Związek kosztów ścian z wybranymi parametrami geologiczno-górniczymi

z wybranymi parametrami geologiczno-górniczymi

Sformułowana w pracy teza główna wskazuje na istniejący wpływ wybranych parame-trów złożowych na ocenę efektywności ekonomicznej kopalń węgla kamiennego. Słuszność tej tezy wzmacniają przeprowadzone i udokumentowane w tym rozdziale badania przepro-wadzone przy użyciu danych pochodzących z funkcjonujących kopalń. Dobór modeli regre-sji poprzedza i uzupełnia analiza korelacji. Należy jednak podkreślić, że przeprowadzone w tej części pracy analizy nie mają charakteru ścisłego, zgodnego z regułami, badania sta-tystycznego. Przygotowanie modeli regresji wielorakiej miało na celu identyfikację kluczo-wych zależności pomiędzy wybranymi parametrami pokładów i węgla a kosztami operacyj-nymi ścian w nich zlokalizowanych, w szczególności:

— gotówkowymi kosztami rejonów ścian w ujęciu jednostkowym na przykładzie KWK

„B” (Koszty_C-A)_n,

— łącznymi gotówkowymi kosztami operacyjnymi rejonów ścian w kopalni „C” (Kosz-ty_C-A).

W analizie dysponowano danymi dotyczącymi łącznie 58 ścian. Ściana jest traktowana jako indywidualny obiekt rozliczeniowy, podobnie również jak chodniki do niej przynależne (podścianowy, nadścianowy oraz przecinka), których wykonanie jest technicznie konieczne dla celów wydobycia węgla. W szczególności badaniami objęto:

— 24 ściany kopalni „B”,

— 34 ściany kopalni „C”.

Wśród ocenianych parametrów geologiczno-górniczych znalazły się: miąższość pokładu, głębokość zalegania, warunki stropowe i spągowe, tektonika, zaburzenia sedymentacyjne, metanonośność, zagrożenie tąpaniami i klimatyczne oraz urabialność węgla.

Kopalnia „B” została wybrana jako zakład wydobywający węgiel głównie dla celów energetycznych, w którym prowadzone zadania wydobywcze, przy istotnym poziomie za-grożeń, spełniają wysokie standardy techniczne²⁶. Natomiast w kopalni „C” wydobywany jest głównie węgiel koksowy typu 35; w kopalni tej obserwuje się jednak nieco odmienną specyfikę prowadzonego wydobycia oraz zarządzania²⁷.

Całość analiz w obu przypadkach kopalń rozpoczyna badanie wzajemnych korelacji.

Dane wykorzystane w analizie korelacji pochodziły z okresu 2010–2015 i obejmowały swo-im przekrojem:

26 Prace wykonywane przez zespół pracowników IGSMiE PAN potwierdzają, że w kopalni tej obserwuje się optymalne wykorzystanie posiadanego parku maszynowego oraz rozwiązania organizacyjne zmierzające do maksymalnego wykorzystania dyspozycyjnego czasu pracy. W opinii autora obserwowane w tej kopalni zależności kosztów i niektórych parametrów złożowych mogą być uznawane za reprezentatywne dla celów dalszego wniosko-wania (Kicki i in. 2016, praca niepublikowana).

27 Cena węgla 35 tworzy perspektywę znacznie większych przychodów w kopalni zespolonej, co zdaniem autora może mieć wpływ na charakter procesów zarządczych, podział środków pieniężnych na inwestycje, czy też zakres zadań produkcyjnych w kopalniach bardziej zyskownych.

— wybrane parametry geologiczno-górnicze,

— całkowitą wielkość zanieczyszczenia (skały płonnej) oraz wskaźnik uzysku węgla,

— koszty operacyjne zagregowane na ściany i chodniki przyścianowe.

Parametry geologiczno-górnicze to w szczególności: grubość pokładu, głębokość zale-gania, warunki stropowe i spągowe, tektonika, zaburzenia sedymentacyjne, metanonośność, zagrożenia tąpaniami i klimatyczne, czy urabialność węgla. Parametry te zostały zweryfi-kowane przez kopalnie na bazie dostępnej dokumentacji geologicznej i górniczej. Kosz-ty operacyjne, zgodnie z metodyką ich dekretacji przyjętą w JSW SA, agregowały koszKosz-ty wybranych obiektów rejonowych ścian i chodników. Zostały one dodatkowo podzielone na fazę robót przygotowawczych, zbrojenia, eksploatacji i likwidacji, celem identyfikacji zależ-ności również w ujęciu jednostkowym w szerszym zakresie kosztów i procesów. W związku z powyższym możliwa była identyfikacja kosztów zarówno całkowitych ścian, jak i w ujęciu jednostkowym na różnych poziomach agregacji informacji kosztowej. Wydzielono zatem:

— koszty całkowite operacyjne przodka ścianowego wraz z kosztami rozliczonymi na rejony (obiekty) wyrobisk chodnikowych (Koszty_C),

— koszty całkowite operacyjne ściany (jak powyżej) z wyłączeniem amortyzacji (Kosz-ty_C-A) jako ekwiwalent kosztów gotówkowych,

— koszty ściany w fazie eksploatacji (Koszty_E),

— łączne koszty w fazach drążenia wyrobisk przygotowawczych i eksploatacji (Kosz-ty_E+R.P),

— koszty operacyjne fazy robót przygotowawczych (Koszty_R.P),

— koszty ściany w fazie zbrojenia i likwidacji (Koszty_C_ZBL).

Korelacje niektórych z powyższych kategorii kosztów analizowano również w ujęciu jednostkowym, przeliczając koszty ścian na 1 Mg wydobycia netto (_n) lub brutto (_b). Za wiodące w analizie uznano koszty całkowite przodka ścianowego wraz z kosztami rozliczo-nymi na wyrobiska chodnikowe – bez amortyzacji, co stanowiło przybliżenie kosztów go-tówkowych²⁸. Oszacowanie wielkości skały płonnej przyjęto na podstawie danych z kopalń, podobnie jak wskaźnik uzysku węgla, który był liczony dla każdej ściany osobno jako iloraz wydobycia netto i urobku brutto. Kalkulacja wydobycia węgla i zanieczyszczenia uwzględ-niała zmienne parametry techniczne ścian na całym wybiegu przodka.

Tabela 3.3 prezentuje wyniki analizy korelacji kosztów z parametrami geologiczno-górni-czymi, wskaźnikami uzysku i ilością skały płonnej, przeprowadzonej dla ścian w kopalni „B”.

Korelacje istotne statystycznie oznaczono kolorem czerwonym. Wielkość próby – 24 ściany.

Analizując tę tabelę, można zauważyć:

— istotną, dodatnią – o średniej sile (na poziomie 0,40–0,45) korelację wielkości skały płonnej z kosztami gotówkowymi całkowitymi oraz z kosztami w ujęciu jednost- kowym,

28 Jest to założenie upraszczające. Określenie kosztu gotówkowego lub zgodnego z kategorią mining cash cost wymaga szerszego zakresu korekt kosztów rodzajowych m.in. o skutki aktywacji wyrobisk przyścianowych, koszty sprzedaży, rozliczenia wewnętrzne, wartość sprzedanych towarów i materiałów celem identyfikacji kosztów związanych wyłącznie z produkcją węgla w okresie.

66

— istotną statystycznie, znaczącą i ujemną korelację uzysku węgla (–0,71) z kosztami gotówkowymi przeliczonymi na wydobycie węgla,

— istotną statystycznie i dodatnią korelację głębokości (0,65), tektoniki (0,63), metano-nośności²⁹ (0,42) oraz zagrożenia klimatycznego (0,63) z całkowitymi kosztami go-tówkowymi ścian w ujęciu jednostkowym przeliczonymi na wydobycie węgla netto.

Zgodna i istotna statystycznie korelacja tych parametrów widoczna jest również na poziomie całkowitych kosztów gotówkowych ścian.

Dodatnia korelacja kosztów i skały płonnej potwierdza fakt, że efekt urabiania skał płonnych przenosi się, wśród wielu czynników, na koszty wydobycia węgla ze ścian. Z ko-lei uzysk węgla może być traktowany jako parametr sterujący, korygujący bezwzględny i względny poziom kosztów w warunkach zmiennej wielkości zanieczyszczenia węgla. Im głębiej zalega pokład, tym potencjalnie wyższe mogą być koszty związane z wydobyciem węgla. Podobnie w przypadku tektoniki pokładu, czy też poziomu zagrożeń, których zwal-czanie może uwidaczniać się pośrednio w poziomie wyższych kosztów całkowitych kopalni lub też w koszcie jednostkowym (dla ścian). Za pomocą analizy korelacji nie można wska-zywać kategorycznych rozstrzygnięć i charakteru zależności, przy czym zidentyfikowane związki kosztów i parametrów geologiczno-górniczych wykazują logiczny i merytoryczny sens, zgodny z dotychczasową wiedzą w tym zakresie (Gawlik 2008).

29 Metanonośność jest traktowana jako liczbowa, sparametryzowana wartość zagrożenia metanowego.

Tabela 3.3 Wyniki analizy korelacji kosztów z parametrami geologiczno-górniczymi w kopalni „B”

Table 3.3 The results of correlation analysis of costs and geological and mining parameters in the “B” mine

Źródło: opracowanie własne.

Bazując na wynikach analizy korelacji, zaprezentowano wyniki analizy regresji wielo-rakiej w KWK „B”, w której parametrem prognozowanym – zmienną zależną – był koszt gotówkowy jednostkowy (netto) ścian (Koszty_C-A)_n, natomiast parametrami objaśnia-jącymi – parametry geologiczno-górnicze. Na bazie opracowanego modelu, za pomocą zestawu 12 parametrów objaśniających można statystycznie wytłumaczyć blisko 87% cał-kowitej zmienności kosztu jednostkowego ścian. Skorygowany współczynnik determina-cji (R²)wyniósł około 72%. Poprawność statystyczną modelu potwierdza wartość testu F (Fishera-Snedecora) rzędu 5,90 oraz ocena punktowa równoległej statystyki p-value (0,03) (tab. 3.4 i 3.5). Test t-Studenta wykazał istotność statystyczną jednak tylko jednej z tych

zmiennych objaśniających, tj. wskaźnika uzysku węgla (p-value 0,02 niższe od domyślne-go poziomu istotności 0,05; zmienna podświetlona na czerwono). Nie ma zatem podstaw statystycznych, by wykluczyć związek liniowy tej zmiennej z poziomem kosztów gotówko-wych jednostkogotówko-wych ścian. Można też stwierdzić, iż indywidualnie sam wskaźnik uzysku wyjaśnia blisko 50% całkowitej zmienności kosztów gotówkowych ścian w ujęciu jednost-kowym (tab. 3.6). Bliska akceptowalnej statystycznie jest również istotność parametru kie-runkowego dla skały płonnej w tym modelu (p-value 0,07). Rozkład składnika resztkowego jest zbliżony do normalnego. Nie występują obserwacje odstające (rys. 3.4).

W dalszej kolejności wykonano analizę korelacji i regresji dla ścian kopalni „C”.

Jak wspomniano, w kopalniach tych wydobywa się aktualnie głównie węgiel koksowy Tabela 3.4 Wyniki analizy regresji wielorakiej kosztów gotówkowych w ujęciu jednostkowym

z parametrami geologiczno-górniczymi w kopalni „B” – ocena ogólna modelu liniowego

Table 3.4 The results of multiple regression analysis of the unit cash costs and geological and mining parameters

in the “B” mine – the assessment of the linear model

Źródło: opracowanie własne.

68

Tabela 3.5 Wyniki analizy regresji wielorakiej kosztów gotówkowych w ujęciu jednostkowym

z parametrami geologiczno-górniczymi w kopalni „B” – istotność zmiennych objaśniających

Table 3.5 The results of multiple regression analysis of the unit cash cost and geological and mining parameters

in the “B” mine – the significance of the explanatory variables

Źródło: opracowanie własne.

Tabela 3.6 Wyniki analizy regresji wielorakiej kosztów gotówkowych w ujęciu jednostkowym z uzyskiem węgla

w kopalni „B” – ocena ogólna modelu liniowego

Table 3.6 The results of multiple regression analysis of the unit cash costs and the coal yield in the “B” mine –

the assessment of the linear model

Źródło: opracowanie własne.

typu 35. W tym przypadku zmienną prognozowaną były łączne koszty gotówkowe ścian (Koszty_C-A).

Analiza korelacji potwierdza (tab. 3.7):

— średnią siłę związku uzysku węgla koksowego z kosztami operacyjnymi ścian w uję-ciu jednostkowym (korelacja jest ujemna na poziomie 0,5). Korelacji uzysku węgla nie widać jednak na poziomie kosztów całkowitych,

— widoczną dodatnią korelację o średniej sile (0,53) wielkości skały płonnej z pozio-mem całkowitych gotówkowych kosztów ścian, która zanika w przypadku kosztów przeliczonych na wydobycie węgla netto,

— pozostałe zmienne cechuje słaby i nieistotny statystycznie związek z kosztami ścian praktycznie we wszystkich konfiguracjach kosztów.

Na podstawie analizy regresji dla 34 ścian kopalni zespolonej uprawnione jest stwier-dzenie, że zmienność całkowitych kosztów gotówkowych ścian (Koszty_C-A) można wy-jaśnić modelem liniowym na poziomie 80% (R² skorygowany wyniósł 68%). Poprawność statystyczna tego modelu została potwierdzona istotnością jego postaci liniowej na bardzo wysokim poziomie (p-value statystyki F bliska 0) (tab. 3.8). Do grona reprezentantów, tj.

istotnych statystycznie parametrów objaśniających, weszły oprócz uzysku i skały płonnej:

warunki stropowe i spągowe, tektonika (uskoki) oraz zagrożenie klimatyczne (tab. 3.9).

Warto jednak nadmienić, że uzysk i skała płonna są ze sobą silnie ujemnie skorelowane (–0,8), co w przypadku budowania ostatecznej postaci modelu prowadziłoby do elimina-cji jednej z tych dwóch zmiennych (formuła uzysku uwzględnia pośrednio wolumen skały płonnej). Rozkład surowych reszt wykazuje wysoką koncentrację obserwacji wokół średniej w tym rozkładzie oraz brak obserwacji odstających (rys. 3.5).

Podsumowując, przeprowadzona analiza dostarcza argumentów potwierdzających zasad-ność przyjętej tezy głównej i ogólnego kierunku badań w zakresie parametryzacji związku

Rys. 3.4. Analiza reszt w modelu regresji wielorakiej dla kopalni „B”

Źródło: opracowanie własne

Fig. 3.4. The analysis of residuals in the multiple regression model for the “B” mine

70

Tabela 3.8 Wyniki analizy regresji wielorakiej całkowitych kosztów gotówkowych z parametrami geologiczno-górniczymi

w kopalni „C” – ocena ogólna modelu liniowego

Table 3.8 The results of multiple regression analysis of the total cash costs and geological and mining parameters in the “C”

mine – the assessment of the linear model

Źródło: opracowanie własne.

Tabela 3.7 Wyniki analizy korelacji kosztów z parametrami geologiczno-górniczymi w kopalni „C”

Table 3.7 The results of correlation analysis of costs and geological and mining parameters in the “C” mine

Źródło: opracowanie własne.

kosztów operacyjnych z poziomem zanieczyszczenia. Wskazuje na silniejsze niż w przypad-ku innych zmiennych objaśniających związki kosztów z ilością skały płonnej oraz wskaź-nikiem uzysku węgla netto. Na jej podstawie możliwe jest sformułowanie kilku istotnych wniosków:

Rys. 3.5. Analiza reszt w modelu regresji kosztów gotówkowych w kopalni „C”

Źródło: opracowanie własne

Fig. 3.5. The analysis of the residuals in the multiple regression model of cash costs in the “C” mine Tabela 3.9 Wyniki analizy regresji wielorakiej całkowitych kosztów gotówkowych z parametrami geologiczno-górniczymi

w kopalni „C” – istotność zmiennych objaśniających

Table 3.9 The results of multiple regression analysis of the total cash cost and geological and mining parameters in the “C”

mine – the significance of the explanatory variables

Źródło: opracowanie własne.

72

— w przypadku obu kopalń wśród kluczowych parametrów technicznych, mogących opisywać zmienność kosztów gotówkowych, znajduje się uzysk i ilość skały płonnej.

Są to jednak parametry silnie ze sobą skorelowane, co oznacza, że uwzględnianie obu z nich mogłoby oznaczać powielanie tej samej informacji;

— w przypadku kopalni „B” uzysk węgla był jedynym parametrem istotnym statystycz-nie, który indywidualnie objaśnia około 50% zmienności kosztów gotówkowych ścian w ujęciu jednostkowym. Model regresyjny kosztów dla analizowanych ścian kopalni „C” uwzględnia ponadto dodatkowe parametry, takie jak: warunki stropowe i spągowe, tektonika oraz zagrożenie klimatyczne;

— koszty operacyjne rejonów (obiektów) ścian (wraz chodnikami) oraz uzysk węgla mogą tworzyć zależność liniową lub zbliżoną do liniowej. Można ponadto stwierdzić, że pozostałe parametry techniczne pokładów i węgla wpływają na poziom współ-czynnika determinacji w opracowanych modelach, przy czym ich związek z pozio-mem kosztów może być inny niż liniowy. Uzysk węgla wyróżnia natomiast zdolność prognostyczna, wyższa od pozostałych parametrów objaśniających.

Autor ma świadomość, że kształtowanie się kosztów operacyjnych produkcji węgla w kopalniach podziemnych jest zagadnieniem bardzo skomplikowanym i wieloaspektowym (badania w tym zakresie nie stanowią jednak podstawowego celu pracy). W praktyce po-wstające koszty mogą być i są wynikiem nakładania się odrębnych, jakościowych czynni-ków, związanych z zarządzaniem wydobyciem. W ten zakres wchodzą przede wszystkim czynniki związane z organizacją pracy. Jednak w kopalniach, w których wydobywa się jako-ściowo lepszy węgiel, istnieje większy margines tolerancji dla wyższych kosztów wydoby-cia, co komplikuje procesy oceny i wnioskowania. Zaprezentowana analiza statystyczna i jej wyniki otwierają pole do dyskusji i dalszych prac nad badaniem wpływu wybranych para-metrów uprzednio na koszty, a w rezultacie − na zmienne ekonomiczno-finansowe (mierniki wartości) kopalń węgla kamiennego.