用科技助力煤炭运销
产  业  提  质  增  效 

您的位置:首页 - 新闻中心 - 行业新闻 - 正文

智慧矿山——人工智能驱动下的革命

一、智慧矿山其实是大数据、人工智能驱动下的革命
智慧的驱动并不是哪个行业专属的标志,从技术上讲是一系列新技术催生的劳动方式的改变,从时间轴角度来看其实是一种形式的工业革命,他的主要表现形式就是从分工协作树状结构的工作方式变更为人机互动扁平化的工作方式,从分到合的过程,这个过程一旦开始就不可逆。分工协作像是一棵树,而大数据是生长在这个树上逐渐庞大的一个“怪物”,将树枝末端交给大数据进行控制过程的称为自动化或者两化融合,将末端树枝生长建立在大数据基础上的叫基于数据中台的创新,这是阿里巴巴的模式。因为人工智能的出现,一方面各个环节都离不开他,另一方面当他具备了决策能力与树干的功能重叠,让中间与末端的树枝与树叉不知所措,试想一下人工智能的决策正确率提高,而人为决策经常犯错,树干的权威怎么维持,树干将会变得资源越来越少,孤立性越来越强,必然会导致结构性的改变。
       大数据带来的革命可以直观了解到更迅速准确,除此之外大数据并不仅仅限于自己的树木范围,它可以向更多看似毫无关系的植物通过分享信息与互动来获利。对比分工协作的效率与专业性提升,大数据可以提高效率,人工智能与知识网络可以在经过学习后具备专业特质。从这个角度来说私营矿山可能更急切的想要获取这种能力。
二、到底怎么变过程不可逆
马克思说:“手推磨产生的是封建主为首的社会,蒸汽磨产生的是工业资本家为首的社会。”因此有什么样的生产力就有什么样的生产关系,生产力的发展推动生产关系的更替、社会制度的变革,社会制度的不断变革标志着人类社会的进步。
1.工作方式的变化
很多人处于树的中间位置,日常工作中大部分的时间都是在上传下达、左右沟通、无技术含量的内业管理工作,智慧矿山来了之后很多事情的下达、沟通、内业都通过系统来完成,加上24小时不间断的特质,想了解什么情况随时随地都可以操作。
动一动手指全局都在变化,每个人掌握的权限会两极分化,管理的界面会有些陌生,一张大的报表可以囊括最多的信息,系统可以按要求格式输出图表,也可以替你决策、替你分析,并将决策过程透明化,可是偏偏要文本性的结论这个有点难,就像追求一位聋哑小姑娘,偏要她介绍自己,只能自学或者雇一个手语翻译。
绝对的跨界的创新平台,比如说3D打印一个小型的矿山模型,研究某些群居动物的路线规划、通信方式来优化生产指挥。
2.思维的变化
思维方式需要有些转变,人工智能擅长的是像机器一样精确高效的工作,我们需要考虑如何让她干更适合的事,并把这些事弄的更直白,更直接。
当人思维都发生了变化,人工智能像是生长在身体上的神经,可以感受到企业每个角落发生的事情,只能寄希望于人工智能,这时需要更多的人工智能专家与矿内专家不断诊断和优化,相应的每个人都需要了解一部分矿山每个角落的事情。
3.不可替代性
有的人想把树上的“怪物”切出去外包,维持树的原来状态,这里需要权衡的是软实力与硬实力的逻辑关系。软实力可以决定和促进硬实力,反之则不行。1982年到1983年之间,日本东芝公司下的一个子公司“东芝机械公司”私自向苏联出口了9轴民用数控机床,这导致苏联的潜艇噪音显著降低,工业进步了20年。制造机床简单,制造高精密机床是一个不断改良探索的发明过程,改良的结果就是赋予了机床新的功能与定位,到2020年日本的机床肯定又更新换代了,而买来的机床是否也正在不断的赶超日本进度。生产型企业的核心在于资源重组能力,外包业务的增多代表着企业重组能力的降低。核心能力如果不能不断迭代升级,那么企业就会四分五裂。机床制造厂的核心就在于生产制造,从矿山角度说,矿山的核心就在于能源的开采与提炼。
各分包商在应用技术领域短暂的降低了企业的成本,却让企业长期的失去了核心迭代升级能力。大数据是对全局进行统筹考虑的,全样本采集具备的大容量特性直接决定了分析与决策的结果,各承包商没有大数据意识,更没有投入研究同步改进的动力,若等到承包商相互联合具备了这些能力后或可绑架或限制企业,有些不想要的东西去不掉,有些想要的东西拿不来,这是大数据外包可能导致的一种情况。
4.不可逆性
一个合格的信息化系统都会内嵌管理、流程和工作方式,虽然一开始的磨合期较长,但都具备可替换但不可删除的特性。特别是在经历了工作方式与思维的转变后各方面都得到了提升,用了智能手机还有动力去用拨号键盘吗?看了大显示器后还能换回小显示器吗?
三、智慧矿山演进过程与应对
过去我们看新闻或者科幻片认为这都是很遥远的事情,那是因为我们国家配套技术的发展还没有跟上,西方国家已经在这件事上大秀肌肉了,2008年笔者就亲眼看到澳大利亚无人驾驶矿车的演示视频。变革一直都存在,因为大企业惯性大的原因很难调整姿态。因此智能矿山竞赛,如果想要正确促进他的发展就必须要提前规划加快演进速度。在国家八部委下发的《关于加快煤矿智能化发展的指导意见》及行业共识内将智慧矿山发展过程中分为三个阶段:数字化阶段、智能化阶段、智慧化阶段。基于现有想象空间,笔者主要对智能化阶段的应对方式进行思考。
1.专业型应对
一个典型的例子广州市、深证市目前推行的秒办、秒批。秒批主要是将部分业务从头到尾都交给人工智能,从树模型的角度来看,是将树的一部分树干切除交给了大数据,相应的作为树的整体性补充,需要人为的定期抽查人工智能审核的准确性,防止人工智能独立出来,然而需要考虑的是这部分业务独立性较强,对其他业务的关联性低,从矿山角度说把一份生产流程独立出来不能形成完全的智能运作,上下级流程接续还采用人工沟通管理方式时不得不将一份工作做两次,一次小小的人为失误就会造成重大损失。不少矿山都采用该路线进行应对,笔者认为需要充分推演论证后才能实施。
2.结构型应对
笔者人为维度的变更可以帮助梳理各部门、系统、决策层之间的繁杂关系,明确各环节管理界面,各个专业部门也可以划分到相应的功能模块内,维度变更可以在智能矿山建设阶段,人工智能完全成熟之前提供阶梯式的演进,防止断崖式变革,并且形成最大程度的创新与模型积累态势,降低变革风险。笔者认为可以从时间或流程的维度去管理与促进这个变革。
3.最终形态思考
矿山并不是生物,不具备类人的智慧与全面感知,想实现智慧矿山笔者认为有两个最终形态。
一是基于人机结合的智慧,不断将人的智慧融合进去,在人工智能不断学习衍变的过程中增加多元化决策的生产方式。这种类型的智慧矿山比较全面,并且充分的融入了外部数据,在实际运用的过程中又因为多元化不足会出问题。一个例子亚马逊商城将2009年的平装本小说 《雪骑士》炒出了2630.52美元的高价,而这本畅销书在其他地方的售价仅为0.99美元。这是一个偷懒的人工智能,他单纯的盯住了对方的价格,结果对方也应用了这个技术后两人进入了无限循环。学习型人工智能可能是不靠谱的,因为他太单纯了,是没有感知和生命的个体。因素的多元化组合需要综合人的智慧,从这个角度来说,增加人类的多元与随机性,才能更好的促进智慧的生长。
 
二是基于人和机器智慧的生产方式,人的工作主要是维持机器的正常运行,以机器智慧为中心进行决策。认知型人工智能如果是在学习型人工智能的基础上具备认知能力,那么将可能实现完全的自我优化过程。另外还有一种人工智能值得关注,就是统计所有人对这个问题的解决方案的比例来进行决策,表面上看起来很简单粗糙,可如果决策数据库做的特别细致,而决策的人又都是行业内的专家呢?虽然这是基于人的智慧,然而这却又是可以在长期运行过程中更好的脱离人的方式。
4.延伸思考
人们常常会保守,对新生事物产生恐惧,主流思想是认为机器替代了人,那么人应该做什么。短期来看,旧的工作岗位消失,出现了新的工作岗位,将低附加值劳动转变成高附加值的劳动,具备创新能力的员工可以结合自己专业与实际能力在大数据平台开发具备个人品牌的数据模型,在模型运行过程中可以分红,这是海尔的创业模式。没有合适岗位被淘汰的员工可以与单位变更合同,按一定比例支付工资提前养老或二次创业,为社会带来新的增长力。长期来看国家已经在改变教育培养方向,高职高专促进工业基础迅速发展,智能化与跨专业人才保证企业发展与创新,低端劳动力变少成本增加,安全压力越来越大,大部分企业停留在数字化阶段,没有形成数据维度的产业链,抗风险能力及综合全面的软实力不足,资源配置能力降低。

转至马建威

内蒙古霍林河露天煤业股份有限公司南露天煤矿

发表评论