重选厂搞AI负荷预测，到底要花多少钱？

重选厂老板，你算过现在预测不准的账吗？

你可能也遇到过这种情况：月初调度计划排得满满当当，结果原煤性质一变，跳汰机或者重介分选机的处理量就上不去，生产线空转半天。或者反着来，明明感觉煤质不错，结果给料猛了，分选效果直线下降，精煤灰分超标，一车皮一车皮地返洗。

我问过不少重选厂的老板，他们总说：“这玩意儿靠经验，没办法。”但说实话，办法一直有，只是很多人没算清楚这笔账——不是AI方案有多贵，而是现在不准的代价有多高。

先算算看得见的：人工调度成本

一家年处理60万吨的跳汰选煤厂，调度室至少得配一个经验丰富的老师傅带两个徒弟三班倒。老师傅月薪少说得1万，徒弟按7000算，光这一块，一年人工成本就是（10000+70002）12=28.8万。

这钱花得值吗？如果老师傅经验准，那也认了。但问题在于，经验这玩意儿，会疲劳、会波动。我见过一家山东枣庄的厂子，老师傅上个月家里有事，状态不好，连着几天预测偏差大，导致精煤产率掉了2个点。按当时精煤价格和产量算，一周就少赚了十几万。

更别提夜班了，人困马乏，全凭感觉，出错的概率更大。

再算算看不见的：隐性成本才是大头

很多老板只盯着工资单，但下面这几笔账，可能更扎心。

第一笔，介质和电费损耗。 重介分选，悬浮液的密度调整是跟着入料煤质和负荷走的。预测不准，密度调得不是时候、不到位，介质（磁铁矿粉）的消耗量蹭蹭往上涨。一家山西吕梁的重介厂，因为负荷波动大，密度频繁调整，一年下来比同行多耗了快8%的介质，这就是十几万。电费也一样，设备不在最佳负荷区间运行，就是“大马拉小车”或者超负荷硬撑，电费单子看着都心疼。

第二笔，质量损失与返洗成本。 这是最直接的损失。精煤灰分超标1个点，客户就要扣钱，严重了就拒收。返洗一遍，水电、介质、人工全搭进去，一吨煤的成本能翻倍。天津一家焦化厂配套的选煤车间，因为原煤变化预测滞后，一个月内发生了三次批量性质量偏差，光赔偿和返工成本就超过了30万。

第三笔，设备磨损与计划外停机。 给料忽大忽小，对破碎机、分选机、泵和管道都是折磨。振动大、磨损加剧，维修频率高，备件换得勤。一台大型跳汰机，因为长期在非平稳负荷下运行，主轴寿命缩短了三分之一，一次大修又是几十万的开销。

第四笔，库存与资金占用。 因为怕预测不准断料，很多厂子的原煤缓冲仓和产品仓，不敢放空，常年维持高库存。这占压的资金，一年利息也不少。而且煤堆久了，还有自燃、风化的风险。

把这些隐性成本加起来，对于一个中型重选厂，一年轻轻松松多花出去50-80万，还不算因此丢掉客户信任的长期损失。

上AI预测，投的钱都花在哪儿了？

既然现在这么费钱，那换个法子，上AI预测系统，一次性要掏多少？咱们也拆开看看。

硬件投入：传感器和边缘计算盒子

AI不是空中楼阁，得先有“眼睛”和“小脑”。

基础硬件主要是两类：一是加装或升级传感器，比如在线灰分仪、皮带秤、流量计、密度计等，用于实时采集入料煤质和关键工况数据。如果你的厂子基础自动化还行，可能只需要补一两块短板。这块投入弹性大，从几万到二三十万都有可能。

二是边缘计算设备。就是把AI模型部署在车间里的专用工业电脑或服务器上，负责实时计算。这个不贵，一台性能足够的工控机或小型服务器，加上必要的防护机柜，一般3-8万就能搞定。

软件与系统：核心的钱花在这里

这是大头，也是区别方案好坏的关键。主要包括：

1. 预测模型本身。 好的供应商不是卖你一个通用模型，而是基于你厂里至少半年到一年的历史生产数据（PLC/DCS数据、化验数据）进行训练和调优，做出专属于你这条生产线的预测模型。这包含了算法、软件和知识产权。

   

2. 数据平台与界面。 要把来自不同设备、不同格式的数据接进来，统一处理，然后在一个清晰的界面上展示预测结果、负荷建议、历史曲线和预警信息。调度员和班组长要能一眼看懂。

这部分通常是软件授权费或项目开发费的形式。根据定制化程度和功能复杂度，价格差异很大。

实施、培训与后期维护

实施费用： 供应商的工程师要进场，做数据对接、模型调试、系统联调，直到稳定运行。一般按人天计算，中小型项目通常在2-4周内完成。

培训费用： 教你的调度员、技术员怎么用、怎么看、怎么根据系统建议做微调。这笔钱不能省，用不起来等于白投。

后期维护费： 一般是年费，占比软件费用的10%-20%。包括系统bug修复、模型定期优化（因为煤质会变）、技术支持和软件升级。找个靠谱的供应商，这钱花得值，能保证系统长期有效。

这笔投资，多久能回本？

账要两边算。前面算了现状的损失，这里算算AI带来的收益。

能省下哪些钱？

1. 直接减人？不完全是，但能增效。 AI预测的目标通常不是直接替代老师傅，而是成为他的“超级助理”。原来需要三个人紧绷神经凭经验猜，现在可能两个人看着清晰的预测曲线和操作建议就能干得更好，甚至更准。这样至少能优化掉1个岗位的人力成本，一年省下8-10万。更重要的是，新手也能快速上手，降低了对个别老师傅的绝对依赖。

2. 稳定质量，减少返洗和赔偿。 这是见效最快的地方。系统能提前15-30分钟预测负荷变化趋势，提醒调整分选参数。能把精煤合格率（比如灰分稳定在区间内）提升5-10个百分点。对于前面提到的天津那家厂，这意味着一个月可能避免几十万的质量事故损失。保守估计，一年从这个环节省下20-40万很现实。

3. 降低介质、药耗和电耗。 系统让设备始终在更优、更平稳的负荷区间运行，避免了无谓的频繁调整和空耗。介质消耗降低3%-5%，电耗降低2%-4%，对于一个中型厂，一年又是15-25万的节约。

4. 延长设备寿命，减少维修。 平稳运行对设备最友好。虽然这笔钱不好立刻量化，但大修周期延长半年到一年，备件费用下降，是实实在在的收益。

算算总账和回本周期

我们以一个年处理量80-100万吨的中型重介选煤厂为例，做个粗略估算：

现状年隐性损失估算： 质量损失30万 + 介质电耗多耗20万 + 额外设备损耗折合10万 = 约60万元/年。

AI系统投入（一次性）： 硬件（传感器补强+边缘服务器）15万 + 软件及实施25万 = 约40万元。

AI系统年收益估算： 减少质量损失20万 + 节约介质电耗15万 + 人力优化10万 = 约45万元/年。

回本周期： 40万 / 45万 ≈ 0.89年，大概10-11个月。

这还没算上因为生产更稳定、交付更准时带来的客户满意度提升和潜在订单。实际上，很多做得好的厂子，回本周期在8到14个月之间。超过18个月还没回本的，要么是初始问题没那么严重，要么就是方案没选对或没用好。

预算不同，玩法也不同

手头紧，10万以内试试水

如果你是小厂，或者预算有限想先看看效果，可以聚焦一个点。

别想全厂负荷预测，就选一个痛点最明显的环节，比如跳汰机给料预测或重介分选密度前馈控制。

用现有的基础仪表数据，找一个供应商做轻量级的“单点AI预测模块”。可能就一个边缘计算盒子加一套定制化算法软件，直接输出给料量建议或密度设定值建议。

投入少，见效快，风险低。能把这一个环节稳住，省下的钱和带来的信心，就足够支持你下一步扩大投入了。

30万预算，可以打一套组合拳

这是大多数中型厂比较舒服的预算区间。可以做一个比较完整的重选车间核心分选环节AI负荷预测与优化系统。

覆盖从原煤准备（破碎后）到精煤产出主流程。该补的传感器补上，建立厂级的数据平台，部署核心的负荷预测模型，并在调度室有完整的可视化大屏。

这个配置能解决80%的核心痛点，实现我们前面算账的大部分收益。关键是找到的供应商，必须懂选煤工艺，能做深度的数据分析和模型定制，而不是只会套模板。

预算充足，追求最佳效果

如果资金不是问题，那目标就不是“回本”，而是“领先”。

可以构建全厂级能源与生产协同优化平台。AI负荷预测只是其中一个模块，它还要和配煤优化、设备健康管理、能源管理系统（EMS）打通。

比如，系统不仅能预测本车间负荷，还能根据上游来煤情况和下游产品仓库存，动态给出最优的班产计划建议，甚至与电网的峰谷电价联动，在电价低时适当提高处理量。

这种投入可能在百万级别，但带来的综合效益（电费节省、全厂协同效率）也更大，是真正走向精细化、智能化管理的路子。

写在后面

说到底，AI负荷预测对重选厂来说，早就不是“要不要上”的问题，而是“怎么上才划算”的问题。

它不是什么魔法，就是一个高级点的、不知疲倦的“老师傅”，帮你把模糊的经验变成精准的数据，把被动的应对变成主动的调整。

最关键的一步，是正视自己厂里因为预测不准正在白白流走的利润。算清楚了这笔账，投入的决心就有了。

如果还在纠结自己的厂子适不适合做、具体从哪开始、或者怕被不靠谱的供应商忽悠，可以先在“索答啦AI”上咨询一下。它就像个懂行的老伙计，会根据你厂子的规模、工艺和现状，帮你分析分析，捋捋思路，让你在找供应商谈之前，心里先有个谱。