Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 Rozdział 20 w w Systemy monitorowania w kopalniach węgla kamiennego – bazy danych, wizualizacja, analiza danych 1 Wstęp da .b w Streszczenie. W pracy przedstawiono problem monitorowania w kopalniach węgla kamiennego. Omówiono najbardziej znane systemy realizujące proces monitorowania, typy i rodzaje wykorzystywanych przez nie baz danych oraz ich funkcjonalność. Wskazano, że kierunkiem rozwoju systemów monitorowania jest m.in. wyposażanie ich w zestaw narzędzi analitycznych, których zadaniem jest dostarczanie nowej wiedzy na temat monitorowanego procesu. Uzyskana wiedza może z kolei przyczynić się do opracowania nowych lepszych metod oceny zagrożeń oraz przeciwdziałania sytuacjom awaryjnym. pl s. W ostatnich latach obserwuje się w górnictwie węgla kamiennego gwałtowny wzrost liczby systemów monitorowania obejmujących kontrolę zagrożeń naturalnych oraz procesów technologicznych. W dotychczasowej praktyce, duże ilości danych pomiarowych wykorzystywane są przez służby dyspozytorskie kopalni do bieżącej kontroli stanu procesu. Koszt pozyskiwania danych z podziemi kopalni (czujniki, linie transmisyjne, stacje pomiarowe), a także koszty ich wizualizacji (sprzęt komputerowy, oprogramowanie, archiwizacja) są duże. W chwili obecnej, w polskich zakładach wydobywczych możemy spotkać systemy monitorowania wykorzystujące różne repozytoria danych, począwszy od baz danych nie wykorzystujących żadnego systemu zarządzania bazą (ozn. SZBD), których struktura i funkcje zarządzania zostały w całości zaimplementowane (np. pliki binarne), kończąc na stosowaniu wysokowydajnych SZBD typu Oracle lub SQL Server, które wykorzystują mechanizmy replikacji, procedur składowanych oraz wyzwalaczy. Można śmiało powiedzieć, że problemy związane z pobieraniem danych z podziemi kopalni oraz ich archiwizacją zostały w pełni rozwiązane, w chwili obecnej duży nacisk kładzie się na tworzenie przejrzystych systemów wizualizacji oraz analizę danych Marek Sikora Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-100 Gliwice, Polska Centrum Elektryfikacji Automatyzacji Górnictwa EMAG, ul. Leopolda 31, 40-189 Katowice, Polska email: [email protected] Beata Sikora Politechnika Śląska, Instytut Matematyki, ul. Kaszubska 23, 44-100 Gliwice, Polska email: [email protected] (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 M. Sikora, B. Sikora w historycznych. Głównym celem przeprowadzanych analiz jest definiowanie różnego rodzaju wskaźników i algorytmów mających na celu opracowanie nowych metod oceny zagrożeń związanych z eksploatacją górotworu oraz diagnostykę urządzeń prowadzących proces wydobywczy. W niniejszej pracy omówiono systemy monitorowania pracujące w górnictwie, wykorzystywane przez nie bazy danych oraz stosowany w nich sposób wizualizacji. Przedstawiono również jeden z kierunków rozwoju systemów monitorowania, który wykorzystuje metody analizy danych (począwszy od prostych metod statystycznych, na metodach eksploracji danych skończywszy) do opracowania nowych funkcji informujących użytkownika z wyprzedzeniem o wzrastającym zagrożeniu lub pogarszających się parametrach eksploatacyjnych urządzeń. w 2 Systemy monitorowania pl s. da .b w W górnictwie węgla kamiennego istniej wiele systemów monitorowania związanych z różnymi aspektami pracy kopalni. Ogólnie, systemy te możemy podzielić na trzy grupy: systemy monitorowania zagrożeń naturalnych, systemy monitorowania procesów produkcyjnych oraz tzw. systemy dyspozytorskie, które monitorują i wizualizują wybrane parametry przekazywane przez systemy z pierwszych dwóch grup. Do grupy systemów monitorowania zagrożeń naturalnych zaliczyć można systemy: − monitorowania zagrożeń gazowych; systemy wykorzystują czujniki: metanu, tlenku węgla, prędkości przepływu powietrza, zadymienia, temperatury, wilgotności; przykładami systemów monitorujących skład atmosfery są systemy SMP [6] i SWPµP; − monitorowania zagrożeń sejsmicznych; systemy wykorzystują sejsmometry i geofony do lokalizacji i obliczania energii zjawisk sejsmicznych; przykładami systemów sejsmicznych są systemy Hestia [9] (kompleksowy system wspomagania stacji geofizyki górniczej), Aramis (system rejestracji i lokalizacji zjawisk sejsmicznych), Ares Ocena (system rejestracji i oceny zjawisk sejsmoakustycznych), Geotomo (system umożliwiający „tomografię” wybranego fragmentu wyrobiska górniczego); − rejestrujące osiadanie powierzchni na terenach objętych eksploatacją górniczą; − monitorowania pracy pomp głębinowych odwadniających podziemia kopalni [12]; system monitoruje pracę silników pomp głębinowych, poziom lustra wody oraz skład atmosfery (głównie pod kątem wydzielania dwutlenku węgla) w stacji odwadniania; − system lokalizacji pracowników oraz łączności alarmowej. Do grupy systemów monitorowania procesów produkcyjnych zaliczyć można systemy: − monitorowania pracy kompleksu ścianowego; systemy wykorzystują czujniki dwustanowe i analogowe do monitorowania: pracy kombajnu (prądy silników, temperatury silników, czas włączenia/wyłączenia), przenośników ścianowych (prądu silników, temperatury silników, czas wł./wył.), pracy obudowy (ciśnienie w stojakach obudowy, poziom rozparcia); przykładami systemów monitorujących pracę kompleksu ścianowego są systemy SMOK i Monster (tylko obudowa); − monitorowania stanu czujników dwustanowych; przywoływany system jest raczej rozwiązaniem sprzętowym niż programowym, rejestruje on stan czujników dwustanowych i przekazuje informacje do pracującego w kopalnia systemu dyspozytorskiego; system umożliwia m.in. monitorowanie stanu: tam 210 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 Systemy monitorowania w kopalniach węgla kamiennego ... w przeciwpożarowych, wentylatorów, pracy różnych urządzeń np. rozdzielni wysokiego napięcia; − system kontroli jakości węgla; system mierzy zawartość popiołu, wilgotność i oblicza wartość opałową w miałach węglowych transportowanych przenośnikiem taśmowym; przykładem systemu kontrolującego jakość węgla jest system Alfa. W zakresie systemów dyspozytorskich istnieją jedynie dwa liczące się rozwiązania, system Zefir [4] (produkowany przez laboratorium oprogramowania Prunella) oraz SD2000 [17] (produkowany przez Centrum EMAG). Firmy dostarczające oprogramowanie dla górnictwa zazwyczaj specjalizują się w jednej dziedzinie, przykładem mogą być systemy: Zefir, który jest głównym produktem firmy Prunella czy Smok sztandarowy program firmy Somar. Największy udział w całym rynku oprogramowania dla górnictwa ma niewątpliwie katowickie Centrum EMAG. w 3 Bazy danych systemów monitorowania w pl s. da .b Przeważająca większość systemów monitowania zagrożeń i procesów technologicznych pracujących w kopalniach węgla kamiennego przechowuje informacje w bazach danych zarządzanych przez pewien SZBD. W zależności od stopnia skomplikowania systemu jest to albo prosta relacyjna baza danych (np. MS Access – system Hestia, Paradox – systemy Ares, Aramis, SyBase – system kontroli jakości węgla), albo wysoko wydajny serwer (SQL Server 2000 – system SD2000). Często spotykane są również plikowe bazy danych, w których cały system zarządzania danymi zaimplementowany został przez programistów. Bazy plikowe można podzielić na proste, w których informacje przechowywane są w plikach binarnych, a pomiędzy plikami nie istnieją żadne powiązania (np. systemy monitorowania pracy pomp głębinowych) oraz bazy złożone mające strukturę katalogów, w których informacje przechowane są w kolekcjach plików binarnych (np. systemy SMP [6] i Zefir [4]). W złożonych bazach plikowych informacje opisujące poszczególne aspekty systemu (pomiary, konfiguracje czujników, opis struktury kopalni) przechowywane są w osobnych plikach, a aplikacja monitorująca zarządza sposobem integracji danych w czasie ich prezentacji. Osobną grupą baz danych są bazy systemów SCADA [16]. Oprogramowanie SCADA jest rozwiązaniem dedykowanym dla celów tworzenia aplikacji wizualizujących przebieg procesów przemysłowych (np. FIX – system monitorowania pracy kombajnu ścianowego). Bazy systemów SCADA posiadają swój własny unikalny format. Można postawić tezę, że systemy typu SCADA są rozwiązaniem leżącym pośrodku pomiędzy systemami relacyjnymi bazami danych a bazami binarnymi. Wady i zalety stosowania wymienionych wyżej rozwiązań można streścić w następujący sposób. − Wykorzystanie baz plikowych wiąże się z koniecznością oprogramowania każdej funkcji zapisu i wyszukiwania informacji jaką ma realizować system. Dla baz plikowych nie istnieją standardowe sterowniki umożliwiające proste podłączenie się do danych z poziomu aplikacji zewnętrznej. Te ewidentne wady rekompensuje w pewnym stopniu niski koszt wdrażania systemu w kopalni. Poza tym, dobrze zaprojektowana baza plikowa może charakteryzować się wydajnością zapisu porównywalną z wysokowydajną bazą relacyjną (jako przykład można przytoczyć system SMP). Jest tak oczywiście jedynie z wydajnością zapisu, gdyż wyszukiwanie informacji w bazach plikowych jest operacją czasochłonną. Przykładem może być 211 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 M. Sikora, B. Sikora w również system SMP, w którym dopiero w ostatnim okresie zaimplementowano moduł przeszukiwania danych historycznych. − Oprogramowanie SCADA integruje narzędzia tworzenia aplikacji monitorujących i przechowywania informacji pomiarowych. Systemy SCADA charakteryzują się dosyć wysokim kosztem tworzenia i wdrażania aplikacji. Praktyka wykazuje również, że systemy te trudno integruje się z innymi aplikacjami, a dostęp do danych z poziomu aplikacji zewnętrznej może być znacznie utrudniony, gdyż musi on zazwyczaj być zrealizowany za pośrednictwem oprogramowania napisanego w tym właśnie środowisku. − Na tle wyżej wymienionych rozwiązań wykorzystanie jako repozytorium danych systemu zarządzania relacyjną bazą danych (SZRBD) jest rozwiązaniem najbardziej elastycznym i stosunkowo niedrogim. Mechanizmy SZRBD pozwalają na obsługę operacji zapisu i modyfikacji bazy w systemie transakcyjnym, co zapewnia integralność danych w przypadku awarii. Specjalne przygotowane procedury pozwalają na osiąganie dużej wydajności systemu jeśli chodzi o obsługę wielu operacji zapisu (zapis wskazań czujników) i odczytu danych (np. wyświetlanie historii pomiarów) realizowanych „równocześnie”. Łatwość manipulowania danymi za pomocą języka SQL pozwala w szybki sposób modyfikować funkcjonalność istniejącego systemu (np. definiowanie nowych raportów). Niebagatelną zaletą wykorzystania SZRBD jest prostota wymiany informacji pomiędzy rożnymi formatami zapisu. System zarządzania bazą danych zapewnia również automatyczną archiwizację i replikację danych. Poza tym, za pomocą wbudowanych mechanizmów można w prosty sposób realizować politykę bezpieczeństwa i dostępu do danych (role, użytkownicy, prawa). Ważną zaletą wysokowydajnych SZRBD jest także to, że działają one w architekturze klient-serwer, co pozwala na przekazanie procesu przetwarzania i przechowywania danych do centralnego serwera. To, że bazy plikowe istnieją do chwili obecnej wynika głównie z długotrwałego i kosztownego procesu dopuszczania systemów bezpieczeństwa do eksploatacji (regulują to osobne przepisy Wyższego Urzędu Górniczego), dlatego częściej obserwuje się rozszerzanie funkcjonalności systemów już istniejących [1] (których mechanizmy akwizycji i archiwizacji danych zostały sprawdzone), niż stosowanie zupełnie nowych rozwiązań, a za takie należy uznać zmianę struktury bazy danych i związane z tym konsekwencje. Jest sprawą oczywistą, że im więcej informacji gromadzonych jest przez system monitorowania tym bardziej zaawansowane rozwiązanie bazodanowe, które powinien on wykorzystywać. Ze względu na wspomniane już problemy z wyszukiwaniem danych historycznych oraz koniecznością replikacji danych, systemy wykorzystujące plikowe bazy danych prędzej czy później wyparte zostaną przez bazy relacyjne. pl s. da .b w w 3.1 Przykład systemu monitorowania – system dyspozytorski SD2000 System dyspozytorski SD2000 [17] realizuje funkcje ciągłego nadzoru nad pracą kopalni dla potrzeb dokumentowania i analizy przebiegu procesu produkcyjnego oraz kontroli stanu bezpieczeństwa pracy. Źródłem danych dla systemu są czujniki, odzwierciedlające stan pracy maszyn i urządzeń, czujniki mierzące parametry atmosfery kopalnianej, jakość wydobytego węgla itd. System SD2000 jest zatem konsumentem informacji gromadzonej przez inne podsystemy monitorowania. W systemie SD2000 zastosowano SZRBD SQL Server 2000 firmy Microsoft, który w sposób ciągły pobiera oraz udostępniania duże ilości szybkozmiennych danych. 212 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 Systemy monitorowania w kopalniach węgla kamiennego ... Tabele bazy danych aktualizowane są za pomocą przygotowanych procedur składowanych zapewniając w ten sposób unifikację przeprowadzanych operacji oraz najwyższą z możliwych szybkość przetwarzania. Tabela 1. Lista wybranych tabel w bazie danych systemu SD2000 w Opis Alarmy Tabela przechowuje alarmy bieżące Czujniki Tabela przechowuje konfigurację czujników z systemów lokalnych, których wskazania/alarmy dostępne są do wizualizacji Wskazania Wskaz_Hist_D Wskaz_Hist_A Wskaz_Hist_L Tabela przechowuje bieżące pomiary dla wszystkich czujników w Nazwa Tabele przechowujące wskazania historyczne dla czujników. Osobno dla każdego typu – analogowych, dyskretnych, licznikowych pl s. da .b w Każdemu czujnikowi w tablicy Czujniki odpowiada jeden rekord w tablicy Wskazania, który przechowuje bieżące wskazania czujnika. Najważniejsze pola w tablicy wskazania to: wskazanie – aktualna wartość pomiaru; wskazanie_czas – data i czas ostatniego pomiaru, al-typ – status wskazania np. skalowanie, stan normalny, przekroczenie progu itd. W sytuacji gdy na danym czujniku nastąpi zmiana stanu lub wskazania, informacja ta aktualizowana jest w tablicy Wskazania. Wartość ta przepisywana jest do tablicy wskazań historycznych, jeśli spełnione są dwa warunki. Po pierwsze, czujnik, z którego pochodzą dane skonfigurowany jest w tablicy Czujniki jako gromadzący wskazania historyczne. Po drugie, różnica pomiędzy poprzednio zarchiwizowanym wskazaniem a nową wartością jest większa od progu nieczułości skonfigurowanego dla danego czujnika. Rozwiązanie wykorzystujące próg nieczułości pozwala na ograniczenie liczby składowanych oraz przetwarzanych danych. Jest to jeden z podstawowych problemów pojawiający się w trakcie implementacji systemów akwizycji danych z procesów technologicznych. Rozsądny wybór pomiędzy ilością danych a wydajnością całego systemu zależy w tym przypadku od użytkownika (eksperta w danej dziedzinie). Warto jednak zwrócić uwagę, że dedykowane systemy monitorowania (np. SMP, Aramis) muszą archiwizować wszystkie pomiary, ponieważ wynika to z oddzielnych przepisów bezpieczeństwa. W przypadku wypadku lub katastrofy, analizie poddawane są dane z systemów dedykowanych, a nie z systemu dyspozytorskiego. Architektura informatyczna systemu SD2000 jest typową architekturą klient-serwer. Komputery przechowujące dane (archiwum i replika) dostępne są jedynie dla osób uprawnionych. Proces wizualizacji i raportowania odbywa się za pośrednictwem stacji klienckich. 4 Wizualizacja zagrożeń naturalnych i procesów technologicznych Wizualizacja zagrożeń i procesów technologicznych realizowana jest w górniczych systemach monitorowania na wiele sposobów. Systemy monitorujące stan procesów technologicznych wykorzystują do wizualizacji plansze, na których w sposób graficzny reprezentowane są poszczególne czujniki. Stan danego czujnika odzwierciedlany jest odpowiednim kolorem (dla czujników dwustanowych) lub kolorem i bieżącą wartością pomiaru (dla czujników analogowych). 213 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 M. Sikora, B. Sikora w W tych systemach monitorowania zagrożeń wskazania różnego rodzaju czujników wizualizowane są w podobny sposób, wyjątek stanowią systemy monitorowania zagrożeń sejsmicznych, w których wizualizacji podlegają zarejestrowane zjawiska sejsmiczne (a więc byty, które fizycznie nie są związane z żadnym fizycznym czujnikiem). Wizualizacja zjawisk sejsmicznych odbywa się na mapach pokładowych kopalni, zjawisko wizualizowane jest jako koło o średnicy adekwatnej do energii zjawiska, którego środek leży w wyznaczonym przez program monitorujący epicentrum. Do wizualizacji na mapach pokładowych wykorzystywane jest oprogramowanie typu GIS [5], powiązane z bazą danych systemu monitorowania. Idea wizualizacji zjawisk sejsmicznych na mapach pokładowych rozszerzyła się na wszystkie aspekty pracy kopalni i w obecnej chwili panuje tendencja do tworzenia systemów wizualizacyjnych wykorzystujących oprogramowanie typu GIS połączone z bazą danych pomiarowych. Najnowocześniejszym rozwiązaniem tego typu jest wspominany już system dyspozytorski SD2000, który łączy w sobie wizualizację na tle map pokładowych z wizualizacją na planszach. System ma strukturę hierarchiczną, pozwala to na wizualizowanie pracy nie tylko pojedynczych urządzeń, ale także całych struktur (np. pokładów, rejonów) wizualizowanych jako warstwy przestrzennego schematu kopalni (rys. 1, strona lewa). Pozwala to całościowo obserwować zagadnienia związane z: przewietrzaniem, działaniem struktur transportowych, zasilaniem urządzeń w energię elektryczną itp. Najbardziej ogólny poziom wizualizacji realizowany jest za pomocą technologii GIS. Rozwarstwienie informacji znajdujących się na mapie na szereg poziomów tematycznych (np. sieć chodników, sieć energetyczna itd.) oraz nałożenie powstałych w ten sposób warstw na siebie, pozwala uzyskać jednolitą mapę. GIS wykorzystuje ideę rozdzielenia obiektów mapy na warstwy informacyjne wraz z przyporządkowaną danej warstwie bazą danych. Taki sposób wizualizacji pozwala na uzyskiwanie informacji dotychczas niedostępnych w systemach monitorowania (np. umożliwia pomiar odległości, pomiar pola powierzchni, udostępnia informacje o sąsiedztwie obiektów). Najbardziej szczegółowy poziom wizualizacji to wizualizacja konkretnego czujnika lub układu za pomocą tworzonych przez użytkownika plansz, które podłączane są do odpowiedniej tabeli w bazie danych (rys. 1, strona prawa). pl s. da .b w w Rys. 1. Idea wizualizacji za pomocą map pokładowych połączonych z planszami graficznymi (System SD2000) 214 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 Systemy monitorowania w kopalniach węgla kamiennego ... w Podobna idea wizualizacji wdrażana jest w chwili obecnej w systemie monitorowania zagrożeń sejsmicznych Hestia [9], który staje się powoli systemem dyspozytorskim dla zagrożeń sejsmicznych. System poza wizualizacją pojedynczych zjawisk sejsmicznych wyposażany jest m.in. w funkcję dynamicznej wizualizacji, która pozwoli użytkownikowi obserwować kolejność pojawiania się zjawisk oraz postęp prac wydobywczych (modelowanie upływu czasu). 5 Analiza gromadzonych danych w pl s. da .b w Funkcjonalność systemów monitorowania zapewnia pełny nadzór i wizualizację dowolnego procesu, jednakże gromadzone dane wykorzystywane są w przeważającej większości przypadków jedynie do bieżącej wizualizacji i raportowania. W obecnej chwili coraz częściej producenci oprogramowania i użytkownicy systemów monitorowania wskazują na potrzebę analizy gromadzonej informacji i tworzenie na podstawie uzyskanych wyników nowych algorytmów pozwalających na wcześniejsze wykrywanie zagrożeń oraz lepszą diagnostykę urządzeń. Gromadzona w bazach danych systemów monitorowania informacja ma zazwyczaj charakter numerycznych, a dane zbierane są z dużą częstotliwością oraz zazwyczaj obarczone są niepewnością (wynikającą m.in. z przerw transmisji, przekłamań czujników itp.). Z tego względu, poza „zwykłą” analizą statystyczną, do analizy tego typu celowe jest stosowanie technik eksploracji danych takich, jak grupowanie [14], indukcja reguł [3], trenowanie sieci neuronowych [15] itd. Przeprowadzenie analizy danych historycznych wymaga wcześniejszego przygotowania danych, które muszą zostać odpowiednio przekształcone i oczyszczone, oczywiście stosowanie relacyjnych baz danych znacznie ułatwia proces pozyskania, integracji i czyszczenia danych pochodzących z różnych systemów [13]. Poniżej przedstawiono kilka praktycznych zastosowań wyżej wymienionych technik do analizy danych pochodzących z górniczych systemów monitorowania. − Tworzenie raportów dla systemu monitorowania pracy przenośników ścianowych; celem analizy było określenie jakie wartości prądu silnika charakteryzują jego prawidłową pracę oraz jakie są dopuszczalne nierównomierności pracy silników napędzających przenośnik z lewej i prawej strony; statystyczna analiza danych obejmujących ponad miesięczną obserwację silników nowych oraz pracujących już od pewnego czasu, pozwoliła określić jakie informacje powinny znaleźć się na raporcie i z jaką częstotliwością raport powinien być wykonywany, aby obserwowane zmiany były istotne z punktu widzenia diagnostycznego. − Analiza pracy kombajnu chodnikowego; celem analizy było zdefiniowanie współczynnika wiążącego efektywność pracy kombajnu z pracą silnika napędzającego organ urabiający; statystyczna analiza danych pozwoliła na definicję takiego współczynnika, który wyrażał się jako iloraz zagregowanych wartości całki z temperatury silnika i wykonanej przez kombajn pracy; wynikiem analizy jest również interpretacja fizykalna wzrostu i spadku wartości zdefiniowanego współczynnika. − Diagnostyka pracy pomp głębinowych w stacjach odwadniania kopalń; celem analizy było określenie stanów diagnostycznych pomp (różnych typów) pracujących w stacji odwadniania kopalń; ze względu na duże koszty naprawy i wymiany pompy (kilkadziesiąt tysięcy euro) zadaniem analizy było również określenie przybliżonego 215 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 M. Sikora, B. Sikora w terminu konieczności naprawy lub wymiany pompy; do określenia stanów diagnostycznych pompy zastosowano algorytm grupowania, natomiast do predykcji przybliżonego terminu remontu pompy zastosowano metody indukcji reguł na podstawie przykładów, pozwoliło to utworzyć system klasyfikujący, przewidujący termin remontu pompy z dwutygodniowym wyprzedzeniem [12]. − Predykcja stężenia metanu w wyrobisku górniczym [10]; celem analizy była dziesięciominutowa i godzinowa predykcja stężenia metanu rejestrowanego przez metanomierz znajdujący się na tzw. wylocie ze ściany; do rozwiązania postawionego problemu zastosowano różne techniki analityczne (regresję wieloraką [2], model ARIMA [2], sieci neuronowe [15] oraz reguły o liniowych konkluzjach [8]). Najlepsze wyniki (najmniejszy błąd predykcji) uzyskano za pomocą algorytmu indukcji reguł o liniowych konkluzjach; poza dobrymi wynikami, zależności reprezentowane przez uzyskane reguły były źródłem nowej wiedzy dla ekspertów zajmujących się problematyką wentylacji; motywacją podjętych badań było dostarczenie dyspozytorowi wentylacji informacji o przyszłych stężeniach metanu tak, aby mógł on odpowiednio wcześniej wyłączyć urządzenia wydobywcze w przypadku utrzymującego się wzrostowego trendu stężenia metanu, wyłączenie automatyczne (przez czujniki) powoduje bowiem długie przestoje w pracy całego kompleksu ścianowego, zatem niejako wyprzedzające wyłączenie przez dyspozytora ma na celu nie tylko uniknięcie zagrożenia, ale także minimalizację strat. − Predykcja stężenia dwutlenku węgla w stacji odwadniania kopalń [11]; celem analizy była predykcja stężenia dwutlenku węgla na pomoście operatorskim stacji odwadniania kopalń; do analizy zastosowano algorytm indukcji reguł o liniowych konkluzjach, minimalny akceptowalny z punktu widzenia technologicznego horyzont prognozy ustalono na sześć minut; taki okres pozwala dyspozytorowi ostrzec ekipę remontową o zbliżającym się zagrożeniu, a samej ekipie remontowej na opuszczenie zagrożonej strefy. − Analiza efektywności metod oceny zagrożenia tąpaniami; celem analizy było sprawdzenie jak dokładne są stosowane obecnie metody oceny zagrożenia tąpaniami, porównywano oceny generowane według algorytmów oceniających z rzeczywistym zagrożeniem wyrobiska (zarejestrowanymi wstrząsami o energii stanowiącej zagrożenie), sprawdzano także, które z monitorowanych parametrów wprowadzają największy niedeterminizm (a które w największym stopniu determinują) do generowanych ocen; do analizy wykorzystano elementy teorii zbiorów przybliżonych [7]. Pierwsze trzy spośród wyżej wymienionych zastosowań są w obecnej chwili wdrażane do działających w rzeczywistych warunkach systemów monitorowania. Wyniki uzyskane w pozostałych zastosowaniach są obecnie przedmiotem analizy przez ekspertów dziedzinowych. pl s. da .b w w 6 Podsumowanie W pracy przedstawiono zagadnienia związane z problematyką monitorowania specyficznego obiektu przemysłowego jakim jest kopalnia węgla kamiennego. W obiektach tych funkcjonują obok siebie systemy monitorowani procesów przemysłowych (bardzo często spotykane również w innych gałęziach przemysłu) oraz systemy monitorujące zagrożenia naturalne związane z procesem eksploatacji podziemnej. 216 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 Systemy monitorowania w kopalniach węgla kamiennego ... w Przegląd najważniejszych systemów monitorowania pozwolił wykazać, że w obecnej chwili w przemyśle wydobywczym stosuje się wszystkie dostępne rozwiązania bazodanowe, również nieco archaiczne, bazujące na plikach binarnych. Stosowanie baz binarnych nie wynika jednak z braku środków na technologie informatyczne, a z przepisów prawnych, które wymagają od nowej aplikacji (zwłaszcza związanej z bezpieczeństwem) przejścia procedury weryfikacyjnej, dlatego często bardziej opłaca się wyposażać istniejące od wielu lat systemy w nową funkcjonalność niż projektować nowe (tak jest w przypadku systemu metanowo-pożarowego SMP [6]). W warstwie wizualizacji przedstawione rozwiązania idą w kierunku integracji plansz graficznych przedstawiających pracę konkretnego urządzenia z wykorzystaniem systemów GIS [5] do wizualizacji na mapach pokładowych wszystkich aspektów pracy kopalni. Przedstawione na końcu pracy praktyczne zastosowania metod analizy danych, wykazują, że analiza danych historycznych może być źródłem nowych funkcji systemu. Praktyczne wdrożenia funkcji będących wynikiem analizy danych nie są jednak sprawą prostą. Konieczne jest rozwiązanie problemu związanego z adaptacją tych funkcji do zmieniających się warunków otoczenia (np. algorytm (lub jego parametry) oceny zagrożenia może zależeć od tego czy wyrobisko jest w początkowej, czy końcowej fazie eksploatacji; modele pomp głębinowych zależą od typu pompy; w miarę napływania nowych danych model procesu może się zmieniać itd.). Tak przedstawiony problem adaptacyjności jest do chwili obecnej przedmiotem badań. Dlatego obecnie systemy monitorowania, które wyposażone są w funkcje analityczne porównują wyniki generowanych przez nie ocen z rzeczywistymi danymi i w chwili, gdy oceny systemu pogarszają się, system informuje użytkownika o konieczności kalibracji metody. Na tle górnictwa światowego polskie rozwiązania (jeśli chodzi o software) są bardzo nowoczesne. Firmy oferujące oprogramowanie dla górnictwa znajdują nabywców na swoje produkty w Chinach, Rosji, Rumunii, na Ukrainie i Białorusi. Poza tym, istnieje również współpraca w zakresie rozwijania systemów sejsmicznych z Republiką Południowej Afryki. Z pewnością nieco bardziej nowoczesne niż w Polsce systemy monitorowania spotyka się w Niemczech, USA i RPA. Rozwój systemów monitowania biegnąć będzie zapewne w dwóch kierunkach: integracji systemów specjalistycznych, które monitorują takie aspekty pracy kopalni, które są z sobą powiązane (np. systemy metanowe z sejsmicznymi), rozwijania „inteligencji” systemów monitorowania poprzez wyposażanie ich w funkcje realizujące zadania ekspertów dziedzinowych (systemy ekspertowe), metody predykcji zagrożenia oraz zaawansowane metody diagnostyki maszyn. 1. 2. 3. 4. 5. pl s. da .b w w Literatura Bohosiewicz M., Jakubów A., Szarafiński M., Wasilewski S., Wojtas P.: Przegląd systemów monitorowania zagrożeń gazowych w polskich kopalniach. Bezpieczeństwo Pracy i Ochrona Środowiska w Górnictwie, Miesięcznik WUG, 10 (122), 2004. Box G. E. P., Jenkins G. M.: Time series analysis: forecasting and control. Prentice Hall, New Jersey, 3 edition, 1994. Cichosz P.: Systemy uczące się. Wydawnictwa Naukowo-Techniczne, Warszawa 2000. Dec B., Gajoch A.: System dyspozytorski ZEFIR – Struktura programu. Mechanizacja i Automatyzacja Górnictwa. Nr 4/5 (354), 2000. Chang K. T., Kasturi S.S.: Introduction to Geographic Information Systems. McGraw-Hill (ISBN: 0-07-124428-X) 2005. 217 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007 Rozdział monografii: 'Bazy Danych: Nowe Technologie', Kozielski S., Małysiak B., Kasprowski P., Mrozek D. (red.), WKŁ 2007 M. Sikora, B. Sikora 6. 7. 8. 9. w 10. 11. 12. 13. 14. 15. 16. pl s. da .b 17. w w Krzystanek Z., Dylong A., Wojtas P.: Monitorowanie środowiska w kopalni – system SMP NT. Mechanizacja i Automatyzacja Górnictwa, Nr 9 (404), 2004. Pawlak Z.: Rough sets: Theoretical aspects of reasoning about data. Dordrecht: Kluwer, 1991. Quinlan J. R.: Learning with continuous classes. Proc. of the International Conference on Artificial Intelligence (AI`92), Singapore, World Scientific, 1992. Sikora M.: System wspomagania pracy stacji geofizycznej – eksploatacja i rozwój. Materiały z XIII międzynarodowej konferencji Górnicze Zagrożenia Naturalne. Główny Instytut Górnictwa, Katowice, 2006. Sikora M., Sikora B.: Application of machine learning for prediction a methane concentration in a coal-mine. Archives of Mining Sciences, 2006. Sikora M., Krzykawski D.: Zastosowanie metod eksploracji danych do analizy wydzielania się dwutlenku węgla w pomieszczeniach stacji odwadniania kopalń węgla kamiennego. Mechanizacja i Automatyzacja Górnictwa, 6/413, Katowice, 2005. Sikora M., Widera D.: Identification of diagnostics states for dewater pumps working in abyssal mining pump stations. Proc. of the XV International Conference on Systems Sciences, September 7 - 10, 2004, Wroclaw, Poland 2004. Sikora M.: Data Cleaning and Transformation – the first stage of data mining process. Studia Informatica, Vol. 25, No 2 (58), 2004. Stąpor K.: Automatyczna klasyfikacja obiektów. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 2005. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa 2003. Ward P. M.: An Architectural Framework for Describing Supervisory Control and Data Acquisition (SCADA) Systems. Storming Media (ISBN-13: 978-1423520221), 2004. Wojciechowski J.: Nowa generacja systemów dyspozytorskich dla kopalń – system SD2000. Mechanizacja i Automatyzacja Górnictwa, Nr 5(365), 2001. 218 (c) Copyright by Politechnika Śląska, Instytut Informatyki, Gliwice 2007