AI 进矿区：从调度到台账的管理

早上六点半的班前会，调度桌上摊着三张表：昨天的产量、今天的检修计划、持证人员名单。矿区的管理难题很少出在「算不出来」，多半出在「对不上」——产量表和检修表的口径不同，人员名单和班次对不上号，同一台设备在三个系统里是三个编号。AI 在这类场景里能做的事，是让这几张表落在同一套字段上，把对不上的地方标出来；它做不了的事，是替井下的人判断这一班能不能开。

井下的判断，工具够不着

边界从物理位置开始。井下没有稳定网络，视频不连续，传感器点位稀疏，很多情况要人走到现场看一眼。工具能处理的是已经上到地面的东西：班报、检修单、称重记录、人员定位的刷卡流水、通风与瓦斯的定时读数。这些数据有个共同点——它们是事后记录，不是当下状态。

理解这一点，后面的分工就清楚了。凡是「拿已有记录做整理、比对、提醒」的活，工具能接手；凡是「现在这一刻井下是什么情况」的判断，只能由现场的人给出。这条线画错，工具就会变成一份看着很齐、没人敢用的报表。

四块活，界线画在井口

第三列值得多看一眼。它列的不是「工具不准」，而是「这件事出错之后，后果由谁承担」。培训没做到位、调度放行了不该放的班、台账漏了一台该修的设备，后果都落在具体的人身上，决定权也就得留在那个人手里。这条线比「AI 擅长什么」稳定，模型再强也挪不动它。

台账的价值在预警，不在存档

很多矿上的设备台账最后变成一份电子档案：字段齐全，没人查。问题出在字段设计——只记了「什么时候修过」，没记「修完运行了多久又坏」。前者是流水，后者才是信号。

能撑起预警的字段通常就那几个：设备编号与安装位置、累计运行小时、上次检修日期与检修项、更换件清单、故障现象与停机时长、下次计划检修时间。把它们串起来，可以算出一件很朴素的事——同类故障的间隔在缩短，或者某台设备的停机时长在往上走。这类趋势不需要多复杂的模型，一段规则加历史对比就够。要让工具在这类关系上做关联，可以参考知识图谱里「设备—人员—班次」怎么连起来的思路。

但预警只能给出「该看一眼了」，给不出「这台还能不能撑一个班」。后者要看现场的声音、温度、振动，要看老师傅的手感。工具把该看的设备排到前面，人来判断停不停，这个配合才成立。

调度为什么必须留人在环

排班是规则问题：谁持什么证、连续作业不能超过几个班、哪几个人不能同时下井、检修窗口和产量任务怎么错开。规则写得清，工具排得又快又稳，还能把冲突直接标红。这类活人来做，一个夜班要花两小时，还容易漏。智能体在这类多约束任务里怎么分工，AI 智能体那篇讲得更系统。

可排出来的只是草案。涌水、顶板来压、运输线堵了、某台设备临时趴窝，这些都不在规则里，也不在系统里。值班长看一眼当班实际情况，可能把整个方案推翻。所以调度系统的输出应该长成「建议加冲突提示」，而不是「已下发」。谁签字，谁负责，这一条省不掉。

培训材料能生成，效果不能生成

安全规程、操作要点、应急处置流程做成标准化材料反复使用，确实能解决「每个班组讲的不一样」这个老问题。按岗位出题、按事故类型出案例、把长规程压成一页纸的要点，这些是工具擅长的。

材料只是载体。人有没有听进去，要看现场抽问、看操作是否规范、看演练时跑得对不对。把「培训已完成」等同于「人已经会了」，是这类项目最常见的自欺。考核标准还得贴岗位：运输岗和通风岗的重点不一样，用一套通用题库考所有人，考出来的分数没有信息量。

数据一失真，工具就把错误放大

这是这类项目最容易被低估的地方，三条路径都很常见。第一，输入本身是手抄班报，抄错一位数，后面所有统计、预警、考核都跟着错，而且错得很整齐，看不出来。第二，工具不会质疑「这个产量合不合理」，它默认输入为真，异常值会被当成正常波动平滑掉。第三，字段缺失时它倾向于填个默认值让表格看起来完整，缺数据比错数据更难发现。

还有一层是编造。让它写设备型号、写检修周期、写某条规程的第几款，它给出的内容读起来很像，却未必有出处。这类细节只能回到设备说明书和企业自己的安全规程上核对，成因可以看AI 幻觉。下指令时把「只使用我提供的记录，缺失就写缺失」写成硬约束，比事后逐条核对省力，写法在提示词的结构里有例子。涉及安全规程和监管要求的部分，以企业正式文件和监管部门最新规定为准，工具输出不能作为依据。

速查：矿区用 AI 的四条界线

• 能接手的：记录整理、口径对齐、冲突标注、按阈值提醒
• 不能接手的：当班能不能开、这台设备停不停、这个人能不能上岗
• 最怕的：手抄数据错一位，整条链跟着错，还看不出来
• 验收看什么：预警有没有被真的用上，而不是台账字段齐不齐