Koncepcja metody projektowania robót eksploatacyjnych w wielozak³adowym przedsiêbiorstwie górniczym

Transkrypt

1 GOSPODARKA SUROWCAMI MINERALNYMI Tom Zeszyt 3/3 EDYTA BRZYCHCZY* Koncepcja metody projektowania robót eksploatacyjnych w wielozak³adowym przedsiêbiorstwie górniczym 1. Planowanie robót górniczych Dokonane na przestrzeni ostatnich 20 lat dzia³ania restrukturyzacyjne w podmiotach dzia³aj¹cych w bran y górnictwa wêgla kamiennego w znacznym stopniu wp³ynê³y na istotnoœæ i wagê procesu planowania robót górniczych. Zasadnicz¹ przyczyn¹ takiego stanu jest postêpuj¹ca koncentracja wydobycia bêd¹ca efektem zmian przyjêtych w strukturze technicznej i przestrzennej kopalni. Zmniejszenie liczby œcian, uproszczenie sieci wyrobisk oraz warunki górniczo-geologiczne, w jakich prowadzona jest produkcja górnicza wymagaj¹ od projektanta rozwa nych dzia³añ i decyzji w zakresie planów przysz³ych robót górniczych. Doœæ istotnym elementem, który powinien zostaæ szczegó³owo przeanalizowany na etapie planowania przysz³ej produkcji, jest mo liwoœæ prowadzenia robót przy wykorzystaniu ró nego typu wyposa enia (wiele wariantów wyposa enia dla planowanych robót) poniewa : 1) od wyposa enia zale y postêp prowadzonych robót, osi¹gane wyniki produkcyjne i ekonomiczne, 2) kosztoch³onnoœæ wyposa enia wymaga racjonalnej gospodarki posiadanymi œrodkami produkcyjnymi nie tylko doraÿnie, ale równie w perspektywie d³ugookresowej. Przedsiêbiorstwa wielozak³adowe posiadaj¹ du y potencja³ œrodków produkcyjnych i charakteryzuj¹ siê zró nicowaniem warunków górniczo-geologicznych poszczególnych zak³adów (kopalni). Czêsto mo liwoœci produkcyjne maszyn i urz¹dzeñ s¹ ograniczane z powodu trudnych warunków pracy. Istnieje jednak mo liwoœæ zwiêkszenia efektywnoœci * Dr in., Wydzia³ Górnictwa i Geoin ynierii AGH, Kraków; brzych3@agh.edu.pl

2 20 posiadanych œrodków produkcyjnych w warunkach wielozak³adowego przedsiêbiorstwa górniczego poprzez odpowiednie rozmieszczenie wyposa enia pomiêdzy zak³adami (kopalniami), co przedstawiono m.in. w pracy (Klank 2002). Przeprowadzone studia literaturowe wykaza³y, e brak jest narzêdzia wspomagaj¹cego planowanie robót górniczych, prowadzonych w wielozak³adowym przedsiêbiorstwie górniczym, a uwzglêdniaj¹cego losowy charakter realizowanych prac wraz z efektywnym rozmieszczeniem posiadanych maszyn i urz¹dzeñ. Powsta³e programy komputerowe do planowania robót górniczych s¹ opracowane raczej dla pojedynczych kopalñ i wykorzystuj¹ zdeterminowane wielkoœci (Gembalczyk i in. 1990; Karbownik i in. 1991; Mastej 1994; Kuœka i in. 1996; Karbownik, Kosiñski 1997; Karbownik, Tchórzewski 2007), jak i uwzglêdniaj¹ pewne aspekty niepewnoœci (Wodarski, Tchórzewski 1999) jednak e z pominiêciem aspektu symulacji rozmieszczenia sprzêtu. Koncepcjê systemu planowania i kontroli stanu realizacji robót górniczych w przedsiêbiorstwie wielozak³adowym opisano m.in. w (Tchórzewski 2007), jednak e nie uwzglêdnia on podnoszonych wczeœniej kwestii czyli losowego charakteru prowadzonych robót i mo liwoœci wariantowego wyposa ania wyrobisk. Równie powsta³y w ramach zintegrowanego systemu zarz¹dzania przedsiêbiorstwem SZYK Kompleks Produkcyjno-Techniczny (SZYK2/KPT 2007) oraz prezentowany SZYK2/HRP (Dzedzej, Nowicki 2008) autorstwa COIG S.A., wykorzystuje zdeterminowane wartoœci parametrów charakteryzuj¹cych planowane roboty górnicze do wyznaczania harmonogramów produkcji. Podsumowuj¹c nale y podkreœliæ, e przytoczone przyk³ady programów maj¹ charakter statyczny. Dane s¹ najczêœciej wielkoœciami zdeterminowanymi i w aden sposób nie s¹ odnoszone do doœwiadczeñ przedsiêbiorstwa, jakie posiada ono w zakresie prowadzonej eksploatacji (brak wykorzystania baz danych o robotach prowadzonych w przesz³oœci). Programy te nie daj¹ mo liwoœci automatycznego generowania wariantów wyposa enia projektowanych robót jak i nie posiadaj¹ procedur modelowania i optymalizacji w tym zakresie. Du a z³o onoœæ i charakterystyka elementów, które s¹ przedmiotem planowania w kopalniach wêgla kamiennego uniemo liwiaj¹ równie wykorzystanie w obszarze planowania technicznego produkcji oprogramowania o charakterze ogólnodostêpnym (np. komercyjnych systemów klasy ERP), zatem nale y d¹ yæ do opracowywania odpowiednich, dedykowanych narzêdzi w tym zakresie, co zosta³o podkreœlone m.in. w (Kicki, Tadeusiewicz 2007). Próbê uwzglêdnienia losowego charakteru prowadzonych robót górniczych w pojedynczym zak³adzie produkcyjnym (kopalni) podjêto opracowuj¹c metodê modelowania i optymalizacji robót górniczych w kopalni wêgla kamiennego z wykorzystaniem sieci stochastycznych (Magda 2003; Brzychczy 2005), w której uwzglêdniono równie aspekt wariantowoœci wyposa enia dla poszczególnych robót. Przedstawione zatem powy ej przes³anki wyznaczy³y kierunek badañ autorki nad metod¹ centralnego projektowania robót górniczych (CPRG) w wielozak³adowym przedsiêbiorstwie górniczym, o której ogólnie pisa³a m.in. w (Brzychczy 2006).

3 21 2. Podstawy teorii algorytmów ewolucyjnych Z³o onoœæ problemu jakim jest prowadzenie robót górniczych w wielozak³adowym przedsiêbiorstwie górniczym z uwzglêdnieniem aspektu wariantowego rozmieszczenia posiadanego wyposa enia wyklucza wykorzystanie do jego rozwi¹zania czasoch³onnych metod tradycyjnych, o czym pisano m.in. w (Brzychczy 2008). St¹d te wysi³ki autorki skoncentrowa³y siê na poszukiwaniu innych technik rozwi¹zywania problemów, w tym metod z zakresu sztucznej inteligencji, w postaci algorytmów ewolucyjnych. Obecnie algorytmy ewolucyjne s¹ bardzo popularne w ró nych obszarach nauki i praktyki. Nale ¹ one do inteligentnych technik obliczeniowych pozwalaj¹cych na poszukiwanie optymalnych rozwi¹zañ w obszarze z³o onych funkcji. Pod pojêciem algorytmów ewolucyjnych (EA) rozumie siê komputerowe systemy rozwi¹zywania problemów, które dzia- ³aj¹ na zasadach jakie mo na zaobserwowaæ w ewolucji ywych organizmów. Zasady te dotycz¹ struktury systemów, a tak e sposobu ich funkcjonowania. Prace nad algorytmami ewolucyjnymi prowadzone by³y niezale nie od siebie w ró nych oœrodkach naukowych na œwiecie ju od lat szeœædziesi¹tych i da³y pocz¹tek czterem g³ównym nurtom zaliczanym do dziedziny EA, znanymi jako (Arabas 2004): algorytmy genetyczne (GA), programowanie ewolucyjne (EP), strategie ewolucyjne (ES), programowanie genetyczne (GP). Algorytmy ewolucyjne, g³ównie pod postaci¹ algorytmów genetycznych, wykorzystywane s¹ miêdzy innymi w marketingu i sprzeda y, produkcji i finansach (Biethahn, Nissen, 1995; Pierreval, Tautou 1997; Alander 1999; Vergara i in. 2002) oraz w harmonogramowaniu i planowaniu produkcji (Murata i in. 1996; Pawlak 1999). W zagadnieniach zwi¹zanych z górnictwem, zastosowanie znalaz³y g³ównie algorytmy genetyczne m.in. do harmonogramowania produkcji (Pendharkar, Rodger 2000; Sequence optimization 2007), do doboru sprzêtu i maszyn (Naoum, Haidar 2000; Li, Zhang 2004), oraz szacowania niezawodnoœci urz¹dzeñ (Vayenas, Yurij 2007), a tak e do lokalizacji zabudowy kopalni (Kumral 2004) i poszukiwania optymalnej wydajnoœci zak³adu przeróbczego (Mahajan 2004). Ogólny algorytm ewolucyjny definiowany jest jako 8-wymiarowy wektor (Bäck 1996): EA ( I,,,, s,,, ) (1) gdzie: I Ax As przestrzeñ osobników, a A x ia s oznaczaj¹ dowolne zbiory, :I IR oznacza funkcjê przystosowania przypisuj¹c¹ rzeczywiste wartoœci do osobników, {,..., : I I } { : I I } zbiór probabilistycznych 1 z i 0 operatorów genetycznych i, które kontrolowane s¹ przez charakterystyczne parametry zapisane w zbiorach i IR,

4 22 s :( I I ) I s oznacza operator selekcji, który mo e zmieniæ liczebnoœæ osobników z lub + na, gdzie, IN i = jest dopuszczalne. Mo na równie wykorzystaæ dodatkowy zbiór parametrów s, gdzie jest liczb¹ rodziców, a oznacza liczbê osobników potomnych, : I { prawda,fa³sz} stanowi kryterium zakoñczenia algorytmu ewolucyjnego, :I I oznacza funkcjê przejœcia pokolenia, która opisuje kompletny proces transformacji populacji P w kolejn¹ poprzez zastosowanie operatorów genetycznych i selekcji: s... i 1 ij 0 ( P) s ( Q (...( ( ( P)))... )) s i1 ij 0 gdzie: {i 1,...,i j } {1,...,z} iq {,P}. St¹d te aby opracowaæ algorytm ewolucyjny nale y okreœliæ nastêpuj¹ce elementy: sposób reprezentacji problemu (kodowanie), postaæ funkcji przystosowania do oceny osobników, postaæ operatorów genetycznych (mutacja, krzy owanie) sposób selekcji osobników. Z uwagi na objêtoœæ niniejszego artyku³u nie zostan¹ zamieszczone w tym miejscu szczegó³owe informacje dotycz¹ce mo liwych sposobów reprezentacji, odmian operatorów genetycznych, metod selekcji, mo na znaleÿæ je w bogatej literaturze np. (Arabas 2004; Frontiers of , Goldberg 2003; Bäck 1996; Handbook 1996; Evolutionary 2000; Michalewicz 2003; Michalewicz, Fogel 2006). Natomiast w dalszej czêœci artyku³u zostan¹ przedstawione podstawowe za³o enia metody CPRG oraz szczegó³y, opracowanego dla jej potrzeb, algorytmu ewolucyjnego. 3. Podstawy teorii i za³o enia metody CPRG Zasadniczym obszarem zastosowania prezentowanej metody jest proces projektowania robót eksploatacyjnych w wielozak³adowym przedsiêbiorstwie górniczym wêgla kamiennego. Prezentowana metoda umo liwia odwzorowanie i analizê modelu robót eksploatacyjnych za pomoc¹ odpowiedniego algorytmu ewolucyjnego, a jednoczeœnie w zakresie poszukiwania optymalnego rozwi¹zania, wykorzystuje zalety i mo liwoœci tych technik. W proponowanej metodzie do analizy danych w szerokim zakresie wykorzystane s¹ zarówno klasyczne metody statystyczne, jak i techniki Data Mining w postaci drzew decyzyjnych oraz algorytmów grupowania (regu³ asocjacyjnych). Istotnym elementem metody jest równie modu³ ekspercki, który szczegó³owo opisano m.in. w (Brzychczy 2007).

5 Dla u³atwienia przedstawienia koncepcji metody CPRG (zaprezentowanej schematycznie na rysunku 1) wprowadzono podzia³ przestrzeni obliczeñ na: przestrzeñ danych, przestrzeñ modu³ów, przestrzeñ algorytmu ewolucyjnego. Przestrzeñ danych zawiera dwie bazy danych: 1) bazê danych o wyrobiskach prowadzonych w przesz³oœci obejmuj¹c¹ zapis wyników produkcyjnych (w postaci postêpu robót) i ekonomicznych (w postaci kosztów prowadzonych robót) osi¹gniêtych w czasie prowadzenia robót górniczych w okreœlonych warunkach górniczo-geologicznych, techniczno-organizacyjnych i z wykorzystaniem odpowiedniego wyposa enia; 2) bazê danych projektowych dotycz¹cych charakterystyk planowanych wyrobisk, dostêpnego (b¹dÿ planowanego) wyposa enia i pozosta³ych danych niezbêdnych dla prawid³owego oszacowania projektowanych wielkoœci. Dane te obejmuj¹ równie macierz kompatybilnoœci sprzêtu (u³atwiaj¹c¹ automatyczne definiowanie zestawów œcianowych) oraz ci¹gi produkcyjne (oddaj¹ce wystêpuj¹ce zale noœci czasowe pomiêdzy poszczególnymi przodkami œcianowymi) w ramach zdefiniowanych kopalñ. 23 Rys. 1. Schemat ideowy metody CPRG ród³o: opracowanie w³asne Fig. 1. Idea scheme of CPRG method

6 24 Na przestrzeñ modu³ów sk³adaj¹ siê modu³y realizuj¹ce odrêbne algorytmy obliczeniowe: MASP modu³ alokacji œrodków produkcyjnych, w którym na podstawie danych o wyrobiskach i wyposa eniu nastêpuje utworzenie zestawów œcianowych oraz macierzy alokacji wyposa enia (MWS). MAW modu³ analizy wyposa enia, w którym na podstawie skonstruowanej macierzy MWS wyznacza siê tzw. zmodyfikowan¹ macierz alokacji sprzêtu (MWSF), w której okreœla siê prawdopodobieñstwo zastosowania okreœlonego wyposa enia w danym wyrobisku. Prawdopodobieñstwa te wyznaczane s¹ na podstawie analizy danych z wykorzystaniem drzew decyzyjnych oraz regu³ asocjacyjnych. MS modu³ sieciowy, w którym nastêpuje prze³o enie wprowadzonych danych wejœciowych na opis wierzcho³ków i poszczególnych ³uków zdeterminowanego modelu sieciowego oraz odwzorowanie zale noœci czasowych pomiêdzy poszczególnymi robotami w planowanych wyrobiskach. ME modu³ ekspercki, w którym dokonuje siê oszacowania charakterystyk projektowanych robót na podstawie danych z przesz³oœci opieraj¹c siê na podobieñstwie przodków. W jego strukturze uwzglêdniono oceny ekspertów dotycz¹ce wp³ywu warunków górniczo-geologicznych i techniczno-organizacyjnych na porównywalnoœæ przodków, o czym pisano m.in. w (Brzychczy, Kêsek 2007). MO modu³ obliczeniowy, w którym na podstawie danych z pozosta³ych modu³ów nastêpuje wyznaczenie charakterystyk dla robót eksploatacyjnych w okreœlonym zakresie (wyrobisko, ci¹g, kopalnia, przedsiêbiorstwo) i dla okreœlonego przedzia³u czasu, stanowi¹cych wspó³czynniki funkcji przystosowania dla oceny osobników opracowanego algorytmu ewolucyjnego. Przestrzeñ algorytmu ewolucyjnego obejmuje wszystkie elementy algorytmu i w³aœciwe j¹dro obliczeniowe metody. 4. Algorytm ewolucyjny AE-CPRG 4.1. Reprezentacja problemu W metodzie CPRG przyjêto reprezentacjê rzeczywistoliczbow¹. Pojedynczy osobnik w populacji jest wyra ony chromosomem (oznaczanym jako XO), który przedstawiono w tabeli 1. Poszczególne pozycje genów w chromosomie oznaczaj¹ wyrobiska wybierkowe S kjm, w których planowane jest prowadzenie robót górniczych. Wyrobiska te przypisane s¹ do odpowiednich ci¹gów produkcyjnych CP kj, które z kolei wchodz¹ w sk³ad zdefiniowanych kopalñ K, tworz¹cych wielozak³adowe przedsiêbiorstwo górnicze PG. Wartoœæ genu stanowi wyposa enie (w postaci zestawu œcianowego), które mo e byæ wykorzystane do pracy w wyrobisku S kjm zapisane w postaci odpowiedniego oznaczenia.

7 25 Chromosom XO w metodzie CPRG Chromosome XO in CPRG method TABELA 1 TABLE 1 S 111 S 112 S 11m CP 11 S 121 S 122 S 12m CP 12 K 1 S 1j1 S 1j2 S 1jm CP 1j S 211 S 212 S 21m CP 21 S 221 S 222 S 22m CP 22 S 2j1 S 2j2 S 2jm CP 2j S k11 S k12 S k1m CP k1 S k21 S k22 S k2m CP k2 S kj1 S kj2 S kjm CP kj ród³o: opracowanie w³asne K 2 K k PG Inicjalizacja populacji nastêpuje w momencie losowego utworzenia osobników rodzicielskich. Liczebnoœæ populacji pocz¹tkowej wynosi 100 osobników (charakteryzowanych najwiêkszym prawdopodobieñstwem zastosowania danego wyposa enia w okreœlonych wyrobiskach). Powo³ane do ycia osobniki s¹ oceniane pod wzglêdem wartoœci funkcji przystosowania i bior¹ udzia³ w dalszych etapach opracowanego algorytmu (ka dy osobnik podlega mutacji, ocenie i selekcji). W zwi¹zku ze specyfik¹ analizowanego problemu (roz³o enie robót eksploatacyjnych w wyrobiskach w czasie i przestrzeni) w przygotowanym algorytmie zrezygnowano z operatora krzy owania, stosuj¹c odpowiednio przygotowany operator mutacji Operator mutacji Uwzglêdniaj¹c specyfikê sformu³owanego problemu, jako parametr wejœciowy algorytmu, dla badanej populacji wprowadzono charakterystyczn¹ macierz mutacji (XM). W odpowiednich kolumnach tej macierzy zapisywane s¹ rozk³ady zmiennej dyskretnej opisuj¹cej mo - liwoœæ wykorzystania danego typu wyposa enia w danym wyrobisku (genie S kjm ), które s¹ wyznaczane na podstawie doœwiadczeñ z robót prowadzonych w przesz³oœci w podobnych warunkach górniczo-geologicznych i techniczno-organizacyjnych (w module MAW). Na etapie analizy populacji i wyznaczenia wartoœci funkcji przystosowania, wyposa enie w poszczególnych genach osobnika reprezentowane jest przez rozk³ad postêpu robót eksploatacyjnych, który dla ka dego uk³adu wyposa enie-wyrobisko wyznaczony zostaje w module ME.

8 Funkcja przystosowania Funkcja przystosowania, wed³ug której odbywa siê ocena osobników w populacji, zostaje okreœlona przez projektanta, który ma mo liwoœæ subiektywnego doboru (jednego lub kilku) kryteriów oceny analizowanych rozwi¹zañ z podanych poni ej: WdenCalkPGsr WdenCalkPlan WdenCalkGos min kjsr min kjos min f ajsr max ajos min ESPsrPG max ESPosPG min (2) gdzie: WdenCalkPGsr wartoœæ oczekiwana rozk³adu wydobycia netto wêgla dla przedsiêbiorstwa górniczego w badanym okresie [t/okres], WdenCalkPGplan wartoœæ planowana wydobycia netto wêgla dla przedsiêbiorstwa górniczego w badanym okresie [t/okres], WdenCalkPGos odchylenie standardowe rozk³adu wydobycia netto wêgla dla przedsiêbiorstwa górniczego w badanym okresie [t/okres], kjsr wartoœæ oczekiwana rozk³adu kosztu jednostkowego sprzedanego wêgla dla przedsiêbiorstwa górniczego w badanym okresie [z³/t], kjos odchylenie standardowe kosztu jednostkowego sprzedanego wêgla dla przedsiêbiorstwa górniczego w badanym okresie [z³/t], ajsr wartoœæ oczekiwana rozk³adu jednostkowego wyniku na sprzeda y wêgla dla przedsiêbiorstwa górniczego w badanym okresie [z³/t], ajos odchylenie standardowe rozk³adu jednostkowego wyniku na sprzeda y wêgla dla przedsiêbiorstwa górniczego w badanym okresie [z³/t], ESPsr PG wartoœæ oczekiwana rozk³adu wskaÿnika efektywnoœci wykorzystania œrodków produkcyjnych dla przedsiêbiorstwa górniczego w badanym okresie, ESPos PG odchylenie standardowe rozk³adu wskaÿnika efektywnoœci wykorzystania œrodków produkcyjnych dla przedsiêbiorstwa górniczego w badanym okresie. Obliczenia wartoœci funkcji przystosowania dla zdefiniowanej postaci osobnika wymagaj¹ uwzglêdnienia zale noœci czasowych pomiêdzy projektowanymi robotami górni-

9 czymi. Do analizy tych zale noœci wykorzystane zostaj¹ techniki sieciowe (modu³ MS). Wyznaczenie wspó³czynników funkcji przystosowania odbywa siê w module MO Selekcja osobników Jako metodê selekcji osobników, w opracowanym algorytmie, wybrano tzw. selekcjê elitarn¹. Nale y ona do deterministycznych metod selekcji i polega na za³o eniu, e czêœæ starych osobników przechodzi do nowej populacji w taki sposób aby zagwarantowaæ prze- ycie co najmniej najlepszego osobnika (znalezionego do danej chwili). W pierwszym kroku sortuje siê populacjê P t iwybiera najlepszych osobników, ich populacjê oznacza siê jako P t. Nastêpnie tworzy siê populacjê P t+1 wybieraj¹c najlepszych osobników z populacji P t t (gdzie t jest populacj¹ potomn¹ osobników z populacji bazowej P t ). atwo zauwa yæ, e parametr wp³ywa na to, czy algorytm ma sk³onnoœæ do osiadania w optimach lokalnych funkcji przystosowania. St¹d te jego dobór jest istotny dla sprawnoœci przeszukiwania przestrzeni rozwi¹zañ. 5. Algorytm w proponowanej metodzie Po wprowadzeniu danych wejœciowych w postaci bazy danych projektowych oraz bazy danych z charakterystykami robót górniczych prowadzonych w przesz³oœci dane dotycz¹ce wyrobisk projektowanych, ci¹gów produkcyjnych oraz kopalñ przenoszone s¹ w miejsce odpowiednich genów chromosomu osobnika XO. Na podstawie danych dotycz¹cych wyrobisk oraz wyposa enia i zdefiniowanej macierzy kompatybilnoœci w module MASP nastêpuje kolejno utworzenie zestawów œcianowych z dostêpnego wyposa enia oraz wyznaczenie macierzy alokacji MWS. Aby móc utworzyæ niezbêdny element algorytmu ewolucyjnego czyli macierz operatorów mutacji, w module MAW, na podstawie utworzonej wczeœniej macierzy MWS oraz danych z bazy o robotach ju wykonanych, dokonuje siê analizy z wykorzystaniem drzew decyzyjnych i w odpowiedni sposób jej wyniki zapisuje siê w macierzy XM. Po wykonaniu tych etapów nastêpuje inicjalizacja populacji algorytmu ewolucyjnego i kolejne jego etapy. W wyniku dzia³ania algorytmu tworzone s¹ osobniki, które poddaje siê ocenie z uwagi na wartoœæ wielokryterialnej funkcji przystosowania. Aby tê ocenê móc przeprowadziæ, na podstawie danych projektowych dotycz¹cych wyrobisk projektowanych, zdefiniowanych ci¹gów produkcyjnych oraz kopalñ w module MS tworzony jest odpowiedni model sieciowy, który odwzorowuje projektowane roboty w czasie. W celu przeliczenia skonstruowanej sieci i wyznaczenia wartoœci funkcji przystosowania w module MO, konieczne jest okreœlenie charakterystyk dla projektowanych robót, co umo liwia algorytm zawarty w module ME. Po wyznaczeniu wartoœci funkcji przystosowania dla analizowanych osobników nastêpuje etap selekcji, w którym do kolejnej generacji wybiera siê te najlepiej przystosowane. Etapy mutacji, oceny oraz selekcji wykonuje siê dopóki nie zostanie osi¹gniêty warunek zatrzymania algorytmu. W efekcie obliczeñ algo-

10 28 rytmu zostaje wybrane najlepsze z punktu widzenia przyjêtego kryterium rozwi¹zanie, na którego podstawie tworzony jest harmonogram robót górniczych dla ca³ego wielozak³adowego przedsiêbiorstwa górniczego wraz z pe³n¹ charakterystyk¹ wyników produkcyjnych oraz ekonomicznych dla badanego okresu. Podsumowanie Górnictwo wêgla kamiennego, jak ka da nowoczesna bran a, powinno d¹ yæ do wykorzystywania w jak najszerszym zakresie specjalistycznych narzêdzi (w postaci odpowiedniego oprogramowania) umo liwiaj¹cych analizê prowadzonego procesu produkcyjnego i wspomagaj¹cych planowanie przysz³ych dzia³añ. Du a z³o onoœæ i charakterystyka prowadzonej dzia³alnoœci uniemo liwiaj¹ wykorzystanie w tym celu oprogramowania o charakterze ogólnodostêpnym (np. komercyjnych systemów klasy ERP). W niniejszym artykule przedstawiono autorsk¹ koncepcjê metody projektowania robót eksploatacyjnych w wielozak³adowym przedsiêbiorstwie górniczym prowadzonych w warunkach niepewnoœci i ryzyka, uwzglêdniaj¹c¹ efektywn¹ gospodarkê œrodkami produkcyjnymi. Z uwagi na objêtoœæ dotychczas opracowanej teorii i za³o eñ metody CPRG w niniejszej publikacji przedstawiono tylko jej najwa niejsze elementy i podstawy podejœcia ewolucyjnego. Szczegó³owe zagadnienia bêd¹ przedmiotem dalszych publikacji i jednoczeœnie dalszych prac autorki. Obecnie trwaj¹ prace nad oprogramowaniem przedstawionej metody w zakresie podstawowych modu³ów obliczeniowych oraz opisanego algorytmu ewolucyjnego. Artyku³ opracowany w ramach pracy statutowej LITERATURA A l a n d e r J.T., 1999 An Indexed Bibliography of Genetic Algorithm Implementations. Report Series No IMPLE, ftp.uwasa.fi cs/report94-1/gaimplebib.ps.z. A r a b a s J., 2004 Wyk³ady z algorytmów ewolucyjnych. Wydawnictwa Naukowo-Techniczne, Warszawa. B ä c k T., 1996 Evolutionary algorithms in theory and practice. Oxford University Press, New York. B i e t h a h n J., N i s s e n V., 1995 Evolutionary algorithms in management applications. Springer-Verlag, Berlin. B r z y c h c z y E., 2005 Metoda modelowania i optymalizacji robót górniczych w kopalni wêgla kamiennego z wykorzystaniem sieci stochastycznych. Praca doktorska. Wydzia³ Górnictwa i Geoin ynierii AGH, Kraków (niepublikowana). B r z y c h c z y E., 2006 Zastosowanie algorytmów ewolucyjnych w modelowaniu produkcji górniczej. Prace Naukowe Politechniki Œl¹skiej nr 1736, seria Górnictwo nr 273, Gliwice. B r z y c h c z y E., 2007 Propozycja modu³u eksperckiego dla potrzeb systemu projektowania robót górniczych w kopalniach wêgla kamiennego. Zeszyty Naukowe Politechniki Œl¹skiej nr 1764, seria Górnictwo z. 279, Gliwice.

11 B r z y c h c z y E., K ê s e k M., 2007 Konstrukcja ankiet dla badañ porównywalnoœci warunków górniczo- -geologicznych i techniczno-organizacyjnych przodków œcianowych. Gospodarka Surowcami Mineralnymi t.23,z.spec.2. B r z y c h c z y E., 2008 Poszukiwanie najlepszych rozwi¹zañ w zagadnieniach modelowania robót górniczych metody tradycyjne a nowoczesna heurystyka. Kwartalnik Gospodarka Surowcami Mineralnymi (w druku). D z e d z e j Cz., N o w i c k i K., 2008 System planowania i harmonogramowania produkcji w kopalni wêgla kamiennego SZYK2/HPR. Szko³a Eksploatacji Podziemnej, Wyd. IGSMiE, PAN, Kraków. Evolutionary optimization. Ed. R. Sarker et all., Kluwer Academic Publishers, New York Frontiers of Evolutionary Computation. Ed. A. Menon, Kluwer Academic Publishers, Dordrecht Gembalczyk J., Karbownik A., Kuœka J., PaŸdziora F., 1990 Komputerowe wspomaganie planowania biegu œcian w kopalni. Wiadomoœci Górnicze 8 9. G o l d b e r g D.E., 2003 Algorytmy genetyczne i ich zastosowania. Wydawnictwa Naukowo-Techniczne, Warszawa. Handbook of evolutionary computation. Ed. Bäck T., Fogel D.B., Michalewicz Z. Oxford University Press, New York K a r b o w n i k A., K o s i ñ s k i Z., 1997 Komputerowe wspomaganie planowania robót górniczych w kopalni. Szko³a Eksploatacji Podziemnej. K a r b o w n i k A., N i k o l i n A., S z u œ c i k J., 1991 Komputerowe wspomaganie optymalnego planowania robót przygotowawczych w kopalni. Wiadomoœci Górnicze 3. K a r b o w n i k A., T c h ó r z e w s k i S., 2007 Komputerowe wspomaganie planowania robót górniczych w kopalni. Wiadomoœci Górnicze 4. K i c k i J., T a d e u s i e w i c z R., 2007 Informatyka w górnictwie i nie tylko gdzie jesteœmy i dok¹d zmierzamy. Gospodarka Surowcami Mineralnymi t. 23, z. spec.4, Wydawnictwo IGSMiE PAN, Kraków. K l a n k M., 2002 Racjonalizacja wykorzystania produkcyjnych œrodków trwa³ych w procesie restrukturyzacji górniczej grupy kapita³owej. Praca doktorska. Akademia Górniczo-Hutnicza, Kraków. K u m r a l M., 2004 Optimal location of a mine facility by genetic algorithms. Mining Technology: IMM Transactions section A, 113, 2. K u œ k a J., R y m u t S., K u r d z i e j A., 1996 Harmonogram robót korytarzowych (HRK) w arkuszu kalkulacyjnym Microsoft Excel 5.0. Wiadomoœci Górnicze 9. L i X.Z.W., Z h a n g Y., 2004 Application of genetic algorithm to optimize the number and size of equipment of surface mine. [In]: Mine Planning and Equipment Selection Red. M. Hardygóra i in. A.A.Balkema Publishers. M a g d a R., 2003 Koncepcja wykorzystania sieci stochastycznych do projektowania i optymalizacji robót górniczych w kopalniach wêgla kamiennego. Materia³y konferencyjne, Szko³a Ekonomiki i Zarz¹dzania w Górnictwie, Bukowina Tatrzañska. M a h a j a n A.M, 2004 Performance optimization of a coal preparation plant using genetic algorithms. Final Technical Report 03-1/4.1B-4. Southern Illinois University. M a s t e j R., 1994 Symulacyjne, techniczno-ekonomiczne planowanie dzia³alnoœci gospodarczej kopalñ wêgla kamiennego w cyklu dwuletnim-podsystem Rekop2. Prace COIG, z. 35. M i c h a l e w i c z Z., 2003 Algorytmy ewolucyjne + struktury danych = programy ewolucyjne. Wydawnictwa Naukowo-Techniczne, Warszawa. M i c h a l e w i c z Z., F o g e l D.B., 2006 Jak to rozwi¹zaæ czyli nowoczesna heurystyka. Wydawnictwa Naukowo-Techniczne, Warszawa. M u r a t a T., I s h i b u c h i H., T a n a k a H., 1996 Multi-objective genetic algorithm and its application to flowshop scheduling. Computers and Industrial Engineering, 30. N a o u m S., H a i d a r A., 2000 A hybrid knowledge base system and genetic algorithms for equipment selection. Engineering, Construction and Architectural Management 7. P a w l a k M., 1999 Algorytmy ewolucyjne jako narzêdzie harmonogramowania produkcji. Wydawnictwo Naukowe PWN, Warszawa. Pendharkar P.C.,Rodger J.A.,2000 Nonlinear programming and genetic search application for production scheduling in coal mines. Annals of Operations Research

12 30 P i e r r e v a l H., T a u t o u L., 1997 Using evolutionary algorithms and simulation for the optimization of manufacturing systems. IIE Transcations 29. Sequence optimization www. mirarco.org/projectscmt.php z dnia Szyk2/KPT kompleks produkcyjno-techniczny. Centralny Oœrodek Informatyzacji Górnictwa S.A., Katowice, z dnia T c h ó r z e w s k i S., 2007 Koncepcja systemu planowania i kontroli stanu realizacji robót górniczych w przedsiêbiorstwie wielozak³adowym. Komputerowo Zintegrowane Zarz¹dzanie T.1, pod red R. Knosali, WNT, Warszawa. V a y e n a s N., Y u r i j G., 2007 Using GenRel for reliability assessment of mining equipment. Journal of Quality in Maintenance Engineering, Emerald vol. 13, no. 1. Vergara F.E.,Khouja M.,Michalewicz Z.,2002 Anevolutionaryalgorithmforoptimizingmaterialflow in supply chains. Computers and Industrial Engineering 43. W o d a r s k i K., T c h ó r z e w s k i S., 1999 Zastosowanie siatek czynnoœci PERT do planowania rozwoju kopalni wêgla kamiennego. Zeszyty Naukowe Politechniki Œl¹skiej, Seria: Zarz¹dzanie nr 1473, Gliwice. KONCEPCJA METODY PROJEKTOWANIA ROBÓT EKSPLOATACYJNYCH W WIELOZAK ADOWYM PRZEDSIÊBIORSTWIE GÓRNICZYM S³owa kluczowe Planowanie, roboty eksploatacyjne, metoda CPRG, górnictwo wêgla kamiennego Streszczenie Planowanie dzia³añ jest jednym z najwa niejszych procesów prowadzonych w ka dym przedsiêbiorstwie produkcyjnym. Za³o enia dotycz¹ce przysz³ej produkcji i przyjête rozwi¹zania w odniesieniu do prowadzonego procesu produkcyjnego czêsto maj¹ decyduj¹ce znaczenie dla istnienia przedsiêbiorstwa na rynku. W nowoczesnym przedsiêbiorstwie, w obecnej dobie powszechnej informatyzacji, trudno wyobraziæ sobie brak wsparcia procesu planowania odpowiednim systemem informatycznym. Nie inaczej jest równie w przedsiêbiorstwach górniczych wêgla kamiennego, w tym jednak przypadku nale y uwzglêdniæ nastêpuj¹ce uwarunkowania: proces wydobywczy kopalin u ytecznych jest specyficzn¹ form¹ produkcji, realizowan¹ w charakterystycznych warunkach otoczenia, wielkoœæ produkcji jest efektem odpowiednio zaplanowanych i prowadzonych robót górniczych w przedsiêbiorstwie górniczym, z procesem wydobywczym wi¹ ¹ siê pewne rodzaje ryzyka i niepewnoœci, które powinny zostaæ wziête pod uwagê przy sporz¹dzaniu planów produkcyjnych, obecne tendencje dotycz¹ce zwiêkszania niezawodnoœci i wydajnoœci posiadanego wyposa enia w przedsiêbiorstwach górniczych prowadz¹ do anga owania kosztoch³onnego wyposa enia, a zatem jednym z priorytetów projektantów powinno byæ, miêdzy innymi, jego w³aœciwe, efektywne wykorzystanie. W niniejszym artykule przedstawiono koncepcjê metody projektowania robót eksploatacyjnych dla potrzeb wielozak³adowego przedsiêbiorstwa górniczego prowadzonych w warunkach niepewnoœci i ryzyka, której wyniki mog¹ wspomagaæ proces podejmowania decyzji w zakresie wyposa enia przysz³ych robót i szacowanie przysz³ych wyników produkcyjnych i ekonomicznych. Zwrócono uwagê na specyfikê procesu planowania robót górniczych oraz opisano przyjêty kierunek badañ nad wykorzystaniem algorytmów ewolucyjnych w tym zakresie. Zaprezentowano podstawowe za³o enia opracowanej metody a tak e jej schemat ideowy oraz ogólny algorytm jej dzia³ania.

13 31 THE IDEA OF PLANNING METHOD FOR EXPLOITATION WORKS IN THE MULTI-PLANT HARD COAL MINING ENTERPRISE Key words Planning, exploitation works, CPRG method, hard coal mining Abstract One of the most important processes in every enterprise is the activity planning. Production plans and different solutions accepted in the activity plans have often strategic meaning for the enterprise s market position. In modern enterprise, considering common use of the information systems, the absence such kind of systems during the planning process is rather impossible. Similar situation occurs also in the hard coal mining enterprises, but it have to be take into consideration that: mining production of useful minerals, especially underground mining, is a specific process with characteristic environment conditions, output level is the result of properly planned and running mining works in the mining enterprise, with the mining production are connected some different kinds of risk and uncertainty, which should be consider during the production planning process, present requirements due to increasing reliability and efficiency of the equipment in mining enterprise, result in engaging of very expensive machinery, so one of the principal matter should be its proper use during the mining production process. In the presented article the idea of planning method for exploitation works in the multi-plant hard coal mining enterprise is described. Its results could provide the decision process due to equipping the future mining works (mainly exploitation works) and estimation of the future production and economic results for the mining enterprise. In the paper characteristic conditions of the mining works planning process were presented and results of research work in application of evolutionary algorithms in the described matter. In the paper main elements of the theory assumptions in evolved method are given as well as the idea scheme and the general algorithm of evolved method.

14