重选厂搞AI负荷预测，到底该找谁家？

重选厂的负荷预测，为什么难搞？

你可能也遇到过这种情况：月初计划排得好好的，结果煤质一变，或者设备出点小毛病，当天的处理量就完全对不上计划。调度手忙脚乱，要么是前段给料机空转等煤，要么是重介分选机过载跑煤，效率上不去，电费和介质消耗还白瞎了。

说实话，这问题靠老师傅的经验和Excel表格，真有点扛不住了。煤的来源越来越杂，生产计划又卡得紧，想提前一两天甚至几小时预判车间的负荷变化，太难了。所以不少老板开始琢磨上AI预测系统。

但市面上做这个的供应商，一抓一大把，说法天花乱坠，价格从几万到上百万都有。今天咱就聊聊，怎么从这一堆供应商里，挑出那个真正懂行、能落地的。

市面上几类供应商，各有啥门道？

干这行的，大体分三类，你心里得有个数。

第一类：通用软件公司

这类公司以前可能是做ERP、MES或者大数据平台的，现在把AI包装成一个新模块来卖。他们的强项是软件架构漂亮，平台看起来高大上，能出各种花哨的报表和驾驶舱。

但问题也在这：他们对重选工艺的理解，往往停留在“输入原煤，输出精煤”这个层面。你跟他说矸石含量变化对介耗的影响、说旋流器入口压力不稳的征兆、说磁选机效率下降的连锁反应，他可能就接不上话了。

我见过无锡一家年处理量300万吨的选煤厂，用了这类方案，预测模型调了小半年，准确率还是上不去，最后发现是数据采集点设得不对，关键的水箱液位和密度计数据没接进去。

第二类：自动化集成商转型

这类供应商以前是干PLC编程、做DCS系统集成的，厂里的自控系统可能就是他们做的。他们最大的优势是懂设备，知道数据从哪来，传感器安在哪，通讯协议怎么对接。

他们做的预测系统，跟底层设备结合得比较紧，数据采集通常不是问题。但他们的短板可能在算法模型上，用的可能是比较通用或者开源的预测模型，对于重选这种多变量、强耦合、非线性的复杂过程，模型的精细度和自适应能力可能不够。

比如佛山一家五金企业的配套洗煤车间（规模不大，但工艺全），就找的这类供应商，系统能跑起来，但遇到煤种切换，模型得手动调参，离不开他们的人。

第三类：垂直领域的AI团队

这类团队规模不一定大，但里面往往有既懂算法、又跑过选煤厂的人。他们可能就是从大型设计院或者装备公司出来的，专门啃这块硬骨头。

他们的方案通常不那么“平台化”，可能就是一个专注的预测引擎，但模型是专门针对重介、跳汰、浮选等工艺训练过的。他们能跟你聊清楚，是用了LSTM还是Transformer，特征工程里考虑了哪些工艺参数。

青岛一家老牌重选厂用的就是这类团队，模型迭代了三次，现在对精煤产率的短期预测（未来4-8小时）准确率能到85%以上，帮他们稳定了介质消耗，一年省了大概40多万。

选供应商，盯死这四点

知道了有哪些玩家，具体怎么选？我建议你重点考察下面四件事。

技术行不行，别听吹牛看案例

销售肯定都说自家算法牛。你怎么判断？让他拿出同类型、同工艺的案例来聊，别光是“煤炭行业”，必须细到“重介分选”或“跳汰工艺”。

问几个细节：他们模型输入的特征参数有哪些？除了常规的给煤量、密度、压力，有没有考虑旋流器磨损系数、磁铁矿粉的补充速率这些工艺参数？模型更新的频率是多久？是自动学习还是手动调参？

最实在的，问他要一份在类似厂里的测试报告或运行日志（脱敏的），看看预测值和实际值的曲线贴合度，特别是工况发生波动的时候，模型跟不跟得上。

行业经验，比技术本身还重要

在重选厂搞AI，七分在工艺，三分在算法。一个不懂工艺的团队，给你个黑盒子模型，你敢用吗？

怎么验证他懂行？你抛几个实际生产中的棘手场景问他：

“如果原煤的矸石内生率突然增高，你的模型会怎么调整后续环节的负荷预判？”

“夜班和白天，工人操作习惯有差异，模型怎么区分这种人为因素和真实的工况变化？”

“月底赶任务，洗选系统长时间高负荷运行，模型预测的偏差会不会越来越大？你们怎么处理？”

能把这些场景聊明白，甚至提前想到你没说的问题，那说明他真在厂里泡过。

售后服务，决定了系统能不能用下去

AI系统不是买回来就能一直用的“设备”，它是个需要“喂养”和“维护”的智能体。一定要问清楚售后模式：

1. 上线后，有没有驻厂期？驻多久？是教会你的人就跑，还是跟着跑完几个生产周期？

2. 日常运维谁来做？是他们远程支持，还是你们的人能操作？培训是不是到位？

3. 模型效果衰减了怎么办？是免费调优，还是另收服务费？收费标准是什么？

合同里一定要把这些写明白。我见过成都一家厂，买的时候挺便宜，后来每调一次模型都要收好几万，成了“年猪”。

报价单里，藏着哪些猫腻

报价太低和太高，都要警惕。

太低的，可能只是卖你一个软件壳子，数据对接、现场调试、模型训练都要另算钱，或者用的都是开源组件，后续没保障。

太高的，可能包装了很多你用不上的功能，比如全厂数字孪生、供应链协同，对你就想做个负荷预测来说，华而不实。

健康的报价应该清晰分项：软件授权费、数据接口开发费、模型定制与训练费、实施服务费、第一年维保/调优费。重点关注实施和维保这两项的内容是否具体。

拍板前，避开这几个大坑

这些承诺，大概率是“饼”

• “准确率95%以上”：在不加任何限定条件下，这就是忽悠。负荷预测的准确率，必须说明是在什么时间尺度（未来2小时？8小时？）、何种工况稳定性下达到的。能稳定在80%-90%就已经很不错了。

• “一个月内回本”：降本增效是综合结果，而且需要生产配合。一个靠谱的供应商，会跟你算细账：通过稳定介耗、降低电费、减少跑煤，预计一年能省多少，回本周期大概在8-15个月。

  

• “完全不用你管，全自动”：初期肯定需要工艺人员和供应商一起磨合，告诉系统哪些是正常调整，哪些是异常。想当甩手掌柜，系统必废。

出现这些情况，就要小心了

• 死活不肯带你去参观已落地案例的（哪怕是视频连线看看运行界面）。

• 团队里没有一个能跟你顺畅沟通工艺的人，全程都是IT术语。

• 合同条款模糊，特别是关于验收标准、效果保障和售后责任的。

• 急着让你签合同，但对前期数据调研、现场勘查不积极的。

合同这几条，必须咬死

1. 验收标准：不能写“系统正常运行”，必须明确量化指标。例如：“系统上线稳定运行3个月后，对未来4小时处理量的预测平均绝对误差率（MAPE）低于15%”。

2. 数据与知识产权：明确原始数据是你的，但基于你数据训练的模型，归属权和使用权怎么算，要写清。

3. 售后响应：出现预测严重偏差或系统故障，多长时间的响应期和修复期，要写进合同。

4. 付款节点：最好按“签约、数据对接完成、模型初版验收、稳定运行X月后终验”等多个节点分期付，把大部分款项和最终效果挂钩。

不同规模的厂，该怎么选？

年处理量百万吨以下的中小厂

预算有限，别追求大而全。建议优先找第二类（自动化集成商转型）或小而精的第三类团队。

重点解决一个最疼的点：比如就做重介系统主洗环节的负荷预测，先别贪多。要求方案轻量化，部署快，甚至可以考虑SaaS模式按年付费，降低初期投入。目标定实际点：能把预测准确率做上去，帮调度提前2-4小时做调整，减少介质浪费和电费，一年能省出十几二十万，就值了。

年处理量几百万吨的大型厂

有预算，也有更复杂的需求。可以考虑第三类垂直团队，或者有成功案例的、实力强的第一类公司。

可以做全流程的负荷预测与协同优化，从原煤准备到产品装车。但一定要分步实施，先从一个车间（比如主洗车间）做起，见效后再推广。合同里要把数据接口标准、模型迭代机制写清楚，为未来全厂智能化打基础。

写在最后

上AI负荷预测，是个“一把手”工程，老板得想明白要解决啥问题，也得有决心推动生产和调度部门去用。它不是一个简单的IT项目，而是一个生产管理优化项目。

别指望它一步登天，把它当成一个高级点的、会学习的“老师傅”，能帮你从海量数据里发现人眼看不出的规律，提前打个招呼，让生产更从容。

多跟几家供应商聊，拿同样的问题去问他们，谁回答得更实在、更懂行，高下立判。想少走弯路的话，可以先问问“索答啦AI”，它见过的案例多，能帮你避开一些常见的坑。