1、项目背景

钢铁号称工业的粮食，是人类使用最多的金属材料，适合于大规模生产，是不可或缺的战略性基础工业品。我国铁矿特点是贫矿多、富矿少，导致长期依赖大量进口矿石。我国铁矿资源量虽位居世界第四，但品位低、利用率低。在贫铁矿开发上，以传统的人工经验为主，自有资源产出量低。近十年间，我国铁矿石进口总量由7.4亿吨增加到11.1亿吨，对外依存度超过80%。近年来世界逆全球化趋势加剧，迫切使我国钢铁产品需进一步提高国际竞争力。因此，打破自产矿石桎梏，突破传统选矿技术瓶颈，有效提升选矿加工提纯能力已迫在眉睫，对于提高我国战略性矿产资源的安全保障能力具有重要意义。建设智慧矿山是落实国家发展战略的现实需要。习近平总书记指出，加快数字中国建设，就是要适应我国发展新的历史方位，全面贯彻新发展理念，以信息化培育新动能，用新动能推动新发展，以新发展创造新辉煌。多个国家级文件也阐述了矿产资源转型的重要性。《全国矿产资源规划》指出要大力推进矿业领域科技创新，加快建设自动化、信息化、数字化、智能化矿山。《中国制造2025》和《“互联网+”行动指导意见》提出打造创新型智慧矿山，推动传统企业转型升级，以推进智能制造为主攻方向，带领中国产业迈向全球价值链中高端。

鞍钢集团矿业有限公司（以下简称鞍钢矿业）是鞍钢的主要矿石原料生产基地，是集勘探、采矿、选矿、民爆工程、矿山设备制造和资源综合利用等为一体的特大型矿业集团。主要包括8座铁矿山、8个选矿厂、1个烧结厂、2个球团厂、5座辅料矿山和1个设计研究院。面向新发展阶段，聚焦“立足于世界格局、国家战略，加快推动矿产资源事业发展，建设世界领先资源开发企业，发挥好央企‘稳定器’‘压舱石’作用”的发展理念，加快智慧矿山建设。

中国科学院沈阳自动化研究所以数字化智能制造的管理、工艺、检测、控制与集成为重点研究领域，在优化与仿真方法、质量在线检测、制造执行系统技术、工业大数据分析技术、工业云服务技术等方面取得了丰硕成果，并通过行业应用取得了显著的经济和社会效益。多年以来，研究所一直致力于工业互联网领域的技术研究与产品研发，打造了具有自主知识产权的“中科云翼”工业互联网平台。以服务层为核心构建分布式容器、数字工厂建模、模型/知识库、微服务组件库和AI大数据分析的基础服务，实现数据的广泛接入、集成和边缘计算，形成面向不同场景的互联制造应用，为企业提供公有云、私有云和混合云智造服务解决方案。相关成果先后获得2020中国工业互联网平台优秀推荐产品奖、2021辽宁省跨行业跨领域工业互联网平台、2021自动化产业年会年度最具竞争力创新产品等奖项。研究所承担中国科学院科技服务网络计划（STS）区域重点项目“工业互联网助推辽宁智慧矿山建设”重点任务，针对矿山企业存在的工业互联、选矿过程优化及采选协同管控等难题，突破基于工业互联网平台的矿山生产智能管控关键技术，为形成“中科云翼”智慧矿山解决方案提供了核心技术支撑。

研究所与鞍钢集团矿业有限公司签订战略合作协议，开展产研结合，推动科技成果赋能。以“关宝山矿业有限公司智慧工厂建设项目”为试点，加快推动智慧矿山整体建设。项目基于先进的“端、边、网、云”工业互联网体系架构，采用云计算、大数据、人工智能、边缘计算等技术与生产实际需求相结合，打通采矿、选矿业务全流程，实现矿山采选协同一体化管控，“矿石流、信息流、能量流”三流合一，打造信息全面采集、管控高度智能、生产安全高效、现场少人、无人的选矿“黑灯工厂”。

2、项目目标与原则

关宝山智慧工厂建设采用基于工业互联网平台的端边网云架构，将矿山大量基于传统IT架构的信息系统作为工业互联网平台的数据源，继续发挥系统剩余价值，同时逐步推进传统信息化业务云化部署，实现矿山全流程的少人化、无人化智慧生产。结合关宝山矿山开采环境复杂、生产流程不连续、安全管理压力大、多元素资源共生等特点，在关宝山已有自动化、信息化建设基础上，结合“五品联动”矿冶系统工程理论思想，推进物联网、大数据、人工智能、边缘计算、虚拟现实等前沿技术在矿山的应用，构建集全工艺流程控制、计划指标精准预测、生产监控实时预警、工艺过程智能调优、指标分析智能决策为一体的选矿智能工厂，促进企业转型升级、高质量发展，提升绿色矿山和智慧矿山建设水平，实现提高生产质量和经济效益的目标。为建设少人化、无人化的“黑灯工厂”、拉动企业管理模式变革提供不竭动力。

3、项目实施与应用

3.1 总体思路

针对选矿工艺控制难、生产过程追踪难、生产协同管理难等问题，本项目开展了贫铁矿选矿全流程智能优化控制与智慧决策技术研究及工业应用，基于贫铁矿选矿过程中存在的共性问题，提出了全流程智能选矿总体架构研究；采用数据驱动与知识驱动相融合的智能决策方法，创立了基于大数据+知识图谱的选矿过程决策推理机制；通过融合专家知识经验和选矿工艺机理，建立了可视化矿石流跟踪与智能配矿模型；基于智慧矿山工业互联网平台与云边协同架构，开发了边云协同的选矿全流程智能管控系统。通过在关宝山选矿厂的破碎、磨矿、磁选、浮选、精尾等工序开展协同管控应用与示范，创立了“矿石流跟踪可视化-品位检测在线化-过程决策智能化-生产指标预测化-选矿工厂数字化”的黑灯工厂智慧模式，建设了首个选矿行业的“黑灯工厂”。总体架构如图1所示。

图1 端边云总体架构

端层：实现了通讯、网络、视频监控、门禁、对讲和PLC集控等系统，并已建成覆盖破碎、磨磁、浮选、精尾选矿工艺全流程的ROC智能调度中心，能够实现远程集中控制，局部环节实现无人化自动化闭环控制。现场视频集中监控、通讯指挥统一调度，建设在线品位分析仪、非核源浓度计、矿浆粒度分析仪、浮选泡沫分析仪等仪器仪表，提升选矿生产过程指标的实时性，为智能优化控制打下坚实基础。

边层：与端层互联互通，前移人工智能技术，构建快速响应，离线响应的边缘计算设备，实现可以快速扩展、快速部署、快速更新的自动管控体系。同时，建设基于大数据分析、机器学习等先进技术的边缘优化控制系统，实现磨磁、浮选等选矿核心工艺流程的智能优化控制，稳定生产指标，提高生产效率。

云层：基于中国科学院沈阳自动化研究所自主研发的“中科云翼”智慧协同管控云平台，建设鞍钢矿业私有云平台。对接工业设备和设施；并基于国际主流PaaS平台技术构建，把技术、知识、经验等资源固化为可移植、可复用的软件和开发工具，构建云端开放共享开发环境；应用层面向矿业生产全生命周期相关业务的场景需求，封装成工业APP，建立选矿、安全、能源、设备、决策等维度一体化的矿业应用，通过统一平台门户、三维仿真、移动应用等形式，实现统合化、精细化管理的新模式。

3.2 建设内容

3.2.1 智能在线检测与工艺优化控制

基于总体架构，分别对贫铁矿选矿过程中关键指标在线检测、生产过程智能控制展开研究。以质量在线检测技术为支撑，通过大数据+知识图谱的选矿过程决策推理机制。以全流程“数据流”为基础，以选矿控制逻辑为主导，以云计算、大数据分析、边缘计算为技术手段，建立选矿工艺全流程智能优化控制模型，实现了破碎、磨矿、磁选、浮选、压滤等各工序间闭环优化控制。

（1）智能在线检测仪表

矿浆浓度、品位、块度、泡沫状态等指标是选矿流程中重要的判断依据和参考指标。采用核辐射浓度计需要放射源，放射源本身危害性极大，有着非常严格的使用流程和制度，报批手续过程复杂。本项目采用非核源新型智能在线浓度检测系统，测量精度高、安装简单、免维护、无辐射，用于在线连续测量矿浆浓度。

在矿物选别生产中，浮选泡沫表面视觉特征如大小、流速、纹理等不仅可直接反映浮选生产过程工况，还可以作为生产工艺参数控制加药设备。本项目运用泡沫分析仪，分析测量泡沫泡沫速度、颜色、稳定不同大小的泡沫所占百分比等指标。为浮选机锥阀、充气量调整提供决策依据。

此外，矿浆的品位在线检测一直是行业难题，传统的人工取样化验费时、费力。结果严重滞后，对工艺的控制起不到及时的指导。本项目创新性的采用SIA-LIBSlurry矿浆品位在线分析仪，通过激光诱导击穿光谱技术，检测偏差值仅为1%，优于行业内其他仪器精度（1-4%），达到国际领先水平。

（2）破碎智能优化控制

破碎筛分流程为三段一闭路流程，破碎是大块物料在机械力作用下粒度变小的过程，是高能耗的作业过程。系统根据各个设备的控制逻辑关系制定控制系统，辅助工人进行自动化调整设备运行参数。利用传感器和数据采集设备监测破碎设备的工作状态，通过算法和模型分析数据，自动调整破碎工艺的参数，以实现最佳的破碎效果和处理效率。破碎系统主要是提高破碎机的通过能力，其主要取决于圆锥破碎机效率以及振动筛筛分效率。圆锥破碎机的恒功率控制是解决问题的关键，同等的条件下破碎机的能耗转换效率高，还能实现挤满式给料。这种给料方式在破碎机能力允许的情况下给料量是变频式给入，根据功率调整给料量，保持料仓有一定的料位，使进入料仓的物料有充足的时间进行破碎。挤满式给料会使物料之间具有挤压力，实现物料间的互相破碎的作用，提高破碎机效率。

（3）磨磁智能优化控制

对于一段磨矿分级和二段磨矿分级，建立了磨机负荷和磨机浓度机理模型、粒度和旋给浓度预测模型以及磨矿控制知识图谱。智能控制台时设定、沉砂补加水、旋给压力、泵池补加水量、旋给泵频，保证一段磨矿-200目粒度稳定合格，提升磨机效率，以及二段磨矿-325目粒度合格稳定、6台立磨的粒度均衡。对于一段磁选和二段磁选，建立强磁分量知识图谱，控制强磁机给矿阀、强磁前大井频率、强磁机启停状态。保证强磁分量均匀、保证混磁精品位稳定合格、降低强磁尾0.2%。

本项目运用知识图谱结合大数据预测技术，以一段磨矿知识图谱控制模型以一次溢流粒度为知识主线，基于粒度的动态变化情况，以及台时、旋给压力和磨机浓度数值区间，构建动态可扩展的知识网络。按可自学习步长来优化调控旋给压力、沉砂水和台时设定，实现一次溢流粒度稳定在58~62%，台时、磨机效率最大化。实施后，一次溢流粒度合格率超过90%。

二段磨矿知识图谱控制模型以二次溢流粒度为知识主线，基于粒度的动态变化情况，以及旋给压力和磨机浓度数值区间，构建动态可扩展的知识网络。保证2个系列的3台立磨机旋溢粒度达到合格范围，并均衡3台立磨机旋溢粒度相差5%以内。强磁知识图谱控制模型保证各系列的强磁机尾矿阀开度相差3%以内，保证分量均匀。

（4）浮选智能优化控制

在浮选工艺优化中，总体思维是在稳定粗选泵池液位和扫选泵池液位的前提下，保证浮精品位在合格范围内，并尽可能降低尾矿。在浮选优化控制过程中，时刻检查浮选前大井、浮选机等设备是否正常运行。通过调节浮选前大井泵频保持浮选前大井浓度和流量在正常生产范围内，通过调节浮选机充气量和锥阀保持浮选机电流正常。在保持泵池液位稳定的优化控制中，以浮选机锥阀和充气量、浮选前大井流速、泵池流速等为参数，使用大数据算法预测出泵池液位在当前状态下一小段时间内的变化趋势，保持泵池在小范围内波动。在保持浮精品位保持稳定模型中，以粗精选浮选机、一扫浮选机的锥阀和充气量和药剂流速为参数，通过大数据算法获取一段时间内多个浮精品位预测值，保证浮精品位稳定。基于此，构建出反浮选的知识图谱模型。

基于混磁精品位、混磁尾品位、二次粒度等磨磁指标，以及浮选负荷、浮选选别效果等浮选工况，综合进行二段场强设定，保证磁选与浮选整体选别的指标稳定；进一步，通过锥阀、充气、泵频、加药的智能调控，实现浮选液位稳定、循环量稳定，保障选别整体稳定性，稳精降尾。实施后，液位稳定提升37%，浮精品位合格率提高2.2%，浮尾品位降低1%。

（5）压滤机智能优化控制

基于浮选精矿浓度，智能调控压滤机搅拌桶给矿胶堵、压滤机启停状态，提高压滤效率、降低压滤机电耗。进一步，针对每台压滤机，智能调控注矿时间、隔膜时间和干燥时间，实现台时最大化，提升压滤机作业效率，节约生产成本。

在PLC实现的自动控制闭环逻辑基础上，基于知识图谱，实现压滤机智能启停控制，对压滤机单体设备智能运行进行逻辑梳理。根据运行趋势，利用大数据计算运行趋势的一次函数，根据斜率寻找最佳注矿时间，标注出注矿压力的上下限以保证压滤机稳定运行。以上基础工作完成后，进行注矿时间调节，对调节后的台时情况及历史手动调节情况进行对比，通过大数据自主学习不断优化调整步频与步幅，经过多轮调试以后，形成一套大数据计算的函数算法。此算法制约包括浓度、流量、滤布循环数、注矿频率上下限、注矿压力、注矿时间等参数，在此基础上，寻求最优压滤机单体智能运行方案。实施后，注矿时间大幅提高。

3.2.2 可视化矿石流跟踪与智能配矿

以原矿入选矿石性质为依据，结合破碎工艺流程中圆筒仓、U型仓（或粉矿仓）料位情况，以不同矿种（品位、碳酸铁、亚铁等）进行区分实时跟踪，并按照不同颜色进行可视化展示。同时，系统可根据磨磁、浮选生产指标情况或人工生产指令，形成优化配矿策略，联动智能布料小车和给料器，实现给料器自动切换，矿仓断料、堵料、异常预警，根据优先、禁用、矿石性质等多种规则优化配矿。系统自动寻优，找到最佳矿仓放料，避免切换给料器台时损失，解放岗位双手。提升磨机处理量，提高营业收入。通过该系统的实施，关宝山矿业可增加年处理量约5.8万吨/年，增加精矿产量1.7万吨/年，预计可实现增收1000万元/年。

3.2.3 选矿全流程智能协同管控系统

基于总体框架，以业务管理为基础，以生产过程管控为核心，以生产工艺为主线，利用业务流程内含的信息流整合生产过程中物流、工艺流所涉及的人、机、物、法、环等诸多生产要素。采用业务驱动和数字驱动相结合的管理理念，围绕设备、能耗、化验、计量、物流等选厂核心业务主线，建设集成、智能、协同的选矿生产过程管控应用。

基于工业互联网平台，建设智能协同管控系统，实现统一平台下的数据互联互通，全流程生产业务协同联动。并且，通过现场阀门和PLC升级改造，实现ROC远程集中控制所有设备机台。实现现场无人值守，提升过程控制的及时性，提升生产管理效率。

（1）数字工厂建模

通过工厂模型的方式构建“人机料法环测”的全面物理资产的数字映射，为各项管理功能的运行提供基础调用对象，为生产管控系统与外部系统间的集成提供统一的标识方法，基于工业互联网平台提供的工厂建模服务进行构建。

以选矿工艺为主线，围绕“破碎筛分—磨磁—浮选—压滤精尾”流程，包含作业区、设备、人员的生产资源的组织结构模型，以及包含工艺路线、标准及参数的生产工艺模型。实现了“生产什么、有什么生产资源、如何生产”的核心生产要素的数字化描述，进而为生产计划组织、过程监控跟踪、质量检测控制以及设备运行维护等业务功能奠定了基础。

（2）生产计划与调度

根据制定的年度、季度生产经营计划，分解制定月度生产计划，确定月度铁精矿产量，在原料供应、能源供应、设备能力、质量要求、人员组织等限定条件下，通过产能效率平衡等相关计算，制定产量、物料消耗、能源消耗、设备运行、产品质量计划，以及主要技术经济指标计划，并对计划执行结果进行统计。在计划排产的基础上，将选矿生产计划目标转化为选矿生产工艺要求，并将实际生产作业任务分解到各个生产作业区。根据瓶颈工序产能负荷和其他工序的产能配置情况、设备维修维护及能源消耗情况，综合优化作业调度，实现产能、质量与消耗平衡。

（3）质量管理

质检化验和在线质量检测数据是评估选厂生产情况、指导选厂生产的重要依据，质量管理模块能够实现质检化验数据的在线采集、存储和共享，实现选厂质量数据不落地，为上层业务系统提供可靠的数据源。

（4）能源管理

基于工业互联网平台以及大量分布式能源采集装置构建能源监测平台，并通过大规模深度学习网络构建能源互联模型，将电力、热力、天然气等能源节点互联起来，形成能源综合监测系统。基于历史能源监测数据构建能源分析模型，覆盖行业级、企业级、工序级、用能设备级，包含能源流向、平衡分析、用能异常分析等功能。形成集团化能源统一管控，提高企业精细化、透明化、即时化能源管理能力，为企业提供高效的能源规划决策支持。

（5）安全管理

依托智能摄像头和安全生产管理系统，基于智能传感、机器视觉、行为特征分析等技术，通过AI视频分析对生产作业区建立电子围栏，并对现场施工人员的不安全行为（如：未佩戴安全帽）进行识别、分析与报警，实现安全事件快速响应和智能处置，解决作业区现场人员操作施工不安全行为感知难、无法及时提醒和快速处置的难题。

（6）生产综合分析

面向选矿厂生产经营的各个管理维度，建立涵盖生产效率、质量、消耗成本、人员绩效的统一综合指标体系，按照运营管理层、生产管控层和过程监控层等不同管理需求，形成综合指标的逐层分解。在指标体系建立的基础上，实现各级指标的计算、汇聚与统计，输出各类个性化统计报表与分析结果，形成生产驾驶舱，通过主题订阅的方式主动、及时推送给不同的分析管理人员。利用大数据分析技术，实现指标关联分析与数据挖掘。

（7）三维仿真选厂

基于实体矿厂的选矿设备、工厂基础设施生产运行数据与三维仿真系统相结合，呈现三维虚拟选矿工厂。对实体选矿厂实时监控，以枚举的方式还原现场设备运行状态/动作，可以更直观地掌握生产/设备等现场的综合运作情况。并通过不同视角方向以设定的路线虚拟仿真巡逻选矿厂，把所有建筑、厂区内场景一一还原。设备建模范围和接入数据内容。

3.2.4 设备预知性维修

以数字孪生预知维修系统为支撑，变预防维修为预知维修，达到设备远程预知诊断与产线运行稳定可控，最终实现设备预知维修，解决选矿设备长期被动维修的模式。对设备的温度、振动等进行监测分析，诊断设备缺陷，合理提出设备预知维修计划（单体设备、单区域、全产线）。降低设备故障率，实现设备长周期稳定运行。

采集现有破碎机、球磨机、压滤机等主体设备的电流、电压、温度、振动等运行和状态参数，实现在线监测。通过球磨机衬板传感器提前预判磨损到限的准确时间。采用油脂在线分析和应力波分析等技术，提前发现潜在隐患，实现预知预判。

根据预知维修计划执行结果，自动找出与核心设备寿命不匹配的设备寿命数据，分析偏离的具体原因。根据分析出的原因提出改进策略，通过实施优质采购、完善维修方案，同步优化备件寿命、维修质量等，确保产线实现长周期稳定高效运行。例如，球磨机为选矿产线核心设备，通过制造工艺提升，筒体衬板寿命从之前1700小时、3000小时逐步优化并稳定至4300小时（半年），作为基准定修周期，并扩展上下游设备寿命实现同步或成倍数关系。

3.2.5 智能机器人

（1）氧化钙智能加药机器人

长期以来，浮选传统人工配药方式具有脏、累、差的特性，尤其是氧化钙药剂在配制过程中粉尘大容易被人体吸入、人工搬运体力消耗大、接触皮肤产生灼烧感，给职工工作带来诸多挑战。同时，人工配制药剂无法保证及时精确，药剂浓度波动较大，影响浮选生产指标。

解决这一系列难题，在本项目中建设了一套智能加药机器人系统，系统主要由一台6轴机械手、一辆AGV搬运车、2台螺旋输送机和1个废料箱等设备组成。软件系统与关宝山边缘优化控制系统紧密集成，操作工只需要在ROC集控室的电脑上远程一键启动，机器人即可高效、精准地完成投料配药的全流程工作。这一突破性进展彻底解决了配药前依赖人工投料流程，极大地解放了配药职工的双手，同时系统能够自动监测配药桶液位，自动投药、加水，稳定桶内药剂浓度，使工作效率和生产指标均得到显著提升。

（2）成品库自动装车机器人

成品库区作为生产流程中物流衔接和生产节奏控制的重要枢纽，是工厂无人化和智能化建设的基础，而桁车则是库区最重要的执行单元。无人桁车、自动装车，将从根本上改变成品库区的作业模式，能够降低生产成本，改善产品质量。

使用激光雷达结合三维重建算法建立成品库模型，对矿堆、火车厂区环境等进行三维扫描与重建。同时基于实时环境感知与传感技术对现场全环境进行虚拟现实仿真，实现远端监控的可视化和临场感。并对抓斗的运行情况和受力情况进行实时检测。

抓斗控制方式改造为既可现场手动操控也可远端控制方式。通过多传感环境感知系统时获取现场矿堆和设备数据，并通过非线性PID控制算法、MPC模型预测算法实现协调抓斗作业流程。运用自主移料与装车控制算法实现精准的自动抓取装车作业。安装车间激光雷达，装配调度室遥操作控制台，远端监控和管理成品库装车车间环境，实现全环境的虚拟现实实时仿真。

（3）磨磁巡检机器人

采用智能巡检机器人、后台服务器、远程集控中心三层架构，通过无线完成数据传输；巡检机器人集成可见光、红外热成像仪、拾音器、振动传感器等多种传感器，完成图像识别、温度场测量、声音和振动采集和分析。系统可以自动构建地图和自动充电，机器人可以完成自主导航和数据采集，也可以由操作员进行远程遥控；巡检数据自动进行管理；在满足日常巡检需求的基础上，有效提升巡检效率，进而提升工厂智能化水平。

3.3 项目创新性

本项目构建了“矿石流跟踪可视化-品位检测在线化-过程决策智能化-生产指标预测化-选矿工厂数字化”的选矿“黑灯工厂”智慧模式，具体取得的创新成果如下：

创新点1：建设了智慧矿山工业互联网平台。遵循工业互联网平台标准体系，构建“端边云”一体化协同运行结构，提供多协议支持的互联接入、高可靠消息总线、大数据分析及多维数据可视化等共性平台服务。

创新点2：创立了基于大数据+知识图谱的选矿过程决策推理机制。采用数据与知识融合驱动的智能决策方法，实现了破碎、磨矿、磁选、浮选、压滤等各工序间闭环优化控制。

创新点3：建立了可视化矿石流跟踪与智能配矿模型。通过专家知识经验和选矿工艺机理，创建了矿石性质综合评价方法与生产指标预测方法，实现了选矿生产全过程的动态跟踪与优化决策。

创新点4：开发了边云协同的选矿全流程智能管控系统。运用智慧矿山工业互联网平台与边缘计算架构，实现了统一平台下生产计划调度、质量过程控制、能源管理、预知性维修等业务的协同联动。 

4、效益分析

4.1 经济效益分析

本项目从2021年6月开始实施，到2022年8月正式竣工。各系统已上线稳定运行约2年，产生的经济效益如下表所示：

经济效益额的计算依据：

2023年：

（1）压滤边缘系统提升压滤效率12吨/时，磨矿、浮选、破碎等系统效率提升降低系统精矿电单耗预计8.33元/千瓦时吨，8.33元/千瓦时吨*176万吨=1466万元。

因此，2023年节支总额1466万元。

（2）在关宝山进行试验应用项目成果后：

磨矿系统、矿石流系统应用提高球磨机台时20吨/时，20吨/时*2台*339日*24时/3.17=102662吨。102662吨*利润420元/吨=4312万元；

磁选边缘系统降低磁选尾矿品位0.4%，折合综合尾品0.28%，0.28%*300吨*339日=28476吨。28476吨*精矿售价980元/吨=2341万元；

浮选边缘系统降低浮选尾矿品位1%，折合综合尾品0.3%，0.3*300吨*339日=30510吨。30510吨*精矿售价980元/吨=2890万元；

通过预知维修，实现全年作业率提高1.3%，共计96小时，360吨/时*110小时*2台/3.17*420元/吨=1049万元

新增利润=4312+2341+2890+1049=10592万元。

（3）合计创效1466+10592=12058万元。

2024年：

（1）节支总额

系统提升压滤效率13吨/时，磨矿、浮选、破碎等系统效率提升降低系统精矿电单耗预计8.66元/千瓦时吨：

8.66元/千瓦时吨*201万吨=1740万元。

因此，节支总额1706万元。

（2）新增利润：

应用提高球磨机台时26吨/时，26吨/时*2台*339日*24时/3.17=133461吨。133461吨*利润300元/吨=4137万元；

系统降低磁选尾矿品位0.48%，折合综合尾品0.33%，0.33%*300吨*339日=33561吨。33561吨*精矿售价790元/吨=2651万元；

系统降低浮选尾矿品位1.2%，折合综合尾品0.36%，0.36*300吨*339日=36612吨。36612吨*精矿售价790元/吨=2892万元；

通过预知维修，实现全年作业率提高1.6%，共计118小时，366吨/时*110小时*2台/3.17*300元/吨=762万元

因此，新增利润=4137+2651+2892+762=10442万元。

（3）合计创效1706+10442=12148万元。

因此，2023年-2024年合计创效12058+12148=24206万元

4.2 社会效益分析

（1）提升了铁矿资源的竞争力

推动了鞍钢矿业智慧矿山建设进程，综合生产效率大幅提高，选矿成本显著降低，有利提升了铁矿石原矿的竞争力。

（2）加速了行业智能矿山建设进程

以选矿过程工艺智能优化控制为主线，构建了选矿黑灯工厂智慧模式，实现了工艺流程自动化、过程控制智能化、实体工厂数字化的关键技术突破，推动了信息技术与实体经济深度融合，不仅夯实了企业资源发展的基础，对加速我国矿山行业智慧矿山建设进程、实施产业基础再造工程和重大技术装备攻关工程，推动矿业高端化、智能化、绿色化发展具有重要意义。

（3）提升了智能选矿全流程安全生产能力

推动铁矿选矿生产方式智能化，构建科技含量高、安全生产、环境污染少的产业结构和生产方式，促进了经济、社会、资源、安全、环境协调发展。

（4）减少了选矿过程碳排放

提高企业生产效率，增加能源精准投入，减少碳排放。同时，降低了选矿行业的能源消耗，从而有效降低碳排放。有利推进我国碳减排目标的顺利实现。

（5）推动了矿业高质量发展，助力行业转型升级

二十大报告指出要加快构建新发展格局，着力推动高质量发展，需要建设现代化产业体系，提升战略性资源供应保障能力。该成果是落实二十大精神的具体体现，是行业转型升级的典型与示范。该成果坚持智能开采和生产结构优化双轮驱动，是东北老工业基地创新驱动、智能制造、持续创效的典范，实现了国家、社会和企业利益有机统一，是新时代鞍钢宪法的生动诠释，已成为智慧矿山建设的重要贡献者和行业引领者。

项目面向国家战略性矿产资源安全保障与铁矿山行业转型升级需求，结合鞍钢集团“立足于世界格局、国家战略，加快推动矿产资源事业发展，建设世界领先资源开发企业，发挥好央企‘稳定器’‘压舱石’作用”的发展理念，研发了基于中国科学院沈阳自动化研究所“中科云翼”工业互联网平台、人工智能、机器人等智能制造先进技术的智慧矿山解决方案，建成了行业内首个选矿“黑灯”智能工厂，取得了显著的经济效益和行业示范引领效应，具有很好的推广价值。