Prosta metoda detekcji cykli odstawy urobku samojezdnych ładowarek łyżkowych

• Autorzy: Stefaniak Paweł , Skoczylas Artur , Koperska Wioletta

Warianty tytułu

EN

A simple method of the haulage cycles detection of LHD machine

• Języki publikacji: PL

Abstrakty

PL

W górnictwie podziemnym rud miedzi transport poziomy urobku realizowany jest za pomocą samojezdnych maszyn załadowczo-odstawczych. Przykładowo, w kopalniach rud miedzi KGHM Polska Miedź S.A., gdzie stosowany jest komorowo-filarowy system eksploatacji złoża, odstawa urobku realizowana jest głównie przy współpracy ładowarek łyżkowych i wozów odstawczych. W przypadku krótszych tras odstawy proces ogranicza się już tylko do ładowarek. Obecnie obserwuje się globalny trend w zakresie rozwoju predykcyjnego utrzymania ruchu maszyn górniczych, nawigacji, jak również optymalizacji produkcji z wykorzystaniem przemysłowego internetu rzeczy (ang. Industrial Internet of Things, IIoT). Rozwój analityki w tym zakresie wymaga niestety pełnego wglądu w przebieg pracy maszyny w wyrobiskach górniczych, zapewniający prowadzenie wielowymiarowych analiz do szerszego zrozumienia kontekstów eksploatacji maszyny. W artykule przedstawiono metodę identyfikacji cykli odstawy, jak również składowych podprocesów, realizowanych w każdym pojedynczym cyklu. Zaproponowany algorytm bazuje na użyciu operacji splotu, w celu detekcji skoków obserwowanych w sygnale ciśnienia z siłownika układu hydraulicznego wychyłu łyżki.

EN

In underground mining of cooper ores, horizontal transport of material is performed using self-propelled machines, especially Load-Haul-Dump machines. For example, in KGHM Polska Miedź S.A. underground mines, where room-and-pillar system is used to deposit exploitation, the haulage process is provided by wheel loaders and haul trucks with suitably adjusted operation configuration. In case of shorter haulage routes, only wheel loaders take part in haulage process. Currently, there is observed a global tendency reliant on develop predictive maintenance as well as navigation or production optimization using Industrial Internet of Things (IIoT). Unfortunately, analytics development in this domain requires full insight into machine’s workflow in mining excavations and multivariate analysis in order widely understanding of machine operating contexts. In this article, a quick method to haulage cycle identification on example of wheel loader has been proposed. Developed algorithm is based on hydraulic pressure signal segmentation which provides to recognize loading operation, haulage and return of machine to mining face after unloading material in dumping point. The method is based on smooth hydraulic pressure signal in order to reduce signal interference but introduce to apply a convolution of smoothed signal with inverted step function. The advantage of the algorithm is its simplicity, high accuracy, robustness and low algorithmic complexity.

Słowa kluczowe

PL

ocena efektywności; predykcyjne utrzymanie ruchu; samojezdne maszyny załadowczo-odstawcze

EN

performance assessment; predictive maintenance; load-haul-dump machine

• Wydawca: KGHM CUPRUM Spółka z o.o. Centrum Badawczo-Rozwojowe
• Czasopismo: Cuprum : czasopismo naukowo-techniczne górnictwa rud
• Rocznik: 2020
• Tom: nr 2
• Strony: 33--46
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Stefaniak Paweł

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

autor

Skoczylas Artur

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

autor

Koperska Wioletta

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

Bibliografia

• [1] Basseville M., Nikiforov I.V., 1993, Detection of abrupt changes: theory and application, vol. 104, Englewood Cliffs: prentice Hall.
• [2] Bracewell R.N., & Bracewell R.N., 1986, The Fourier transform and its applications, vol. 31999, New York: McGraw-Hill.
• [3] Cleveland W.S., 1979, Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74(368), 829-836.
• [4] Cleveland W.S., Devlin S.J., 1988, Locally weighted regression: an approach to regression analysis by local fitting, Journal of the American Statistical Association, 83(403), 596--610.
• [5] Fawcett T., 2006, An introduction to ROC analysis. Pattern recognition letters, 27(8), 861--874.
• [6] Hirschman I.I., Widder D.V., 2012, The convolution transform, Courier Corporation.
• [7] Kucharczyk D., Wyłomańska A., Zimroz R., 2017, Structural break detection method based on the Adaptive Regression Splines technique, Physica A: Statistical Mechanics and its Applications, 471, 499-511.
• [8] Polak M., Stefaniak P., Zimroz R., Wyłomańska A., Śliwiński P., Andrzejewski M., 2016, Identification of loading process based on hydraulic pressure signal, In The conference proceedings of 16th International Multidisciplinary Scientific Geoconference SGEM 2016, 459-466.
• [9] Polak M., Stefaniak P., Zimroz R., Wyłomańska A., Śliwiński P., Andrzejewski M., 2016, Identification of loading process based on hydraulic pressure signal. International Multidisciplinary Scientific GeoConference: SGEM: Surveying Geology & mining Ecology Management, 2, 459-466.
• [10] Saari J., Odelius J., 2018, Detecting operation regimes using unsupervised clustering with infected group labelling to improve machine diagnostics and prognostics, Operations Research Perspectives, 5, 232-244.
• [11] Sikora G., Wyłomańska A., 2012, Regime variance testing-a quantile approach, arXiv preprint arXiv:1203.1144.
• [12] Skawina B., Greberg J., Salama A., Gustafson A., 2018, The effects of orepass loss on loading, hauling, and dumping operations and production rates in a sublevel caving mine, Journal of the Southern African Institute of Mining and Metallurgy, 118(4), 409-418.
• [13] Stefaniak P., Gawelski D., Anufriiev S., Śliwiński P., 2020, March, Road-quality classification and motion tracking with inertial sensors in the deep underground mine, In Asian Conference on Intelligent Information and Database Systems, 168-178, Springer, Singapore. Assumpção, M.R.P., & de
• [14] Stefaniak P., Zimroz R., Obuchowski J., Śliwiński P., Andrzejewski M., 2015, 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, 797-805.
• [15] Wodecki J., Michalak A., Stefaniak P., 2018, Review of smoothing methods for enhancement of noisy data from heavy-duty LHD mining machines, In E3S Web of Conferences, vol. 29, p. 00011, EDP Sciences.
• [16] Wodecki J., Stefaniak P., Michalak A., Wyłomańska A., Zimroz R., 2018, Technical condition change detection using Anderson-Darling statistic approach for LHD machines-engine overheating problem, International Journal of Mining, Reclamation and Environment, 32(6), 392-400.
• [17] Zimroz R., Wodecki J., Król R., Andrzejewski M., Śliwiński P., Stefaniak P., 2014, Self-propelled mining machine monitoring system-data validation, processing and analysis, In Mine planning and equipment selection, Springer, Cham, 1285-1294.