畢振國

摘 要：隨著現代化工業(yè)與技術不斷的發(fā)展，為我國的制造業(yè)提供了較大的發(fā)展動力，從而促使制造業(yè)的規(guī)模不斷擴大，生產能力不斷能提升，也逐漸在科學技術的推動下提升了自身的自動化程度。企業(yè)的相關成本與生產產量也在設備性能強化升級的狀態(tài)下日益增強，而另一方面，借助先進的制造技術以及各種裝備的再生應用，以及電子化的商務業(yè)務模塊都為企業(yè)的發(fā)展提供了良好的助力，而煤礦企業(yè)作為制造業(yè)中的佼佼者更是應用了大數據平臺構建了機電設備的管理模式，從而有效提升了自身的生產效益。

關鍵詞：煤礦企業(yè);機電設備;大數據管理平臺

引言：在煤炭行業(yè)當中的煤礦企業(yè)所運行的機電設備已經隨著社會時代的發(fā)展逐漸進入到無人化的智能時代，借助機器為企業(yè)生產的數據逐漸增加，我國大多數的中型煤礦企業(yè)能夠在人與機器共同運行的情況下促進生產數據的擴大，并在企業(yè)當中形成了高密度的核心價值業(yè)務數據，但是結合現階段的生產經營情況，傳統的管理方式已經不能夠滿足當前時代企業(yè)大量數據的管理需求，并且數據的多樣化，來源的復雜化都是企業(yè)必須使用大數據管理平臺管理機電設備的重要原因。

1 大數據管理平臺總體設計

1.1平臺總體構架

我國現階段企業(yè)當中運行的煤礦機電設備其大多數具有數據較為復雜、繁多、異構的特性，并且企業(yè)的客戶實際需求多種多樣，在實際當中難以利用傳統的管理方式進行管理，而綜合大多數的企業(yè)實際情況，可以將煤礦企業(yè)當中的機電設備運行情況分為五層框架，包括資源層、數據儲存層、平臺層、應用層以及服務層，并且在這五種層次當中還能夠細化分為具體的內容。

在服務層中，由設備監(jiān)測服務、大數據分析服務以及企業(yè)運維優(yōu)化服務構成，其主要的目的就是為了企業(yè)的實際的生產運營活動建設相對應的服務，而在應用層當中，對應服務層中的各個服務建立了針對于設備監(jiān)測的設備運行狀態(tài)、井下設備以及在線設備數量的實時監(jiān)測，以及設備的車間維護記錄、地理位置監(jiān)控、設備運行環(huán)境可視化、故障識別、健康指數預測、故障自診斷以及設備的運行狀態(tài)評估、維護決策優(yōu)化和生產周期的管理等一系列的應用管理。在平臺層中建設煤礦企業(yè)機電設備生產運營當中所產生的實際數據處理中心，包括數據的采集、預處理、分布式儲存、數據挖掘以及數據可視化的應用步驟。

而資源層作為作基礎的管理層，其所供應的數據源是大數據處理平臺當中的必要內容，由管理系統、硬件設備以及相關的工作人員構成，是整體平臺的數據基礎，在管理系統當中必須容納物資管理、企業(yè)資源計劃、產品生命周期管理以及財務管理系統，并且利用采煤機、液壓支架、刮板輸送機以及礦井主通風機構成資源層的硬件設備，人員必須由煤礦采集區(qū)隊的員工、企業(yè)各部門的職工人員以及領導層組成。

而數據儲存層則是通過企業(yè)中大數據平臺中構建的系統服務器、分布式服務器以及云端服務器構成，從而形成了囊括系統設備以及相關人員的異構數據集中地，將企業(yè)設備工作時產生的多源異構數據全部集中在這一層面，通過煤礦企業(yè)自身建立的系統軟件形成對應的數據庫服務器，進而由中間服務器對數據進行集成管理，而數據的最后總結分為非結構化和半結構化需要借助分布式數據庫儲存設備進行詳細的區(qū)分。云端服務器則主要負責數據的挖掘、分析以及同步儲存工作。

1.2模塊功能

煤礦企業(yè)的設備數據儲存管理系統其最終的功能目標就是采用結構化設計方法對實際的系統進行功能上的設計，建立詳細的數據采集模塊、數據預處理模塊、分布式儲存模塊以及數據挖掘和可視化模塊，在這五種主要的功能當中又可以劃分為詳細的若干功能詳見表一[1]。

2 大數據管理平臺關鍵技術分析

2.1高通量數據管理技術

基于煤礦企業(yè)機電設備產生的數據量較大且關系復雜的特點，數據平臺中需要構建Hadoop的分布文件，并且基于霍夫曼算法結合LZW高級數據編碼對設備產生的海量數據進行非壓縮結構化寫入，同時為了促進企業(yè)的機電設備在運行時能夠充分實現數據共享，需要進一步分析現有的各種資源技術，從而在Hadoop的分布文件當中提取RDF數據庫對數據進行存儲。RDF數據庫作為基礎對設備的運行狀態(tài)以及數據資源進行描述，建立原數據模型，實際的數據資源本體是基于設備運行狀態(tài)產生的。而設計儲存的設備數據儲存模型體將實際的RDF數據按照不同的種類進行劃分，從而節(jié)省了儲存開銷并提升了數據使用的效率，結合HBase列儲存，能夠利用強大的擴展性滿足設備海量數據的儲存需求，從而完成基于RDF數據的三元組模式數據查詢工作，促使用戶能夠自行在海量的數據當中進行查詢。

2.2多源數據融合技術

煤礦企業(yè)的機電設備產生多種數據源，大數據管理平臺中需要結合機電設備的實際運行情況建設多源數據融合技術。其中產生的關系型數據需要借助企業(yè)的ERP（資源計劃）系統進行融合，在這種融合工程當中需要與中間數據形成良好的對接口，不能直接將機電設備的數據導入到ERP系統當中，并且需要從BOM（層次化物料表）結構以及設備運行環(huán)境等方面對大數據的內涵語意進行具體化的整合，利用BOM定義將語意核心的設備或零部件節(jié)點產生的數據結合非結構化與半結構化數據，形成數據循環(huán)，打破信息孤島的模式，促進煤礦機電設備之間能夠更好地借助信息數據的溝通協作工作[2]。

2.3并行化數據處理技術

煤礦企業(yè)的機電設備數據質量相對較差的問題，以及數據的可用性相對較低的問題，都需要通過大數據平臺建設機器學習算法對實際的數據建立清洗、預警等分析模型，基于時間序列分析建設設備運行數據的大型清洗模型，在機電設備運行時能夠將其中存在異常值的大數據進行分類規(guī)劃，分析不同的異常值對數據建模所產生的影響，將異常值數據利用迭代檢驗的方式進行進一步檢測與修復。并且在此基礎上為了促進清洗數據的效率能夠有效提升，就需要結合MapReduce技術建立更加鮮明的雙設備運行狀態(tài)清洗模型;針對于非線性時間序列中的數據提取算法以及BOM結構上的分散裝備建模，需要建立在解析設備故障數據的基礎上，對設備的健康運行進行實時的監(jiān)控，對其劣化趨勢進行及時的預警。

2.4數據可視化技術

在大數據平臺當中構建的數據可視化技術能夠將設備解析與人員信息更好的聯結在一起，充分解析設備故障的模式與特征，從而向用戶展示更加多層次，多角度的設備運行狀態(tài)，促使設備數據更加具有說服力，數據可視化技術當中包括了WEB前端技術、多維數據可視化技術、ECharts可視化技術工具以及Ajax技術，大數據處理平臺將echarts數據進行初始化，調用實例樣本庫中的文件，利用setOption方法對圖例進行設計，使用Ajax技術將異步數據以JSON模式加載，從而促使煤礦機電設備正常運行[3]。

結束語：

綜上所述，煤礦企業(yè)自身工作環(huán)境的復雜造就了其機電設備數據的多源與海量，而煤礦企業(yè)在發(fā)展過程中對于數據的處理仍舊存在著難題，必須結合現代化的大數據處理技術為機電設備的數據創(chuàng)造更好的管理分析平臺。

參考文獻：

[1]曹現剛，羅璇，張鑫媛，張樹楠，吳少杰.煤礦機電設備運行狀態(tài)大數據管理平臺設計[J].煤炭工程，2020，52（02）：22-26.

[2]范全慧.煤礦井下機電設備狀態(tài)監(jiān)測技術探討[J].中國石油和化工標準與質量，2019，39（16）：53-54.

[3]吳少杰.基于數據挖掘的煤礦機電設備運行狀態(tài)預測方法研究[D].西安科技大學，2019.