Bazy Danych: Nowe Technologie

advertisement
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
Download