金属矿山

作者：刘伟,李国清,侯杰,王浩,陈连韫,范纯超

单位：1. 北京科技大学土木与资源工程学院,北京 100083;2. 金属矿山高效开采与安全教育部重点实验室,北京 100083;3. 山东黄金集团有限公司,山东 济南 250102

关键词：矿山备件,大数据分析,采购策略,聚类分析,组合预测,

为了解决传统矿山备件采购过度依赖人为经验、采购策略单一等问题，借助大数据分析技术实现备件采购策略优化与智能决策。在对矿山企业备件采购流程进行梳理的基础上，运用大数据分析技术构建了以“备件智能分类—备件消耗预测”为核心框架的矿山备件采购预测模型，形成了用于指导矿山企业备件采购的决策方法。将传统ABC分类法在属性分类上加以扩展，分别选取采购价格、消耗速度、采购周期作为备件的分类维度，并利用K-means算法对备件进行智能化分类。针对不同类别备件的采购特征，构建了Prophet-LSTM备件消耗组合预测模型，根据预测结果确定合理的备件采购数量与采购周期，实现矿山备件智能化采购。以山东某黄金地下矿山的备件数据为基础进行了模型验证，结果表明：应用备件采购预测模型制定采购计划，有效提升了矿山企业备件管理水平和科学采购能力。

来源：2022年第11期

《金属矿山》期刊编辑部

查看金属矿山杂志2022年第11期