全球礦業尋求“寒冬突圍”
數字技術或許能為礦業生產率提升帶來新思路
利用變革性的數字和技術創新，礦業或許能有所突破。在本文中，我們將會闡述若干數字技術。早已有研究對這些技術進行分析，而如今這些技術的成本終于足夠低廉，使其能在采礦業中被大規模使用。它們的應用范圍包括更全面地認識基本資源、優化原料和設備流程、加強故障預防工作、提高機械化自動化以及實時監控性能。
單獨來看，每個條件都具備足夠的潛力。而它們的結合意味著潛在安全性和礦業價值捕捉的根本轉變。我們會對這些機會進行概述，并提出若干值得礦業人士關注的關鍵問題。
提高生產力勢在必行
分析顯示，全球礦產生產率在過去的10年中以每年3.5%的速度遞減。而這一趨勢在許多類細分產品、地區，以及大部分礦企中都非常明顯。盡管人們對其頹勢的起因爭論不休，但在這一點上已達成共識：由于該行業的前景已經惡化，大多礦企已經擱置或削減擴張計劃，甚至重新思考到底是應擴張還是應收縮業務。其結果是，采礦業生產力趨于平緩，甚至在某些地區或某些商品上，生產力開始復蘇。
但顯然生產力提高的空間是巨大的，將該潛力量化的方法之一是把采礦業與其他行業進行對比，如上游石油、天然氣、鋼和煉油業。以我們設置的基準為參考，可以觀測到在世界范圍內，地下開采、露天開采和粉碎研磨的平均全局設備效率(OEE)分別是27%、39%和69%。相比之下，上游石油和天然氣的OEE已高達88%，鋼業是90%，而煉油業則是92%。
當然，采礦業與其他行業有著諸多不同。它的不確定性相當高，從一開始資源的可開采性評估就充滿變數。礦產的開采環境往往極度惡劣，而且位置偏遠。不僅如此，光是把工作人員運輸到開采現場(不論是空運人員到達礦井、輸送人員進入地下或者是運回地面)，就已耗費了大量的寶貴時間。另外，由于礦石大小、硬度不可預測，因此采礦設備不時承受過大的壓力，從而導致坍塌事故發生。
但這正是關鍵所在。想要降低外部壓力，智能規劃和活動協調是必不可少的。而嚴明的紀律則能消除礦工自己引發的不確定性。通過降低甚至是盡可能消除礦業特有的風險，礦產生產率將提升一個臺階。
采礦業的轉折點
我們相信礦業正處在一個轉折點，此時數字技術或許能為不確定性控制、生產率提升帶來新思路。以下四類集群技術的大規模使用趨勢已日趨顯著。
數據、計算能力和連通性
通過在實物中嵌入大量傳感器，人們不僅能夠獲取大量數據進行分析，也能讓機器之間實現交流。而這一技術的成本已更低廉、更具可行性;智能電網能夠報告數百萬家庭的用電情況;當問題出現時，深海油井上的傳感器將向控制中心發送警告信號。在2015年，每天產生的數據比2003年一年總和還多，礦業已經能獲取大量數據，它們對礦井的了解比以往更精確、更具連續性。
分析與情報
為了更好地整合數據，機器會“學”著提升統計技術。得益于先進的分析能力，人們能利用海量數據集，對未來事件的發生概率進行預測。復雜的采礦任務，如地質建模、日程安排、維修預測，將在智能統計和優化算法的運用領域中占重要地位。
人機對話
智能手機和其他移動設備已讓人類的互動對象由同類拓展至機器。消費者在導航、預訂的士、監測健康情況方面都已離不開智能手機;而智能設備在工業領域的普及度正急速上升，其中智能眼鏡就是一個典型的例子。智能眼鏡能為生產線工人提供指引，或是指示他們修理故障設備，加強運作紀律。另一個例子是具備傳感器的工作服。這種工作服能夠讓管理者獲取相關危險以及工人身體狀況的數據，以此提高工作安全性。
數字—物理轉換
我們在機器人領域取得了一定的進展，現在我們能夠生產更便宜、高效的全自動設備。在制造行業，工業機器人的成本自1990年至今已下降了50%，而同一時期美國勞動力價格卻上升了80%。與此同時，隨著人工智能等領域的技術進步，機器人應用范圍更加廣泛。在礦業，遠程通信和輔助控制設備的設備越來越普遍。此外，人們已引進全自動設備來開展牽引、鉆井等工作。
綜上，這些技術能夠讓礦產的運營方式發生根本性變革。這種變革不僅體現在利用信息流來降低決策風險，也體現在采取更集中化、機械化的運作方式來降低操作風險。
未來業績
我們的觀點是，當把這些技術作為一個整體嵌入采礦產業鏈時，其最大價值才得以發揮，接下來我們分析它能創造哪些價值體。
對資源的基礎認識
幾乎沒有什么問題能這般刺激礦企高管的神經：如果你能準確知道地下礦石的構成與位置，那將如何?過去，從勘探到短期開采計劃，資源的挖掘過程往往被組織邊界、數據來源和地質模型切分成若干細小環節。但現在，礦工能夠通過在線取樣，以及結合礦體模型信息與炮孔鉆數據，更好地了解資源。
整合開采數據的統計技術能提高發現礦石的可能性，加深目標的鉆井深度，以最大限度地獲取信息收益。人們把地質信息與更優、更具普遍性的規律結合，能優化鉆井和爆破模式，創建一個可執行的礦山計劃，同時把質量問題扼殺于搖籃之中。
材料與設備流動的優化
本質上，礦業的供應鏈是多個固定與移動設備的交互系統。工具和指標如OEE，是業務改進的基礎，但它們無法掌握系統的復雜性。實時數據和更好的分析工程讓日程安排以及設備、土地使用步伐加快。例如，在礦井之中，將傳統的調度和智能算法結合能使效率最大化。又如，在加工廠中，許多工廠運營者對產量驅動因素的理解存在盲點。而新型數學技術則能尋找二階和三階變量之間的隱藏關系，來解決這一問題。我們已經發現，運用了這一技術的工廠，其黃金、鎳、磷酸鹽和其他礦物質的產量提高了3至10個百分點。
1 2 3 下頁