煤矿机电设备的运行效率与煤矿经营效益有着直接联系，随着煤矿开采机械化与自动化水平提高，对煤矿井下机电设备的管理手段与管理方法也提出了更高的要求，如何有效保证井下机电设备的安全运行也成为机电设备管理的重点。传统的设备定期点检维护管理方式经常会导致设备的故障不能在第一时间被发现，从而造成巨大的经济损失甚至严重的设备事故。因此对机电设备管理进行创新研究，实现设备运行状态实时监测，实现设备管理维护模式向预知事故方向转变已经成为设备管理与维护的必然趋势。基于此，智能矿山理念应运而生，且我国很多煤矿企业已开展了有关智能矿山建设的实践。智能矿山是将物联网、云计算、大数据、人工智能、自动控制、移动互联网技术，机器人、智能化装备等与现代煤矿开发技术深度融合，形成矿井全面感知、实时互联、分析决策、自主学习、动态预测、协同控制的完整智能系统，实现矿井开拓、采掘、运通、洗选、安全保障、生态保护、生产管理等全过程智能化运行的体系。
一、煤矿机电设备管理现状
（一）管理体制过于陈旧
当前，我国各级煤炭主管部门和相关煤炭开采企业都制定了相对严格的机电设备管理制度，但不可否认的是，在具体落实的过程中，仍然暴露出来一些比较严重的问题。比如，有些煤炭开采企业体制互相冲突，使得员工的工作积极性不高。在机电设备方面，很多企业在采购机电设备时，注重的都是经济性，为了节约成本，忽视了设备的质量，在使用设备进行实际作业时，设备的质量引起的事故，在煤矿这种相对复杂的环境中往往会得到扩大，造成更为严重的后果。
（二）技术人员素质过低
近些年，我国煤炭市场逐渐萎缩，煤矿企业的员工待遇慢慢下调，加上煤矿开采环境恶劣，工作难度大、强度高，使得行业内很多尖端技术人才流失，给我国煤炭行业整体带来了非常消极的影响。在流失的这一部分技术人才中，煤矿机电技术操作熟练的工作人员就是非常重要的一部分。他们很多是因为工资待遇下调、工作环境差等众多原因离开了这个行业。真正有良好技术储备的人员不愿意进门，而现有的技术人员专业水平又不足，不愿意接受改变，不能通过学习掌握新的煤矿机电技术，这更制约了我国智能矿山的建设。
（三）煤矿机电设备智能化没有得到良好的推广
随着我国科技的发展，煤矿机电设备也在不断更新换代。在迭代的过程中，智能化是设备主要的发展方向。但是，我国很多煤炭企业现役的设备都处于寿命的中后期，不光是性能已经大不如前，还有可能因为故障而带来其他方面的损失。然而，很多煤炭企业为了尽可能地节约成本，只有在设备必须淘汰更换才会将其替换，大大制约了智能化机电设备的应用和推广。
二、基于智能矿山的机电设备管理系统
（一）机电设备大数据分析云平台
煤矿机电设备大数据分析云平台是智能矿山机电设备管理的核心，负责数据采集、数量处理转换，形成煤矿设备数据中心，并基于煤矿机电设备的数据在设备健康评估、设备故障预测、设备能耗优化等领域进行大数据分析，为机电设备管理、故障诊断及预警、能耗监测提供基础服务。大数据分析云平台应包括数据集成、主数据管理、大数据数据分析三个内容。1、数据集成数据集成主要包括数据采集、数据清洗及数据转换。井下设备采集数据的方式，应当采用在现场部署物联网基站设备的方式。数据清洗是筛除采集到的错误数据，提高采集数据质量的有效方法，数据清洗前应先定义数据的清洗规则。在原数据上对数据进行清洗前，需要对原数据进行备份，以防原数据的丢失或损坏。数据被清洗之后，干净的数据应替换数据源中原有的数据。数据转换是清洗后的数据形成标准化的基础数据资源，包括数据库到数据库转换流程、XML到数据库转换流程、数据库到XML转换流程、Excel到数据库转换流程、平面数据到数据库转换流程、数据库到平面数据转换流程和数据库到HBase转换流程等。2、数据管理数据管理包括数据存储、元数据、数据源及数据审计环节。数据存储层将采集到的数据进行分类汇总形成不同的专题数据库并对数据质量进行管理。元数据用于定义数据字典模型，配置期定义捕获业务以及运行期数据格式转换等功能。数据源主要提供数据源新建、修改、删除的功能。数据审计机制包括操作回溯、报警响应、事件关联、事件定位、身份认证、资源授权、访问控制等内容，旨在安全管控上建立完善的机制和体系，从而保障数据安全。3、大数据分析大数据分析主要包括数据导入、机器学习、模型训练、模型导出以及部署应用五大关键功能。数据导入是指对所有主流数据库、文件系统以及文本格式的数据进行接入。机器学习数据挖掘不是“一锤子”能解决问题，需要反复的迭代实验，根据数据变化调整优化模型。大数据分析平台能够保证对全量数据的模型构建，避免了传统分析工具只能利用小数据样本进行机器学习的弊端。通过对模型的有效评估方法判断模型是否适用于机电设备管理。通过对井下刮板运输机、破碎机、转载机、胶带运输机等重大机电设备的在线监测信号(包括振动、轴温、油脂、电流、电压、功率、工况等)和点检信息的实时分析、特征对比,以及故障树分析计算,实现设备的远程故障诊断、缺陷识别和隐患排查,准确定位故障和缺陷类型和位置,为设备健康管理、更新决策提供信息支撑,确保设备的高可靠、无缺陷运行。
（二）机电设备故障诊断及预警
通过集成煤矿机电设备数据，结合大数据技术提供物联网智能分析服务，针对井下主要机电设备的数据进行预测分析与优化。通过汇集海量设备故障监测传感数据，提供设备综合监控、OLAP分析，实现对设备的预测性维护，对设备使用行为的分析与优化，对设备所需耗材运营供需的预测分析，以及对设备运行效能的优化与改进。监测诊断系统通过实时采集设备运行时的振动信号、电参数信号、温度信号等，对信号进行融合分析，结合故障诊断智能诊断算法和专家知识库，实现对机电设备的实时智能诊断。通过对机电设备关键传动部件振动信号在线监测，定量诊断故障损伤部位与严重程度，将振动监测信息智能地转化为预测性机械状态报警，克服传统故障诊断对专业技术人员的过分依赖。预警预报包括早期故障预警、故障类型特征报警、故障程度定位等功能，可随时掌握机电设备运行状态，发生超限、设备早期故障时，能及时给出报警。方便机电设备维护人员在计划检修时间，提前有的放矢的对机电设备进行维护保养，将事故消灭在隐患状态，将损失降到最小。
三、智能矿山中的机电设备管理创新策略
（一）AI智能监控平台
AI智能监控平台是以网络通讯及数字化技术为基础，为多个“信息孤岛”提供协同合作的统一平台，建立一套高集成、高智能化的管理机制。可以实现统一的配置管理、数据共享、功能联动和业务优化等功能。通过AI智能视频系统进行机电设备管理有以下几个方面的实际意义：（1）保证设备隐患整改落到实处，避免徇私舞弊平台可对报警进行自动记录，迫使值班员、安全员不得不对报警记录进行实时处理，有效促进了制度的落实与完善，堵住了约束不严的漏洞。（2）辅助安全管理，提升管理人员效率有助于安全管理人员开展工作。每个监控摄像头，都是一个7×24小时工作的“电子安全员”。改变了传统的安全管理人海战术，使得安全管理人员、企业管理人员可以从日常巡逻检查等事务性工作中脱离出来，更多的从事安全相关的技术工作、制度修订工作等理论性工作。（3）提升员工安全意识实时监控够使得作业人员时刻保持警惕，破除部分人员的侥幸心理、麻痹心理，及时发现违章作业苗头，自动抓拍摄录违章行为，进而采取教育、处罚、激励等措施，短期内可形成有效震慑力，使得作业人员违规行为无处可藏、不敢违规、不愿违规，长期可形成良好的作业习惯与秩序，提升本质安全。
（二）“人才兴企”，人才是机电设备创新管理的根本要想让煤炭机电设备管理得到创新，还需要提高技术人员的水平。尤其在煤炭行业“以人为本、科技兴企”理念大力推广的情况下，煤炭企业提高人员的能力已经成为亟待落实的方法。首先，企业应提高培训强度，根据开采工作的具体需求，针对性地进行培训，让理论和实际生产联系起来，让理论成为实践的支撑，让实践成为理论的印证。另外，企业还应开展学习活动，通过引进先进的技术，让员工的业务能力得到提高。不仅如此，企业还可以挑选一些专业人员，将其送到指定院校接受教育，学习时下先进的煤炭机电技术。企业管理人员要对行业有敏锐的感知，通过聘请业内机电技术专家来企业内部进行讲座，传授先进的设备管理经验。
四、提升智能矿山机电设备管理的建议
（一）积极使用先进的技术和设备
近些年我国煤炭行业的退步对新技术和新设备的研发都造成了消极的影响。为了确保采矿工程的有序进行，企业需要和设备生产厂家保持紧密的联系，及时传达自身需求，让设备生产厂家有针对性地提高新设备的功能性，以满足采矿的需求。另外，各煤炭企业也可以联合起来，开展技术交流，并利用现有的技术进行设备创新竞赛等，进一步提高设备管理的质量。
（二）提高技术人员的薪酬待遇
由于煤矿工作的特殊性，工作人员需要较长时间处在危险、复杂的环境中。煤矿机电设备作为长期在这种恶劣环境中运行的工具，操作起来又有一定的难度，也会给工作人员带来一定的危险，再加上采矿工作超高的工作强度，如果不能给技术人员提供较高的薪酬，行业的人才流失状况势必会更加严重。所以，企业应在能力所及的范围内，适当提高技术人员的薪酬待遇，这样不仅能让技术人员保持良好的工作积极性，还能留住人才，保证企业的竞争力。
五、结束语
煤矿机电设备管理是整个采矿工程流程中非常重要的一个环节，随着煤矿规模的扩大，机电设备管理也遇到了各种各样的问题。企业首先要优化管理制度，然后通过技术培训等方法，提高人员的技术水平，并通过薪酬待遇的提高，保留住技术人员，提高企业在市场中的竞争力。本文分析了煤矿机电设备管理的现状，并提出了几点优化方法，希望能对我国煤矿行业的发展起到积极作用。 [1] [2] [3] [4] [5] 下一页 |
