国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

1、項目背景

鋼鐵號稱工業的糧食，是人類使用最多的金屬材料，適合于大規模生產，是不可或缺的戰略性基礎工業品。我國鐵礦特點是貧礦多、富礦少，導致長期依賴大量進口礦石。我國鐵礦資源量雖位居世界第四，但品位低、利用率低。在貧鐵礦開發上，以傳統的人工經驗為主，自有資源產出量低。近十年間，我國鐵礦石進口總量由7.4億噸增加到11.1億噸，對外依存度超過80%。近年來世界逆全球化趨勢加劇，迫切使我國鋼鐵產品需進一步提高國際競爭力。因此，打破自產礦石桎梏，突破傳統選礦技術瓶頸，有效提升選礦加工提純能力已迫在眉睫，對于提高我國戰略性礦產資源的安全保障能力具有重要意義。建設智慧礦山是落實國家發展戰略的現實需要。習近平總書記指出，加快數字中國建設，就是要適應我國發展新的歷史方位，全面貫徹新發展理念，以信息化培育新動能，用新動能推動新發展，以新發展創造新輝煌。多個國家級文件也闡述了礦產資源轉型的重要性。《全國礦產資源規劃》指出要大力推進礦業領域科技創新，加快建設自動化、信息化、數字化、智能化礦山。《中國制造2025》和《“互聯網+”行動指導意見》提出打造創新型智慧礦山，推動傳統企業轉型升級，以推進智能制造為主攻方向，帶領中國產業邁向全球價值鏈中高端。

鞍鋼集團礦業有限公司（以下簡稱鞍鋼礦業）是鞍鋼的主要礦石原料生產基地，是集勘探、采礦、選礦、民爆工程、礦山設備制造和資源綜合利用等為一體的特大型礦業集團。主要包括8座鐵礦山、8個選礦廠、1個燒結廠、2個球團廠、5座輔料礦山和1個設計研究院。面向新發展階段，聚焦“立足于世界格局、國家戰略，加快推動礦產資源事業發展，建設世界領先資源開發企業，發揮好央企‘穩定器’‘壓艙石’作用”的發展理念，加快智慧礦山建設。

中國科學院沈陽自動化研究所以數字化智能制造的管理、工藝、檢測、控制與集成為重點研究領域，在優化與仿真方法、質量在線檢測、制造執行系統技術、工業大數據分析技術、工業云服務技術等方面取得了豐碩成果，并通過行業應用取得了顯著的經濟和社會效益。多年以來，研究所一直致力于工業互聯網領域的技術研究與產品研發，打造了具有自主知識產權的“中科云翼”工業互聯網平臺。以服務層為核心構建分布式容器、數字工廠建模、模型/知識庫、微服務組件庫和AI大數據分析的基礎服務，實現數據的廣泛接入、集成和邊緣計算，形成面向不同場景的互聯制造應用，為企業提供公有云、私有云和混合云智造服務解決方案。相關成果先后獲得2020中國工業互聯網平臺優秀推薦產品獎、2021遼寧省跨行業跨領域工業互聯網平臺、2021自動化產業年會年度最具競爭力創新產品等獎項。研究所承擔中國科學院科技服務網絡計劃（STS）區域重點項目“工業互聯網助推遼寧智慧礦山建設”重點任務，針對礦山企業存在的工業互聯、選礦過程優化及采選協同管控等難題，突破基于工業互聯網平臺的礦山生產智能管控關鍵技術，為形成“中科云翼”智慧礦山解決方案提供了核心技術支撐。

研究所與鞍鋼集團礦業有限公司簽訂戰略合作協議，開展產研結合，推動科技成果賦能。以“關寶山礦業有限公司智慧工廠建設項目”為試點，加快推動智慧礦山整體建設。項目基于先進的“端、邊、網、云”工業互聯網體系架構，采用云計算、大數據、人工智能、邊緣計算等技術與生產實際需求相結合，打通采礦、選礦業務全流程，實現礦山采選協同一體化管控，“礦石流、信息流、能量流”三流合一，打造信息全面采集、管控高度智能、生產安全高效、現場少人、無人的選礦“黑燈工廠”。

2、項目目標與原則

關寶山智慧工廠建設采用基于工業互聯網平臺的端邊網云架構，將礦山大量基于傳統IT架構的信息系統作為工業互聯網平臺的數據源，繼續發揮系統剩余價值，同時逐步推進傳統信息化業務云化部署，實現礦山全流程的少人化、無人化智慧生產。結合關寶山礦山開采環境復雜、生產流程不連續、安全管理壓力大、多元素資源共生等特點，在關寶山已有自動化、信息化建設基礎上，結合“五品聯動”礦冶系統工程理論思想，推進物聯網、大數據、人工智能、邊緣計算、虛擬現實等前沿技術在礦山的應用，構建集全工藝流程控制、計劃指標精準預測、生產監控實時預警、工藝過程智能調優、指標分析智能決策為一體的選礦智能工廠，促進企業轉型升級、高質量發展，提升綠色礦山和智慧礦山建設水平，實現提高生產質量和經濟效益的目標。為建設少人化、無人化的“黑燈工廠”、拉動企業管理模式變革提供不竭動力。

3、項目實施與應用

3.1 總體思路

針對選礦工藝控制難、生產過程追蹤難、生產協同管理難等問題，本項目開展了貧鐵礦選礦全流程智能優化控制與智慧決策技術研究及工業應用，基于貧鐵礦選礦過程中存在的共性問題，提出了全流程智能選礦總體架構研究；采用數據驅動與知識驅動相融合的智能決策方法，創立了基于大數據+知識圖譜的選礦過程決策推理機制；通過融合專家知識經驗和選礦工藝機理，建立了可視化礦石流跟蹤與智能配礦模型；基于智慧礦山工業互聯網平臺與云邊協同架構，開發了邊云協同的選礦全流程智能管控系統。通過在關寶山選礦廠的破碎、磨礦、磁選、浮選、精尾等工序開展協同管控應用與示范，創立了“礦石流跟蹤可視化-品位檢測在線化-過程決策智能化-生產指標預測化-選礦工廠數字化”的黑燈工廠智慧模式，建設了首個選礦行業的“黑燈工廠”。總體架構如圖1所示。

圖1 端邊云總體架構

端層：實現了通訊、網絡、視頻監控、門禁、對講和PLC集控等系統，并已建成覆蓋破碎、磨磁、浮選、精尾選礦工藝全流程的ROC智能調度中心，能夠實現遠程集中控制，局部環節實現無人化自動化閉環控制。現場視頻集中監控、通訊指揮統一調度，建設在線品位分析儀、非核源濃度計、礦漿粒度分析儀、浮選泡沫分析儀等儀器儀表，提升選礦生產過程指標的實時性，為智能優化控制打下堅實基礎。

邊層：與端層互聯互通，前移人工智能技術，構建快速響應，離線響應的邊緣計算設備，實現可以快速擴展、快速部署、快速更新的自動管控體系。同時，建設基于大數據分析、機器學習等先進技術的邊緣優化控制系統，實現磨磁、浮選等選礦核心工藝流程的智能優化控制，穩定生產指標，提高生產效率。

云層：基于中國科學院沈陽自動化研究所自主研發的“中科云翼”智慧協同管控云平臺，建設鞍鋼礦業私有云平臺。對接工業設備和設施；并基于國際主流PaaS平臺技術構建，把技術、知識、經驗等資源固化為可移植、可復用的軟件和開發工具，構建云端開放共享開發環境；應用層面向礦業生產全生命周期相關業務的場景需求，封裝成工業APP，建立選礦、安全、能源、設備、決策等維度一體化的礦業應用，通過統一平臺門戶、三維仿真、移動應用等形式，實現統合化、精細化管理的新模式。

3.2 建設內容

3.2.1 智能在線檢測與工藝優化控制

基于總體架構，分別對貧鐵礦選礦過程中關鍵指標在線檢測、生產過程智能控制展開研究。以質量在線檢測技術為支撐，通過大數據+知識圖譜的選礦過程決策推理機制。以全流程“數據流”為基礎，以選礦控制邏輯為主導，以云計算、大數據分析、邊緣計算為技術手段，建立選礦工藝全流程智能優化控制模型，實現了破碎、磨礦、磁選、浮選、壓濾等各工序間閉環優化控制。

（1）智能在線檢測儀表

礦漿濃度、品位、塊度、泡沫狀態等指標是選礦流程中重要的判斷依據和參考指標。采用核輻射濃度計需要放射源，放射源本身危害性極大，有著非常嚴格的使用流程和制度，報批手續過程復雜。本項目采用非核源新型智能在線濃度檢測系統，測量精度高、安裝簡單、免維護、無輻射，用于在線連續測量礦漿濃度。

在礦物選別生產中，浮選泡沫表面視覺特征如大小、流速、紋理等不僅可直接反映浮選生產過程工況，還可以作為生產工藝參數控制加藥設備。本項目運用泡沫分析儀，分析測量泡沫泡沫速度、顏色、穩定不同大小的泡沫所占百分比等指標。為浮選機錐閥、充氣量調整提供決策依據。

此外，礦漿的品位在線檢測一直是行業難題，傳統的人工取樣化驗費時、費力。結果嚴重滯后，對工藝的控制起不到及時的指導。本項目創新性的采用SIA-LIBSlurry礦漿品位在線分析儀，通過激光誘導擊穿光譜技術，檢測偏差值僅為1%，優于行業內其他儀器精度（1-4%），達到國際領先水平。

（2）破碎智能優化控制

破碎篩分流程為三段一閉路流程，破碎是大塊物料在機械力作用下粒度變小的過程，是高能耗的作業過程。系統根據各個設備的控制邏輯關系制定控制系統，輔助工人進行自動化調整設備運行參數。利用傳感器和數據采集設備監測破碎設備的工作狀態，通過算法和模型分析數據，自動調整破碎工藝的參數，以實現最佳的破碎效果和處理效率。破碎系統主要是提高破碎機的通過能力，其主要取決于圓錐破碎機效率以及振動篩篩分效率。圓錐破碎機的恒功率控制是解決問題的關鍵，同等的條件下破碎機的能耗轉換效率高，還能實現擠滿式給料。這種給料方式在破碎機能力允許的情況下給料量是變頻式給入，根據功率調整給料量，保持料倉有一定的料位，使進入料倉的物料有充足的時間進行破碎。擠滿式給料會使物料之間具有擠壓力，實現物料間的互相破碎的作用，提高破碎機效率。

（3）磨磁智能優化控制

對于一段磨礦分級和二段磨礦分級，建立了磨機負荷和磨機濃度機理模型、粒度和旋給濃度預測模型以及磨礦控制知識圖譜。智能控制臺時設定、沉砂補加水、旋給壓力、泵池補加水量、旋給泵頻，保證一段磨礦-200目粒度穩定合格，提升磨機效率，以及二段磨礦-325目粒度合格穩定、6臺立磨的粒度均衡。對于一段磁選和二段磁選，建立強磁分量知識圖譜，控制強磁機給礦閥、強磁前大井頻率、強磁機啟停狀態。保證強磁分量均勻、保證混磁精品位穩定合格、降低強磁尾0.2%。

本項目運用知識圖譜結合大數據預測技術，以一段磨礦知識圖譜控制模型以一次溢流粒度為知識主線，基于粒度的動態變化情況，以及臺時、旋給壓力和磨機濃度數值區間，構建動態可擴展的知識網絡。按可自學習步長來優化調控旋給壓力、沉砂水和臺時設定，實現一次溢流粒度穩定在58~62%，臺時、磨機效率最大化。實施后，一次溢流粒度合格率超過90%。

二段磨礦知識圖譜控制模型以二次溢流粒度為知識主線，基于粒度的動態變化情況，以及旋給壓力和磨機濃度數值區間，構建動態可擴展的知識網絡。保證2個系列的3臺立磨機旋溢粒度達到合格范圍，并均衡3臺立磨機旋溢粒度相差5%以內。強磁知識圖譜控制模型保證各系列的強磁機尾礦閥開度相差3%以內，保證分量均勻。

（4）浮選智能優化控制

在浮選工藝優化中，總體思維是在穩定粗選泵池液位和掃選泵池液位的前提下，保證浮精品位在合格范圍內，并盡可能降低尾礦。在浮選優化控制過程中，時刻檢查浮選前大井、浮選機等設備是否正常運行。通過調節浮選前大井泵頻保持浮選前大井濃度和流量在正常生產范圍內，通過調節浮選機充氣量和錐閥保持浮選機電流正常。在保持泵池液位穩定的優化控制中，以浮選機錐閥和充氣量、浮選前大井流速、泵池流速等為參數，使用大數據算法預測出泵池液位在當前狀態下一小段時間內的變化趨勢，保持泵池在小范圍內波動。在保持浮精品位保持穩定模型中，以粗精選浮選機、一掃浮選機的錐閥和充氣量和藥劑流速為參數，通過大數據算法獲取一段時間內多個浮精品位預測值，保證浮精品位穩定。基于此，構建出反浮選的知識圖譜模型。

基于混磁精品位、混磁尾品位、二次粒度等磨磁指標，以及浮選負荷、浮選選別效果等浮選工況，綜合進行二段場強設定，保證磁選與浮選整體選別的指標穩定；進一步，通過錐閥、充氣、泵頻、加藥的智能調控，實現浮選液位穩定、循環量穩定，保障選別整體穩定性，穩精降尾。實施后，液位穩定提升37%，浮精品位合格率提高2.2%，浮尾品位降低1%。

（5）壓濾機智能優化控制

基于浮選精礦濃度，智能調控壓濾機攪拌桶給礦膠堵、壓濾機啟停狀態，提高壓濾效率、降低壓濾機電耗。進一步，針對每臺壓濾機，智能調控注礦時間、隔膜時間和干燥時間，實現臺時最大化，提升壓濾機作業效率，節約生產成本。

在PLC實現的自動控制閉環邏輯基礎上，基于知識圖譜，實現壓濾機智能啟停控制，對壓濾機單體設備智能運行進行邏輯梳理。根據運行趨勢，利用大數據計算運行趨勢的一次函數，根據斜率尋找最佳注礦時間，標注出注礦壓力的上下限以保證壓濾機穩定運行。以上基礎工作完成后，進行注礦時間調節，對調節后的臺時情況及歷史手動調節情況進行對比，通過大數據自主學習不斷優化調整步頻與步幅，經過多輪調試以后，形成一套大數據計算的函數算法。此算法制約包括濃度、流量、濾布循環數、注礦頻率上下限、注礦壓力、注礦時間等參數，在此基礎上，尋求最優壓濾機單體智能運行方案。實施后，注礦時間大幅提高。

3.2.2 可視化礦石流跟蹤與智能配礦

以原礦入選礦石性質為依據，結合破碎工藝流程中圓筒倉、U型倉（或粉礦倉）料位情況，以不同礦種（品位、碳酸鐵、亞鐵等）進行區分實時跟蹤，并按照不同顏色進行可視化展示。同時，系統可根據磨磁、浮選生產指標情況或人工生產指令，形成優化配礦策略，聯動智能布料小車和給料器，實現給料器自動切換，礦倉斷料、堵料、異常預警，根據優先、禁用、礦石性質等多種規則優化配礦。系統自動尋優，找到最佳礦倉放料，避免切換給料器臺時損失，解放崗位雙手。提升磨機處理量，提高營業收入。通過該系統的實施，關寶山礦業可增加年處理量約5.8萬噸/年，增加精礦產量1.7萬噸/年，預計可實現增收1000萬元/年。

3.2.3 選礦全流程智能協同管控系統

基于總體框架，以業務管理為基礎，以生產過程管控為核心，以生產工藝為主線，利用業務流程內含的信息流整合生產過程中物流、工藝流所涉及的人、機、物、法、環等諸多生產要素。采用業務驅動和數字驅動相結合的管理理念，圍繞設備、能耗、化驗、計量、物流等選廠核心業務主線，建設集成、智能、協同的選礦生產過程管控應用。

基于工業互聯網平臺，建設智能協同管控系統，實現統一平臺下的數據互聯互通，全流程生產業務協同聯動。并且，通過現場閥門和PLC升級改造，實現ROC遠程集中控制所有設備機臺。實現現場無人值守，提升過程控制的及時性，提升生產管理效率。

（1）數字工廠建模

通過工廠模型的方式構建“人機料法環測”的全面物理資產的數字映射，為各項管理功能的運行提供基礎調用對象，為生產管控系統與外部系統間的集成提供統一的標識方法，基于工業互聯網平臺提供的工廠建模服務進行構建。

以選礦工藝為主線，圍繞“破碎篩分—磨磁—浮選—壓濾精尾”流程，包含作業區、設備、人員的生產資源的組織結構模型，以及包含工藝路線、標準及參數的生產工藝模型。實現了“生產什么、有什么生產資源、如何生產”的核心生產要素的數字化描述，進而為生產計劃組織、過程監控跟蹤、質量檢測控制以及設備運行維護等業務功能奠定了基礎。

（2）生產計劃與調度

根據制定的年度、季度生產經營計劃，分解制定月度生產計劃，確定月度鐵精礦產量，在原料供應、能源供應、設備能力、質量要求、人員組織等限定條件下，通過產能效率平衡等相關計算，制定產量、物料消耗、能源消耗、設備運行、產品質量計劃，以及主要技術經濟指標計劃，并對計劃執行結果進行統計。在計劃排產的基礎上，將選礦生產計劃目標轉化為選礦生產工藝要求，并將實際生產作業任務分解到各個生產作業區。根據瓶頸工序產能負荷和其他工序的產能配置情況、設備維修維護及能源消耗情況，綜合優化作業調度，實現產能、質量與消耗平衡。

（3）質量管理

質檢化驗和在線質量檢測數據是評估選廠生產情況、指導選廠生產的重要依據，質量管理模塊能夠實現質檢化驗數據的在線采集、存儲和共享，實現選廠質量數據不落地，為上層業務系統提供可靠的數據源。

（4）能源管理

基于工業互聯網平臺以及大量分布式能源采集裝置構建能源監測平臺，并通過大規模深度學習網絡構建能源互聯模型，將電力、熱力、天然氣等能源節點互聯起來，形成能源綜合監測系統。基于歷史能源監測數據構建能源分析模型，覆蓋行業級、企業級、工序級、用能設備級，包含能源流向、平衡分析、用能異常分析等功能。形成集團化能源統一管控，提高企業精細化、透明化、即時化能源管理能力，為企業提供高效的能源規劃決策支持。

（5）安全管理

依托智能攝像頭和安全生產管理系統，基于智能傳感、機器視覺、行為特征分析等技術，通過AI視頻分析對生產作業區建立電子圍欄，并對現場施工人員的不安全行為（如：未佩戴安全帽）進行識別、分析與報警，實現安全事件快速響應和智能處置，解決作業區現場人員操作施工不安全行為感知難、無法及時提醒和快速處置的難題。

（6）生產綜合分析

面向選礦廠生產經營的各個管理維度，建立涵蓋生產效率、質量、消耗成本、人員績效的統一綜合指標體系，按照運營管理層、生產管控層和過程監控層等不同管理需求，形成綜合指標的逐層分解。在指標體系建立的基礎上，實現各級指標的計算、匯聚與統計，輸出各類個性化統計報表與分析結果，形成生產駕駛艙，通過主題訂閱的方式主動、及時推送給不同的分析管理人員。利用大數據分析技術，實現指標關聯分析與數據挖掘。

（7）三維仿真選廠

基于實體礦廠的選礦設備、工廠基礎設施生產運行數據與三維仿真系統相結合，呈現三維虛擬選礦工廠。對實體選礦廠實時監控，以枚舉的方式還原現場設備運行狀態/動作，可以更直觀地掌握生產/設備等現場的綜合運作情況。并通過不同視角方向以設定的路線虛擬仿真巡邏選礦廠，把所有建筑、廠區內場景一一還原。設備建模范圍和接入數據內容。

3.2.4 設備預知性維修

以數字孿生預知維修系統為支撐，變預防維修為預知維修，達到設備遠程預知診斷與產線運行穩定可控，最終實現設備預知維修，解決選礦設備長期被動維修的模式。對設備的溫度、振動等進行監測分析，診斷設備缺陷，合理提出設備預知維修計劃（單體設備、單區域、全產線）。降低設備故障率，實現設備長周期穩定運行。

采集現有破碎機、球磨機、壓濾機等主體設備的電流、電壓、溫度、振動等運行和狀態參數，實現在線監測。通過球磨機襯板傳感器提前預判磨損到限的準確時間。采用油脂在線分析和應力波分析等技術，提前發現潛在隱患，實現預知預判。

根據預知維修計劃執行結果，自動找出與核心設備壽命不匹配的設備壽命數據，分析偏離的具體原因。根據分析出的原因提出改進策略，通過實施優質采購、完善維修方案，同步優化備件壽命、維修質量等，確保產線實現長周期穩定高效運行。例如，球磨機為選礦產線核心設備，通過制造工藝提升，筒體襯板壽命從之前1700小時、3000小時逐步優化并穩定至4300小時（半年），作為基準定修周期，并擴展上下游設備壽命實現同步或成倍數關系。

3.2.5 智能機器人

（1）氧化鈣智能加藥機器人

長期以來，浮選傳統人工配藥方式具有臟、累、差的特性，尤其是氧化鈣藥劑在配制過程中粉塵大容易被人體吸入、人工搬運體力消耗大、接觸皮膚產生灼燒感，給職工工作帶來諸多挑戰。同時，人工配制藥劑無法保證及時精確，藥劑濃度波動較大，影響浮選生產指標。

解決這一系列難題，在本項目中建設了一套智能加藥機器人系統，系統主要由一臺6軸機械手、一輛AGV搬運車、2臺螺旋輸送機和1個廢料箱等設備組成。軟件系統與關寶山邊緣優化控制系統緊密集成，操作工只需要在ROC集控室的電腦上遠程一鍵啟動，機器人即可高效、精準地完成投料配藥的全流程工作。這一突破性進展徹底解決了配藥前依賴人工投料流程，極大地解放了配藥職工的雙手，同時系統能夠自動監測配藥桶液位，自動投藥、加水，穩定桶內藥劑濃度，使工作效率和生產指標均得到顯著提升。

（2）成品庫自動裝車機器人

成品庫區作為生產流程中物流銜接和生產節奏控制的重要樞紐，是工廠無人化和智能化建設的基礎，而桁車則是庫區最重要的執行單元。無人桁車、自動裝車，將從根本上改變成品庫區的作業模式，能夠降低生產成本，改善產品質量。

使用激光雷達結合三維重建算法建立成品庫模型，對礦堆、火車廠區環境等進行三維掃描與重建。同時基于實時環境感知與傳感技術對現場全環境進行虛擬現實仿真，實現遠端監控的可視化和臨場感。并對抓斗的運行情況和受力情況進行實時檢測。

抓斗控制方式改造為既可現場手動操控也可遠端控制方式。通過多傳感環境感知系統時獲取現場礦堆和設備數據，并通過非線性PID控制算法、MPC模型預測算法實現協調抓斗作業流程。運用自主移料與裝車控制算法實現精準的自動抓取裝車作業。安裝車間激光雷達，裝配調度室遙操作控制臺，遠端監控和管理成品庫裝車車間環境，實現全環境的虛擬現實實時仿真。

（3）磨磁巡檢機器人

采用智能巡檢機器人、后臺服務器、遠程集控中心三層架構，通過無線完成數據傳輸；巡檢機器人集成可見光、紅外熱成像儀、拾音器、振動傳感器等多種傳感器，完成圖像識別、溫度場測量、聲音和振動采集和分析。系統可以自動構建地圖和自動充電，機器人可以完成自主導航和數據采集，也可以由操作員進行遠程遙控；巡檢數據自動進行管理；在滿足日常巡檢需求的基礎上，有效提升巡檢效率，進而提升工廠智能化水平。

3.3 項目創新性

本項目構建了“礦石流跟蹤可視化-品位檢測在線化-過程決策智能化-生產指標預測化-選礦工廠數字化”的選礦“黑燈工廠”智慧模式，具體取得的創新成果如下：

創新點1：建設了智慧礦山工業互聯網平臺。遵循工業互聯網平臺標準體系，構建“端邊云”一體化協同運行結構，提供多協議支持的互聯接入、高可靠消息總線、大數據分析及多維數據可視化等共性平臺服務。

創新點2：創立了基于大數據+知識圖譜的選礦過程決策推理機制。采用數據與知識融合驅動的智能決策方法，實現了破碎、磨礦、磁選、浮選、壓濾等各工序間閉環優化控制。

創新點3：建立了可視化礦石流跟蹤與智能配礦模型。通過專家知識經驗和選礦工藝機理，創建了礦石性質綜合評價方法與生產指標預測方法，實現了選礦生產全過程的動態跟蹤與優化決策。

創新點4：開發了邊云協同的選礦全流程智能管控系統。運用智慧礦山工業互聯網平臺與邊緣計算架構，實現了統一平臺下生產計劃調度、質量過程控制、能源管理、預知性維修等業務的協同聯動。 

4、效益分析

4.1 經濟效益分析

本項目從2021年6月開始實施，到2022年8月正式竣工。各系統已上線穩定運行約2年，產生的經濟效益如下表所示：

經濟效益額的計算依據：

2023年：

（1）壓濾邊緣系統提升壓濾效率12噸/時，磨礦、浮選、破碎等系統效率提升降低系統精礦電單耗預計8.33元/千瓦時噸，8.33元/千瓦時噸*176萬噸=1466萬元。

因此，2023年節支總額1466萬元。

（2）在關寶山進行試驗應用項目成果后：

磨礦系統、礦石流系統應用提高球磨機臺時20噸/時，20噸/時*2臺*339日*24時/3.17=102662噸。102662噸*利潤420元/噸=4312萬元；

磁選邊緣系統降低磁選尾礦品位0.4%，折合綜合尾品0.28%，0.28%*300噸*339日=28476噸。28476噸*精礦售價980元/噸=2341萬元；

浮選邊緣系統降低浮選尾礦品位1%，折合綜合尾品0.3%，0.3*300噸*339日=30510噸。30510噸*精礦售價980元/噸=2890萬元；

通過預知維修，實現全年作業率提高1.3%，共計96小時，360噸/時*110小時*2臺/3.17*420元/噸=1049萬元

新增利潤=4312+2341+2890+1049=10592萬元。

（3）合計創效1466+10592=12058萬元。

2024年：

（1）節支總額

系統提升壓濾效率13噸/時，磨礦、浮選、破碎等系統效率提升降低系統精礦電單耗預計8.66元/千瓦時噸：

8.66元/千瓦時噸*201萬噸=1740萬元。

因此，節支總額1706萬元。

（2）新增利潤：

應用提高球磨機臺時26噸/時，26噸/時*2臺*339日*24時/3.17=133461噸。133461噸*利潤300元/噸=4137萬元；

系統降低磁選尾礦品位0.48%，折合綜合尾品0.33%，0.33%*300噸*339日=33561噸。33561噸*精礦售價790元/噸=2651萬元；

系統降低浮選尾礦品位1.2%，折合綜合尾品0.36%，0.36*300噸*339日=36612噸。36612噸*精礦售價790元/噸=2892萬元；

通過預知維修，實現全年作業率提高1.6%，共計118小時，366噸/時*110小時*2臺/3.17*300元/噸=762萬元

因此，新增利潤=4137+2651+2892+762=10442萬元。

（3）合計創效1706+10442=12148萬元。

因此，2023年-2024年合計創效12058+12148=24206萬元

4.2 社會效益分析

（1）提升了鐵礦資源的競爭力

推動了鞍鋼礦業智慧礦山建設進程，綜合生產效率大幅提高，選礦成本顯著降低，有利提升了鐵礦石原礦的競爭力。

（2）加速了行業智能礦山建設進程

以選礦過程工藝智能優化控制為主線，構建了選礦黑燈工廠智慧模式，實現了工藝流程自動化、過程控制智能化、實體工廠數字化的關鍵技術突破，推動了信息技術與實體經濟深度融合，不僅夯實了企業資源發展的基礎，對加速我國礦山行業智慧礦山建設進程、實施產業基礎再造工程和重大技術裝備攻關工程，推動礦業高端化、智能化、綠色化發展具有重要意義。

（3）提升了智能選礦全流程安全生產能力

推動鐵礦選礦生產方式智能化，構建科技含量高、安全生產、環境污染少的產業結構和生產方式，促進了經濟、社會、資源、安全、環境協調發展。

（4）減少了選礦過程碳排放

提高企業生產效率，增加能源精準投入，減少碳排放。同時，降低了選礦行業的能源消耗，從而有效降低碳排放。有利推進我國碳減排目標的順利實現。

（5）推動了礦業高質量發展，助力行業轉型升級

二十大報告指出要加快構建新發展格局，著力推動高質量發展，需要建設現代化產業體系，提升戰略性資源供應保障能力。該成果是落實二十大精神的具體體現，是行業轉型升級的典型與示范。該成果堅持智能開采和生產結構優化雙輪驅動，是東北老工業基地創新驅動、智能制造、持續創效的典范，實現了國家、社會和企業利益有機統一，是新時代鞍鋼憲法的生動詮釋，已成為智慧礦山建設的重要貢獻者和行業引領者。

項目面向國家戰略性礦產資源安全保障與鐵礦山行業轉型升級需求，結合鞍鋼集團“立足于世界格局、國家戰略，加快推動礦產資源事業發展，建設世界領先資源開發企業，發揮好央企‘穩定器’‘壓艙石’作用”的發展理念，研發了基于中國科學院沈陽自動化研究所“中科云翼”工業互聯網平臺、人工智能、機器人等智能制造先進技術的智慧礦山解決方案，建成了行業內首個選礦“黑燈”智能工廠，取得了顯著的經濟效益和行業示范引領效應，具有很好的推廣價值。