头图

5G“新引擎”,助力矿山向无人化、智慧化转型!

作者简介
图片

马巍,腾讯云 TVP 行业大使,现任三一智矿科技有限公司董事长,企业家、职业经理人、自动驾驶行业专家,曾任职多家知名智能化企业高管。三一智矿由三一集团全资注册成立,马巍先生作为公司创始人,从零开始组建公司团队,打造核心技术,经过四年发展,公司实现矿山智能化产品研发推广,核心专利技术突破 200 余件,并已实现井工综采智能化产品多矿应用、露天矿山无人驾驶商业化运营。

一、矿山行业机遇与挑战并存

实际上,早在 2016 年国家就已开始布局智慧矿山的建设,随后,无论是在露天矿还是在井下矿设备方面我们也都做出了相应的努力和投入。近年来,矿山行业的发展势头十分强劲,但是在发展过程中也存在一些亟待解决的问题,可以概括为以下几个方面:

  1. 港环境恶劣、矿难频发、生产安全形势严峻;
  2. 亟待经营成本、提升管理效率;
  3. 从业人员断层严重、招工难;
  4. 作业方式落后、效率低下等成为普遍性的行业痛点。

但也正是基于这样的条件,挑战伴随着机遇并存,我们可以借力政策的引导和新兴技术的引入来推动行业发展。5G 技术的大带宽、低时延、广连接等特性,为打造智慧矿山创新型应用,助力矿山行业转型升级奠定了坚实基础。

毋庸置疑,智慧化转型是矿山行业发展的必经之路,其中,智慧化主要体现在机械化“换人”、自动化“减人”,和智能化“无人”三方面。而矿山行业选择智慧化路径的原因一方面是由于用工荒的外部问题需要得到解决,另一方面则是煤炭行业转型升级的内在要求。智慧矿山建设将推动煤炭行业发展步入新常态,促进其高质量、高效益发展。

图片

二、5G技术落地智慧矿山的应用

随着5G技术在矿山行业的布局,我们需要正确把握其在井工矿和露天矿不同场景下的具体应用。

首先,在井工矿场景下:

一方面,我们要井上井下协同作业。井工矿的整体智能化设计不是从顶层、数据层或平台层,而是从云端层,更多的是设备端。从掘径设备到开采工序,都以设备的智能化、少人化为主,利用 5G 大带宽特性,通过矿用 5G 手机、智能头灯等,井下人员可以随时随地与井上管理人员、技术人员实现昏暗环境下的 4K 超高清视频通话,助力井上技术人员看清井下生产细节,提高管理、技术支撑效率。

另一方面,我们要打造 5G+综采智能化工作面。将工作面数据在集控中心进行汇聚,通过 5G 网络实现地面对工作面采煤机、液压支架、三机设备的远程操作,对工作面监控数据、视频的回传。

而在露天矿场景下:

其工序相较于井工矿简单许多,主要通过在矿区实现选矿区及矿区指挥调度中心的 5G 网络覆盖,部署 5G+智能采矿、5G+调度系统、5G+智能管控等应用。

5G 网络的低时延特性在满足控制可交互的条件下,可以实现露天采矿场电动自卸车、宽体车、挖机等设备无人驾驶及远程操控。5G+智能管控平台,实现工作量统计、故障数据统计、设备油耗统计、人员考勤统计等的智能化,极大地提升了生产运输效率,保障了人员作业安全,真正帮助企业降本增效。

综上所述,无人化、少人化将是矿山行业的未来发展方向,随着矿山智能化的发展,行业数字化转型正在加剧,为了实现矿山设备智能化,设备互联成为了必不可少的条件。但做矿区的设备智能化只是第一步,打造一个云端的平台才能真正地将矿山智慧化地调度起来,5G 技术是从“端”到“云”中的一大关键。

图片

三、展望5G时代智慧矿山的未来

作为企业,我们更多是想将技术应用到整个行业和产品上,目前我们也在不断完善矿山的解决方案,希望未来能运用到业务的商业模式和对外的合作模式上。我们一直贯彻“数字矿山、智慧矿山、绿色矿山”的理念,运用现代 AI、大数据、人工智能、云平台和 5G 等科技,致力于矿山无人驾驶运输、智能矿山管理系统以及 AI 云算法平台的开发和运用,打造具有自主决策能力的智慧矿山运营系统。

值得一提的是,矿山行业的发展必须从产品画像到杀手特性逐渐深入,未来的智慧矿山一定是在解决行业顽疾的同时,创造机遇与价值。

图片

目前三一智矿也和腾讯云达成了深度合作,共同推动矿山无人化的建设,我们合作推出了“自动驾驶+远程操控”的无人化方案,基于腾讯云实时音视频(TRTC)与 5G 网络融合技术,可以将视频传输时延大幅降低,为作业人员提供更加稳定、流畅、可靠的远程操作体验。

未来,我们将继续携手,积极响应国家“数字化”和“双碳”的战略规划,为国家能源行业高质量发展和数字经济建设提供强有力支撑。


腾讯云技术社区
最专业的云解读社区
21.7k 声望
17.3k 粉丝
0 条评论
推荐阅读
TVP走进腾讯:直面变革浪潮,合力拥抱AI新时代
自 ChatGPT 问世以来,以通用人工智能为代表的 AI 技术发展开始“狂飙”,多家企业和研究机构入局大模型赛道,新应用场景不断涌现。如何理解通用人工智能技术将带来的巨大影响,并把握随之而来的机遇和挑战,是我们...

腾讯云开发者

封面图
TOPI 简介
这是 TVM 算子清单(TOPI)的入门教程。 TOPI 提供了 numpy 风格的通用操作和 schedule,其抽象程度高于 TVM。本教程将介绍 TOPI 是如何使得 TVM 中的代码不那么样板化的。

超神经HyperAI1阅读 90.7k

编译 MXNet 模型
本篇文章译自英文文档 Compile MXNet Models。作者是 Joshua Z. Zhang,Kazutaka Morita。更多 TVM 中文文档可访问 →TVM 中文站。本文将介绍如何用 Relay 部署 MXNet 模型。首先安装 mxnet 模块,可通过 pip 快速...

超神经HyperAI1阅读 64k

编译 PyTorch 模型
本篇文章译自英文文档 Compile PyTorch Models。作者是 Alex Wong。更多 TVM 中文文档可访问 →TVM 中文站。本文介绍了如何用 Relay 部署 PyTorch 模型。首先应安装 PyTorch。此外,还应安装 TorchVision,并将其...

超神经HyperAI1阅读 93.1k

科罗拉多州立大学发布CSU-MLP模型,用随机森林预测中期恶劣天气
内容一览:近期,来自美国科罗拉多州立大学与 SPC 的相关学者联合发布了一个基于随机森林的机器学习模型 CSU-MLP,该模型能够对中期 (4-8天) 范围内恶劣天气进行准确预报。目前该成果刊已发表在《Weather and For...

超神经HyperAI阅读 63.8k

封面图
利用 UMA 使硬件加速器可直接用于 TVM
本篇文章译自英文文档 Making your Hardware Accelerator TVM-ready with UMA作者是 Michael J. Klaiber,Christoph Gerum,Paul Palomero Bernardo。更多 TVM 中文文档可访问 →TVM 中文站本节介绍通用模块化加速器...

超神经HyperAI阅读 94.1k

借助计算机建模及 eBird 数据集,马萨诸塞大学成功预测鸟类迁徙
本文首发自 HyperAI超神经微信公众号~内容一览:近日,英国生态学会期刊《Methods in Ecology and Evolution》上发布了一个新的预测模型 BirdFlow,其能够解决生物学目前最困难的挑战之一:准确预测候鸟的运动轨...

超神经HyperAI阅读 89.7k

封面图
21.7k 声望
17.3k 粉丝
宣传栏