Kompleksowa ocena bezpieczeństwa systemu sterowania zasypywaniem na podstawie zmodyfikowanego rozszerzonego modelu elementu materii pary zbioru

Dlaczego bezpieczniejsze zasypywanie w głębokich kopalniach ma znaczenie

Gdy złoża węgla i metali blisko powierzchni się wyczerpują, wydobycie przenosi się coraz głębiej pod ziemię, gdzie ciśnienia skalne są większe, a ryzyko zawalenia czy szkód środowiskowych rośnie. Jednym z głównych narzędzi zwiększających bezpieczeństwo górnictwa głębinowego jest zasypywanie: tłoczenie odpadów skalnych i cementu do pustych chodników, by podtrzymać grunt. Jednak współczesne systemy zasypywania są coraz bardziej złożone, wyposażone w czujniki, pompy, rurociągi i oprogramowanie. W badaniu tym podjęto proste, lecz kluczowe pytanie: jak stwierdzić, czy system sterowania zasypywaniem w kopalni jest naprawdę bezpieczny, inteligentny i niezawodny?

Od prostego napełniania do inteligentnego sterowania

Nowoczesne systemy zasypywania robią dużo więcej niż tylko przesyłają zawiesinę przez rurociągi. Ciągle monitorują, jak miesza się materiał wypełniający, jak płynie przez długie podziemne rurociągi i jaką uzyskuje wytrzymałość po stwardnieniu w wyrobiskach. Dzięki sieciom, chmurze obliczeniowej i narzędziom big data systemy te mogą w czasie rzeczywistym regulować prędkości pomp, proporcje mieszanki i operacje płukania oraz wysyłać wczesne ostrzeżenia, jeśli coś zaczyna iść nie tak. Wykonane dobrze, poprawia to bezpieczeństwo, ogranicza marnotrawstwo materiału i oszczędza pracę. Jednak te systemy są wciąż stosunkowo nowe i brakowało dotąd jasnej, naukowo ugruntowanej metody oceny, jak zaawansowana lub godna zaufania jest dana instalacja.

Rozbicie złożonego systemu na wyraźne części

Autorzy proponują uporządkowany sposób oceny systemów sterowania zasypywaniem jako całości. Dzielą system na cztery główne części: przygotowanie zawiesiny na powierzchni, jej transport i nadzór wzdłuż rurociągu, monitorowanie wytrzymałości i stabilności stwardniałego wypełnienia oraz wizualne i cyfrowe zarządzanie całym systemem. W tych czterech obszarach definiują 16 konkretnych wskaźników, takich jak inteligencja zasilania piaskiem, niezawodność mieszania zawiesiny, jakość monitorowania ciśnienia w rurociągu, czy uaktywnianie wczesnych ostrzeżeń przy awariach, oraz skuteczność śledzenia wytrzymałości stwardniałego wypełnienia w czasie. Następnie oceniają systemy w pięciu poziomach, od podstawowego (Poziom I) do wysoce zaawansowanego (Poziom V), przy czym wyższe poziomy oznaczają większą automatyzację, odporność i integrację.

Łączenie sądów eksperckich z twardymi danymi

Aby przekształcić tę ramę w działające narzędzie oceny, zespół łączy opinię ekspertów z metodami matematycznymi przeznaczonymi do pracy z niepewnością. Specjaliści z dziedziny górnictwa i inżynierii punktują każdy wskaźnik, ale zamiast jednego numeru podają przedział odzwierciedlający niepewność. Metoda zwana teorią liczb ślepych przekształca te przedziały i wiarygodność każdego eksperta w jedną, bardziej obiektywną wartość dla każdego wskaźnika. Waga każdego wskaźnika jest następnie obliczana dwiema drogami: metodą subiektywną, która wychwytuje poglądy ekspertów na to, co jest najważniejsze, oraz metodą obiektywną, która bada, ile informacji dany wskaźnik niesie w rzeczywistych danych. Wzór oparty na rachunku Lagrange’a łączy je w wagi zintegrowane, które nie są ani czysto opiniotwórcze, ani wyłącznie statystyczne.

Mierzenie podobieństwa, różnicy i ryzyka

Gdy każdy wskaźnik ma wartość i wagę, autorzy stosują matematyczny schemat znany jako rozszerzony model elementu materii pary zbioru (set pair matter-element extension model). W istocie metoda ta porównuje zmierzony stan systemu ze standardami dla każdego poziomu, traktując je jako „parę”, która może być częściowo identyczna, częściowo różna i częściowo przeciwna. Dla każdego wskaźnika i każdego możliwego poziomu model oblicza stopień przynależności pokazujący, jak silnie system odpowiada temu poziomowi. Stopnie te są następnie łączone we wszystkich wskaźnikach przy użyciu wag zintegrowanych, aby uzyskać ogólny wynik przynależności dla każdego poziomu. Poziom z najwyższym wynikiem przynależności jest przyjmowany jako ocena systemu, a dodatkowa wartość obliczeniowa pokazuje, czy system zmierza w kierunku lepszego, czy gorszego poziomu w skali.

Prawdziwe kopalnie poddane próbie

Aby sprawdzić, czy ich model oceny jest praktyczny, badacze zastosowali go w trzech działających kopalniach, z których każda dysponowała nowoczesnym systemem sterowania zasypywaniem. Panel pięciu ekspertów ocenił 16 wskaźników na każdej z lokalizacji, a dane zostały przetworzone przez etapy liczby ślepej, ważenia i rozszerzenia par zbiorów. Wszystkie trzy kopalnie otrzymały ocenę Poziomu IV, co wskazuje na wysoki stopień inteligencji i bezpieczeństwa, lecz wciąż nie osiągają najwyższego poziomu. Szczegółowe wyniki wskaźników wskazują obszary do poprawy dla każdej kopalni — na przykład stabilniejsza kontrola poziomów cieczy w bębnie mieszalnika w jednym przypadku, lepsze zaprojektowanie systemu rozdziału popiołu w innym oraz bardziej odporne monitorowanie rurociągu i reakcje awaryjne w trzecim. Aby zbudować zaufanie, autorzy porównali swoje wyniki z dwoma innymi podejściami oceny, modelem chmurowym i modelem rozpoznawania atrybutów; wszystkie trzy metody zgadzały się ze sobą i z doświadczeniem z miejsca.

Co wyniki oznaczają dla bezpieczniejszego górnictwa

W praktycznym ujęciu praca ta oferuje operatorom kopalni rodzaj kontroli stanu bezpieczeństwa ich systemów sterowania zasypywaniem. Zamiast polegać na przeczuciu lub pojedynczych miarach wydajności, nowy model scala wiele aspektów projektowania, czujników, automatyzacji i zarządzania danymi w jeden, oceniany obraz, jednocześnie wskazując, które podsystemy powstrzymują kopalnię przed osiągnięciem najwyższej wydajności. Fakt, że metoda zgadza się z innymi modelami i obserwacjami z terenu, sugeruje, że może służyć jako wiarygodne narzędzie wspomagające decyzje w zakresie modernizacji systemów, zapobiegania zatorom w rurociągach i wzmacniania podpór podziemnych. W miarę jak technologia zasypywania staje się coraz bardziej złożona i istotna dla głębokiego górnictwa, takie przejrzyste i zrównoważone narzędzia oceny będą ważne dla prowadzenia bezpieczniejszych, bardziej efektywnych i bardziej odpowiedzialnych środowiskowo operacji.

Cytowanie: Yin, Y., Yang, S., Yang, Y. et al. Comprehensive safety evaluation for back-filling control system based on modified set pair matter-element extension model. Sci Rep 16, 9056 (2026). https://doi.org/10.1038/s41598-026-39557-6

Słowa kluczowe: inteligentne zasypywanie, bezpieczeństwo kopalni, monitorowanie rurociągu zawiesiny, modele oceny ryzyka, automatyzacja górnictwa podziemnego