基于大數(shù)據(jù)的煤炭企業(yè)決策模型研究與應(yīng)用

辛德林，陳一兵，劉 姣，李匡正

(中煤科工集團(tuán) 武漢設(shè)計(jì)研究院有限公司，湖北 武漢 430064)

傳統(tǒng)煤礦生產(chǎn)運(yùn)營(yíng)過程中涉及煤礦開拓、采掘(剝)、運(yùn)輸、通風(fēng)、洗選、安全保障、經(jīng)營(yíng)管理等復(fù)雜環(huán)節(jié)，業(yè)務(wù)流程繁瑣復(fù)雜、管理分散。而隨著新型企業(yè)經(jīng)營(yíng)管理方式的到來和煤炭行業(yè)整合升級(jí)的加速，精益管理、安全升級(jí)、智能化成為發(fā)展的方向，煤炭產(chǎn)業(yè)可提升的價(jià)值空間和管理空間還很大，基于大數(shù)據(jù)下的智能化發(fā)展是很好的發(fā)展方向[1-5]。劉斌[6]針對(duì)煤礦安全預(yù)警存在數(shù)據(jù)獲取精準(zhǔn)度差、數(shù)據(jù)融合能力低等問題，構(gòu)建大數(shù)據(jù)預(yù)警平臺(tái)解決數(shù)據(jù)深度挖掘的問題。鄭鵬偉[7]探討了將大數(shù)據(jù)引入煤炭生產(chǎn)技術(shù)管理中的意義與應(yīng)用。呂傳波[8]針對(duì)煤礦企業(yè)基礎(chǔ)數(shù)據(jù)采集困難，數(shù)據(jù)利用率較低的問題，構(gòu)建了大數(shù)據(jù)分析平臺(tái)，為煤礦安全生產(chǎn)管理的精細(xì)化和智能化提供數(shù)據(jù)支撐。倪琳[9]等人開發(fā)了煤炭檢測(cè)數(shù)據(jù)采集系統(tǒng)，實(shí)現(xiàn)采、制、化等生成全流程可溯源管控。廖杰紅[10]等人運(yùn)用大數(shù)據(jù)技術(shù)為煤炭經(jīng)營(yíng)提供基礎(chǔ)支撐。寧暉[11]等人建立了煤炭經(jīng)濟(jì)評(píng)價(jià)決策系統(tǒng)，使企業(yè)合理規(guī)避投資風(fēng)險(xiǎn)。在信息化時(shí)代，信息技術(shù)和手段為企業(yè)提供了數(shù)字化及自動(dòng)化的流程，為企業(yè)決策提供了數(shù)據(jù)分析。企業(yè)可以將大數(shù)據(jù)用于業(yè)務(wù)分析、經(jīng)營(yíng)預(yù)測(cè)、實(shí)時(shí)生產(chǎn)排程等領(lǐng)域，整合利用企業(yè)資源，釋放大數(shù)據(jù)的智慧潛能，實(shí)現(xiàn)智能生產(chǎn)與智慧決策的有機(jī)結(jié)合。

煤礦的安全生產(chǎn)運(yùn)營(yíng)離不開智能數(shù)據(jù)的支持，國(guó)能包頭能源有限責(zé)任公司(以下簡(jiǎn)稱“國(guó)能BT能源公司”)是國(guó)家能源的子分公司之一。作為一家大型煤炭企業(yè)，公司的主要業(yè)務(wù)涉及煤炭開采、儲(chǔ)運(yùn)和銷售等領(lǐng)域，在煤炭生產(chǎn)和銷售方面具備龐大的規(guī)模和數(shù)量。以國(guó)能BT能源公司為例，通過梳理整個(gè)煤炭生產(chǎn)業(yè)務(wù)的成本數(shù)據(jù)，建立成本計(jì)算模型；研究煤炭銷售、運(yùn)輸、自采、外購(gòu)、煤質(zhì)、洗選工藝和生產(chǎn)成本整個(gè)過程的相關(guān)關(guān)系和約束影響，利用建模技術(shù)建立計(jì)劃業(yè)務(wù)模型。利用大數(shù)據(jù)分析技術(shù)和業(yè)務(wù)模型，整合銷售數(shù)據(jù)、市場(chǎng)數(shù)據(jù)、內(nèi)外部條件的變化情況和管理調(diào)節(jié)系數(shù)等數(shù)據(jù)自動(dòng)生成效益最大的生產(chǎn)計(jì)劃安排，實(shí)現(xiàn)生產(chǎn)安排及時(shí)響應(yīng)市場(chǎng)變化，從而為經(jīng)營(yíng)決策提供支持，實(shí)現(xiàn)效益最大化。

1 大數(shù)據(jù)分析決策模型

1.1 生產(chǎn)優(yōu)化模型

基于約束理論建立生產(chǎn)優(yōu)化模型。約束，即制約企業(yè)實(shí)現(xiàn)目標(biāo)的因素[12]，約束理論與精益生產(chǎn)的關(guān)系如圖1所示。對(duì)平臺(tái)已采集的自有約束數(shù)據(jù)進(jìn)行管理，包括煤炭產(chǎn)能約束(生產(chǎn)接續(xù)計(jì)劃)、煤炭采購(gòu)能力(集團(tuán)外購(gòu)煤指標(biāo))、倉(cāng)庫(kù)庫(kù)存能力(倉(cāng)儲(chǔ)庫(kù)存數(shù)據(jù))、長(zhǎng)協(xié)客戶/其他客戶各月需求能力(集團(tuán)指標(biāo))、鐵路運(yùn)輸能力(集團(tuán)空車計(jì)劃)，以及時(shí)間、機(jī)構(gòu)數(shù)據(jù)。主要的約束條件可分為以下四類：煤炭產(chǎn)能限制、煤炭采購(gòu)能力限制、客戶需求能力限制[13]、年產(chǎn)量限制。通過優(yōu)化模型，識(shí)別約束、分析約束和突破約束來提升系統(tǒng)的整體性。

圖1 約束理論與精益生產(chǎn)5步驟Fig.1 Constraint theory and 5 steps of lean production

1.2 自產(chǎn)煤供應(yīng)量及外購(gòu)煤采購(gòu)量計(jì)算模型

隨著決策變量規(guī)模的增大，求解大規(guī)模優(yōu)化問題的關(guān)鍵在于對(duì)變量的分組，以理清決策變量之間、決策變量與目標(biāo)函數(shù)之間的關(guān)系[114，5]。通過現(xiàn)場(chǎng)調(diào)研，可以將自變量整理出來，通過梳理利潤(rùn)構(gòu)成，寫出目標(biāo)函數(shù)，以及對(duì)應(yīng)各決策變量的約束條件。通過觀察目標(biāo)函數(shù)和約束條件的構(gòu)成形式，可以發(fā)現(xiàn)目標(biāo)函數(shù)(max)和約束條件(s.t.)都是線性的，可以將該問題歸為線性規(guī)劃范疇進(jìn)行求解，如圖2所示。根據(jù)影響所要達(dá)到目的的因素找到?jīng)Q策變量，最終的目標(biāo)為：整個(gè)能源集團(tuán)公司的利潤(rùn)最大化，影響這個(gè)目標(biāo)的決策變量包括但不限于表1中變量。

表1 決策變量表Table 1 Decision variable table

圖2 計(jì)算模型建立流程Fig.2 Flow chart of calculation model establishment

根據(jù)數(shù)據(jù)輸入及約束條件，通過構(gòu)建的計(jì)算模型，實(shí)現(xiàn)各生產(chǎn)單位自產(chǎn)煤各月供應(yīng)量、各生產(chǎn)/經(jīng)營(yíng)單位外購(gòu)煤各月采購(gòu)量輸出計(jì)劃信息。由決策變量和所在達(dá)到目的之間的函數(shù)關(guān)系確定目標(biāo)函數(shù)，根據(jù)上一步歸納的決策變量，結(jié)合實(shí)際業(yè)務(wù)現(xiàn)狀寫出目標(biāo)函數(shù)，目標(biāo)函數(shù)的計(jì)算公式如下：

(1)

P1=I1-C1+(I-E)O1

(2)

P2=I2-C2+(I-E)O2

(3)

C1=P1+T1+P&E1+A1+R&D1+S1

(4)

C2=P2+T2+P&E2+A2+R&D2+S2

(5)

(I-E)O1=O1+N1

(6)

(I-E)O2=O2+N2

(7)

式中，g為所在優(yōu)化年度的月份；P1為煤礦WL的利潤(rùn)；P2為煤礦LJH的利潤(rùn)；Costhead為總部成本；I1為煤礦WL的收入；I2為煤礦LJH的收入；C1為煤礦WL的成本；C2為煤礦LJH的成本；P為生產(chǎn)成本；T為稅金及附加；P&E為期間費(fèi)用；A為資產(chǎn)處置費(fèi)用；R&D為研發(fā)費(fèi)用；S為銷售總成本；(I-E)O1為煤礦WL的收支；(I-E)O2為煤礦LJH的收支；O為其他業(yè)務(wù)收支；N為營(yíng)業(yè)外收支。

1.3 決策模型

有了目標(biāo)函數(shù)和約束條件，以及明確了規(guī)劃問題分支后，就可以對(duì)該問題進(jìn)行編程求解，結(jié)果顯示需要求解的是一個(gè)非常典型的線性規(guī)劃問題，對(duì)于線性規(guī)劃問題，有許多成熟的優(yōu)化器可以完成對(duì)應(yīng)的求解過程，該項(xiàng)目上采用OR-Tools作為線性規(guī)劃的求解器[16]。OR-Tools是一個(gè)用于最優(yōu)化問題的開源軟件套件，用于解決世界上最棘手的車輛路徑、流、整數(shù)和線性規(guī)劃以及約束規(guī)劃等問題，后端可以整合多種開源或商用優(yōu)化器?；跀?shù)據(jù)和計(jì)算模型，可視化對(duì)比分析全局計(jì)劃的效益和結(jié)果，圖表展示各單位生產(chǎn)、采購(gòu)信息，為企業(yè)全局決策提供理論支持，以期實(shí)現(xiàn)在滿足一定的約束條件下，有效發(fā)揮資源的最大效益，達(dá)到總體最優(yōu)的目的。

2 決策子系統(tǒng)功能與實(shí)現(xiàn)

2.1 系統(tǒng)功能

決策系統(tǒng)主要包括三大功能：生產(chǎn)約束管理、月度自產(chǎn)煤供應(yīng)量及外購(gòu)煤采購(gòu)量計(jì)算和決策分析，分別與系統(tǒng)中的三大模型相對(duì)應(yīng)，系統(tǒng)通過收集到的企業(yè)運(yùn)營(yíng)數(shù)據(jù)，建立目標(biāo)函數(shù)方程組求解，并對(duì)結(jié)果進(jìn)行可視化展示，為決策者提供數(shù)據(jù)支持，以期達(dá)到最佳效益，決策分析系統(tǒng)如圖3所示。

圖3 決策模型流程可視化Fig.3 Visualization of decision model process

2.2 技術(shù)支撐

本系統(tǒng)使用Spring MVC、Spring Security、Hibernate和Restful進(jìn)行Web應(yīng)用開發(fā)，使用Spring Boot搭建輕量級(jí)的公共服務(wù)。系統(tǒng)前端采用H5、CSS3技術(shù)標(biāo)準(zhǔn)，利用Vue、Axios、Ant Design構(gòu)建頁(yè)面組件，使用Echarts實(shí)現(xiàn)系統(tǒng)中的圖形展示功能，構(gòu)建統(tǒng)一的UI風(fēng)格，并且使前端具備豐富的交互能力，提供更好的用戶體驗(yàn)。在客戶端方面系統(tǒng)支持Chrome，F(xiàn)irefox等現(xiàn)代瀏覽器(支持HTML5、CSS3、ES5+的瀏覽器)[17]，如圖4所示。

圖4 技術(shù)架構(gòu)Fig.4 Technical architecture diagram

2.3 數(shù)據(jù)管理

通過管理影響煤炭生產(chǎn)業(yè)務(wù)相關(guān)成本因素?cái)?shù)據(jù)，包括自產(chǎn)煤產(chǎn)量、外購(gòu)煤量、自產(chǎn)煤生產(chǎn)成本、外購(gòu)煤成本、外銷煤炭量、一體化煤炭銷售量、外銷煤炭運(yùn)輸成本、一體化煤炭銷售運(yùn)輸成本、煤炭?jī)r(jià)格等數(shù)據(jù)，為后續(xù)制定計(jì)劃及分析決策提供數(shù)據(jù)依據(jù)。

2.4 技術(shù)實(shí)現(xiàn)及操作系統(tǒng)

技術(shù)實(shí)現(xiàn)系統(tǒng)包括登錄、功能選擇、數(shù)據(jù)導(dǎo)入和優(yōu)化結(jié)果展示四個(gè)模塊。具體的操作流程如下：用戶輸入管理員賬號(hào)后，即可進(jìn)入系統(tǒng)功能菜單。在進(jìn)入決策模型模塊后，可以通過決策變量管理子菜單欄導(dǎo)入各個(gè)變量的信息。系統(tǒng)將在預(yù)設(shè)的約束條件下進(jìn)行解算，并在全局計(jì)劃圖中展示最優(yōu)化結(jié)果。

3 模型實(shí)際應(yīng)用

3.1 生產(chǎn)優(yōu)化模型應(yīng)用

通過對(duì)約束條件(煤炭產(chǎn)能限制、煤炭采購(gòu)能力限制、客戶需求能力限制、年產(chǎn)量限制)的分析識(shí)別，提出對(duì)應(yīng)的改善目標(biāo)，制定了煤礦WL和煤礦LJH的優(yōu)化計(jì)劃，并建立了優(yōu)化模型系統(tǒng)，具體的優(yōu)化計(jì)劃見表2。產(chǎn)能是系統(tǒng)重要的性能指標(biāo)之一，直接關(guān)系到盈利能力，產(chǎn)能提升和優(yōu)化是精益生產(chǎn)的重要環(huán)節(jié)之一。銷售將生產(chǎn)與管理聯(lián)系起來，實(shí)現(xiàn)統(tǒng)一的生產(chǎn)均衡化、生產(chǎn)管理合理化，并建立快速處理和持續(xù)改善的管理機(jī)制。對(duì)于產(chǎn)能計(jì)劃和銷售計(jì)劃的優(yōu)化，體現(xiàn)在煤礦WL和煤礦LJH的煤產(chǎn)量大于銷售量、煤礦LJH的自產(chǎn)煤和外購(gòu)煤全年控制在1000萬t、煤礦WL外購(gòu)煤產(chǎn)量和自產(chǎn)煤產(chǎn)量全年控制分別在0～300萬t、0～600萬t，以實(shí)現(xiàn)公司利潤(rùn)的最大化。

表2 優(yōu)化計(jì)劃Table 2 Optimization plan

3.2 自產(chǎn)煤供應(yīng)量及外購(gòu)煤采購(gòu)量計(jì)算模型應(yīng)用

計(jì)劃布局是企業(yè)最重要的環(huán)節(jié)之一，編制的科學(xué)性、嚴(yán)謹(jǐn)性、可實(shí)施性與否直接影響企業(yè)的正常生產(chǎn)和最佳經(jīng)濟(jì)效益[18]，煤炭企業(yè)經(jīng)營(yíng)過程涉及煤樣種類、設(shè)備裝置、生產(chǎn)周期、運(yùn)輸物流、資金流動(dòng)等環(huán)節(jié)節(jié)節(jié)相扣，是典型的大系統(tǒng)，所以制定良好的計(jì)劃對(duì)系統(tǒng)分析、整體優(yōu)化，收益管理十分重要。

根據(jù)約束條件，制定產(chǎn)能計(jì)劃、銷售計(jì)劃，進(jìn)而限制產(chǎn)能數(shù)量、產(chǎn)能總成本、銷售數(shù)量、銷售總額。將2022年煤礦WL和煤礦LJH的產(chǎn)能計(jì)劃和銷售計(jì)劃按照決策變量分自產(chǎn)、外購(gòu)、時(shí)間、煤種進(jìn)行布置，通過自產(chǎn)煤供應(yīng)量及外購(gòu)煤采購(gòu)量計(jì)算模型運(yùn)算，實(shí)現(xiàn)各生產(chǎn)單位自產(chǎn)煤各月供應(yīng)量、各生產(chǎn)/經(jīng)營(yíng)單位外購(gòu)煤各月采購(gòu)量輸出計(jì)劃信息，即可制定2022全年的自產(chǎn)煤供應(yīng)量與外購(gòu)煤采購(gòu)量。

3.3 決策模型應(yīng)用及效益對(duì)比可視化

在各月煤炭銷售利潤(rùn)基線計(jì)劃的基礎(chǔ)上，根據(jù)外部市場(chǎng)和內(nèi)部環(huán)境的綜合作用下將決策模型進(jìn)行應(yīng)用，對(duì)各月的銷售計(jì)劃進(jìn)行優(yōu)化調(diào)整，根據(jù)各月之間的利潤(rùn)差距來調(diào)整產(chǎn)量目標(biāo)，進(jìn)而擴(kuò)大煤礦的利潤(rùn)區(qū)間來實(shí)現(xiàn)利潤(rùn)目標(biāo)，實(shí)現(xiàn)總利潤(rùn)的最大化和成本最小化。

在1—7月根據(jù)煤炭產(chǎn)能限制、煤炭采購(gòu)能力限制、客戶需求能力限制氣溫等因素影響了煤炭的銷售，所以對(duì)基線計(jì)劃進(jìn)行下調(diào)，進(jìn)而調(diào)整各個(gè)煤礦的煤炭產(chǎn)品結(jié)構(gòu)與產(chǎn)量，特別是在2月、5月和7月，由于水電、太陽(yáng)能發(fā)電的增加和夏季高溫影響，煤價(jià)進(jìn)入下降通道，煤炭進(jìn)行虧本銷售，呈現(xiàn)利潤(rùn)負(fù)產(chǎn)化的表象。而在8—12月，供暖需求、用電需求較往月有所增加，趁此煤炭行情供需缺口之際在11—12月對(duì)基線計(jì)劃實(shí)現(xiàn)大幅度上漲，使2022年全年的整體利潤(rùn)實(shí)現(xiàn)最大化。各月的優(yōu)化計(jì)劃情況如圖5、圖6所示。

圖5 模型應(yīng)用前后效益Fig.5 Visualization of benefits before and after model application

圖6 2022年11—12月優(yōu)化計(jì)劃Fig.6 Optimization plan for November and December，2022

通過圖5看出，2022年基線利潤(rùn)是253282.95萬元，通過決策模型應(yīng)用后，總體利潤(rùn)達(dá)到280106.12萬元，相比基線計(jì)劃增加26823.17萬元，上漲比例10.59%。為驗(yàn)證決策模型的準(zhǔn)確性，指標(biāo)計(jì)劃與2020—2022年全國(guó)煤產(chǎn)量走勢(shì)如圖7所示。對(duì)比指標(biāo)計(jì)劃與2020—2022年全國(guó)煤產(chǎn)量走勢(shì)可得，指標(biāo)計(jì)劃的收益與全國(guó)原煤產(chǎn)量走勢(shì)基本保持一致，說明經(jīng)優(yōu)化方案計(jì)算后的收益符合煤炭行業(yè)的營(yíng)銷普遍規(guī)律，表明優(yōu)化結(jié)果是值得信任的。經(jīng)檢驗(yàn)，決策模型結(jié)果符合煤礦的實(shí)際生產(chǎn)經(jīng)營(yíng)狀況，模型得到了很好的驗(yàn)證與應(yīng)用。

圖7 2020—2022年全國(guó)原煤產(chǎn)量走勢(shì)Fig.7 Trend of raw coal production from 2020 to 2022 in China

4 結(jié) 語

本文采用互聯(lián)網(wǎng)領(lǐng)域的新型技術(shù)MySQL數(shù)據(jù)庫(kù)，將國(guó)能BT能源公司煤炭部門實(shí)際生產(chǎn)經(jīng)營(yíng)數(shù)據(jù)上傳至后臺(tái)服務(wù)器保存，現(xiàn)場(chǎng)取樣創(chuàng)建了生產(chǎn)優(yōu)化模型、月度自產(chǎn)煤供應(yīng)量及外購(gòu)煤采購(gòu)量計(jì)算模型和決策模型，以生產(chǎn)效益最大化為目標(biāo)函數(shù)，構(gòu)建線性規(guī)劃方程組，調(diào)用谷歌服務(wù)中的OR-Tools工具箱執(zhí)行求解指令，給出最佳決策方案并可視化展示。在引入了智能化的決策模型子系統(tǒng)后，2022年利潤(rùn)相比基線計(jì)劃增加26823.17萬元，上漲比例10.59%，使得整個(gè)決策體系更趨向于數(shù)據(jù)化、智能化、標(biāo)準(zhǔn)化，更有利于管理層科學(xué)規(guī)范地安排生產(chǎn)經(jīng)營(yíng)計(jì)劃，達(dá)到企業(yè)的最佳收益，對(duì)企業(yè)的經(jīng)濟(jì)效益具有良好的指導(dǎo)意義。