Wielowymiarowa analityka danych strumieniowych scada na potrzeby oceny efektywności energetycznej odstawy taśmowej

• Autorzy: Stefaniak Paweł K. , Śliwiński Paweł , Duda Natalia , Jachnik Bartosz

Warianty tytułu

EN

Multidimensional analysis of SCADA stream data for estimating the energy efficiency of conveyor transportation system

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia propozycję narzędzi analitycznych, możliwych do opracowania z danych rejestrowanych w ramach funkcjonowania systemów automatyki przemysłowej. Narzędzia te mogą być realnym wsparciem przy próbie optymalizacji efektywności procesowej, szczególnie energetycznej. W uproszczeniu, każde dowolne urządzenie energomechaniczne zasilane jest prądem i sterowane systemem automatyki przemysłowej. Postać sygnału zwykle zależna jest od różnych trybów pracy danego urządzenia, wynikających m.in. z jego obciążenia zewnętrznego. Dostępne metody segmentacji sygnałów i metody statystyczne pozwalają zautomatyzować proces identyfikacji trybów operacyjnych, jak również rozpoznawać inne prawidłowości czy anomalne zachowania, wynikające z nieprawidłowej pracy urządzenia. Dzięki temu z prostego sygnału prądowego możemy liczyć rzeczywisty czas pracy obiektu technicznego, zużycie mediów, identyfikować tryby pracy urządzenia, rozpoznawać straty procesu, określać parametry wydajnościowe KPI oraz rozwijać procedury diagnostyczne. W artykule zaproponowano metody wielowymiarowego przetwarzania danych oraz ich zastosowanie na danych rzeczywistych z odstawy taśmowej. Opisano algorytm identyfikacji reżimów operacyjnych oparty na technikach uczenia maszynowego oraz dalsze kontekstowe analizy, wraz z różnymi wizualizacjami.

EN

This paper outlines the recommendation of analytical tools likely to be derived from the data recorded within the automation system (SCADA). The means might facilitate optimisation of process efficiency, especially in terms of energy efficiency. Basically, each electromechanical device is electrically charged and controlled by the SCADA. A kind of the signal usually depends on various operational modes of the given device which are classified by its external load. Available signal segmentation and statistical methods lead to the automatic identification of these modes and operational patterns or abnormal performances caused by poor technical condition. Therefore, simple electrical signal allows to count the real device performance time and utilities usage, to identify its operational modes, to recognise process losses, to specify KPI factors and to develop diagnostics. This paper describes multidimensional processing of conveyor stream data along with their exemplary use in real-time data. The algorithm of identifying operational regimes is characterised based on machine learning and further in-context analyses paired with visualisations.

Słowa kluczowe

PL

przenośnik taśmowy; efektywność energetyczna; SCADA; górnictwo; big data; transport górniczy

EN

belt conveyor; energy efficiency; SCADA; mining; big data; mining transportation

• Wydawca: KGHM CUPRUM Spółka z o.o. Centrum Badawczo-Rozwojowe
• Czasopismo: Cuprum : czasopismo naukowo-techniczne górnictwa rud
• Rocznik: 2020
• Tom: nr 3
• Strony: 5--22
• Opis fizyczny: Bibliogr. 15 poz., rys.

Twórcy

autor

Stefaniak Paweł K.

• KGHM CUPRUM sp. z o.o. - Centrum Badawczo-Rozwojowe, Wrocław

autor

Śliwiński Paweł

• KGHM Polska Miedź S.A., Lubin

autor

Duda Natalia

• KGHM CUPRUM sp. z o.o. - Centrum Badawczo-Rozwojowe, Wrocław

autor

Jachnik Bartosz

• KGHM CUPRUM sp. z o.o. - Centrum Badawczo-Rozwojowe, Wrocław

Bibliografia

• 1. Ustawa dotycząca Efektywności energetycznej z dnia 15 kwietnia 2011 r. (DzU nr 94, poz. 551 z późn.zm.), http://prawo.sejm.gov.pl/isap.nsf/donload.xsp/WDU20110940551/T/D20110551L.pdf.
• 2. Stefaniak P., Kruczek P., Śliwiński P., Gomolla N., Wyłomańska A., Zimroz R., 2019, Bulk Material Volume Evaluation and Tracking in Belt Conveyor Network Based on Data from SCADA. In Proceedings of the 27th International Symposium on Mine Planning and Equipment Selection-MPES 2018, Springer, Cham, s. 335-344.
• 3. Stefaniak P., Wodecki J., Zimroz R., 2016, September, Maintenance management of mining belt conveyor system based on data fusion and advanced analytics, [w:] International Congress on Technical Diagnostic Springer, Cham, s. 465-476.
• 4. Bardziński P.J., Król R., Jurdziak L., 2019, Empirical model of discretized copper ore flow within the underground mine transport system, International Journal of Simulation Modelling, vol, 18, 279-289.
• 5. Dudycz H., Stefaniak P., Pyda P., 2019, September, Advanced Data Analysis in Mul-ti-site Enterprises. Basic Problems and Challenges Related to the IT Infrastructure, [w:] International Conference on Computational Collective Intelligence Springer, Cham, s. 383-393.
• 6. Efremenko V., Belyaevsky R., Skrebneva E., The increase of power efficiency of underground coal mining by the forecasting of electric power consumption, E3S Web of Conferences, vol. 21, EDP Sciences, 2017.
• 7. Bukowski J., Gładysiewicz L., Król R. ,2011, Tests of belt conveyor resistance to motion, Maintenance and Reliability, 3.
• 8. Król R., Kisielewski W., Kaszuba D., Gładysiewicz L., 2017, Testing belt conveyor resistance to motion in underground mine conditions, International Journal of Mining, Reclamation and Environment, 31(1), s. 78-90.
• 9. Jurdziak L., Kawalec W., Król R., 2017, September, Study on tracking the mined ore compound with the use of process analytic technology tags, [w:] International Conference on Intelligent Systems in Production Engineering and Maintenance, Springer, Cham, s. 418-427.
• 10. Jansen W., Morrison R., Wortley M., Rivett T., 2009, October, Tracer-based mine-mill ore tracking via process hold-ups at Northparkes mine, [w:] Tenth Mill Operators’ Conference, Adelaide, SA.
• 11. Zhang S., Xia X., Optimal control of operation efficiency of belt conveyor systems, Applied Energy, 87, 2010, s. 1929-1937.
• 12. Galar D., Gustafson A., Martínez B.V.T., Berges L., Maintenance decision making based on different types of data fusion, [w:] Eksploatacja i Niezawodność – Maintenance and Reliability, vol. 14, Polish Maintenance Society, 2012, s. 135-144.
• 13. Stefaniak P., Zimroz R., Obuchowski J., Śliwiński P., Andrzejewski M., An Effectiveness Indicator for a Mining Loader Based on the Pressure Signal Measured at a Bucket’s Hydraulic Cylinder, Procedia Earth and Planetary Science, 15, 2015, s. 797-805.
• 14. Kruczek P., Polak M., Wyłomańska A., Kawalec W., Zimroz R., Application of com-pound Poisson process for modelling of ore flow in a belt conveyor system with cyclic loading., International Journal of Mining, Reclamation and Environment, 2017, s 1-16.
• 15. Wodecki J., et al., 2017, Automatic calculation of thresholds for load dependent condition indicators by modelling of probability distribution functions – maintenance of gearboxes used in mining conveying system, Vibroengineering PROCEDIA, 13, s. 67-72.