达索系统GEOVIA让采矿决策从 “经验预测” 走向 “实时校...

寂静回声

全球矿业每年因数据断层与信息孤岛造成的损失高达数亿甚至数十亿美元，却很少有企业能精准说出损失到底发生在哪一个环节。
3D 矿山规划软件基于爆破孔数据构建块模型，指导现场开采；而工作面的实时传感器数据，长期在另一套系统里独立运行。两套数据标准互不相通，规划与现场始终存在难以消弭的偏差。爆破位移带来的矿带偏移、矿石非均质性导致的稀释，都在持续吞噬开采效率与金属回收率。
对露天矿山而言，块模型与现场实际的偏差，最终都会转化为真金白银的损失。稀释率每上升一个百分点，一座中型矿山每年可能就有几十万吨的废石被送入选厂。这不仅浪费了选矿成本，还挤占了有效产能，降低了整体金属产量。
过去行业应对这个问题的方式，是加密爆破孔采样，但这会大幅增加勘探成本，且依然无法解决爆破位移带来的偏差。
近日，达索系统 GEOVIA 团队与 MineSense 技术专家共同展示了一套打通铲斗感知与地质规划的集成方案，补上了矿业数字化最关键的一块拼图。

本期内容来自全球头部矿业视频播客 Mining NOW，录制于 2026 年美国犹他州 MINEXCHANGE 展会现场。Mining NOW 由 Crownsmen Partners 联合加拿大矿业、冶金与石油协会（CIM）联合制作，是全球规模领先的矿业视频播客。
节目覆盖自动化装备、IoT 技术、能效优化、选矿工艺等多个前沿方向，每期邀请行业一线专家，深度拆解矿业面临的劳动力短缺、安全合规、生产率提升等核心挑战，是矿业从业者获取前沿信息的核心渠道。
本期节目围绕 “GEOVIA 与 MineSense 的技术集成如何解决矿业数据问题” 展开，主持人与三位行业资深专家。从技术落地、业务价值到未来演进进行了深度对谈，完整呈现了这套方案从设计思路到落地价值的全貌。
本次对话的主持人是 Mining NOW 主播 Rory Bamford，三位嘉宾分别来自达索系统 GEOVIA 与 MineSense Technologies。
Ralph Smith，达索系统 GEOVIA 销售专家管理总监，同时担任全球销售负责人，主管北美与亚太市场。他拥有超过 35 年的矿业从业经验，职业生涯始终聚焦矿业技术转型，见证了矿业数字化从萌芽到普及的全过程。加入达索系统近十年来，他始终致力于推动矿业行业接纳现代数字化技术，用软件能力提升开采效率。
Hannah Lang，MineSense Technologies 数字解决方案经理，全面负责 ShovelSense 与 BeltSense 数据的场景化应用。除了物料跟踪与调度这类基础应用，她的核心工作方向是通过技术合作挖掘传感器数据的全链路价值。打通从开采到选矿的流程闭环，消除矿业各环节的数据孤岛，让同一份数据创造多维度价值。
Tim Norris，达索系统 GEOVIA 服务部软件专家专员，出身勘探地质学家，拥有 14 年矿业软件从业经验。他专攻地质学与地质数据管理，核心工作理念是 “把原始数据转化为可支撑决策的有效信息”。
本次 GEOVIA Surpac 与 MineSense 的数据集成方案，正是由他主导完成技术落地与产品化封装。

Rory：欢迎各位来到本期 Mining NOW。这已经是我们和 GEOVIA 合作系列内容的第五期，今天我们聚焦一个非常具体的行业痛点：矿业的数据断层。在正式展开技术细节之前，先请 Ralph 给新观众简单介绍一下达索系统和 GEOVIA 的定位，以及我们为什么要和 MineSense 展开这次深度合作。
Ralph：达索系统是一家全球化科技公司，全球员工约 25000 人，业务覆盖 11 个不同的工业行业。GEOVIA 是达索系统旗下专注于地球科学与矿山规划的业务板块，核心扎根矿业领域。同时我们也在基础设施、能源等其他行业，提供地理空间相关的技术能力与解决方案。
我们在地质科学与矿山规划领域已经有 40 年的技术积累，这是我们无可替代的核心阵地。
矿业技术赛道正在涌现大量创新企业，它们在细分场景做出了非常优秀的产品，尤其是生产端的感知技术。我们的核心策略不是自己去做所有事情，而是把这些细分领域的技术和数据接入我们的规划平台。让矿山决策者获得更全面的信息，更快做出更准确的判断，最终提升整个矿山的运营效率。
MineSense 深耕生产现场的感知环节，正好和我们的规划能力形成天然互补。把现场生产数据接入规划体系，能够帮助矿山更好地做生产对账、优化运营决策。这不是简单的功能叠加，而是能力边界的延伸，是非常自然的能力互补与价值叠加。
Rory：非常清晰的定位。接下来想请教 Hannah，把实时传感器数据接入 3D 矿山规划环境。最初是为了解决什么具体的行业痛点？这件事的必要性到底在哪里？
Hannah：我先简单介绍一下 MineSense 的核心产品。我们在电铲铲斗前端安装 XRF 传感器，这套系统叫做 ShovelSense。
电铲每一次挖掘，系统都会实时检测流过铲斗的所有物料，精准预测每一斗矿石的元素品位。这套系统会和车队管理系统打通，每一辆被电铲装满的卡车，我们都能给出整车的近似品位和物料分类。

如果 ShovelSense 检测到的实际品位，和矿山原始规划的设定存在偏差，现场就可以直接调整卡车运输路线。
把高品位矿石送去选厂，把废石送去排土场，避免无效运输与废石入选造成的处理浪费。这是 ShovelSense 最基础也最成熟的应用：在生产现场做实时的物料分流。但我们一直认为，传感器数据的价值远不止于此。如果这些数据只停留在生产调度环节，就太浪费了。
这次和 GEOVIA 的合作，核心就是把这些高分辨率的生产数据，回注到块模型和矿山规划软件里。形成从规划到生产再回到规划的完整反馈闭环，让数据价值实现最大化。
过去，矿山的挖掘多边形只能基于爆破孔数据来绘制，分辨率受限于爆破孔的采样密度。现在我们有了爆破后的铲斗级实测数据，可以反过来优化后续的挖掘多边形设计。让规划越来越贴近真实的矿体分布，而不是一直停留在勘探阶段的预测结果上。

Rory：本质上，我们做的事情就是把矿石和废石分得更清楚，同时降低开采稀释率，对吧？
传统矿山规划受限于爆破孔和块模型的分辨率，实际矿体的非均质性往往被严重低估。爆破之后物料发生混合，现场只能靠经验判断，这套实时数据正好补上了这个关键缺口。
Hannah：没错。传统块模型的精度，受限于爆破孔的采样密度。但实际矿体内部的品位波动，远比模型呈现的更复杂。
很多矿体内部存在大量的夹层和品位过渡带，稀疏的爆破孔根本无法完整捕捉这些细节。更关键的是，爆破完成之后，物料的空间位置还会发生二次变化，也就是常说的爆破位移。这时候基于原块模型绘制的挖掘多边形，已经和现场实际情况有了明显偏差。
ShovelSense 的价值，就是在爆破之后的挖掘环节，拿到逐斗的实测品位数据，支撑现场的即时调度决策。但更长期也更核心的价值，是把这些数据沉淀下来，反哺规划模型的持续迭代。
很多人只关注现场的即时分流，却忽略了数据回流对规划体系的长期迭代价值。我们相当于给地质工程师装上了 “现场透视眼”，让他们知道爆破之后矿带到底发生了怎样的偏移。而不是一直靠推测和经验做设计，让规划始终落后于现场实际。
台阶之间的矿体往往存在良好的连续性，上一个台阶的实测数据，可以直接用来指导下一个台阶的规划优化。日积月累下来，块模型的准确度会持续提升，整个矿山的规划质量会进入正向循环。

Rory：接下来想问问 Tim，作为地质数据管理领域的资深专家，你是怎么看待这些传感器数据的业务价值？在实际项目落地中，这些数据要落地到地质工程师的日常工作流里，最大的落地障碍是什么？
Tim：最大的障碍其实不是数据本身的质量，而是数据接入的效率和成本。Surpac 本身是一款以文件体系为核心的软件，这是它发展过程中形成的产品特性。
一座正常生产的露天矿山，ShovelSense 系统每天会生成上百万个带坐标、带品位的传感器数据点。如果靠地质工程师手动处理，要下载数据、导入软件、逐层筛选分类，工作量非常大。也很难做到准实时，数据的决策价值会随着时间流逝快速衰减。
手动处理一次数据，可能要花上一两个小时，甚至大半天时间。等数据整理完，现场早就推进到下一个作业面了。
数据的价值是有时间窗口的，处理太慢，决策价值就会大打折扣，甚至完全失去意义。
所以我们这次做的核心工作，就是搭建一条自动化的数据管道，把 MineSense 服务器里的数据，直接同步到 Surpac 的操作界面里。ShovelSense 的实时数据会先汇总到 MineSense 的云端服务器，我们新增了一条自动数据链路。以标准 CSV 格式定时同步到矿山本地服务器，全程不需要人工干预。
地质工程师在 Surpac 里只需要点击一下，就能拿到最新的传感器数据，完全跳过手动处理的环节。这相当于将数据处理的时间成本从小时级压缩至秒级，工程师的精力可以从 “整理数据” 转移到 “分析数据、做出决策” 上。

Rory：这里我想替非技术背景的观众问一个非常实际的问题。ShovelSense 的原始数据是带时间戳和空间坐标的零散点，但地质工程师做规划，是按爆破区块也就是多边形来管理的。
我们怎么把零散的传感器数据，精准对应到具体的爆破区块里？这部分功能是怎么实现的？
Tim：这确实是落地过程中一个非常核心的实际问题，也是用户体验的关键。
MineSense 采集的原始数据，每一个点都有时间、坐标、品位以及其他传感器参数。但它不会自动对应到某一个爆破区块，也不会自动按照爆区分组。而地质工程师的日常工作，是围绕一个个爆破多边形展开的，他们需要知道某一个爆区里，实际的品位分布是什么样的。
所以我们在集成方案中设计了一项轻量化的空间匹配功能：工程师只需要在 Surpac 里选中代表爆区的多边形。系统就会自动筛选出这个区域内所有的传感器数据，生成独立的可视化图层。
操作逻辑完全贴合地质工程师的日常工作习惯，不需要额外学习复杂的新操作。相当于用最低的学习成本，解决了数据空间匹配的核心问题。

Rory：我大概理解了，多边形就是我们在 3D 模型里圈出来的作业区域，不同的爆区对应不同的多边形，也对应不同的品位区间。有了这个功能，工程师就能直接在自己熟悉的工作环境里，看到每一个爆区的实际开采品位数据。
Hannah，从现场应用的角度看，这种集成视图，能帮矿山解决哪些过去解决不了的实际问题？
Hannah：我分享一个我们之前遇到的真实客户案例。那家客户同时部署了 ShovelSense 系统和 Surpac 软件。
爆破作业完成之后，高品位矿带发生了明显的位移，这在露天开采里非常常见。爆破导致的物料位移最多可以达到 30 米，对窄矿带来说，这个偏移量足以让整个挖掘多边形失效。
如果矿山没有专门的爆破位移监测手段，原来的挖掘多边形就会和实际的矿带位置完全错开。我们通过 ShovelSense 的逐斗数据，能清晰看到原来的矿带边界发生了偏移，也能看到偏移的具体方向和距离。
但在没有这套集成之前，这些数据只能在现场调度端使用，没法直接回到规划软件里。地质工程师很难用这些数据优化后续的设计，数据价值只发挥了很小一部分。现在数据可以直接导入 Surpac，我们就能定量分析爆破位移的规律，评估多边形内部的稀释情况。
简单说，就是我们终于能精准回答 “块模型和现场实际差在哪里” 这个问题。过去我们只能靠最终的生产对账倒推差异，现在可以在挖掘过程中就拿到逐斗的实测数据，定位差异的具体位置和原因。
因为台阶之间的矿体存在连续性，我们可以用当前台阶的实测数据，推断下一个台阶的矿体变化趋势，提前优化规划设计。
Rory：Tim，除了我们现在聊的品位控制核心场景，你觉得这套数据接入之后，还有哪些潜在的应用场景可以挖掘？目前你们是直接和矿山客户合作落地，有没有看到客户自己探索出一些意料之外的用法？
Tim：我们目前的工作核心是先把自动化数据管道搭好，让用户能低成本、高效率地拿到数据。这次我们重点展示的是品位控制场景的用法，但数据的价值肯定不止于此。
当数据获取的门槛足够低的时候，用户自然会在自己的工作场景里探索出更多用法。过去数据接入太麻烦，很多想法因为实现成本太高，直接就被放弃了，根本没有验证的机会。现在一键就能拿到数据，工程师可以把精力放在解决实际问题上，而不是折腾数据导入导出。
矿山是 24 小时不间断作业的，数据是持续产生的，应用场景也会持续涌现。
我们现在的同步频率是小时级，这已经能满足绝大多数规划场景的需求。如果未来有需要，我们完全可以做到分钟级甚至更高的更新频率，技术上没有不可逾越的障碍。
这不是一套定制化的单点方案，而是一个可扩展的数据底座，后续的应用场景可以持续叠加。我们更愿意做底层的搭建者，把场景创新的空间留给最懂现场的矿山工程师。

Rory：我补充一个大家都很关心的效率问题：在这套方案出来之前，地质工程师如果想用 ShovelSense 的数据，到底有多麻烦？
现在实现自动化之后，效率提升到底有多大？能不能给大家一个直观的对比。
Tim：我给大家算一笔时间账。过去如果一位地质工程师，想要分析某一个爆区的 ShovelSense 数据。他首先要从 MineSense 的系统里导出对应时间段的数据文件，再导入到 Surpac 当中。导入之后还要做空间筛选、数据清洗、品位分级、图层设置，整套流程走下来，至少要一两个小时。
如果是要做全矿区的大范围数据分析，工作量还会更大，花上大半天甚至一整天都很正常。而且这不是一劳永逸的工作，数据每天都在产生，想要看最新的数据，就要重复一遍整套流程。大量的工程师精力，都消耗在了这种重复的数据搬运工作上，非常浪费专业人才的价值。
现在有了自动化管道，数据会定时自动同步到矿山本地服务器，工程师在 Surpac 里点击刷新，就能拿到最新的数据。原本一两个小时的工作量，现在几秒钟就能完成，效率提升是数量级的。节省下来的时间，工程师可以用来做真正有价值的分析：为什么这个爆区的品位和模型有差异？下一个台阶的规划要怎么调整？爆破参数要不要优化？这些才是地质工程师核心价值的体现。而不是每天花几个小时做数据录入员的工作，把专业能力浪费在重复劳动上。

Rory：聊到这里，我想听听 Ralph 的战略视角。GEOVIA 和 MineSense 的这次合作，除了解决具体的数据接入问题，放在达索系统更大的数字化战略里，它的意义是什么？
我们之前也聊到过虚拟孪生、AI 这些前沿方向，这次的集成为这些未来能力打下了怎样的基础？
Ralph：我们常说，规划模型本质上是对地下矿体的预测。我们预测矿体的空间分布，预测爆破之后的物料位移。
但预测永远和现实有偏差，想要缩小偏差，唯一的办法就是用真实的现场数据，持续校准和更新预测模型。当现场的 IoT 数据能够持续、自动地回流到规划平台，我们就离 “虚拟孪生” 更近了一步。
虚拟孪生不是一个静态的 3D 模型，而是一个能和现实世界实时同步、持续迭代的数字镜像。
这次的集成，就是给矿山的虚拟孪生补上了工作面感知的核心数据源，让数字镜像有了持续更新的动力。
除了生产数据，我们还在拓展更多维度的数据接入。比如尾矿管理领域，我们和专业尾矿监测公司 Insight Terra 展开了合作。尾矿安全是矿业的重中之重，一旦发生事故，无论是人员伤亡还是经济损失都非常惨重。
Insight Terra 有成熟的实时监测平台，能采集尾矿库的各类运行数据，包括位移、渗流、水位等关键指标。
我们的能力，是把这些分散的监测数据整合起来，做风险评估、任务管理和应急响应。把全球尾矿治理的行业标准，落地到数字化系统里，帮助矿山合规、安全地运营。
AI 的效果高度依赖数据质量，如果数据分散在各个孤立的系统里，再先进的算法也发挥不了作用。3DEXPERIENCE 平台的价值，就是把所有这些数据整合到同一个底座上，再在上面叠加 AI 能力。
现在行业里到处都在讨论 AI，但很多讨论都脱离了实际的数据基础，属于空中楼阁。我们的思路非常务实：先把数据底座搭好，把数据流通的链路打通，再谈 AI 的落地应用。无论是 MineSense 的生产数据，还是 Insight Terra 的尾矿数据，都是在给这个数据底座添砖加瓦。

Rory：也就是说，我们现在做的不是一个个孤立的集成项目，而是在搭建一个开放的数据生态。不同领域的专业厂商贡献自己的专业数据和能力，统一接入 3DEXPERIENCE 平台，最终给矿山客户提供完整的解决方案。
Ralph：完全正确。每家公司都有自己的能力边界，MineSense 擅长传感器感知，Insight Terra 擅长尾矿监测，这都是它们的核心竞争力。
我们不会去做自己不擅长的事情，而是把它们的专业能力整合到我们的平台上。让客户在统一的环境里使用所有能力，不需要在十几个不同的系统之间来回切换。所有数据和决策都在同一个平台里完成，效率和决策质量都会大幅提升。
这是我们长期的战略方向，这次和 MineSense 的合作，是这个战略里非常重要的一步实践验证。

Rory：很多矿山客户都会关心部署难度和 IT 成本。如果一家矿山已经在用 Surpac，也装了 ShovelSense 系统，要开通这个集成功能，部署周期有多长？会不会需要额外的服务器、数据库管理员，增加很多 IT 负担？
Tim：这一点正是我们设计时重点考虑的，我们的目标就是做一款几乎零部署成本的方案。
很多同类集成方案会要求客户部署 SQL Server 这类大型关系型数据库，这就需要专门的数据库管理员。还要做权限配置、安全配置、日常运维，门槛非常高，很多中小矿山根本没有对应的 IT 能力。
我们的方案选择了 SQLite 作为本地数据库。它是一款文件型的轻量数据库，不需要安装服务。不需要专门的运维人员，真正做到零部署、零维护，对矿山 IT 团队非常友好。

数据库文件就存放在用户的本地电脑上，用户可以直接在 Surpac 的面板里重置、删除，操作非常简单。
数据安全方面也完全不需要担心。原始数据安全地存储在 MineSense 的服务器上。同步到矿山本地的数据，也部署在矿山的内网服务器里，本身就有完善的安全权限管控。用户只有获得了对应权限，才能访问这些数据，安全等级和矿山现有系统保持一致。
对于终端用户来说，整个部署过程只需要几分钟，几乎没有学习成本，上手就能用。
Hannah：我补充一点非常重要的：这不是为某一个客户做的定制化开发，而是一套标准化的产品功能。
我们不是给 A 客户做一套，给 B 客户再做一套。而是直接把 MineSense 数据接入能力，内置到了 Surpac 的产品功能里。任何同时使用 Surpac 和 ShovelSense 的矿山，都可以快速启用这个功能，不需要再走一遍定制开发的流程。
这意味着部署成本大幅降低，落地速度大幅提升，客户可以快速看到业务价值。这也是这次合作最有价值的地方：我们把一个单点的技术合作，变成了可规模化复制的产品能力。

Rory：这确实是很关键的一步。从项目制走向产品化，意味着这套能力可以批量交付给全行业的客户。那反过来，对于 GEOVIA 来说，这种和第三方厂商的产品化集成，会不会成为未来的常规操作？
Tim：我认为是必然的趋势。矿业的数字化场景太分散了，没有任何一家公司能把所有事情都做好。
Surpac 本身提供了非常强大的自动化工具，我们服务团队可以基于这些工具，快速开发出各种集成功能和定制化工具。不仅是我们官方可以做，客户自己的技术团队，也可以利用 Surpac 的自动化能力，开发符合自己需求的工具。
这就是 Surpac 生态的生命力所在：它不是一个封闭的软件，而是一个可扩展的开放平台。这次和 MineSense 的集成，就是我们基于 Surpac 自动化能力开发出来的标准功能。未来会有更多第三方厂商的能力，通过这种方式接入进来，不断丰富整个生态。最终受益的，是所有使用 Surpac 的矿山客户。