见 关键数据电子采集，能够追溯 规则和看板辅助 人工确认 能较快看到当前状态
3 协同 多系统共享主数据和事件 跨专业计划与短间隔调整 系统下达、人执行 计划—执行—实绩形成闭环
4 预测 数据质量受控，模型持续验证 预测、优化给出建议或设定值 人监督下闭环 能提前识别偏差并调整
5 自主 安全关键数据有冗余和健康监控 系统在批准边界内自主决策 自动执行并安全降级 人管理目标、异常和系统生命周期

一个矿山可以在车队运输达到 4 级，在地质模型管理只有 2 级，在检修和选厂控制达到 3 级。最终路线图应按能力短板和业务价值排序，不追求一个宣传性的全矿总分。

8.3.1 自动化、遥控与自主设备

先把术语分清

方式 人的角色 设备能力 典型例子
操作辅助 人持续驾驶或操作 防碰撞告警、路径提示、自动调平 驾驶辅助、钻孔导航
自动功能 人启动并监督预定义循环 自动钻孔、自动换杆、定速或路径跟随 自动钻进循环
视距遥控 人在设备附近直接观察 无驾驶室作业 视距遥控 LHD
远程操控 人从控制室通过视频和遥测操作 网络失效时安全停止 地表遥控井下铲运机
自主运行 系统感知、规划并执行批准任务 在运行设计域内处理正常变化 AHS、自动装卸循环

远程操控仍由人实时控制；自主系统则在规定的运行设计域（ODD）内作出部分决策。两者的网络、培训、人因和安全论证不同。ISO 17757 适用于自主和半自主土方及采矿机械系统，并明确不覆盖遥控系统；遥控机械另有 ISO 15817 等相关标准范围。

自主系统的边界

一套 AHS 不只包括卡车，还包括：

  • 车载定位、感知、制动与控制；
  • 高精地图、道路规则、装卸点和电子围栏；
  • 车队管理、交通管理和任务分配；
  • 无线通信、时钟同步和数据中心；
  • 有人车辆、轻型车、人员和承包商的交互规则；
  • 加油/充电、轮胎、检修、救援和故障车辆回收；
  • 控制室、报警、权限、软件更新和事件调查；
  • 监管批准、培训、应急和变更管理。

因此，不能用“采购若干台无人卡车”代替系统设计。任何道路改线、软件版本升级、传感器替换、混行规则变化或新车型接入，都可能改变安全论证。

运行设计域（ODD）应写清什么

类别 示例边界
地理 允许道路、装载点、卸载点、禁入区和交叉口
环境 能见度、降雨、粉尘、温度、道路附着和积水
交通 允许车型、有人/无人混行、优先权和最大密度
通信 覆盖、时延、丢包、定位质量和失联持续时间
设备 载荷、制动、轮胎、感知器健康和故障状态
作业 装载、卸载、加油、检修、拖救和爆破警戒

当条件超出 ODD 时，系统必须进入经验证的最小风险状态。安全停止也要考虑位置：在坡道、交叉口或消防通道突然停车可能产生新的风险。

从试点到规模化的工程步骤

  1. 概念与风险分析：定义业务目标、系统边界、危险场景和监管路径。
  2. 现场就绪度：道路、排水、网络、定位、车间、控制室、主数据和人员能力。
  3. 安全案例：记录危险、控制、验证证据、残余风险和责任；覆盖正常、异常与维护状态。
  4. 仿真和封闭测试：测试交通、失联、障碍、定位降级、制动和恢复场景。
  5. 受控试点：限定区域、车型、天气和班次，设置明确的停止条件。
  6. 运营验收：安全、生产、维护、网络和数据分别签署，不以“设备能跑”代替系统验收。
  7. 逐步扩域：每增加道路、车型或混行场景，都进行变更评估和回归测试。
  8. 全生命周期管理：补丁、版本、备件、供应商支持、事件复盘和退役迁移。

案例一：Rio Tinto AutoHaul——自主系统不一定是卡车

Rio Tinto 于 2018 年披露完成首次自主重载铁路矿石交付：三台机车牵引约 28,000 吨铁矿石，行驶超过 280 km，并由 1,500 km 以外的珀斯运营中心监控。其 AutoHaul 项目公开投资约 9.4 亿美元，覆盖约 1,700 km 铁路网络，连接 16 座矿山和 4 个港口。

这个案例的重点不是“火车没有司机”，而是长期建设了列车控制、通信、远程监控、平交道口保护、监管批准、运营中心和人员转岗。大范围自主运输的难点往往在系统接口和异常恢复，而不是单台设备的自动控制。

案例二：Newmont Boddington——既有矿山改造与混合车队

Caterpillar 公开资料显示，Newmont Boddington 在约七个月内把 36 台 Cat 793F 卡车转换为自主运行，同时保留 4 台有人驾驶车辆，并在 2022 年达到自主运输 1 亿吨物料的里程碑。

可迁移经验：

  • 既有矿山可以通过改造部署 AHS，但道路、交互规则和维修流程同样需要改造；
  • “36 台自主 + 4 台有人”说明混行不是过渡期的小问题，而是长期系统边界；
  • 里程碑吨位证明规模化运行，不等于自动证明经济收益；仍需比较运距、设备状态、燃油和维保基准。

案例三：Komatsu FrontRunner——规模数据应标注来源

Komatsu 在 2026 年新闻稿中称其第 1,000 台超大型自主矿卡投入运行，全球系统累计运输约 115 亿吨；首个商业部署可追溯到 2008 年智利 Codelco Gabriela Mistral。厂商还公布过轮胎、制动和维护改善数据。

这些数字可用于理解技术扩散规模，但属于厂商口径。商业论证应进一步核对设备型号、矿山数量、统计期间、“系统相关伤害”的定义及与有人车队的可比性。

案例四：Los Pelambres 与 Peñasquito 的自主钻机

Epiroc 在 Minera Los Pelambres 将两台 Pit Viper 351 钻机改造为自主运行，公开材料提到无线网络升级、控制室建设、每台约四周改造和操作员再培训。厂商报告钻进速度、孔深精度和利用率改善。

在 Peñasquito 的两台自主钻机项目中，现场用电子围栏把自动化作业区与其他设备分开，控制室远程监督。案例说明钻机自动化的边界更易控制，常适合作为矿山自动化的早期场景；但孔位、孔深、孔斜和地质异常仍需进入爆破设计与钻后验收闭环。

案例五：地下大规模采矿的 AutoMine 与优化调度

Sandvik 公开材料称 AutoMine 已用于全球 100 多个作业，并介绍其在 Northparkes、Oyu Tolgoi 等地下矿的应用。Northparkes E48 矿体自 2010 年使用电动装载设备与 AutoMine；另一个澳大利亚块崩矿案例把设备追踪与 ORB 优化调度结合，厂商报告生产率提升。

地下自主系统需要装载点、卸载点、交通管理、安全区、巷道状态、通信和采场出矿顺序共同工作。只有车辆能自动行驶，而溜井堵塞、眉线变化或采场准备仍靠人工临时处置时，系统并未实现端到端自主。

自动化 KPI

不要只统计“无人运行小时”。建议至少覆盖：

  • 安全：人员暴露工时、高潜事件、保护停车、违规进入和安全功能测试通过率；
  • 生产：有效吨位、循环时间分布、计划符合度、异常恢复时间；
  • 设备：可利用率、平均修复时间、传感器故障、轮胎和制动寿命；
  • 系统：网络可用性、定位降级、软件重启、远程接管和数据丢失；
  • 人员：授权覆盖、培训合格、工作负荷、人工覆盖原因；
  • 经济：单位成本、增量维护、许可与支持、道路改造和避免资本支出。

8.3.2 智能选矿与矿山—选厂优化

智能选矿的基础是可靠仪表、稳定控制回路和冶金平衡。若流量计、密度计、粒度仪或在线分析仪长期漂移，机器学习只能更快地追逐错误信号。

控制层级

层级 时间尺度 典型功能 前提
基础控制 秒 流量、液位、压力、转速 PID 仪表和执行机构可靠
监管控制 秒至分钟 联锁、顺序、约束和操作画面 PLC/DCS、报警治理
先进过程控制（APC） 分钟 多变量预测控制、专家规则、设定值优化 过程稳定、变量可控、模型验证
在线优化 分钟至小时 吞吐、回收、品位、能耗与利润权衡 在线分析、冶金模型、成本和边界
矿山—选厂协同 小时至天 采序、配矿、库存和选厂状态联动 物料谱系和跨系统对账

在线分析仪与软测量

PGNAA/PFTNA、XRF、粒度图像和光谱系统可以提供更快的过程信息，但任何在线分析都需要：

  1. 明确测量对象、穿透深度、粒度和水分影响；
  2. 用符合取样理论的实体样和实验室结果标定；
  3. 分矿石类型评估偏差、精密度和检测限；
  4. 记录校准版本、漂移和维护状态；
  5. 当仪表失效或超出标定范围时阻止自动控制使用该值。

软测量模型用功率、压力、流量、图像等间接变量估计难以实时测量的品位、粒度或回收率。它应显示置信度和适用域；矿石性质变化后，模型可能发生漂移，需要重新验证或降级为人工决策。

泡沫视觉与先进控制

浮选泡沫图像可提取气泡大小、速度、颜色、稳定性和纹理，再与液位、空气、药剂和在线品位结合。落地时应注意：

  • 摄像头位置、镜头污染、冲洗水和可控照明；
  • 不同矿石、药剂和昼夜条件下的训练样本；
  • 图像指标与实验室回收率之间的时间对齐；
  • 调节变量的上下限和变化速率；
  • 目标函数应考虑精矿品位、回收率、处理量、药耗、能耗和冶炼条款。

只优化回收率可能造成精矿品位下降、杂质增加或处理量损失。更合理的目标是受产品质量和安全约束的边际利润或 NSR。

案例：RTB Bor 的浮选视觉与 APC

Metso 在塞尔维亚 RTB Bor 案例中介绍了摄像头和照明组成的 VisioFroth、在线分析、PLC/DCS 与 OCS-4D 先进控制的组合。系统连续分析气泡分布、颜色、稳定性和纹理，并调整过程设定值。厂商称先进控制带来进一步的回收率改善，现场也报告更快获得化学分析信息。

该案例不能证明单装摄像头就能得到同样结果。同期项目还包括浮选设备、自动化和在线分析改造，效益来自整套流程。迁移时应把硬件更新、控制整定、矿石变化和操作培训分开评估。

案例：Özdoğu 的瓶颈分析

土耳其 Özdoğu 铜钼项目先分析全流程瓶颈，再调整泵、浮选能力和 VisioFroth 控制。Metso 页面称客户预期回收率提高 3%–5%，同时扩充处理能力。

工程启示：数字控制不能弥补泵能力不足或槽体配置不匹配；应先确认物理瓶颈，再判断传感、控制或设备改造各自贡献。页面使用“预期”表述时，不能改写成已经审计实现的结果。

数字孪生的四种层次

“数字孪生”常被滥用。可按实际能力区分：

层次 能力 示例 验证重点
几何镜像 展示设备和空间 三维矿山、管线和设备模型 坐标、资产编号、更新流程
状态镜像 接入实时状态 设备状态、库存、流量和报警 标签映射、时钟、数据质量
行为模型 模拟过程响应 磨矿、通风、运输或水系统仿真 参数标定、预测误差、边界条件
决策孪生 比较方案并推荐/执行 配矿、产能、检修和能源优化 目标函数、约束、审批、安全降级

一个离线三维模型可以很有用，但不应称为实时决策孪生。任何接入控制回路的孪生都应进行历史回放、盲测、极端工况和模型漂移验证。

预测性检修的正确起点

预测性检修不应从“采购 AI 平台”开始。先完成：

  1. 关键设备分级和失效模式与影响分析；
  2. 工单故障代码、设备层级和备件编码清理；
  3. 传感器量程、采样、时钟和工况标签验证；
  4. 用简单阈值、趋势和规则建立基准；
  5. 比较模型提前量、漏报、误报和实际可行动时间；
  6. 将告警转成检查或工单，并记录处理结果供模型再训练。

若维修团队收到告警却没有停机窗口、备件或检查方法，模型的准确率不能转化为可用性。

8.3.3 数据、AI 与 OT 网络安全

AI 用于什么，不能用于什么

矿山常见 AI 场景包括图像块度、泡沫识别、设备异常、道路状态、品位软测量和计划优化。每个模型应有简化“模型卡”：

  • 业务目标和责任人；
  • 训练数据来源、期间、矿石与设备范围；
  • 输入质量要求和不适用条件；
  • 性能指标、误报/漏报代价和基准方法；
  • 人工确认、覆盖权限和安全边界；
  • 上线版本、监控、漂移阈值和回退方案。

对安全或生产关键决策，应避免只报告平均准确率。边坡异常漏报、矿废错分和设备故障误报的后果不同，需要分别评价。新矿石类型、新相机、新软件版本或设备大修后，都可能触发重新验证。

OT 与 IT 的不同约束

办公 IT 通常更关注机密性和数据完整性；矿山 OT 还必须优先保证物理过程可用、安全和确定响应。未经测试的补丁、强制重启或云端身份故障可能中断提升、通风、破碎或自主运输。

IEC 62443 系列为工业自动化和控制系统提供覆盖组织与技术全生命周期的方法。矿山落地时可采用：

  • 资产清单：知道 PLC、服务器、工程站、无线设备、版本和责任人；
  • 分区与通道：把安全系统、控制系统、车队、供应商远程访问和办公网按风险隔离；
  • 最小权限：个人账户、强认证、授权时限和操作日志；
  • 远程访问：经批准的跳板、会话记录、临时授权，禁止长期共享账户；
  • 备份与恢复：离线/不可变备份，并实际演练 PLC、服务器和配置恢复；
  • 补丁与变更：先在测试环境验证，安排窗口并准备回滚；
  • 监测与响应：检测异常通信，同时避免安全工具干扰实时控制；
  • 供应链：合同中明确漏洞通知、支持期限、软件物料清单、事件协助和退出。

“失联仍安全、离线仍可运行”

智能矿山必须设计降级模式：

故障 不充分反应 应预先验证的能力
云平台不可用 全矿停产等待供应商 现场控制保持运行、数据缓存、手工报表
定位降级 继续按原速度自主运行 限速、安全停止或退出自动区
FMS 服务器故障 调度员临时口头指挥且无记录 备用实例、离线任务和恢复对账
在线品位仪失效 APC 使用最后一个数值 切换软测量/实验室/保守设定值
勒索软件事件 直接拔掉所有网络 分区隔离、关键控制持续和分阶段恢复
供应商远程连接异常 共用账户无法追责 立即吊销、保留日志、现场接管

8.3.4 数字化转型路线图与商业案例

从业务问题开始

较好的项目名称是“把破碎机无料时间从基准降低，并避免新增一台卡车”，而不是“建设 AI 大数据平台”。优先级可按四类价值评估：

  1. 安全与合规：减少高风险暴露、改善关键控制验证；
  2. 产量与回收：解除实际瓶颈，而不是提高非瓶颈设备局部效率；
  3. 成本与资本效率：减少燃油、能耗、维护、库存或延后设备购买；
  4. 韧性与知识：提高异常恢复、计划可信度和人员能力。

商业案例的完整成本

成本类别 容易遗漏的项目
初始投资 网络、车辆改造、服务器、控制室、道路和电气改造
实施 数据清理、接口、咨询、验证、监管、停产和并行运行
持续运营 许可、云服务、通信、校准、网络安全、模型维护和技术支持
人员 培训、岗位转换、招聘、夜班覆盖和变更管理
生命周期 大版本升级、设备换型、备件停产、数据迁移和退出费用
风险 产量爬坡、系统停机、厂商锁定、汇率和收益延迟

不能给所有矿山规定统一的预算、IRR 门槛或实施周期。审批阈值应与企业资本制度一致，安全合规项目也可能不以直接 NPV 为唯一条件。

效益桥接示例

假设 FMS 项目的目标是减少排队：

排队分钟减少 → 有效循环增加 → 吨位增加或车数需求下降 → 收入/避免资本支出 − 增量运营成本

每个箭头都要有数据和边界。若选厂已经满负荷，采矿吨位增加可能只增加库存，不能全部计为当期收入；更合理的价值可能是减少车队、降低加班或提高矿石选择性。

阶段门路线图

阶段 主要交付物 进入下一阶段的证据
0 问题定义 基准、瓶颈、风险、责任人与收益树 问题可量化，数据可获得
1 概念验证 小数据集或仿真、技术可行性 优于基准且误差可解释
2 现场试点 限定区域、用户、接口和降级规程 安全验收、采纳率和运行稳定性达标
3 规模化 标准配置、培训、支持、网络与数据治理 多班组/多区域重复实现效益
4 稳态运营 服务等级、模型监控、补丁、财务复核 效益持续，责任转交运营团队
5 更新或退役 数据迁移、回滚、资产处置 无安全、数据和合同遗留风险

阶段门要允许停止。不能达到验收条件的试点应关闭、重设目标或保留为研究，不应因为已经投入而自动规模化。

组织与岗位变化

自动化通常减少某些现场暴露，却增加控制室、系统工程、网络、数据、功能安全和机电一体化工作。人员方案应包括：

  • 受影响岗位与新岗位的任务分析；
  • 现有人员可转移的技能和培训路径；
  • 操控员工作负荷、告警数量和同时监督设备上限；
  • 检修人员的软件版本、传感器和网络诊断能力；
  • 承包商、访客和应急人员进入自动区的训练；
  • 重大系统变更前的沟通、演练和授权复核。

供应商锁定与退出设计

评标时除功能和价格外，还应写清：数据归属、原始数据导出、API、接口限流、配置备份、模型归属、软件支持期限、漏洞通报、灾难恢复、第三方设备接入和合同终止后的迁移协助。真正的互操作不是供应商宣称“可以集成”，而是用真实数据和异常场景完成验收。

案例数字如何阅读

来源 优点 局限 使用方式
矿山公司年报/技术报告 责任主体明确，可能有审计或监管约束 技术实施细节有限 核对规模、资本和经营结果
OEM/软件厂商案例 实施过程和产品细节较多 选择性披露，基准和反事实可能不足 学习架构和条件，不直接承诺收益
行业指南/标准 范围、术语和风险方法清晰 不替某一矿山完成设计 建立流程和验收框架
学术论文 方法、统计与限制通常更完整 现场规模或长期运维信息可能不足 验证算法与不确定性
会议演讲 新、细节丰富 未必经过同行或审计复核 作为线索，再找原始证据

阅读案例时记录发布日期、统计期间、基准、设备数、矿石和道路条件、是否同期改造其他系统、数字由谁发布，以及“实现、估计、目标、预期”属于哪一种表述。

标准与权威资料

案例来源

以上案例多由设备或软件供应商发布，文中已尽量保留“厂商称、报告、预期”等证据等级。实际投资决策应回到矿山自身数据，并在合同中定义基准、验收和持续效益。

关联章节

自测与实践

  1. 为什么“远程操控”不等于“自主运行”？两者的人员和网络要求有何不同？
  2. 为雨季露天矿 AHS 写一份 ODD，至少包括六类边界和三种降级场景。
  3. 一项自主卡车项目报告吨位增加 12%，如何排除运距缩短、车数增加和道路改善的影响？
  4. 浮选视觉模型准确率很高但回收率没有改善，按“仪表—控制—物理瓶颈—目标函数”诊断。
  5. 为一个预测性检修模型设计模型卡和上线后的漂移监控。
  6. 云平台中断 8 小时，哪些现场功能必须继续、哪些可以降级、恢复后如何对账？