下载文档原格式
五、2019现代工程新业态发展与应用返回上一级单选题（共30题，每题2分）1 ．根据本讲，中国有（）的地表水是污染的。
•A．30%•B．50%•C．75%•D．70%参考答案：C答案解析：暂无2 ．2014年《关于开展市县“多规合一”试点工作的通知》，确立在全国（）个市县开展“多规合一”的试点。
•A．26•B．27•C．28•D．29参考答案：C答案解析：暂无3 ．根据本讲，下列哪项不属于通用技术（）•A．ICT技术•B．生物医药技术•C．新材料技术•D．电子控制技术答案解析：暂无4 ．本讲指出，当经济增长速度下降到（）以下的时候，大概有40%的企业处于亏损是亏损边缘的状态。
•A．4%•B．5%•C．6%•D．7%参考答案：D答案解析：暂无5 ．本讲认为我国正处于工业化快速发展的阶段，事故起数，死亡人数逐年下降、大幅降低，但是重大及有影响的事件一直没有得到有效遏制，特别是在一些重点行业领域反映突出，例如（）。
•A．树木砍伐•B．水果采摘•C．熟食加工•D．采矿参考答案：D答案解析：暂无6 ．基础零部件/元器件、基础材料生产企业以（）居多，这些企业不以产量规模制胜，而是专注于产品细分市场上的某一产品，满足专门客户群。
•A．大型企业•B．国企•C．中小型企业•D．上市公司答案解析：暂无7 ．空间规划、编制和实施，最主要目标是（）。
•A．提升治理能力•B．合理永续利用•C．优化空间布局•D．国土空间治理体系的现代化参考答案：D答案解析：暂无8 ．美国在金融危机之后提出了（）。
•A．“再工业化”•B．“工业4.0”•C．“新工业”•D．“新增长战略”参考答案：A答案解析：暂无9 ．本讲提到，过去的拖拉机的换挡是（）•A．动力换挡•B．机械型换挡•C．快速换挡•D．省力换挡参考答案：B答案解析：暂无10 ．2006年以来，以（）为代表的智能学习算法在机器视觉和语音识别等领域取得了极大的成功。
•A．计算学习•B．模拟学习•C．机器学习•D．深度学习参考答案：D答案解析：暂无11 ．中国经济规模现已居世界（）。
流程工业智能优化制造建议及智能工厂应用案例流程工业是我国国民经济发展的支柱产业和基础原材料工业，主要包括石油、化工、矿业、钢铁、有色、电力、建材等高能耗行业。
经过数十年的发展，我国已成为世界上门类最齐全、规模最大的流程工业制造大国，其产业集中化的程度和规模世界罕见。
近几十年来中国流程工业虽然有了长足发展和进步，但总体生产制造效能与国际先进水平相比还有一定差距，目前流程工业的发展正受到资源、能源、环境方面的严重制约，如何由“全球制造大国”向“全球智造强国”转变，急需制定创新驱动、智能转型发展的战略。
一、流程工业优化制造的关键2010年以来，国际学术界开始重视流程工业制造过程智能化的相关基础理论研究，认为现代信息技术和人工智能技术产业发展有革命性推动作用，流程工业制造过程智能化研究处于起步阶段，各国在同一起跑线上。
其中，主要国家制造业发展战略是“信息技术+先进制造业”，所提出的智能制造战略计划大多面向离散工业，只有美国针对流程工业提出了具体的战略计划。
制造业分为离散制造业与流程制造业，二者存在显著区别。
离散制造业通过智能制造实现个性化定制，流程工业通过智能制造实现高效化和绿色化。
流程工业的特点是原料进入生产线的不同装备，通过物理化学反应在信息流与能源流的作用下，经过物质流变化形成合格的产品。
产品不能单件计量，产品加工过程不能分割。
生产线的某一工序产品加工出现问题，必然影响生产线的最终产品。
我国流程工业装置与发达国家类同，装备与之相当，甚至部分处于先进或领先水平，然而普遍存在生产效率低、能耗物耗高、安全环保问题突出等现象，系统运行水平参差不齐，与世界先进有差距。
究其原因，实现流程工业高效化和绿色化的关键，是实现生产工艺优化和全流程整体运行优化。
生产工艺优化是对已有的生产工艺和生产流程进行优化提升，以形成生产高性能、高附加值产品的先进工艺和流程。
全流程整体运行优化是指在全球化市场需求和原料变化时，以高效化与绿色化为目标，使得原材料的采购、经营决策、计划调度、工艺参数选择、生产全流程控制实现无缝集成优化，使企业全局优化运行。
智能制造的战略和发展路径智能制造旨在提升制造业的效率、品质、灵活性和可持续性。
它是一种利用现代信息和通信技术，以及工业物联网和人工智能等技术实现智能化、网络化和数字化的制造方式。
中国政府正在积极推进“中国制造2025”战略，发展智能制造已成为国家战略。
本文将从智能制造的含义以及意义，智能制造的发展路径等方面，分析智能制造的战略和发展。
一、智能制造的含义和意义智能制造是为了更高效、更准确地生产和制造而出现的一种制造方式。
它是一种将传感技术、互联网、机器学习和其他相关技术整合到一起的制造方式。
它可以让制造工厂实现自我优化、预测性维护和自我修复等。
智能制造的实施将全面提升制造业的效率和工业“智能”水平。
它有助于提高生产、工艺和产品的质量、更好地满足客户需求、实现生产过程可视化、可控性和优化。
二、智能制造的发展路径智能制造的发展路径主要包括机器人技术、传感器技术、互联网技术和人工智能技术这4个方向。
（1）机器人技术机器人技术是智能制造的基础。
通过机器人技术的应用，可以实现生产、运输、装配、检测和维修等很多工作的自动化和智能化。
机器人技术的发展方向主要是软件可视化、通用性、柔性化、半自主化、自主化、网络化和智能化。
未来，机器人的发展将与AI技术、语音识别、图像识别等技术结合。
（2）传感器技术传感器技术是实现智能制造的关键技术之一。
它可以将机器与网络连接起来，将现场设备和现场数据实时输入到系统中，从而实现制造现场信息的实时监控和转化。
传感器技术的快速发展为智能制造提供了关键基础。
（3）互联网技术互联网技术是智能制造与IT技术结合的基础。
它将各种设备、设施、系统和人员连接起来，实现生产流程、生产资源、生产设备等的数字化，使得生产过程、过程控制和组织管理实现网络化、智能化，也为产业互联网提供了基础。
（4）人工智能技术人工智能技术是智能制造实现数字化、智能化和高效率的基石。
通过利用人工智能，可以实现制造过程的优化和自动化。
智能制造的定义与发展趋势智能制造是指通过引入智能化技术和机制，在制造业中实现设备、工厂和供应链的智能化、信息化、网络化和自动化，以提高生产效率和质量，降低成本，实现产业升级和可持续发展的制造方式。
智能制造的发展不仅仅是传统制造业的升级，更是一场涉及技术、产业和社会发展的革命。
一、智能制造的定义智能制造是以物联网、大数据、云计算、人工智能等为核心技术，并结合自动控制、机器人技术等多种技术手段，通过建立数字化的制造生态系统，实现制造过程中的智能化和自主化。
它将传统的生产方式与现代信息技术紧密结合，通过实时数据采集、分析和智能决策，实现生产资源的优化配置和高效协同，从而提高生产效率、降低生产成本、优化产品质量。
智能制造的关键要素包括：智能设备和工装、智能工厂和车间、智能供应链和物流、智能管理和决策。
智能设备和工装利用传感器、控制器和通信技术实现数据采集、监控和控制，实现生产过程的自动化和智能化；智能工厂和车间通过信息化和网络化手段实现工艺流程的优化、资源的智能调度和生产过程的可视化管理；智能供应链和物流通过信息共享和资源整合，实现企业与供应商、销售商之间的紧密衔接，实现生产、配送、销售的优化和智能化；智能管理和决策通过数据分析、机器学习和人工智能算法，实现对生产过程的智能监控和决策支持，优化生产资源配置和企业运营。
二、智能制造的发展趋势1. 智能设备和工装的发展：智能设备将越来越小型化、集成化，通过无线传感技术实现设备之间的互联互通，提高设备的灵活性和智能化水平。
工装将借助于智能传感器和执行器等技术，实现对工件的智能感知和处理，提高生产过程的柔性和自动化水平。
2. 智能工厂和车间的建设：智能工厂将实现全生命周期的数字化管理和控制，通过各种信息系统和工业互联网平台，实现生产过程的可视化、智能化和协同化，提高资源利用效率和生产效率。
智能车间将通过自动化和机器人技术，实现人机协作和智能操作，减少人工操作误差，提高工作效率和品质稳定性。
59采矿工程M ining engineering选矿过程智能优化决策制造系统架构设计与优化雷震彬1,3，孙晓豪2,3，邱鸿鑫2（１．广西华锡集团股份有限公司，广西 柳州 ５４５００６；２．铟锡资源高效利用国家工程实验室，广西 柳州５４５００６；３．国家铟锡资源高效利用工程实验室，柳州５４５００６）摘 要：优化矿产加工全过程的运行和控制，对提高产品质量，研究如何有效协调决策，制定整个矿物加工过程中的操作指标，减少社会资源利用和环境污染，保持可持续发展具有不可替代的作用。
因此，构建智能化的选矿系统并实现生产优化非常重要，这不仅能提高生产效率，还能确保资源的有效利用，促进行业的可持续发展。
关键词：过程运行与控制；智能结构；决策中图分类号：ＴＤ９５２ 文献标识码：Ａ 文章编号：１００２－５０６５（２０２３）２２－００５９－３Architecture of intelligent optimization decision-making manufacturing system for dressing processLEI Zhen-bin 1,3，SUN Xiao-hao 2,3，QIU Hong-xin 2,3（１． Ｃｈｉｎａ Ｔｉｎ Ｇｒｏｕｐ Ｃｏ． Ｌｔｄ．， Ｌｉｕｚｈｏｕ ５４５００６， Ｃｈｉｎａ；２． Ｓｃｈｏｏｌ ｏｆ Ｃｈｅｍｉｃａｌ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｃｈｉｎａ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｉｎｇ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ－Ｂｅｉｊｉｎｇ， Ｂｅｉｊｉｎｇ １０００８３， Ｃｈｉｎａ；３． Ｎａｔｉｏｎａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｅｆｆｉｃｉｅｎｔ Ｕｔｉｌｉｚａｔｉｏｎ ｏｆ Ｉｎｄｉｕｍ ａｎｄ Ｔｉｎ Ｒｅｓｏｕｒｃｅｓ， Ｌｉｕｚｈｏｕ ５４５００６， Ｃｈｉｎａ）Abstract: Ｏｐｔｉｍｉｚｉｎｇ ｔｈｅ ｏｐｅｒａｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ ｏｆ ｔｈｅ ｅｎｔｉｒｅ ｍｉｎｅｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｐｒｏｃｅｓｓ ｐｌａｙｓ ａｎ ｉｒｒｅｐｌａｃｅａｂｌｅ ｒｏｌｅ ｉｎ ｉｍｐｒｏｖｉｎｇ ｐｒｏｄｕｃｔ ｑｕａｌｉｔｙ， ｒｅｓｅａｒｃｈｉｎｇ ｈｏｗ ｔｏ ｅｆｆｅｃｔｉｖｅｌｙ ｃｏｏｒｄｉｎａｔｅ ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ， ｆｏｒｍｕｌａｔｉｎｇ ｏｐｅｒａｔｉｏｎａｌ ｉｎｄｉｃａｔｏｒｓ ｆｏｒ ｔｈｅ ｅｎｔｉｒｅ ｍｉｎｅｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｐｒｏｃｅｓｓ， ｒｅｄｕｃｉｎｇ ｓｏｃｉａｌ ｒｅｓｏｕｒｃｅ ｕｔｉｌｉｚａｔｉｏｎ ａｎｄ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｐｏｌｌｕｔｉｏｎ， ａｎｄ ｍａｉｎｔａｉｎｉｎｇ ｓｕｓｔａｉｎａｂｌｅ ｄｅｖｅｌｏｐｍｅｎｔ． Ｔｈｅｒｅｆｏｒｅ， ｉｔ ｉｓ ｖｅｒｙ ｉｍｐｏｒｔａｎｔ ｔｏ ｂｕｉｌｄ ａｎ ｉｎｔｅｌｌｉｇｅｎｔ ｍｉｎｅｒａｌ ｐｒｏｃｅｓｓｉｎｇ ｓｙｓｔｅｍ ａｎｄ ａｃｈｉｅｖｅ ｐｒｏｄｕｃｔｉｏｎ ｏｐｔｉｍｉｚａｔｉｏｎ， ｗｈｉｃｈ ｃａｎ ｎｏｔ ｏｎｌｙ ｉｍｐｒｏｖｅ ｐｒｏｄｕｃｔｉｏｎ ｅｆｆｉｃｉｅｎｃｙ， ｂｕｔ ａｌｓｏ ｅｎｓｕｒｅ ｔｈｅ ｅｆｆｅｃｔｉｖｅ ｕｔｉｌｉｚａｔｉｏｎ ｏｆ ｒｅｓｏｕｒｃｅｓ ａｎｄ ｐｒｏｍｏｔｅ ｔｈｅ ｓｕｓｔａｉｎａｂｌｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ ｉｎｄｕｓｔｒｙ．Keywords: Ｐｒｏｃｅｓｓ ｏｐｅｒａｔｉｏｎ ａｎｄ ｃｏｎｔｒｏｌ； Ｉｎｔｅｌｌｉｇｅｎｃｅ ｓｔｒｕｃｔｕｒｅ； Ｄｅｃｉｓｉｏｎ收稿日期：２０２３－０９作者简介：雷震彬，男，生于１９７２年７月，汉族，广西北流人，研究生，工程师，研究方向：机械制造工艺与设备。
智能制造中的创新与发展战略在当今科技飞速发展的时代，智能制造已经成为制造业转型升级的重要方向。
智能制造不仅仅是引入先进的技术和设备，更是一种全新的生产理念和模式的变革。
在这个过程中，创新是推动智能制造发展的核心动力，而制定科学合理的发展战略则是确保智能制造能够持续、健康发展的关键。
智能制造的创新涵盖了多个层面。
首先是技术创新。
例如，工业机器人技术的不断进步，使其具备了更高的精度、灵活性和智能化水平，能够完成更加复杂和精细的生产任务。
3D 打印技术的出现，颠覆了传统的制造工艺，实现了从设计到成品的快速转化，大大缩短了产品的研发周期。
同时，人工智能、大数据、物联网等新兴技术在制造业中的深度融合，为智能制造提供了强大的技术支撑。
通过对生产数据的实时采集、分析和处理，企业能够实现生产过程的优化控制，提高生产效率和产品质量。
其次是管理创新。
智能制造要求企业打破传统的管理模式，建立起适应智能化生产的新型管理体系。
这包括优化生产流程、加强供应链管理、实现跨部门的协同合作等。
通过引入数字化管理平台，企业可以实现生产计划的精准制定和执行，提高资源的利用效率。
同时，采用敏捷制造、精益生产等先进的管理理念，能够快速响应市场需求的变化，提高企业的市场竞争力。
再者是商业模式创新。
在智能制造的背景下，制造业的商业模式也在发生着深刻的变化。
企业不再仅仅依靠产品的销售获取利润，而是通过提供产品全生命周期的服务，如售后维护、技术支持、个性化定制等，实现价值的最大化。
此外，基于互联网平台的共享制造模式逐渐兴起，企业可以共享生产设备和资源，降低生产成本，提高生产能力的利用率。
为了推动智能制造的创新发展，企业需要制定相应的发展战略。
一是加强技术研发投入。
企业应积极与高校、科研机构合作，开展产学研联合创新，攻克智能制造中的关键技术难题。
同时，要注重自主创新能力的培养，建立自己的技术研发团队，掌握核心技术，提高企业的技术竞争力。
二是注重人才培养。
智能制造中的流程优化与改进在当今竞争激烈的制造业环境中，智能制造已经成为企业提升竞争力、实现可持续发展的关键。
而在智能制造的实施过程中，流程优化与改进是至关重要的环节，它能够显著提高生产效率、降低成本、提升产品质量，并增强企业的创新能力。
智能制造中的流程优化与改进并非一蹴而就，而是一个系统性、持续性的工作。
它需要对整个生产流程进行深入的分析和评估，找出其中存在的问题和瓶颈，并采取有效的措施加以解决。
首先，我们要明确智能制造的概念和特点。
智能制造是一种基于新一代信息技术，将先进的制造技术、管理理念和人工智能等深度融合的新型制造模式。
它具有高度的自动化、数字化、网络化和智能化等特点，能够实现生产过程的高效、灵活和精准控制。
在智能制造中，流程优化与改进的重要性不言而喻。
传统的制造流程往往存在着诸多问题，如信息不畅通、生产环节脱节、资源浪费严重等。
这些问题不仅影响了生产效率和产品质量，还增加了企业的运营成本。
通过流程优化与改进，可以打破这些瓶颈，实现生产流程的无缝衔接和资源的优化配置。
那么，如何进行智能制造中的流程优化与改进呢？第一步是进行全面的流程评估。
这需要收集和分析大量的数据，包括生产过程中的各种参数、设备运行状态、人员操作情况等。
通过对这些数据的深入挖掘，可以发现潜在的问题和优化空间。
接下来，要制定明确的优化目标。
这些目标应该是具体、可衡量的，并且与企业的战略目标相一致。
例如，提高生产效率 XX%、降低次品率 XX%、缩短生产周期 XX 天等。
在确定了优化目标后，就可以采取相应的改进措施。
一方面，可以引入先进的制造技术和设备，如工业机器人、自动化生产线、智能传感器等，提高生产过程的自动化水平。
另一方面，要优化生产流程的组织和管理。
例如，采用精益生产的理念，减少不必要的环节和浪费；加强供应链管理，确保原材料的及时供应和产品的顺利交付；建立有效的质量管理体系，严格控制产品质量。
此外，人员的培训和素质提升也是不可忽视的环节。
流程工业选矿过程智能优化制造发展战略孙传尧1、2周俊武1、2、3北京矿冶科技集团有限公司矿物加工科学与技术国家重点实验室矿冶过程自动控制技术国家重点实验室摘要分析了实施选矿过程智能优化制造必要性和可行性，提出了选矿过程智能优化制造总体架构和建设路径，阐述了大数据和新一代人工智能技术在选矿智能优化制造中的应用方向，明确了选矿过程智能优化制造发展愿景、目标和重点研究任务，给出了政策建议。
关键词选矿智能优化制造战略Smart and optimal manufacturing development strategy formineral processing industrySUN Chuanyao1,2, ZHOU Junwu1,2,3(1. BGRIMM Technology Group, Beijing 100160, China; 2. State Key Laboratory ofMineral Processing Science and Technology, Beijing 102628, China; 3. State KeyLaboratory of Process Automation in Mining & Metallurgy, Beijing 102628, China) Abstract：In this paper, the necessity and feasibility of smart and optimal manufacturing in mineral processing practice was analyzed. The overall architecture and construction paths of smart and optimal manufacturing in mineral processing was proposed. The application of the big data and the new generation artificial intelligence technology in smart and optimal manufacturing in mineral processing was described.The development vision, goals and key research tasks of smart and optimal manufacturing in mineral processing was put forward, and some policy suggestions were given at last.Key words：Mineral processing; Smart and optimal manufacturing; Development strategy引言随着全球经济结构深度调整，我国制造业面临发达国家和发展中国家“前后夹击”的双重挑战。
全面推进实施制造强国战略，加快大数据、云计算、物联网应用，以新技术新业态新模式，推动传统行业生产、管理和营销模式变革，是我国制造业的首要任务[1]~[4]。
作为传统行业，我国选矿过程智能制造面临着缺乏顶层设计、缺乏统一数据标准、装备智能化水平不足等一系列的问题，在选矿行业转型升级对新技术的迫切需求与大数据、云服务和新一代人工智能发展趋势的双重驱动下，实施“选矿过程智能优化制造”具有重大意义。
1. 我国选矿自动化、信息化现状我国矿产资源禀赋差，更加需要高效的选矿生产过程，同时，行业高速发展对规模化、集约化生产提出更高要求。
绿色矿山是生态文明建设的关键环节，智能化技术是绿色矿山建设的重要技术支撑。
我国具有国际一流的选矿工艺技术，主体装备也达到或超过国际同行，但生产过程自动化、信息化、智能化技术与发达国家相比起步晚、差距大，成为选矿行业最主要的短板之一，导致资源综合回收利用率和生产率低，同时，阻碍了选矿行业参与国际竞争。
我国选矿自动化、信息化面临的主要问题：1）选矿生产原矿性质复杂、多变，不可控，但其产品必须达到相关标准方可出厂；2）选矿生产既有流程工业连续性，又具有离散和间歇作业特征，过程机理复杂、具有多变量、非线性、大滞后和强耦合等特性；3）国内外没有任何两个选矿厂的原矿、工艺流程和装备完全相同，企业管理水平、装备可靠性、生产运维人力资源状况参差不齐。
选矿过程智能优化制造是以矿山企业全局及选矿厂生产经营全过程的高效化与绿色化为目标，以选矿生产工艺智能优化和选矿生产全流程整体智能优化为特征的制造模式。
实施选矿过程智能优化制造可推动矿山企业生产方式和管控模式的变革，使企业实现优化工艺流程，降低生产成本，促进劳动效率和生产效益的提升。
通过推广智能优化制造技术在选矿行业的应用，推动产业链在地质、采矿、选矿、冶炼等环节的数据共享与协同，为进一步提高产业链协作效率打下基础。
选矿过程智能优化制造可促进企业从生产型组织向服务型组织的转变，通过运用物联网、大数据、云计算等智能制造关键技术，不断催生远程运维、智能云服务等新的商业模式和服务形态，全面提升企业创新能力和服务能力。
选矿过程智能优化制造可实现信息共享，整合企业间优势资源，在产业链各环节实施协同创新，推动制造资源和制造能力的优化配置，以提高劳动生产率、提升产品质量[5]。
中国有色金属和黑色金属矿以及煤炭的选矿技术达国际先进水平，部分技术居国际领先。
选矿装备大型化发展迅速，可靠性进一步增强，选矿装备及其配套设备的智能化不断发展，已达到较高水平。
选矿过程检测仪表日趋完备，执行机构可靠性增加，装备智能化水平提高，基础自动化数据与经验积累选矿过程建模仿真及优化控制技术进步。
选矿过程模拟仿真技术日趋完善，选矿过程优化控制技术应用卓有成效。
现代企业信息化技术与选矿生产管理深度融合，行业对选矿过程自动化的理念逐步认同。
智能制造相关技术已经起步，工业物联网技术成为支撑各行业智能制造的使能技术，云服务及计算平台技术的进展为构建具有智能高效数据处理与云计算能力的选矿过程智能制造云平台奠定了基础，大数据分析技术的进展为实现选矿智能制造提供了前提与保障，新一代人工智能基础研究和应用技术研发已经启动。
上述条件为开展选矿过程智能优化制造研究提供了很好的技术基础，现阶段启动相关关键技术研究和智能选矿厂建设技术上是可行的。
2. 选矿过程智能优化制造总体架构及建设路径针对选矿智能优化制造的特点及技术需求分析，笔者提出选矿过程智能制造功能架构如图1所示。
图1选矿过程智能制造功能架构Fig.1 Function structure of smart and optimal manufacturing in mineral processing选矿过程智能制造功能架构主要分四个层次：首先是数据层。
建立矿山数据中心，采集包括矿产资源、采选生产、能源、安全、环保、水资源等各类相关数据，积累形成丰富的选矿制造数据库，奠定智能优化制造的数据基础。
第二层是监控层。
通过实现设备的智能运维和生产的智能操作，达到减少人员，提高劳动效率的目的。
同时，尽可能减少生产、运维过程数据获取时人的参与，提升数据质量和完整性，为选矿过程制造数据挖掘奠定良好基础。
第三层为生产层。
融合新一代人工智能技术，实现破碎、磨矿、浮选、浓缩脱水等过程及选矿生产全流程的智能控制，优化选矿生产技术指标。
第四层为决策层。
通过采选协同及优化配矿的智能决策过程，优化选矿生产经济指标。
“数据中心”是“智能选矿厂”建设和运行的重要基础。
建设“数据中心”、实现矿山业务数据的高效集成和管控是“智能选矿厂”建设的前提。
在此基础上，第一步以提高作业效率、“无人化”和“少人化”为目标，实施选矿生产过程智能操作与智能运维，减少过程人为因素干扰，提升选矿生产大数据质量；第二步以提升“作业品质”为目标，实施选矿生产过程智能优化，改善生产技术指标，获得技术红利；第三步以提升企业综合经济效益为目标，实施采选智能协同，提高企业科学决策能力。
“虚拟选矿厂”是创造企业柔性效益的平台，它不仅是实体选矿厂的数字复制品，更是引导实体选矿厂生产优化、高效的大脑，是实体选矿厂再生产的基因。
通过交互式遨游、远程操作、资产运维、培训指导等方式，进一步增强选矿生产管控和风险防控能力，形成人才、技术和创新的孵化能力与实践能力。
基于上述功能架构，笔者提出选矿过程智能优化制造的建设路径如图2所示，包含四个层次：第一层次为选矿厂数据采集平台与选矿数据中心建设。
通过建设工业物联网络框架，实现矿产资源、选矿生产、能源、安全、环保等数据的集成，保证选矿厂数据的完整性。
第二层次为智能操作选矿厂建设。
建设装备远程智能监控和预测性维护系统，提高装备运转率；建设选矿全流程智能化操作系统，形成专家规则控制，实现少人无人操作调控，稳定工艺流程，优化操作岗位，提升选矿工业大数据的质量和价值。
第三层次为虚拟选矿厂建设。
依照人-信息-物理系统（HCPS）的理念，通过虚拟选矿厂平行模拟实际选矿生产过程，实现数据的透明化和部分数据的软测量功能，并通过超实时仿真功能对选矿全流程生产进行快速决策，引导实际选矿厂快速响应，实现全流程智能优化控制和选矿厂技术指标优化。
第四层次为协同云服务平台建设。
通过对全矿及全行业海量历史数据进行大数据分析，挖掘长周期数据的价值，实现选矿厂资产监管优化、全流程及采选协同和综合经济指标优化图2 选矿过程智能制造建设路径Fig.2 Construction paths of smart and optimal manufacturing in mineral processing智能选矿厂由专家、选矿流程数据与知识系统、运行状态智能感知与认知系统、选矿流程智能决策系统、虚拟选矿厂及选矿工业软件平台构成。
其技术架构如图3所示。
图3 智能选矿厂实施技术架构Fig.3 Technical architecture of the intelligent mineral processing plant 智能选矿厂涉及的关键技术：1）选矿流程运行状态智能感知与认知技术。
人的部分感知、认知功能向信息系统迁移，进而通过信息系统来控制物理系统，代替人类完成更多的脑力、体力劳动[6]，实现选矿过程从传统的“人-物理系统”向“人-信息-物理系统”（HCPS）的演变。
2）选矿流程智能操作与运维技术。
将人的知识深度融合于系统，赋予系统自感知、自学习的能力，并辅助、替代人进行操作、决策，在此基础上产生新的知识，进一步促进人对过程、系统的深入认识，赋予系统自决策和自执行能力，由此实现选矿过程智能优化操作与运维。
