矿长
看到吨数低于计划、皮带停机、车辆排队和隐患逾期,但很难知道哪一类异常正在吞掉 EBITDA。
01 · Problem
一个大型矿山可能同时运行调度系统、无人矿卡、碰撞预警、PLC/SCADA、皮带保护、视频 AI、人员定位、边坡雷达、尾矿监测、无人机、机器人和 CMMS。问题不在于没有报警,而在于报警之后缺少跨系统的业务闭环。
看到吨数低于计划、皮带停机、车辆排队和隐患逾期,但很难知道哪一类异常正在吞掉 EBITDA。
要做重大隐患动态清零、五落实、整改验收和销号,却经常被微信群、Excel 和截图拖住。
FMS、CAS、视频、对讲机和巡检报告同时响,真正需要的是合并、分级和派发,而不是更多红点。
预测性维护报警如果不能变成工单、备件、窗口期和复核证据,最后还是会回到非计划停机。
02 · Why We Solve It
矿山数字化常被做成展示项目,但一线真正愿意付费的是可验证收益:减少瓶颈停机、减少车队怠速、降低重复隐患、压缩报告时间,并让集团知道每个矿区的风险是否真的关闭。
破碎站、输送带和关键泵站一停,卡车、人员、能源和产量都会一起损失。
发现、上报、督办、整改、验收、销号和复盘不是可选功能,而是监管和集团治理要求。
无人矿卡、无人机和机器人越多,跨供应商异常越多,单一系统越难承担全链条责任。
每一次人工审批、误报、漏报、复扫失败和维修结果,都是下一代矿山机器人训练数据。
03 · Why Now
中国监管、全球关键矿产压力、自动化矿卡规模化和停机成本共同把矿山推向同一个采购问题:不是再买一个看板,而是让异常能被确认、派发、关闭和复盘。
04 · Insight
每个矿区都已经有很多“发现问题”的系统。MineLoop 的判断是:下一代智矿平台的核心资产,是事件从发现到验证关闭的全链条数据,包括谁批准、谁执行、机器人是否复扫、维修是否有效、产能是否恢复。
未确认、已派发、处理中、待复核、已关闭、需升级,这些状态才是真正的运营语言。
监管、集团、保险和复产整改需要照片、视频、曲线、签核和复核记录,不需要漂亮但不可追责的红点。
MineLoop 不碰安全关键控制权,先占据事件合并、任务派发、证据复核和学习数据层。
05 · Solution
它不替代 Komatsu、Caterpillar、Sandvik、Epiroc、Hexagon、GroundProbe、Maximo、SAP、无人机或机器人,而是在它们之上建立 Observe、Correlate、Decide、Act、Verify、Learn 的闭环。
06 · Product
不要从全矿数字孪生开始。MineLoop 的第一单应选择皮带/破碎、车队排队、关键设备、边坡尾矿或隐患台账中的一个高价值闭环,用 90 天证明减少损失和减少人工追责成本。
多源异常进入事件池:热斑、跑偏、堵料、电流突增、车辆排队、边坡位移或隐患上报。
系统生成责任人、SOP、截止时间、停机影响、复核要求和升级条件。
班组、调度、维修、机器人、无人机或专家在原有系统中完成动作,不打断现场工作流。
复扫图像、热像、振动、电流、FMS 状态、工单和人工签核形成证据包。
按恢复小时、减少怠速、维修提前量、逾期隐患下降和报告节省时间核算收益。
07 · Market
中国版卖给集团安全/生产/IT 和矿级总工/调度中心,抓“重大隐患动态清零 + 双重预防 + 集团台账监管”。海外版卖给已经自动化但供应商混杂的露天矿、选矿厂和采石场,抓“mixed-vendor exception management”。
热斑、跑偏、堵料、异物、转运点撒料和电流突增,直接连接停机损失。
排队、怠速、道路撒料、异常停车和人车接近事件,需要跨 FMS、CAS 和维修闭环。
泵、风机、破碎机、筛分、装车站和转运站的预测报警必须落到维修窗口和复核。
雨情、位移、裂缝、浑浊度、自由水位和巡检证据需要阈值、TARP 和销号。
集团需要跨矿区对比隐患闭环率、逾期率、重复问题、证据完整度和整改质量。
无人矿卡、无人机、机器人、点云、CMMS 和远程运营中心之间缺中立闭环层。
08 · Business Model
销售语言不是“AI 平台”,而是“闭环运营损失追回”。年度收益来自:避免停机小时、减少车辆排队/怠速、减少紧急维修、节省报告人力和降低安全合规风险。
中国 30-80 万元/矿;海外 7.5-15 万美元/矿。先接 2-4 类数据,目标年度化收益达到试点费 3 倍以上。
中国 80-150 万元/矿/年;海外 12-30 万美元/矿/年,覆盖事件图谱、闭环工单、证据包和审计报告。
皮带/破碎按关键资产,车队按车,边坡/尾矿按设施,预测维护模型按设备计费。
对审计过的净收益收取 5%-10% 成功费,设置上限,避免客户把它看成无限成本。
09 · ROI
MineLoop 不把“避免事故”当作首期回本承诺。第一阶段用可核验的运营指标拿预算,安全和监管作为必须满足的治理价值。
皮带/破碎非计划停机下降 10%-20%,按 t/h、贡献毛利、怠速车队和重启成本核算。
选定装卸点或破碎口排队/怠速小时下降 10%-20%,核算燃油、轮胎、人工和产量损失。
高风险隐患按期关闭率超过 85%-90%,过期高风险项下降 40%-60%。
证据包和台账生成时间下降 30%-50% 以上,把安全人员从追资料转向查质量。
10 · Go To Market
销售路径:2 周价值评估,90 天付费试点,年度矿区合同,多矿区集团层。渠道上与矿山自动化集成商、5G 专网、安全监测、皮带/破碎服务商、机器人/无人机和 CMMS/EAM 伙伴合作。
矿端边缘盒子 + 集团私有云,数据不出矿/不出集团,支持监管口径导出和等保/数据安全姿态。
先接 DISPATCH/Wenco/Pitram、CAS、SCADA、Maximo/SAP、无人机和机器人,不替换现有系统。
矿长要回本,安全总监要销号,维修经理要少停机,集团要标准化和跨矿 benchmarking。
从一个瓶颈设备扩到车队、边坡尾矿、全矿隐患,再扩到集团多矿区治理层。
11 · Competition
矿山技术栈已经很强。OEM 自主系统、FMS、CAS、机器人、无人机、边坡雷达、CMMS/EAM、远程运营中心都各自有边界。MineLoop 的机会,是跨供应商的异常闭环和价值核算。
强在车辆、钻机或装载控制;弱在跨供应商事件归因、维修复核和集团审计。
强在车铲匹配和生产 KPI;弱在把地质、安全、维修、视频和机器人证据并入同一闭环。
强在预警和干预;弱在后续整改、复盘、工单、证据包和重复问题治理。
强在资产和工单记录;弱在现场多模态异常合并、机器人复扫和实时生产影响。
12 · Moat
模型会变便宜,单一机器人会被替换。难复制的是每个矿的资产拓扑、SOP、责任区、班组习惯、整改证据、复核规则、财务影响和人在回路纠错数据。
事件、资产、地点、班次、人员、SOP、工单、证据、复核和财务影响形成可学习图谱。
一旦接入集团台账、班组交接、CMMS、调度中心和监管导出,替换成本会随闭环深度上升。
人工审批、误报、漏报、机器人失败和复核失败都成为 LeRobot/CloudTwin 下一轮训练材料。
系统越中立,越容易成为 OEM、集成商、机器人、5G 专网和 CMMS 伙伴的共同执行层。
13 · Architecture
矿山弱网、粉尘、噪声、高温/低温和数据合规决定:异常识别、事件合并、人工确认和缓存必须在矿端完成;跨矿分析、模型训练和集团审计可以放在私有云或合规云上。
RGB、热像、深度、振动、电流、气体、人员定位和机器人状态在矿端同步并缓存。
异物/堵料检测、皮带区域分割、热斑分类、坡面变化和多模态异常融合。
检查、暂停请求、轻量分拣、复扫、证据捕获和返回安全位用 action 管理。
LeRobotDataset、HIL 纠错、模型训练、AI Hub/QNN profile 和跨矿区风险复盘。
14 · Competition Demo
用 12/24V 桌面输送带、泡棉异物、透明防护罩、急停、热像/电流/振动/相机和低力 gantry,演示“发现异常 -> 人工确认 -> 轻量动作 -> 复扫 -> 证据包 -> HIL 数据回流”。
15 · Why Qualcomm
矿山需要本地推理、多摄像头/多传感器融合、专网连接、低功耗、工业生命周期和弱网运行。Qualcomm 的价值不是只跑一个模型,而是成为现场机器人和边缘 AI 节点的标准计算底座。
皮带、热像、异物、人员接近和机器人复扫不能完全依赖云端返回。
矿山需要视频、热像、深度、振动、电流、定位和通信多源融合。
比赛可展示模型从云训练到 Qualcomm edge compile/profile,再到台架推理的证据链。
中国版做本地闭环和监管导出,海外版接入自动化矿山现有机器人、FMS 和 CMMS。
16 · Ask
这不是要求 Qualcomm 背书矿山安全结论,而是用一个低风险 demo 证明:Dragonwing/RB 系列边缘 AI 能承载工业异常闭环,LeRobot 能把现场纠错变成下一轮模型数据。
QCS8550/QCS6490/RB 系列硬件、相机/热像/传感接入和工业边缘设计建议。
帮助选择检测、分割、深度估计和多模态融合模型,完成 QNN profile。
连接矿山自动化、安全监测、5G 专网、机器人/无人机和 CMMS/EAM 伙伴。
寻找一个公开可讲的皮带/设备/边坡异常闭环试点,不做危险控制承诺。
17 · Claims / Sources
MineLoop 页面里的监管、市场、自动化、停机和技术数据来自公开来源。竞赛 demo 只声明为低压桌面原型,不作为矿山安全系统、功能安全系统、防爆系统、生产控制系统或事故预测系统。