智慧矿山数据治理概念内涵、发展目标与关键技术

2022-06-22 02:14谭章禄王美君
工矿自动化 2022年5期
关键词:矿山协同智慧

谭章禄, 王美君

(中国矿业大学(北京) 管理学院,北京 100083)

0 引言

煤矿智能化是煤炭工业高质量发展的核心技术支撑[1],数据是推动煤矿智能化技术开发、应用模式创新、市场竞争力提升的核心资源。数据治理无论是对于推动煤矿智能化发展进程,还是对于推动煤炭工业享受“新基建”红利均具有重要意义。2020年2月,国家发展改革委、国家能源局等八部委在《关于加快煤矿智能化发展的指导意见》[2]中强调要强化标准引领,加强煤炭数据管理,建设国家级煤矿信息大数据分析与共享交换平台、地方政府煤炭信息管理云平台和煤矿智能化大数据应用平台,构建实时、透明的煤矿采、掘、机、运、通、洗选等数据链条,实现煤矿供产销业务的一体化协同。为贯彻落实上述指导意见,2021年6月,国家能源局、国家矿山安全监察局在《煤矿智能化建设指南(2021年版)》[3]中进一步强调智能化煤矿应推动煤炭数据标准落地,强化煤炭数据管理,建设高速数据传输通道,形成煤炭大数据智能应用中心,面向不同业务部门实现按需服务;中国煤炭工业协会在《煤炭工业“十四五”高质量发展指导意见》[4]中将煤炭大数据平台列为“十四五”时期煤炭工业十大示范工程,借此推动煤炭工业形成以“数字化引领、智能化生产、专业化服务、定制化营销、集群化建设、绿色化发展”为特征的高质量发展新格局。由此可见,数据治理是进一步推动煤矿智能化发展的关键基础支撑。2021年3月,《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[5](简称《目标纲要》)中强调要通过建设高速泛在、天地一体、集成互联、安全高效的信息基础设施,增强数据感知、传输、存储和运算能力,实施“上云用数赋智”行动(“上云”重点是推行普惠性云服务支持政策,“用数”重点是更深层次推进大数据融合应用,“赋智”重点是支持企业智能化改造),推动数据赋能全产业链协同转型。为贯彻落实《目标纲要》,2021年11月,工业和信息化部在《“十四五”信息化和工业化深度融合发展规划》[6]中进一步指出煤炭工业向智能化、无人化和绿色化等方向加速数字化转型是“十四五”时期两化深度融合的重点工程,在打造数据驱动、软件定义、平台支撑、服务增值、智能主导的现代化产业体系中具有重要作用。由此可见,数据治理是煤炭工业享受“新基建”红利的重要突破口。

煤炭企业在智能化建设进程中形成了透明地质、智能开采、智能掘进、智能主运、智能辅运、综合保障、安全管控、洗选加工、经营管理、智能园区等方面种类繁多的智能化系统,形成了体量巨大、多源异构、冗余复杂的煤炭数据[7]。当前矿山对象识别不完全、对象属性抽取不完备、数据关联建模不充分、数据标准规范不健全、数据权责归属不明确、数据管理机制不科学,煤炭数据尚未得到有效治理,暴露出透彻感知难、深度互联难、数据共享难、业务协同难、需求响应慢等现实问题[8]。然而,关于智慧矿山数据治理的理论研究和实践探索尚处于破题阶段。何敏[9]探讨了智能煤矿数据治理相关问题。疏礼春[10]对智能煤矿数据中台架构展开研究。但目前在智慧矿山数据治理的概念内涵、发展目标、发展策略和关键技术等方面尚未达成共识,不利于智慧矿山数据治理相关理论研究和实践探索的深入开展。因此,本文分析了数据治理在智慧矿山建设中的重要地位,对智慧矿山数据治理的概念内涵进行了界定,探讨了智慧矿山数据治理的发展目标及策略,最后提出了智慧矿山数据治理的关键技术。

1 数据治理在智慧矿山建设中的重要地位

智慧矿山是指以地质勘探、煤矿开采、机械电气、安全管理、加工利用等学科专业知识为基础,充分运用云计算[11]、大数据[12]、物联网[13]、工业互联网[14]、人工智能[15]、区块链[16]、虚拟现实(VR)和增强现实(AR)[17]等先进信息技术构建矿山信息世界,同时改造矿山物理世界和意识世界,形成具有透彻感知、深度互联结构特征和具备自主学习、智能应用功能特征的矿山体系,最大限度地用机械化、自动化、智能化和智慧化技术改造矿山勘探、设计、开采、洗选、利用等煤炭生产和管理过程,实现煤炭生产和管理过程中有关资源配置、设备联动、组织协同、状态分析、趋势预测、风险识别、方案决策和目标控制的自动化、智能化和智慧化,实现矿山资源在少人或无人的情形下安全、绿色、经济、高效地开发和利用,最终把煤矿打造成一个可高质量持续发展的“智慧结构完善、层级架构健全、支撑体系发达、高度智能”的智慧系统。

智慧矿山初级阶段(即智能化建设阶段)的根本任务主要有三项[18]:① 在现有的产业条件、经营能力和资源基础之上构建一个信息世界。② 对矿山现在的物理世界和意识世界进行数字化、智能化、智慧化改造。③ 搭建矿山意识世界、物理世界和信息世界三者互联互通的桥梁。三项任务交互协同,赋予矿山透彻感知、深度互联的结构特征和自主学习、智能应用的功能特征,最终建立由感知控制层、网络通信层、数据及应用支撑层、应用与展示层四个层级和信息化标准体系、信息化管理运维体系、信息化安全体系三大支撑体系构成的“四横三纵”整体架构(图1)。

图1 智能化矿山整体框架Fig.1 The overall framework of intelligent mine

在国家发展改革委、国家能源局、应急部、国家矿山安全监察局 、工业和信息化部、财政部、科技部、教育部等国家部委的指导下,经过中国煤炭工业协会、煤炭科研院所、煤炭生产企业、煤机装备制造企业、煤矿智能服务供应商等煤矿智能化产业生态中各单位的长期努力,云计算、大数据、物联网、工业互联网、人工智能、区块链、VR和AR等新型技术相关的基础设施已经在地质保障、智能掘进、智能开采、智能主运、智能辅运、综合保障、安全管控、洗选加工、经营管理、智能园区等方面为矿山智能化建设赋能,正在围绕智能化矿山“四横三纵”整体架构形成智能服务产品。然而,目前的矿山智能服务产品多服务于单一的业务场景,缺乏数据整合、技术集成和业务协同,导致网络设施、计算设施、存储设施等基础设施重复投资;由于数据标准不同、传输协议不同、通信接口未开放,使得具有相似功能的业务系统重复建设。这不仅直接导致了严重的初始投资浪费,还间接浪费了大量的运维管理成本,更为将来的系统集成和业务联动设置了极大的阻碍,严重影响了智慧矿山高阶段发展目标的实现[19]。

数据治理是智慧矿山初级阶段向高级阶段发展的关键瓶颈。矿山建设的机房、信息中心、数据中心等积累了大量数据资源,透明地质、智能掘进、智能开采、智能主运、智能辅运、综合保障、安全管控、洗选加工、经营管理、智能园区等智能应用场景提供了数据资源的目的地,5G、物联网、工业互联网、移动互联网等搭建了数据资源通往各个目的地的信息高速路,云计算、大数据、人工智能、区块链、AR、VR等技术为数据资源在信息高速路上的通行保驾护航。

智慧矿山数据治理是信息高速路上的交管部门,主要解决如下问题:① 信息高速路的规划,让数据资源以最小的成本和最高的效率服务于智慧矿山智能应用场景,避免基础设施和应用系统重复建设、智能应用需求响应慢或错误响应。② 制定信息高速路上的规则,保证数据资源顺利到达目的地,避免权责归属、数据质量、数据安全等问题。③ 确定信息高速路上的监管措施,保障数据平台的平稳运行。

2 智慧矿山数据治理的概念内涵

运用归纳演绎方法,在归纳数据治理行业实践形成的经典定义基础上,对智慧矿山数据治理的概念内涵进行界定[20]。

当前对数据治理有6种较为经典的定义:① 国 际标准化组织(International Organization for Standardization,ISO)认为数据治理是指数据管理政策的制定与执行,奉行“责任、战略、接受、绩效、协同、行为”等原则[21]。② 国际电工委员会(International Electrotechnical Commission,IEC)认为数据治理是指以设计、实施、监控数据资产管理的战略计划为目标,协调实施的一系列活动[22]。③ 国际电信联盟(International Telecommunication Union,ITU)认为数据治理是指设计、实施和监控一项数据资产管理计划的所有活动过程,涉及协同过程管理、生命周期管理和风险过程管理等内容[23]。④ 国际数据治理研究所(Data Governance Institute,DGI)认为数据治理是一个通过一系列信息相关的过程来实现决策权和职责分工的系统,这些过程按照达成共识的模型来执行,该模型描述了谁能根据什么信息,在什么时间和情况下,用什么方法采取什么行动[24]。⑤ 国际数据管理协会(DAMA International)认为数据治理是指对数据资产管理行使权力、控制和共享决策(包括规划、监测和执行)的系列活动[25]。⑥ GB/T 34960.5−2018《信息技术服务 治理 第 5 部分:数据治理规范》中,数据治理是指数据资源及其应用过程中的相关管控活动、绩效和风险管理的集合[26]。

基于以上定义,对数据治理的内涵进行提炼和总结:① 数据治理与数据管理有本质区别,数据治理是对数据相关的权力、责任、利益的制度安排,而数据管理是在数据治理的安排下执行正确的管理职责。② 数据治理的目标是构建一套完善的数据管理机制来规范指导、规划、执行、监督等数据管理活动,表现出数据质量保障、数据风险管控、数据价值提升等多元价值诉求。③ 数据治理的对象以数据资产为核心,以数据技术和业务活动为外延,为实现企业数据治理目标,需要同时对数据技术和业务活动进行治理。④ 针对不同的应用场景和治理动机,涉及不同的治理范围和参与主体,需要构建完整的概念体系和技术框架,以指导数据管理活动。

智慧矿山数据治理是指在智慧矿山智能应用场景下,出于煤炭企业高质量发展的动机,对煤炭数据及其相关技术和业务全生命周期的权利、责任和利益进行制度优化:建立健全煤炭数据标准和管理规范;运用数据采集、存储、开发、服务和管理等数据治理技术,通过智慧矿山对象全识别、属性全抽取、关联全建模等过程,打通矿山地质、安全、生产、经营等各业务系统纵向组织层级之间、横向功能与功能之间、系统与系统之间、平台与平台之间的数据壁垒;在保障数据质量和安全的前提下,促进智慧矿山地质保障系统、智能掘进系统、智能开采系统、主运输系统、辅助运输系统、综合保障系统、安全管控系统、智能洗选加工系统、经营管理系统等业务系统的数据共享和开放;进一步通过数据、技术和业务的沉淀、共享、复用和协同,构建智慧矿山数据治理平台,提高矿山智能决策效率,逐步促进煤炭企业战略变革、组织变革和文化变革,最终实现智慧矿山文化、战略、组织、业务、技术、数据六位一体协同发展。简言之,智慧矿山数据治理是在“沉淀、复用、共享、协同”的治理理念引导下,煤炭企业内各部门连同行业和政府监管部门通力协作,制定数据标准和管理规范,重塑煤炭企业数据架构和数据传输链路,打通智慧矿山数据壁垒,保障数据质量和数据安全,构建智慧矿山技术联动和业务协同机制,实现数字驱动型决策和柔性生产的过程。

3 智慧矿山数据治理发展目标

3.1 总体目标

智慧矿山数据治理重点是解决智慧矿山建设过程中的信息孤岛问题,实现数据共享和业务协同,使得智慧矿山真正成为促进煤炭企业价值提升的有机整体,总体目标概括为以下4个方面。

(1) 构建智慧矿山数据资产体系。智慧矿山要实现全域全量数据的透彻感知,应采集矿山中所有可采集的数据并规范存储,通过构建统一、标准、规范的数据资产体系,形成数据资产地图,并提供统一的数据服务接口,以在面向数据开发任务时(如开发某项算法或某个业务功能)能够迅速明确有哪些数据可以使用及其调用方式。

(2) 实现安全有效的数据资产管理。构建统一的数据标准和规范的数据管理机制,采用数据标准管理、元数据管理、主数据管理、数据资产管理、数据质量管理、数据安全管理等数据治理工具,对智慧矿山数据资产体系进行科学管理,保障数据安全和数据质量,提升数据价值。

(3) 实现信息资源和能力共享。对数据服务、技术服务和业务服务进行组件式开发和标准化封装,通过统一、标准、规范的数据、技术和业务调用接口,打破系统间的信息壁垒,迅速调用智慧矿山信息资源,敏捷响应智慧矿山智能应用场景需求。

(4) 实现系统联动和全局协同。通过疏通智慧矿山信息流,建立智慧矿山价值流、服务流、物质流、资金流的关联关系,构建“五流”联动的协同体系,一方面实现地质保障、智能掘进、智能开采、安全管控、综合保障等系统各组件的业务联动,另一方面实现智慧矿山供−产−销−用协调联动、人−财−物协调配置的全局协同。

3.2 发展策略

智慧矿山数据治理是关乎智慧矿山建设全局的系统性工程,应围绕智慧矿山建设目标,妥善处理好局部协同与整体协同、物理集成与逻辑集成、智能业务系统与数据治理平台、集团级数据治理平台与矿级数据治理平台、本地处理与云处理5个方面的关系。

3.2.1 局部协同与整体协同的关系

当前智慧矿山建设水平之所以较低,是因为追求地质勘探、矿井设计、基建、开采、洗选加工、运输利用和矿区修复中主要环节的自动化、智能化或某一方面业务(智能掘进、智能开采等)的联动控制,强调局部协同的实现。智慧矿山整体协同要求供−产−销−用协调联动、人−财−物协调配置,以柔性生产为核心,促进煤炭企业全局甚至全产业生态的联动与协同,发挥煤炭在我国现代化能源体系中作为稳定器和压舱石的重要作用,加速构建现代化智慧能源新格局。智慧矿山数据治理要在当前实现的局部协同基础上,面向安全、生产、经营等各类智能应用场景构建数据关联,打破系统间的数据壁垒,从智慧矿山整体建设的全局考虑价值流、服务流、信息流、物质流、资金流的协同关系,通过分类、分级、分权配置技术服务、数据服务和业务服务,实现应用数据全感知、全联通、全汇聚、全分析和全智能,保障局部协同实现,同时促进全局协同实现。

3.2.2 物理集成与逻辑集成的关系

物理集成的各系统在业务、数据、技术等方面没有实际关联,仅在物理形式上将各系统拼凑或拼接在一起,在感官上实现了系统集成,但没有切实降低系统用户的工作强度并提高系统用户的工作效率,如使用工业大屏实现各业务系统的统一展示,用统一的界面将相关业务系统统一封装。逻辑集成强调敏捷响应用户的实际应用需求,通过建立统一的业务规则、数据关联和技术协同,形成自主学习、智能决策机制,为用户快速提供过程控制或商业决策所需的信息。智慧矿山数据治理以治理煤炭数据为核心,同时重塑矿山业务逻辑和技术架构,利用物理集成冗余的网络、存储、计算资源实现科学的业务系统可视化,通过逻辑集成建立的自主学习、智能决策机制降低煤炭企业员工的工作负荷,实现减人增效目标。

3.2.3 智能业务系统与数据治理平台的关系

当前的智能业务系统多运用“浏览器/服务器(B/S)+客户机/服务器(C/S)+移动应用程序(APP)”的融合架构,采用“单独系统+单独技术+单独服务器(含网络服务、存储服务、计算服务)+单独数据库+单独机柜”的模式部署。在有系统集成需求时,智能业务系统间通过后期编写接口进行对接。智慧矿山数据治理平台需打破这种孤岛式的系统建设和部署模式,通过抽象智慧矿山所需的共性技术、抽象智慧矿山智能应用场景中的共性业务,构建智慧矿山数据资产体系,形成技术微服务、业务微服务和数据微服务,集约化部署在一套服务器中,共同使用一套数据库产品中的数据,面向不同智能应用场景的不同业务需求进行组件式开发,大大提高智能应用需求的响应速度,降低智能系统建设的基础投资和运维成本。

3.2.4 集团级数据治理平台与矿级数据治理平台的关系

《目标纲要》中明确指出要推动煤炭生产向资源富集地区集中。煤炭行业在国民经济高质量发展和“双碳”目标的约束下,正在进行煤炭资源富集地区优势产能的深化整合和煤电一体化布局,未来煤炭行业必将创新集团化发展模式。在集团化发展模式下,集团一级负责以安全生产、采购供应、运输销售、智能调度、资本财务、自动办公为主线的综合管控,矿井一级负责以透明地质、智能掘进、智能开采、综合保障、安全管控、智能煤流、洗选加工等为核心的一线生产。 集团−矿井两级架构下不同的业务目标和场景要求正确处理好两级数据治理平台之间的关系。集团级数据治理平台重在统一全集团下属各矿级单位的数据标准和管理规范,偏向多场景业务数据的融合分析和商务智能应用;矿级数据治理平台必须严格遵循全集团统一的数据标准和管理规范,偏向分布式存储、小规模计算和快速响应。两级数据治理平台之间可通过虚拟专用网络(Virtual Private Network,VPN)专线连接,以确保数据安全和传输效率,通过数据权限管理和数据应用体系开发,实现数据智能应用。

3.2.5 本地处理与云处理的关系

不同类别、不同等级的数据应用对数据处理时效和数据安全保障的要求不一样,应对数据进行分类分级并实行差异化处理策略。各类生产过程感知控制数据和安全监测监控数据要求处理时效性强、数据安全等级高,需由本地计算服务器甚至是边缘计算服务器进行处理,以保障数据处理传输效率,并确保数据安全;而关于矿井勘探设计、生产管理、安全管理、自动化办公、供应链管理、财务管理、仓储管理、运销管理、环保健康管理、园区管理等的数据处理不要求强时效性且数据量大,适宜采用云处理方式。

3.3 阶段性任务

智慧矿山中数据对象繁多、对象属性多样、数据关系复杂、业务场景尚不完备、智能技术尚处于发展之中,数据治理必将经历一个长期复杂的发展过程,不可能一蹴而就,需要分阶段、分层次、有重点地稳步推进。根据智慧矿山数据治理的目标和要求,从当前智慧矿山数据治理的现状出发,智慧矿山数据治理需要分顶层设计、平台构建、开放共享3个阶段进行建设,每个阶段的完成周期因煤炭企业数据治理的现实条件不同而有差异。

(1) 顶层设计阶段。这一阶段由集团一把手牵头,以集团级数据治理部门为主导,重点任务是建立数据标准和管理规范。建立完善的数据治理体系,明确数据权属和数据治理各利益相关人责权,制定规范的数据质量改善流程,形成面向多样化煤矿数据应用场景的数据治理闭环;建立统一、规范的数据标准体系,规范各类编码方案、元数据、主数据和数据表,统一数据采集、传输、存储和访问接口标准,形成完善的煤矿数据字典。

(2) 平台构建阶段。这一阶段由集团级数据治理部门牵头,以矿级数据治理部门为主导,重点任务是根据集团统一的数据标准和管理规范建设矿级数据治理平台,并实现与集团级数据治理平台的对接。合理设计智慧矿山数据采集、存储、开发、服务和管理策略,采用“集约化部署、组件式开发”方式设计数据治理平台技术架构,构建完善的煤炭数据资产体系,形成敏捷、高效的数据服务能力。

(3) 开放共享阶段。这一阶段由政府部门牵头,以行业协会为主导,重点任务是建设国家级煤矿信息大数据分析与共享交换平台和地方政府煤炭信息管理云平台,并实现与集团级数据治理平台的对接,促进煤炭产业生态供−产−销−用一体化智能协同发展,促进煤电联动和煤电一体化布局,加速构建现代化智慧能源体系。

4 智慧矿山数据治理关键技术

要实现智慧矿山数据治理的发展目标,目前尚需突破数据标准构建、全局数据建模、数据汇聚、数据开发、数据管理、中台架构6个方面的关键技术。

4.1 数据标准构建技术

智慧矿山数据标准是保障煤炭数据使用、交换、共享、开放的一致性和准确性的一种约束性规范。智慧矿山数据治理的首要问题是构建统一的数据标准,以指导和规范数据治理过程和行为。当前我国煤炭工业标准主要有煤炭资源评价与综合利用相关标准、煤矿专用设备相关标准、煤矿安全相关标准等三大类,而煤炭数据标准的相关内容主要散布于煤矿专用设备相关标准和煤矿安全相关标准之中,涉及通信接口定义、通信协议规范、数据信息分类、网络安全保障等内容。智慧矿山数据标准应由基础标准、元数据标准、主数据标准、数据资产标准、数据质量标准、数据安全标准、数据管理标准等构成完整体系。智慧矿山数据标准体系亟待开发。

4.2 全局数据建模技术

智慧矿山数据建模是指通过对智慧矿山各类对象的识别、对象属性的抽取、属性关系的建立等过程,经过概念建模、逻辑建模和物理建模等阶段,对智慧矿山各类数据进行抽象和组织,形成智慧矿山数据资产体系。目前智慧矿山中的各类智能业务系统均面向所服务的业务进行数据建模,各系统数据之间的关联关系很少被探索和挖掘,因而不能实现智能系统的协同联动。进行智慧矿山数据治理时,需对智慧矿山所有的对象、属性及数据关系进行建模,打通各业务系统的数据壁垒,实现对智慧矿山全域全量数据的透彻感知,以支持构建智慧矿山数据协同、技术协同和业务协同机制,实现智慧矿山整体协同。

4.3 数据汇聚技术

数据汇聚一般采用抽取−转换−加载(Extract−Transform−Load,ETL)操作,但这不适用于智慧矿山大规模的数据场景。为了提高数据传输效率并保证不丢失重要数据,智慧矿山数据汇聚应采用抽取−加载−转换(Extract−Load−Transform,ELT)操作,即在数据采集过程中不进行复杂的清洗处理操作,对采集的数据直接进行存储,在数据开发前进行数据清洗和处理。数据汇聚包括数据采集和数据存储2个流程。智慧矿山数据治理应根据数据特征分类分级开发数据采集和数据存储策略。智慧矿山的离线大批量数据采用离线采集策略,通过Sqoop,Canal,DataX等工具实现;智慧矿山准实时小批量数据采用准实时采集策略,运用Spark Streaming准实时计算框架,通过Flume、网络爬虫等工具实现;智慧矿山的实时数据流采用实时采集策略,运用Storm,Flink实时计算框架,通过Kafka分布式消息队列采集系统实现。智慧矿山各类数据按照差异化存储策略进行存储,可按需要融合使用分布式文件系统(Hadoop Distributed File System,HDFS)、非关系型数据库(Hbase,MongoDB等)、结构化数据库(MySQL,Oracle等)、内存数据库(Redis等)、云存储等数据存储资源。

4.4 数据开发技术

智慧矿山数据开发包括离线开发、实时开发和算法开发。离线开发:可采用Mapreduce,SparkCore开发框架对智慧矿山离线大批量数据进行清洗、转换、挖掘和价值发现等操作。实时开发:可采用Storm,Flink,Spark Streaming 等开发框架对智慧矿山准实时小批量数据和实时数据流进行实时接入和处理,提高数据处理效率,以快速响应业务需求。算法开发:应集成以批计算为核心的离线模型训练、以流计算为核心的在线机器学习及基于在线查询和即席分析的数据探索和统计分析三大功能,为快速构建包括生产调度决策支持算法、经营管理决策支持算法、危险源辨识与隐患排查支持算法、事故预警支持算法、应急调度指挥支持算法、市场行情预测支持算法、设备故障诊断和预警支持算法、工程参数优化算法、商业决策支持算法等在内的智慧矿山核心算法服务赋能。

4.5 数据管理技术

智慧矿山数据管理包括数据标准管理、元数据管理、主数据管理、数据资产管理、数据生命周期管理、数据质量管理和数据安全管理等内容。数据标准管理包括元数据标准、主数据标准、数据资产标准、数据质量标准、数据安全标准等的构建、发布、运行监控、反馈和优化。元数据管理的关键在于技术元数据、业务元数据和管理元数据的梳理,并建立三者之间的关联规则,提供元数据查询、影响分析、血缘分析、全链路分析、关联度分析等服务。主数据管理建立主数据采集、存储、开发策略,维护智慧矿山数据体系的稳健运行。数据资产管理构建数据资产地图,支持按照不同用户视角和业务需求实现数据资产的快速查询、分析和调用。数据生命周期管理对数据的整个生命周期进行数据安全和数据质量监控,提供数据健康监督、数据清理维护、数据备份等服务。数据质量管理的关键在于数据质量维度和指标的定义,提供数据质量稽核、数据质量问题统计分析等服务。数据安全管理支持数据的分类分级、数据脱敏、数据加密、数据授权等服务,确保数据安全合规使用。

4.6 中台架构技术

中台实质是一种低耦合、高内聚、多元协同的数据技术(Data Technology,DT)架构,基于“沉淀、复用、共享、协同”思想,以 OneData体系(OneID,OneModel,OneService)为核心方法论,以微服务为技术基础,通过剥离前台共性业务、抽取后台通用技术能力、汇聚全域全量数据,将企业核心资源和能力沉淀到业务中台、技术中台、数据中台三者交互协同的中台体系,解耦业务系统,使应用前台轻量化、基础后台专业化。中台链接轻量化前台和专业化后台,构建可复用的业务服务、技术服务、数据服务能力清单并封装成标准微服务,通过微服务间的轻量级通信交互机制共享前台可复用的公共能力,支持前台应用敏捷调用而不再访问后台,可提高业务需求的响应速度和应用开发的迭代速度,降低系统建设和运维成本。中台是一套持续不断地把数据变成资产并服务于业务的数据应用机制,具有汇聚整合、萃取加工、服务可视和价值变现4项核心能力[27],是适用于智慧矿山数据治理平台建设的技术架构。

5 结语

煤矿智能化为煤炭工业高质量发展提供了核心技术支撑,数据是推动煤矿智能化技术开发、应用模式创新和市场竞争力提升的核心资源,数据治理是智慧矿山初级阶段向高级阶段发展的关键瓶颈。智慧矿山数据治理对于进一步推进智慧矿山建设、促进煤电联动和煤电一体化布局、加速构建现代化智慧能源体系均具有重要意义。本文剖析了数据治理在智慧矿山建设中的重要地位,界定了智慧矿山数据治理的概念内涵,从总体目标、发展策略、阶段任务3个方面探讨了智慧矿山数据治理的发展路径,提出了智慧矿山数据治理尚需突破的关键技术。智慧矿山数据治理关乎智慧矿山建设全局,是一项长期复杂的系统性工程,需要在国家部委的统一领导下,行业协会、科研院校、煤炭生产企业、煤机装备制造企业、煤矿智能服务供应商等煤矿智能化产业生态中各单位精益合作,提供政策、人才、技术、应用场景、解决方案等方面的支持,处理好各方面的关系,把握好智慧矿山发展规律,实现协同共赢。

猜你喜欢
矿山协同智慧
输入受限下多无人机三维协同路径跟踪控制
家校社协同育人 共赢美好未来
四大“矿山修复”方法
在矿山里耕耘(国画)
智能化矿山建设在中小型矿山的应用探讨
蜀道难:车与路的协同进化
我国矿企海外十大矿山简介
“四化”协同才有出路
有智慧的羊
智慧派