王 睿,王因传
(1. 陕西省能源质量监督检验所,陕西省西安市,710054;2.国家煤炭质量检验检测中心〈西安〉,陕西省西安市,710054;3. 国防科技大学信息通信学院,湖北省武汉市,430030)
能源产业与数字技术融合发展是新时代推动我国能源产业基础高级化、产业链现代化的重要引擎。当前社会生产的整体发展方向是数字化、智能化,以创新驱动、高质量供给引领煤炭检测体系能力,提升行业对国内需求的适配性,是煤炭相关传统能源体系实现发展转型的必由之路[1]。“十四五”规划中指出“加快数字发展,建设数字中国”,煤炭行业作为重要基础产业应该主动把握这个新机遇,加快推动数字化转型,为加强煤炭清洁高效利用、引领新型能源体系建设提供重要的战略支撑和兜底保障[2]。煤炭检测作为煤炭行业中的重要环节,如何实现数字化、智能化跨越式发展已经成为迫在眉睫的现实刚需,研究面向数字化转型的煤炭检测产业新的发展途径已经成为现实问题。
煤炭检测是指用特定的方法、手段或设备对煤质进行测试、判断或评估的过程。自1954年我国首个煤炭检测产业从事煤炭实验方法研究的机构(唐山煤炭研究所)成立以来,煤质分析方法、检测技术及仪器设备的研发,经历了设备研发与引进的“机械化阶段”、信息化技术飞速发展的“信息化阶段”、智能化技术与检测产业同步发展的“数字化阶段”[5]。煤炭检测产业发展演进如图1所示。
图1 煤炭检测产业发展演进
(1)第一阶段:机械化阶段。煤炭检测产业研发了煤炭检测技术手段和设备,主要还是依靠人力操作。20世纪80年代,我国自主研发了煤质分析仪器设备,推动了常规煤炭检测仪器的自动化在我国研发进度。1990年我国建立标准煤样库,1992-1993年研发多个煤炭检测分析仪器,为检测技术的发展提供硬件支撑,提升了我国煤质仪器自动化水平,对我国煤炭资源的开发、研究和利用有着重要意义[5]。
(2)第二阶段:信息化阶段。主要在煤炭和煤化工产品及固体生物质燃料检测方法、检测分析仪器设备、计量检定规程和校准规范、煤炭标准物质、实验室管理等研究的基础上,在实体运行、机制流程、人员管理等方面进行信息化建设,引入了信息化手段[6],缩短了检测周期,提高了检测效率,代替了大量的体力劳动,让煤炭检测工作向简单化、自动化转型[7]。
(3)第三阶段:数字化阶段。主要在实现从检测技术、仪器设备、物料管理、检测环境等信息化的基础上,将智能化手段融入煤炭检测产业建设的方方面面,代替大量的脑力劳动,确保工作人员能够从海量的数据信息之中找到具有较大价值的信息[6],并挖掘蕴含在数据信息的知识模型,为实现“人在环外”的智能化自主化煤炭检测模式奠定了基础。当前一些先进的实验室的某些项目已经实现了业务支持无人化。
当前我国煤炭检测产业正处在信息化发展的加速转化积淀期,数据积累较多、利用程度不高,数字化、智能化发展已有突破,但是没有完全普及。
煤炭检测产业目前存在信息化水平低、数据利用程度低、整体运行效率低、信息增值服务弱等“三低一弱”问题。
目前,整个煤炭行业的信息化水平相对于其他能源行业还处于较低水平,煤炭检测产业作为煤炭行业技术发展的至关重要的环节,也未能摆脱行业整体水平的影响。主要表现在以下几点。
(1)检测设备数字化水平低,煤炭种类及检测项目众多,差异性大,包括煤炭检测仪器类24项、采制样设备及其他煤炭检测专用仪器类20项等,这些项目中90%以上的设备都需要人工操作[8],未实现自动感知、敏捷采集、网络共享等。
(2)煤炭检测整体运行系统性能稳定性较差,煤质分析检测方法主要涉及常规分析和化学成分及物理特性分析43项、各种工艺性检测指标22项、煤中元素和有害元素分析23项等[5],对系统稳定性的要求高,但是目前煤炭检测产业主流设备对环境比较敏感造成检测结果干扰大,对数据的准确度和精密度的影响大。
(3)检测标准不统一,我国在炼焦用煤、动力用煤以及现代煤化工领域涉及煤质管理、煤质评价等有50多项国标及行标[9],信息系统的存储内容大多伴随着客户不同需求,很大程度上影响了检测报告的客观性。
(4)便携采集手段开发利用不够,大多开发管理系统只适用于PC端,没有移动端软件开发,不能随时随地掌握实验室动态[8]。
目前,煤炭检测产业的数据采集、传输、处理、呈现等利用活动还未形成闭环。
(1)数据连通共享不够。目前煤炭检测产业有应急管理部、国家能源局等部委以及各省、直辖市、行业协会重点实验室及工程技术研究中心百余个,在实现联网共享还有较大的提升空间。
(2)煤炭检测数据分散。煤炭数据没有集中存储、处理,也没有对历史数据产生增值效应。国家市场监督管理总局的检验检测机构资质认定的国家煤炭检测中心有6家,统计到的各专业数据均为简单汇总数据,无法达到大数据增值利用水平,更没有深度分析。
(3)煤样标准物质应用场景单一。现在在煤炭质量检测过程中,检测数据分析研究都针对的是单一煤种检测,没有多种应用场景,比如多种品质的煤炭进行混合后的煤炭或者夹杂有煤矸石的煤炭样品,检测数据的深度研究还很欠缺[10]。
煤炭检测产业涉及的人员类型多、煤样检测项目多、应用仪器多,“木桶效应”明显,哪个环节运转不好都会影响整体效率。
(1)煤样检测时间长。检测业务流程中在协同实验室人员、设备等资源中,大量的工作都浪费在报告编制和数据处理、数据统计上,尤其客户委托大批量的样品时,造成每次报告生成需要很长时间,平均需要数天时间完成。
(2)业务整体柔性差。煤炭检测的业务涉及煤样的委托登记、样品接收、任务分配、信息录入、数据分析、结果审核、阶段统计、信息查找、检测报告生成等流程[9],如图2所示,整体运行还是传统层级繁多,不具备柔性,没有更好地应对变化、实现更快速灵活调整的手段[11-12]。
(3)人员素质参差不齐。现有煤炭检测相关人员逾万人,学历、经验、知识等方面良莠不齐,对煤质检测领域从业人员能力的提升带来很大挑战,亟需加强人员管理和培训。
在数字化新技术蓬勃发展的当下和未来,煤炭检测产业运行的自动化程度还有很大的提升空间。借助物联网、人工智能、机器人等技术,检测技术过程的监视、调整、控制、维护等作业将进一步由机器接管,生产现场无人少人、操作过程全自动化及实施远程控制是生产智能化的必然趋势[12]。煤炭检测产业一般都是根据相关要求建立质量管理体系,在进行检验检测活动时,通过质量控制和质量改进对检测技术的运行提供根本保证。质量控制的方法主要有监控和维护检测环境、配备相应需求的仪器及装备、加强人员管理和培训、建立和维持标准物质管理、采用规范的检测方法、控制和记录及追溯样品、参加机构间或机构内部的比对。
当前大部分煤炭检测产业的数据还未实现联通与共享,信息孤岛现象比较严重[6],无法实现信息增值利用。
(1)信息系统“烟囱林立”。由于煤炭检测数据源多种多样、数据标准不统一以及各种数据质量问题,各业务系统间数据关联出现了各种各样的问题,严重影响了基于数据的协作效率。
(2)没有形成规模数据库。不同煤炭产地煤炭检测数据和煤质参数不同[10],分布存储在不同的实验室的现象普遍存在,数据还没有被当作一种核心要素资源,也没有认识到数据具有普遍的使用价值,数据自然资产属性还没有充分发挥,离散、低值、海量的原始数据分布存在不同的“烟囱”(信息系统)里,没有可以兑现的商业利用价值,是对宝贵数据资源的巨大浪费。
(3)未形成完善的增值利用体系。对产品数、质、量等信息不能实现第一时间传报,没有实现效益最大化和煤炭检测数据代码化、指标化处理、资产化交易。
推动数据资源作为新型生产要素的充分流通和使用,打通不同主体间的信息壁垒,带动能源网络各环节的互联互动互补,提升产业链上下游及行业间协调运行效率,加快煤炭检测产业数字化建设,促进煤炭行业清洁低碳高效发展的改革进程,是该领域实现高质量发展的重要内容,是有效加速煤炭产业结构升级的必然之路[14]。当前推进煤炭检测产业的重点任务在构建政策体系、关键技术、数据环境、管控手段和服务平台上。
瞄准煤炭检测产业数字技术,加快全流程再造,在顶层设计、标准建设、人才、管理、数字化生态等多方面综合施策,着力数字化方法、数字化平台、高端骨干人才,聚焦制度供给、政策引领,全面激发产业的数字化转型活力和动力。
(1)数字化方法创新政策。充分发挥煤炭行业(协会)示范项目技术支持、试验检测、评估论证等方面的能力优势和标杆作用,推动开展基于数字信息分析评估的新技术、新产品、新方案实际应用,组织遴选一批先进可靠、成熟适用的方法模式,向煤炭检测产业类似场景进行推广应用。
(2)数字化平台创新政策。由煤炭行业头部企业带头,围绕煤炭检测数字化环节,协同上下游单位共同解决数字化技术、规范、标准、平台、系统、协同等问题,健全完善各煤炭企业、电厂及其他组织的煤炭检测信息采集报送途径和机制,建设煤炭检测专用大数据平台,在确保安全、符合规范、责任明确的前提下,提高煤炭检测数据资源综合利用效率,打造开放互联的煤炭检测产业科技信息资源服务共享政策机制。
(3)高端骨干人才政策。制定支持企业与院校围绕重点发展方向和关键技术共建产业学院、联合实验室、实习基地等机制,加速煤炭检测数字化智能化骨干人才培养,加速培育一批具备采制化检测技术与数字技术融合知识技能的跨界复合型人才,优化人才评价及激励政策。
将AI、5G移动通信、物联网、自动化控制、大数据挖掘、互联信息等与设备深度融合,创新打造煤炭检测数字化技术体系。
(1)煤炭检测项目自动化采集技术。基于大型智能机器人技术、燃料智能化管控技术,提升采制样装备及系统的自动化和智能化水平[15],升级原本必须由人工操作的检测流程,逐步实现由智能机械手臂或智能机器人的替代,并初步开发形成煤炭采制化全过程无人值守系统[12]。
(2)煤炭检测数据智能化处理技术。从顶层的软件共享、平台共享和数据共享,延伸到硬件设备还有各种基础设备的共享,形成数字化分析、精准控制、自主学习的煤炭检测智能化管理系统,基于实验室信息管理系统LIMS技术的煤炭检测系统提高实验室的工作效率[10]。
(3)煤炭检测信息知识化表征技术。基于煤炭成分分析和物理特性分析、工艺性能参数检测、常量和微量成分分析等方面80余项标准[7],设计数据采集系统以克服传统煤炭检测中人为干扰因素,企业生产效率、企业效益、人员管理水平低等问题,使得信息资源和设备资源的作用得以充分发挥[15]。
汇聚煤炭检测样本数据、检测数据、分析数据、结论数据和管理数据等,通过数据的全生命周期管理可实现数据资产化,基于数据挖掘技术、数据仓库技术、机器学习技术等,挖掘蕴藏在数据中的潜在价值、整编形成各类知识产品、智能关联支撑智能检测新型服务。
(1)挖掘蕴藏在数据中的潜在价值。采用数据接口、数据交换平台等开展多源异构数据在线交换和集成共享,构建、挖掘煤质数据库,选择原煤灰分、原煤快浮、密度级的灰分与产率、精煤灰分、精煤实际产率等重要指标作为评判支撑数据[16],形成煤炭检测数据挖掘的直接工具,发现蕴藏在煤质数据库中的高价值信息。
(2)整编形成各类知识产品。基于挖掘出的高价值数据,构建机器学习数据库,采用有监督学习的方法建立实时预测推理模型,再根据用户需求生成高价值定制知识产品。
(3)智能关联支撑智能检测新型服务。基于知识图谱、工具方法、知识模型等数字产品,提供报告数据查询、统计分析、数据处理等数字资源升级服务,自动完成煤质分析中的水分、灰分、挥发分、全硫、发热量等核心煤质检验项目,提升基于模型的决策支持与优化挖掘水平能力[17],在大幅提升化验效率及可靠性的同时,有效降低了化验成本,压缩煤炭暂存周期,大大提高整体煤炭生产和利用效率。
基于工业互联网的数字化、系统化管理手段,煤炭检测产业对海量数据进行“精确分析、精准控制、精细管理”,以此为基础为各级管理层提供科学决策依据。
(1)精确分析。基于大数据整理、存储、挖掘管理平台对数据进行共性、差异和剩余3种类型的分类和整理,搭建设备生命周期预测模型,实现对关键设备运行状况的实时监控并实施预测预知性维护,彻底解决以往煤质成分实时精准检测设备在读取数据时整理、归类、存储、挖掘、处理和分析程序复杂等问题。
(2)精准控制。基于数据资产培育出新业务和商业模式,在实验室实体、设备、机制、操作等方面进行数字化改造,形成规范自动、集约高效、开放互动、体系协同的煤炭检测产业控制要素。
(3)精细管理。在现代煤化工产业的驱动下[18],促进煤炭检测技术向着标准化、智能化、快捷化的方向发展,使得检测实验室实现了基于数字的内外部全面联结,为全员、全过程、全方位的精细化管理提供了可能。
瞄准煤炭、焦炭、兰炭等能源产品质量的检验检测业务,集成煤炭检测信息化技术体系,构建机器学习数据库、实时预测推理模型、设备生命周期预测模型等,综合形成煤炭检测新“服务集”。
(1)基础服务集。建立煤炭原产地数据库,通过对煤样的数据分析结果自动识别出该煤炭的原产地,深入挖掘拥有的数据价值,解决与煤炭相关的各单位基础数据资源分布存在不明晰、来源多样、流转不畅、共享困难等问题。
(2)拓展服务集。专注于拓展基于传统业务的延伸服务、检测技术培训与技术服务、现代煤化工产品服务[19]等,联合煤炭仪器设备厂家、高校、研究院所、煤炭质量检验检测机构,整体形成检测技术与检测仪器设备“产-学-研-用”完整生态链,促进价值创造和传递活动顺畅服务链、延长价值链,拓展煤炭检测业务增量发展空间。
(3)个性服务集。发挥数字化服务管理优势,如进一步细分客户群体、进一步优化产品服务,进一步满足小众需求,煤炭检测产业可以更加精细地刻画客户,获得更好地服务效果。
煤炭检测是指用特定的方法、手段或设备对煤质进行测试、判断或评估的过程,是煤质数据应用的重要依据。下一步开展汇聚煤炭检测新“数据池”和煤炭检测“管控台”工作,重点是构建统一数据中心、升级多元化应用系统、搭建知识服务平台,组建全国性的煤炭检测数据管理和利用机构;开展“管控台”建设工作主要包括对煤炭检测海量数据进行精确分析、精准控制、精细管理,整体实现全面感知、实时互联、分析决策、自主学习、动态预测、协同控制;其他配套工作重点是打造煤炭检测新“政策树”“技术栈”“服务集”。
数字化转型并非一蹴而就,数字技术只是工具,数字化平台也只是土壤,还需要主动调节工作模式和工作思维,引导煤炭检测技术实现快速转型升级,重点还是要培养适应数字化转型的高端人才、培育支撑数字化发展的高端团队、塑造网络化服务化智能化一体运行的高端行业文化,进一步提高煤炭行业的经济效益和竞争优势。