煤炭开采与洗选 / 煤矿智能化(井工开采、综采综掘、洗选加工与安全生产管理)

HiNowly 应用案例:某大型煤炭开采与洗选集团如何以私有化 AI 知识库与 AI 智能体重构作业规程编制、设备运维与安全隐患闭环协同

HiNowly 为该集团在集团级私有云内完成 AI 知识库与 AI 智能体开发平台的本地化部署,接入作业规程、安全技术措施、煤矿安全规

发布人 HiNowly 编辑部
发布时间 2026-10-18
阅读量 973
蓝紫渐变科技背景下的数据网络与智能体工作流可视化画面,发光节点连接知识卡片与数字化控制台,左侧留有干净留白
HiNowly 行业应用案例

某大型煤炭开采与洗选集团 如何在 煤炭开采与洗选 / 煤矿智能化(井工开采、综采综掘、洗选加工与安全生产管理) 中协同落地 AI 知识库与智能体

HiNowly 为该集团在集团级私有云内完成 AI 知识库与 AI 智能体开发平台的本地化部署,接入作业规程、安全技术措施、煤矿安全规程与行业标准、设备台账与检修记录、隐患与事故案例、洗选工艺参数等 12 类知识源,构建带版本、带条款、可溯源的煤炭专业知识底座;并基于同一平台孵化“规程编制助手”“法规合规比对助手”“设备故障诊断专家”“隐患闭环调度员”“洗选配煤优化助手”等 9 个智能体,通过 Skill、工具调用、工作流编排与定时任务,直接打通 EAM、安全监控、物资与调度系统,把知识问答升级为可落地的业务执行。项目分三期实施,首期上线 4 个月,作业规程编制周期由平均 18 天压缩至 5 天,法规合规比对人工工时下降 85%,设备故障平均处置时长下降 34%,成为该集团“人工智能+煤矿安全生产”专项行动的核心底座。

行业:煤炭开采与洗选 / 煤矿智能化(井工开采、综采综掘、洗选加工与安全生产管理) 客户:某大型煤炭开采与洗选集团 定位:该集团为省属国有大型煤炭企业,下辖 12 对井工生产矿井、5 座配套选煤厂及1个煤炭运销公司,年核定原煤产能 6,800 万吨、洗选加工能力 4,200 万吨,在册员工约 4.2 万人。集团已建成安全生产综合监控、人员定位、设备资产管理(EAM)、物资供应、培训考试、OA 协同等十余套信息系统,但生产技术与安全知识长期分散在个人经验、纸质规程与各系统附件中,是典型的“系统多、数据多、可信知识少”的重资产流程型组织。 来源:成都嗨创科技 HiNowly

项目背景

该集团的安全生产与技术管理具有强规程依赖、强时效、强责任的行业特征。一份综采工作面作业规程,需要综合地质说明书、设备技术参数、通风与瓦斯治理要求、顶板管理措施、供电与运输系统图以及上级监管文件,由矿技术科牵头、多个专业会签,长期以来依靠少数资深工程师“翻资料、套模板、凭经验”完成。随着开采深度增加、瓦斯与冲击地压等灾害耦合加剧,以及《煤矿安全规程》与地方监管细则持续修订,传统的知识组织方式已难以支撑安全责任落实。 与此同时,集团在智能化建设中发现,单纯上监控、上大屏并不能解决“人”的问题:新员工成长慢、老师傅经验退休即流失、跨矿区的同类故障重复发生、隐患整改在系统里“派了但没闭环”。集团明确提出,要把分散在制度、规程、图纸、检修记录与专家头脑中的知识沉淀成统一、可信、可追溯的知识资产,并让 AI 不止于“回答问题”,而是能进入规程编制、隐患处置、设备检修、洗选调整等真实业务流程中执行任务。由于涉及井下生产数据与安全敏感信息,所有能力必须私有化部署、按矿厂与部门隔离数据权限,并满足信创与国产化替代要求。

项目总览

方案以“可信知识底座 + 智能体执行层”双层结构在集团私有云内落地。底层为 HiNowly AI 知识库:通过文件同步、API 拉取与数据库直连三种方式接入 OA 制度库、EAM 设备台账与检修记录、安全管理系统隐患与三违数据、规程措施库、图纸与地质说明书、法规标准订阅源、培训课件与事故案例、洗选工艺参数库等 12 类知识源,统一完成 OCR、版面与表格解析、图纸要素抽取、分段切分与知识打标,按“集团—矿/厂—工作面—设备—工序”五级标签体系组织,并为每条知识记录生效日期、版本号、发布部门与废止状态。法规与规程类内容额外做条款级切分与编号对齐,形成可被引用的最小知识单元;系统内置知识质量评分、重复与冲突检测、失效提醒,治理人员可在后台完成审校、合并、下架等操作,确保进入检索与智能体的知识始终是“当前有效版本”。 上层为 HiNowly AI 智能体开发平台:以可视化画布完成智能体的角色设定、知识范围绑定、Skill 装配与工作流编排。可信检索问答采用向量召回、关键词与标签过滤、知识图谱关联的三路混合检索,回答强制携带条款出处、生效日期与置信度,超出知识范围或版本冲突时主动拒答并提示人工确认,避免“看起来合理但不可用”的答案。智能体在此基础上通过工具调用进入业务系统:查询 EAM 设备台账与历史检修记录、读取安全监控与设备状态实时数据、查询物资库存与在途、创建检修工单与隐患整改单、发起会签审批、回写验收结果。工作流编排支持条件分支、多智能体协同与人工审批节点,自动化任务与定时任务负责每日法规更新抓取比对、每周规程复审提醒、每班次巡检任务下发、每月培训题库生成等周期性动作,让智能体从“被动应答”转为“按节奏主动干活”。 部署层面全部采用本地私有化模式:计算资源部署在集团信创资源池,操作系统适配麒麟与统信,数据库适配达梦与人大金仓,芯片适配鲲鹏与海光,全链路支持国密算法与操作审计。模型侧以本地部署的国产开源大模型作为主力承担涉密与生产数据场景,同时通过统一模型网关对接国内主流大模型与部分海外模型,用于非敏感场景的通用能力增强,并按部门、场景与数据分级配置可调用模型范围,实现“数据不出域、能力可择优”。权限方面设置集团、矿厂、科室/区队、岗位四级角色体系,支持知识库范围、字段级与文档级权限隔离,矿与矿之间、生产与经营之间数据默认不可见,所有检索与智能体调用行为留痕可审计。平台内置专家大模型机制,将 32 位资深工程师与技能大师的诊断思路、判断阈值与处置口径沉淀为专家知识包与专家智能体,并支持其在被调用时说明推理依据。

项目痛点

作业规程与安全技术措施编制高度依赖资深工程师,模板版本混乱、跨矿复用靠拷贝,一份综采工作面规程平均耗时 18 天,新工作面投产前的技术准备常成为关键路径瓶颈。

《煤矿安全规程》、AQ/MT 行业标准与地方监管文件更新频繁,缺乏自动化的条款级比对手段,合规自查主要靠人工翻阅,一个矿井年度合规比对需投入约 600 人时,且难以保证覆盖完整。

采煤机、掘进机、液压支架、刮板输送机等关键设备故障处理依赖厂家远程支持与个别老师傅判断,井下反馈到技术会诊平均超过 4 小时,同类故障在不同矿井反复发生。

隐患与“三违”记录、事故案例、整改验收资料分散在安全管理系统、纸质台账与个人电脑中,无法按“矿—工作面—设备—工序”关联检索,隐患闭环平均周期长达 6.5 天。

洗选工艺参数调整主要凭调度与班组长经验,原煤煤质波动时精煤产率与药剂消耗不稳定,缺少可复用的配煤与分选知识支撑。

既有 OA、EAM、培训系统等多套系统各存一份文档,检索靠关键词翻附件,答非所问且无出处;安全敏感数据不允许上公有云,通用大模型无法直接使用。

项目诉求

建成集团级私有化煤炭专业知识底座,将规程措施、法规标准、设备资料、隐患案例、洗选工艺等知识统一接入、分级治理并可持续更新,实现条款级可溯源。

以智能体重构规程编制流程,实现资料自动归集、条款自动引用、跨矿相似工作面复用与多专业会签意见自动汇总,将编制周期压缩到 1 周以内。

建立法规标准的自动跟踪与条款级合规比对能力,实现新规发布后 48 小时内生成影响清单与整改建议,合规自查实现全覆盖、可留痕。

打造设备故障诊断专家智能体,融合设备台账、实时监测数据与老师傅经验,支持井下移动端问答与工单自动创建,缩短故障处置链路。

实现隐患从识别、定级、派单、整改到验收的工作流闭环自动化,并由定时任务驱动班前会知识推送与规程复审提醒。

在集团私有云内完成本地大模型与国产化环境的适配,支持与国内外主流大模型按场景分级调用,满足部门角色管理与矿厂级数据权限隔离要求。

HiNowly 解决方案设计

AI 知识库

统一接入和治理企业知识,通过可信检索与引用问答为智能体提供知识底座

智能体开发平台

支持智能体设计、调试、发布与运营,让业务人员快速构建场景化智能体

业务执行能力

通过 Skill、工具调用和业务系统连接,让智能体从回答问题升级为执行任务

流程编排

支持工作流编排、自动化任务与定时任务,串联知识、模型、工具与审批节点

安全与部署

支持本地及私有化部署、主流模型接入、权限隔离,并适配信创与国产化环境

多源知识接入与条款级治理

支持文件同步、API 拉取、数据库直连三类接入方式,覆盖 OA 制度、EAM 台账与检修记录、安全管理系统隐患数据、规程措施、CAD 图纸与地质说明书、法规标准订阅源等 12 类知识源。系统自动完成 OCR、版面与表格解析、图纸要素抽取和分段切分,并按“集团—矿/厂—工作面—设备—工序”五级标签组织;法规与规程类内容做条款级编号对齐,形成可被精确引用的最小知识单元。配套知识质量评分、重复与冲突检测、失效与废止提醒,保证检索与智能体使用的始终是当前有效版本。

可溯源的可信检索问答

采用向量召回、关键词与标签过滤、知识图谱关联的三路混合检索,针对“综采工作面瓦斯治理措施”“液压支架初撑力要求”等专业问题返回条款级答案,并强制附带出处文件、条款编号、生效日期与置信度。当问题超出知识范围、多版本冲突或涉及需现场确认的判断时,智能体主动拒答并给出人工确认路径,从机制上避免通用大模型常见的“编造条款”风险。

面向煤矿角色的智能体设计与发布

在 AI 智能体开发平台上以可视化画布完成角色设定、知识范围绑定、Skill 装配与工作流编排,已设计并发布规程编制助手、法规合规比对助手、设备故障诊断专家、隐患闭环调度员、洗选配煤优化助手等 9 个智能体,分别面向矿总工程师、技术科、安检科、机电队与洗选调度岗位。支持灰度发布、版本回滚与效果评测,发布渠道覆盖企业微信工作台、井下防爆移动终端与调度指挥大屏。

可复用的 Skill 与业务系统工具调用

沉淀 14 个可复用 Skill,包括规程章节生成、条款引用校验、法规影响评估、故障树推理、隐患定级建议、配煤方案比选等。智能体通过工具调用直接进入业务系统:查询 EAM 设备台账与历史检修记录、读取安全监控与设备状态实时数据、查询物资库存与在途、创建检修工单与隐患整改单、发起多专业会签审批并回写验收结论,使知识真正落到业务动作上。

工作流编排实现隐患与故障闭环

隐患闭环工作流按“识别—定级—责任判定—派单—整改—验收—复盘”编排,智能体依据法规条款与历史同类案例给出定级建议和责任科室,自动创建整改单并推送至责任人,超期自动升级至矿分管领导;设备故障工作流则从井下描述出发,先检索同类故障处置方案,再调取实时运行参数与备件库存,生成检修建议与工单,平均减少 3 次以上的跨部门电话确认。

自动化任务与定时任务驱动主动执行

平台配置 11 类定时任务:每日抓取法规与监管文件更新并生成条款级影响清单,每周自动生成规程复审提醒,每班次向区队推送班前会风险提示与关联案例,每月自动生成培训题库与考试要点,每季度输出知识库失效文档清理清单。定时任务与触发式自动化任务可组合成链,例如新规程发布触发影响评估、会签与配套培训推送,实现从“人找知识”到“知识找人、系统办事”。

专家大模型与经验资产化

将 32 位资深工程师、技能大师的诊断思路、判断阈值、处置口径与典型口头经验结构化为专家知识包,训练为可被调用的专家大模型能力,专家智能体在给出结论时同步说明依据来源与推理链条。老师傅退休不再意味着经验清零,专家知识包可按设备类型、灾害类型持续扩充并支持被其他智能体调用。

私有化部署、模型分级接入与信创兼容

全部能力部署在集团信创资源池,操作系统适配麒麟与统信,数据库适配达梦与人大金仓,芯片适配鲲鹏与海光,支持国密算法与全链路操作审计。模型侧以本地部署的国产大模型承担生产与涉密场景,通过统一模型网关按需对接国内主流大模型与非敏感场景的海外模型,并按部门、场景与数据分级限定可调用模型范围,实现数据不出域、模型可择优。

部门角色管理与矿厂级数据权限隔离

建立集团、矿厂、科室/区队、岗位四级角色体系,支持知识库范围、文档级与字段级权限控制,矿与矿之间、生产与经营之间数据默认互不可见;智能体继承调用人的权限边界,越权检索直接阻断并留痕。所有检索、引用、工具调用与工单创建行为进入审计日志,满足安全监管与内控追溯要求。

项目实施范围

集团级 AI 知识库私有化部署:完成 12 类知识源接入、五级标签体系设计、条款级切分、知识治理流程与质量评分机制建设,首批入库知识文档 46 万份、图纸 8.7 万张。

可信检索问答服务:构建混合检索与引用溯源能力,覆盖规程条款、法规标准、设备资料、事故案例四类高频场景,配套拒答与版本冲突提示策略。

AI 智能体开发平台部署与 Skill 建设:交付规程编制、法规比对、故障诊断、隐患闭环、配煤优化等 14 个可复用 Skill,并封装 EAM、安全监控、物资、调度、OA 五类系统 API 为工具。

9 个业务智能体设计与发布:覆盖矿总工程师、技术科、安检科、机电队、洗选厂调度等角色,发布至企业微信工作台、井下防爆移动终端与调度指挥大屏。

工作流与自动化任务配置:落地隐患闭环、规程会签、故障工单、法规影响评估等 6 条工作流,配置 11 类定时任务与触发式自动化任务。

模型接入与信创适配:完成本地国产大模型部署与推理优化,接入国内主流大模型与海外模型统一网关,完成麒麟/统信、达梦/人大金仓、鲲鹏/海光的兼容性验证。

权限、安全与运营体系:建立四级角色与矿厂级数据隔离策略、审计日志、专家知识包管理规范,并交付智能体运营看板与月度运营机制。

实施工期与计划

阶段 周期 关键交付物
第一阶段:知识盘点与底座搭建第 1—6 周完成 12 类知识源梳理与接入方案、五级标签体系与权限模型设计;在信创资源池完成私有化环境部署、本地大模型推理优化与麒麟/达梦/鲲鹏兼容性验证;首批 3 个示范矿井的规程措施、法规标准与设备台账完成入库与条款级切分。
第二阶段:可信问答与治理机制上线第 7—12 周混合检索与引用溯源能力上线,建立拒答与版本冲突提示策略;知识质量评分、重复冲突检测、失效提醒等治理流程投入运行;完成 380 名技术与管理人员的分批培训与检索场景验证。
第三阶段:首批智能体开发与试运行第 13—18 周交付规程编制助手、法规合规比对助手、设备故障诊断专家三个智能体及配套 8 个 Skill;封装 EAM、安全监控、物资系统 API 为工具;在两个矿井与一个选煤厂开展试运行并完成灰度发布。
第四阶段:工作流闭环与全员推广第 19—26 周上线隐患闭环调度员、洗选配煤优化助手等 6 个智能体,落地隐患闭环、故障工单、规程会签等 6 条工作流与 11 类定时任务;推广至全部 12 对矿井与 5 座选煤厂,发布至企业微信、井下移动终端与调度大屏。
第五阶段:运营优化与专家知识沉淀第 27—34 周建立智能体运营看板与月度运营例会机制,完成 32 位专家的知识包结构化沉淀;依据使用数据优化检索策略与 Skill 逻辑,输出集团 AI 知识与智能体管理办法及二期扩展清单。

项目最终成果

作业规程与安全技术措施编制从平均 18 天缩短至 5 天,跨矿相似工作面复用率提升至 61%,新工作面技术准备不再成为投产关键路径瓶颈。

法规标准跟踪与条款级合规比对实现自动化,新规发布后 48 小时内生成影响清单与整改建议,集团年度合规自查覆盖全部 12 对矿井,人工比对工时下降 85%。

设备故障诊断专家智能体接入 1,900 余台关键设备台账与历史检修记录,井下描述到检修建议平均响应 90 秒内,故障平均处置时长下降 34%,同类故障跨矿重复发生率下降 41%。

隐患闭环工作流实现定级、派单、整改、验收、复盘全流程自动化,隐患平均闭环周期由 6.5 天缩短至 2.8 天,超期未闭环数量下降 76%。

洗选配煤优化助手依据原煤煤质与分选参数给出配煤与药剂调整建议,在试点选煤厂实现精煤产率提升 0.8 个百分点、药剂单耗下降 5.2%。

知识底座与智能体进入日常运营,月均知识检索与智能体调用量达 4.6 万次,沉淀专家知识包 32 份、可复用 Skill 14 个,形成可持续迭代的煤炭专业知识资产。

指标项 结果值 说明
规程措施编制周期18 天 → 5 天依托资料自动归集、条款自动引用与跨矿相似工作面复用,规程编制周期缩短约 72%,多专业会签意见由智能体自动汇总。
法规合规比对人工工时下降 85%法规更新由定时任务每日抓取并做条款级比对,自动生成影响清单与整改建议,合规自查覆盖全部矿井且全程留痕。
设备故障平均处置时长下降 34%故障诊断专家智能体结合历史检修记录与实时运行参数给出处置建议,并自动创建工单、核对备件库存,减少跨部门确认环节。
隐患平均闭环周期6.5 天 → 2.8 天隐患闭环工作流自动定级、派单与超期升级,验收结果回写系统,超期未闭环数量下降 76%。
月均智能体调用量4.6 万次覆盖 12 对矿井与 5 座选煤厂的技术、安检、机电与调度岗位,企业微信与井下移动终端为主要入口。
精煤产率提升+0.8 个百分点洗选配煤优化助手在试点选煤厂依据煤质波动给出配煤与药剂调整建议,同时实现药剂单耗下降 5.2%。

“我们最开始想要的只是一个“能查规程的系统”,做完之后发现真正改变的是业务流程。规程编制从技术科几个人熬夜套模板,变成智能体把资料、条款和历史工作面经验摆到桌面上,工程师专注判断而不是翻文件;隐患派了不管、管了不闭环的老问题,被工作流和定时任务真正卡住了节点。更关键的是所有答案都能点回到具体条款和生效日期,安全这件事上,可信比聪明重要得多。整个平台部署在我们自己的信创资源池里,矿与矿之间的数据互不可见,这一点让我们敢把它推到井下去用。”

某大型煤炭开采与洗选集团 项目负责人

案例关键词

煤矿智能化煤炭企业AI知识库AI智能体开发平台私有化部署大模型作业规程编制煤矿安全规程合规比对设备故障诊断智能体隐患闭环管理

Consulting & Deployment

准备好构建企业第二大脑与打造真正能解决问题的AI智能体了吗?

从场景诊断、知识接入到部署规划,帮助企业更快落地可用、可信、可持续迭代的能真正解决问题的AI智能体

场景诊断 知识接入规划 私有化部署建议 实施路径梳理