矿区无人驾驶调度系统-矿区无人驾驶

一、立项背景和目标
当前矿场生产作业中，设备运行、生产排班、执行及绩效统计多依赖人工记录，存在数据零散、统计低效、异常难以及时发现等问题，影响生产效率与运维质量。为解决上述痛点，实现矿场生产作业数字化、精细化管控，特立项开发本软件。核心目标：整合设备、排班、执行等业务数据，搭建统一管控平台，实现数据实时采集、高效统计、精准分析，优化生产流程，降低运维成本，提升生产效率与绩效管控水平。
二、软件功能及核心模块介绍
软件核心围绕“业务数据管控+绩效数据分析”展开，分为三大核心模块，功能简洁实用、贴合矿场实际作业需求。
1. 设备监控模块：实时采集设备状态与事件数据，包括胎压、网络、自驾状态等持续监控数据，以及故障、人工接管、作业节点等触发式事件数据，支持异常预警，便于及时排查设备问题。
2. 生产管理模块：涵盖生产排班与执行全流程，可设置计划日期、班次，生成排班记录并关联线路与车辆，实时更新生产执行状态，记录线路、轮次、任务等核心执行数据。
3. 绩效分析模块：基于业务数据，从生产概览、效率分析、绩效评估、运维监控四个维度，统计运输量、能耗、作业时长等指标，分析效率差异与设备异常，提供改善方向。
三、业务流程及功能路径描述
业务流程遵循“排班→执行→监控→分析”闭环，功能路径清晰易懂，适配矿场日常作业流程。
1. 业务流程：制定计划日期与班次→生成排班记录（关联线路、车辆及配置）→启动生产执行，实时采集设备与执行数据→完成作业后更新执行状态→系统自动统计分析，生成绩效报告→根据分析结果优化排班与运维。
2. 核心功能路径：
①设备监控：登录系统→进入设备模块→查看实时状态/事件记录→处理异常告警；
②生产排班：进入生产管理模块→设置计划日期与班次→创建排班记录、配置详情→保存并同步；
③生产执行：启动排班执行→实时查看线路、轮次、任务数据→结束后更新状态；
④绩效分析：进入绩效模块→查看各维度统计数据→分析异常与趋势→导出报告。
软件整体实现业务数据全流程管控，简化操作流程，助力矿场实现生产作业精细化、数字化管理，达成降本增效目标。

一、整体架构和设计思路及技术栈
整体采用分层架构设计，遵循“数据采集-业务处理-分析展示”的核心思路，实现模块解耦、可扩展，适配矿场高并发数据采集与实时分析需求。
核心模块及对应技术栈：1. 数据采集层：负责设备数据、生产数据实时采集，采用Java+MQTT协议，适配矿场设备多终端、远距离数据传输，保障数据实时性；2. 业务逻辑层：涵盖设备监控、生产管理、绩效分析三大核心模块，采用SpringBoot+MyBatis框架，实现业务流程自动化与数据关联；3. 数据存储层：采用MySQL存储结构化数据（排班、绩效指标等），Redis缓存实时设备数据，提升查询效率；4. 前端展示层：采用Vue3+Element Plus，搭建简洁易用的管控界面，支持数据可视化与异常预警展示。
二、个人负责模块和结果（量化呈现）
本人主要负责生产管理模块（排班+生产执行）及部分绩效分析模块的开发与优化，全程参与需求对接、编码实现、测试调试全流程。
负责成果量化：
1. 完成生产排班功能开发，支持计划日期、班次设置，实现排班记录创建、详情编辑及变更记录留存，上线后日均处理排班记录80+条，排班调整响应时间≤5秒，无功能异常；
2. 开发生产执行数据采集功能，实时同步线路、轮次、任务数据，数据采集准确率达99.8%，延迟≤3秒；
3. 优化绩效分析模块中的轮次效率统计功能，提升统计速度30%，可支持每日200+轮次数据快速统计，生成可视化报表；
4. 配合测试修复模块bug12个，优化用户操作流程3处，模块上线后用户满意度达95%。
三、遇到的难点、坑及解决方案
1. 难点1：矿场设备数据传输不稳定，易出现数据丢失、延迟，导致生产执行数据与实际脱节。解决方案：优化数据采集协议，采用MQTT+TCP双重校验，增加数据重传机制；在Redis中设置临时缓存，若数据传输中断，恢复连接后自动同步缺失数据，最终将数据丢失率控制在0.2%以内，延迟降至3秒内。
2. 难点2：排班详情变更频繁（车辆移入移出、配置修改），易出现数据不一致，影响生产执行。解决方案：设计乐观锁机制，防止并发修改冲突；增加变更记录日志，实时同步变更内容至生产执行模块，同时添加数据校验逻辑，确保变更后排班详情与执行数据一致，解决了数据不一致问题，变更异常率降至0。
3. 难点3：绩效统计维度多（日期、班次、线路等），大数据量下统计效率低，页面加载卡顿。解决方案：优化SQL查询语句，建立索引4个；采用分批次统计+缓存复用策略，将统计任务拆分至后台异步执行，页面加载速度提升60%，彻底解决卡顿问题。