Wybrane zastosowania technologii ICT w górnictwie, czyli o Zakładzie Analityki w KGHM CUPRUM

___________________________________________________________________________

Wybrane zastosowania technologii ICT w górnictwie,

czyli o Zakładzie Analityki w KGHM CUPRUM

Radosław ZIMROZ

_{, Agnieszka WYŁOMAŃSKA}

e-mail: r.zimroz@cuprum.wroc.pl, a.wylomanska@cuprum.wroc.pl

Streszczenie

Historia Zakładu Analityki jest relatywnie krótka, ale ilustrowana wieloma ciekawymi projekta-mi, których efekty opublikowane zostały w prestiżowych czasopismach i materiałach konfe-rencyjnych. Dają one podstawę do stwierdzenia istotności roli zespołu i wagi osiągniętych efektów, zwłaszcza naukowych, opracowanych w często międzynarodowych zespołach. Niniejszy artykuł nie jest opisem historii Zakładu, ale przeglądem opracowanych rozwiązań i rodzajem spisu treści, zachęcającym do głębszego studiowania publikacji pracowników Zakładu. Tematyka działań naukowych jest dość zróżnicowana, ale wspólnym mianownikiem działań jest szeroko pojęta analityka danych rejestrowanych: w procesach technologicznych, maszynach, infrastrukturze wykorzystywanej w ciągu technologicznym, a nawet danych z systemu monitorowania aktywności pracownika. Elementy technologii robotycznych, pre-zentowane w pracy, rozważane są również w kontekście analityki danych (mobilny robot czteronożny jest platformą, zbierającą dane z inspekcji infrastruktury, sterowanie robotem do rozbijania brył ściśle zależy od tego jak dobrze rozpoznana zostanie struktura urobku na kracie itd.). Rozwój technologii ICT umożliwia pomiar w czasie rzeczywistym wielu kluczo-wych parametrów w procesach technologicznych. Umiejętne przetworzenie tych danych mo-że być podstawą do wspomagania zarządzania, modelowania i optymalizacji procesów, wy-krywania „wąskich gardeł” procesu, budowania nowej wiedzy o zjawiskach, poprawy efektyw-ności wykorzystania infrastruktury, definiowania wskaźników (tzw. KPI) itd. Tendencja cyfry-zacji górnictwa ma charakter globalny. Współpraca Zakładu Analityki z centralą i oddziałami grupy KGHM Polska Miedź S.A. stanowi odpowiedź na rzeczywiste potrzeby sektora, wynika-jące z przemian technologicznych.

Słowa kluczowe: technologie ICT, robotyka, analiza danych strumieniowych, sygnały

ICT Technologies in mining industry, a few words about

Data Analytics Group in KGHM CUPRUM

Abstract

The history of the Department of Analytics is relatively short but illustrated with many inter-esting projects whose effects are published in prestigious magazines and conference mate-rials. They give the basis for stating the importance of the team's role and the importance of obtained effects, especially scientific ones developed often in international teams. This article is not a description of the history of the Department, but a review of the solutions developed by the team and a kind of table of contents encouraging deeper study of the publication of the employees of the Department. The subject of scientific activities is quite diverse, but the common basis of activities is the broadly-defined analytics of recorded data in the following areas: technological processes, machines, infrastructure used in the technological process

and even data from the employee activity monitoring system. Elements of robotic technolo-gies presented in this work are also considered in the context of data analytics (a mobile four-legged robot is a platform collecting data from infrastructure inspections, robot control for breaking up solid pieces of copper ore depends on how well the structure/granulation of material is recognized, etc.). The development of ICT enables real-time measurement of many key parameters in technological processes. Appropriate processing of these data can be the basis for supporting management, modelling and optimization of processes, detection of process bottlenecks, building new knowledge about phenomena, improving the efficiency of infrastructure use, defining indicators (so-called KPI), etc. The trend of mining digitization is global. The cooperation between the Department Analytics and KGHM HQ and various branches is a response to the real needs of the sector resulting from technological changes. Key words: ICT technologies, robotics, advanced data analytics, signals

Wstęp

Ostatnia dekada wprowadziła do sektora górniczego pojęcie cyfryzacji. Technologie ICT (informatyka, modelowanie i wizualizacja 3D, wirtualna/rozszerzona rzeczywi-stość, robotyka, systemy automatyczne i autonomiczne, BIG DATA) znajdują coraz szersze zastosowanie w różnych miejscach ciągu technologicznego. Najważniejsi gracze sektora górniczego, zarówno w obszarze węgla brunatnego czy kamiennego, jak i innych surowców, w tym zwłaszcza miedzi, rozpoznali precyzyjnie potencjał cyfryzacji górnictwa. Konferencje, dedykowane sesje, projekty krajowe oraz między-narodowe, wdrożenia konkretnych rozwiązań wpisujących się w schemat cyfryzacji to tylko przykłady działań [23]. Popularyzacja cyfrowych rozwiązań ma fundamental-ne znaczenie. Brak głębokich dyskusji i wymiany doświadczeń pomiędzy przedsię-biorstwami i światem nauki z pewnością nie posłuży sprawie. Wdrażanie nowych, często z pozoru nieco abstrakcyjnych technologii, napotyka na trudności technolo-giczne, ale i inne, związane z przyzwyczajeniami pracowników, regulacjami praw-nymi, wewnętrznymi przedsiębiorstw itd.

Grupa KGHM, a w szczególności KGHM CUPRUM uczestniczy w działaniach promujących cyfryzację górnictwa od wielu lat. Jedną z pierwszych inicjatyw w tym obszarze był projekt SMIFU (Smart Mine of the Future) [23]. Flagowym projektem, wpisującym się w formułę cyfryzacji, był I2Mine („Innowacyjne technologie dla głę-bokiej kopalni przyszłości wykorzystujące inteligentne narzędzia zarządzania”) [22]. Kontynuacja programu I2Mine jest w pewnym sensie realizowana obecnie w projek-cie SIMS („Inteligentne kierowanie produkcją w górnictwie podziemnym”).

Problematyka zastosowania zaawansowanej sensoryki, sterowania, analityki, modelowania 3D, śledzenia przepływu rudy itd. była przedmiotem projektu DISIRE (Integrated Process Control based on Distributed In-Situ Sensors into Raw Material

and Energy Feedstock) [24]. Modelowanie i wizualizacja 3D jest obecnie

przedmio-tem badań w projektach VISUAL3D, VirtualMine („Wizualizacja modeli 3-4D w nau-kach geologicznych”, „Wirtualna kopalnia – modelowe narzędzie edukacyjne o gór-nictwie”) [27,28].

Zastosowanie robota do prac inspekcyjnych w obszarach o zwiększonym ryzyku środowiskowym i klimatycznym jest przedmiotem badań w projekcie THING („Robot inspekcyjny do badania infrastruktury”) [25]. Problematyka predykcyjnego utrzyma-nia maszyn (ang. predictive maintenance) jest rozwijana w projekcie MaMMa („Zarządzanie eksploatacją maszyn w kopalni”) [26]. Należy dodać, że wymienione projekty nie wyczerpują długiej listy działań realizowanych w KGHM CUPRUM,

a w szczególności w grupie KGHM, ponadto tylko wybrane projekty były lub są reali-zowane w Zakładzie Analityki. Wszystkie jednak tworzą nowy sposób działania w górnictwie i potwierdzają potrzebę istnienia grupy badawczej z obszaru ICT w KGHM CUPRUM. W dalszej części referatu przedstawione zostaną wybrane zagadnienia, wpisujące się w temat cyfryzacji górnictwa, w których pracownicy Zakładu Analityki brali udział lub obecnie realizują takie projekty.

1. Systemy informatyczne do wspomagania zarządzania procesami

w kopalni podziemnej

Koncepcja wykorzystania technologii IT do wspomagania zarządzania przedsiębior-stwem, w tym górniczym, ma wieloletnią historię. Niestety, w obszarze produkcji górniczej jest to niezwykle trudne w realizacji z powodu skali problemu, wymaganej infrastruktury pomiarowej, transmisyjnej, bazodanowej analitycznej i wreszcie kon-cepcji raportowania. Problem przekształcania niepewnych danych pomiarowych w wiarygodną informację zarządczą jest ogromnym wyzwaniem. Koncepcje struktu-ry takich systemów, opracowane w ramach projektów EU: I2Mine oraz DISIRE przedstawiono [22, 24] na rys. 1 i 2. W pierwszym przypadku bazujemy na techno-logiach hurtowni danych i Business Intelligence, w drugim na technologii chmury obliczeniowej.

Rys. 1. Ogólna koncepcja systemu monitorowania i analizy procesów dla floty maszyn na przykładzie SMG

Rys. 2. Koncepcja wykorzystania technologii chmury: a) do śledzenia strugi urobku

od przodka do ZWR, b) diagnostyki technicznej

2. Zaawansowana algorytmika do analizy danych procesowych

i diagnostycznych na przykładzie SMG

Zarejestrowane i zwalidowane dane są źródłem cennych informacji o danym proce-sie [1-7]. Przykładem takich danych jest ciśnienie w układzie hydraulicznym wysię-gnika ładowarki [6]. Odpowiednia filtracja wygładzająca, interpretacja charakteru zmienności i parametryzacja posegmentowanego sygnału umożliwia automatyczne zliczanie cykli odstawy (rys. 3.), co jest podstawą do automatycznego monitorowa-nia bieżącej produkcji.

Rys. 3. Przykładowa zmienność ciśnienia w układzie hydraulicznym wysięgnika ładowarki i identyfikacja kluczowych podprocesów na potrzeby automatycznego zliczania cykli odstawy

Innym kluczowym zagadnieniem jest ocena stanu technicznego układów maszy-ny, zwłaszcza temperatur, w przypadku czasoprzestrzennej zmienności temperatury otoczenia [4-6]. Zaawansowana, statystyczna analiza danych długoterminowych pozwoliła rozpoznać zmianę stanu technicznego (rys. 4). Proces uczenia systemu diagnostycznego na długoterminowej próbie uczącej pozwala skonstruować reguły decyzyjne, które mogą być zaimplementowane na potrzeby bieżącej oceny stanu.

Rys. 4. Wyniki przetwarzania długoterminowych danych temperaturowych z maszyny samo-jezdnej na potrzeby uczenia systemu diagnostycznego

W ramach działań dotyczących algorytmiki do analizy danych procesowych i dia-gnostycznych w Zakładzie Analityki rozwijane są metody służące do diagnostyki maszyn na podstawie sygnałów wibracyjnych. Ze względu na skomplikowany cha-rakter sygnałów nierzadko metody te wymagają zaawansowanych metod matema-tycznych [18-20].

3.

Zastosowania robotyki w głębokiej kopalni podziemnej

Prowadzenie eksploatacji złoża na dużych głębokościach, w warunkach zagrożeń klimatycznych czy gazowych, jest kluczowym problemem. Rozwój technologii robo-tycznych oraz metod diagnosrobo-tycznych pozwala zrealizować koncepcję inspekcji infrastruktury technicznej z wykorzystaniem robotów [8-10]. Koncepcja ta nie ozna-cza wyeliminowania udziału służb utrzymania ruchu, bowiem roboty np. nie są w stanie usunąć awarii (przynajmniej nie obecnie). W codziennej praktyce inspekcje wykonuje pracownik, który musi pokonać nawet do kilku kilometrów na zmianę w celu stwierdzenia, że można uruchomić przenośnik. Wykorzystanie robotów mo-bilnych (drony, roboty kołowe, kroczące) daje możliwość pozyskania informacji in-spekcyjnej na podstawie obrazów wizyjnych, termowizyjnych, hałasu itd. bez udziału człowieka. Na rys. 5 przedstawiono koncepcję zastosowania robota czteronożnego kroczącego do inspekcji przenośnika taśmowego (opracowano w ramach projektu EU H2020: THING – subTerranean Haptic INvestiGator) [25].

Rys. 5. Koncepcja zastosowania robota czteronożnego kroczącego do inspekcji przenośnika taśmowego

Rys. 6. Przykładowy wynik badania termowizyjnego trasy przenośnika taśmowego Robot zostaje przetransportowany (tak jak człowiek do tej pory) do konkretnego przenośnika. Zaprogramowana misja inspekcyjna (idź obok przenośnika, rejestruj dane, wyszukuj anomalie) polega na przemieszczaniu się wokół trasy przenośnika i powrocie do miejsca startu. Po zrealizowaniu misji robot zostaje odtransportowany do bazy lub do innego przenośnika. Na rys. 6 przedstawiono przykładową mapę rozkładu temperatury dla fragmentu przenośnika taśmowego.

4.

Monitorowanie aktywności człowieka w kopalni podziemnej

Jak już wspomniano, na obecnym etapie rozwoju technologii i organizacji eksploata-cji nie jest możliwe zastąpienie pracy człowieka w warunkach dołowych. Przebywa-nie górników w skrajPrzebywa-nie Przebywa-niekorzystnych warunkach klimatycznych (wysoka tempera-tura, wilgotność, zagrożenia gazowe H2S, CO), podczas wykonywania obciążają-cych fizycznie prac prowadzi do zmęczenia, obniżenia koncentracji, efektywności itp. Wyposażenie górnika w miniaturowy system rejestrująco-analizujący może być podstawą do „zarządzania” zmęczeniem i poprawy bezpieczeństwa w czasie rze-czywistym jak i w długim okresie czasu. Poprzez poprawę w czasie rzeczywistym rozumie się tutaj natychmiastową informację o zagrożeniu gazowym, o pogorszeniu się parametrów życiowych górnika (tętno, temperatura itd.). Natomiast długotermi-nowa analiza pozwoliłaby lepiej zrozumieć predyspozycje górników w zależności od bieżącej sprawności psychofizycznej (możliwe byłoby racjonalne delegowanie pra-cownika do konkretnego rodzaju pracy w danym dniu). Dodatkowo, analiza danych historycznych, pozwoliłaby zrozumieć zachowania i nawyki pracowników, co ma ogromne znaczenie w procesie szkolenia pracowników dołowych. Miniaturyzacja elektroniki pozwala zarejestrować nie tylko parametry środowiskowe czy fizjologicz-ne człowieka (temperatura, ciśnienie, wilgotność, stężenia gazów, rys. 7), ale także umożliwia śledzenie online (w przypadku dostępu do sieci IT) lub offline lokalizacji górnika i rodzaju aktywności (siedzi, stoi, idzie, biegnie, pochyla się itd.).

Rys. 7. Ogólna koncepcja system monitorowania aktywności człowieka i parametrów środowiskowych na platformie Arduino

5. Monitorowanie powierzchni dróg dojazdowych w kopalni

podziemnej

W warunkach KGHM odstawa urobku, transport ludzi i materiałów odbywa się w warunkach dołowych za pomocą pojazdów na podwoziu oponowym. Opony, zwłaszcza w samojezdnych maszynach górniczych (ładowarki) ulegają przyspieszo-nemu zużyciu ze względu na stan nawierzchni dróg dojazdowych z przodka do punktów wysypowych. Wykorzystując proste techniki pomiarowe i analityczne, moż-liwe jest automatyczne, statystyczne oszacowanie stanu nawierzchni dróg dojazdo-wych. Na rys. 8 przedstawiono przykładowy wynik eksperymentu przeprowadzone-go na powierzchni, a na rys. 9 pokazano wyniki analiz statystycznych potwierdzają-cych możliwość rozróżniania stanu nawierzchni na podstawie zarejestrowanych sygnałów [21].

Rys. 8. Pomiar przyspieszenia drgań w czasie jazdy pojazdu na potrzeby monitorowania jakości powierzchni drogi

Rys. 9. Analizy statystyczne sygnałów drganiowego w poruszającym się pojeździe na potrzeby monitorowania stanu powierzchni drogi

6.

Analiza sygnałów sejsmicznych

Zagrożenia sejsmiczne stanowią jedno z największych wyzwań podczas eksploata-cji w głębokiej kopalni. Zainstalowane systemy monitorowania pozwalają bardzo szybko zlokalizować i scharakteryzować ognisko wstrząsu. Z punktu widzenia anali-zy sygnałów problematyka przetwarzania sygnałów sejsmicznych może dotycanali-zyć detekcji, odszumiania, segmentacji, ślepego rozplatania, lokalizacji itd. [11-17]. Pra-ce prowadzone w Zakładzie Analityki konPra-centrowały się na zagadnieniach poprawy efektywności i automatyzacji procedur wykrywania wejścia fali P/S [17], odszumiania sygnałów sejsmicznych [12], automatycznej walidacji (detekcji przesterowania), wykrywania wtórnej fali, automatycznego rozpoznawania charakteru sygnału itd. Opracowane algorytmy zostały zaimplementowane w środowisku Matlab. W ramach realizowanych projektów w Zakładzie Analityki przygotowano interfejs użytkownika, który przedstawiono na rys. 10. Tak precyzyjna wiedza o sygnałach nie jest z pew-nością użyteczna w codziennej eksploatacji, ale na przykład jest bardzo przydatna w pracach dotyczących badań zmęczeniowych obudowy kotwowej.

Rys. 10. Interfejs aplikacji do przetwarzania sygnałów sejsmicznych

Podsumowanie

Ze względu na postępującą cyfryzację przemysłu, w tym górnictwa, ilość danych i możliwości analityczne umożliwiają pozyskanie dodatkowej informacji i wiedzy o procesach technologicznych czy stanie infrastruktury. W pracy przedstawiono wybrane zagadnienia, zilustrowane przykładami, które realizowane były w ostatnich kilku latach lub są obecnie w realizacji, często przy finansowym wsparciu środków EU oraz podmiotów z grupy KGHM. Problematyka danych procesowych związanych z procesami technologicznymi w kopalni jest bardzo skomplikowana i wymaga współdziałania analityków (informatycy, matematycy) z właścicielami procesów oraz użytkownikami końcowymi. KGHM CUPRUM od kilku lat rozwija kompetencje w tym obszarze, a działa w nim unikatowy w skali kraju zespół Zakładu Analityki.

Bibliografia

[1] Kruczek P., Polak M., Wyłomańska A., Kawalec W., Zimroz R. Application of compound Poisson process for modelling of ore flow in a belt conveyor system with cyclic loading. International Journal of Mining Reclamation and Environment, 2018, s. 376-391. [2] Wodecki J., Stefaniak P., Polak M., Zimroz R. Unsupervised anomaly detection for

con-veyor temperature SCADA data, w: Advances in Condition Monitoring of Machinery in Non-Stationary Operations: proceedings of the 5th International Conference on Condi-tion Monitoring of Machinery in Non-StaCondi-tionary OperaCondi-tions, CMMNO'2016, 12-16 Sep-tember 2016, Gliwice 2018, s. 361-369.

[3] Kruczek P., Sokołowski J., Obuchowski J., Sawicki M., Wyłomańska A., Zimroz R. Fault detection in belt conveyor drive unit via multiple source data, Cyclostationarity: Theory and Methods III: contributions to the 9th Workshop on Cyclostationary Systems and Their Applications, Grodek 2016, Springer, vol. 6, 2017, s. 173-186.

[4] Wodecki J., Stefaniak P., Michalak A., Wyłomańska A., Zimroz R. Technical condition change detection using Anderson-Darling statistic approach for LHD machines – engine overheating problem, International Journal of Mining Reclamation and Environment. 2018, vol. 32, nr 6, s. 392-400.

[5] Stefaniak P.K., Zimroz R., Śliwiński P., Andrzejewski M., Wyłomańska A. Multidimen-sional signal analysis for technical condition, operation and performance understanding of heavy duty mining machines, Advances in condition monitoring of machinery in non-stationary operations: proceedings of the Fourth International Conference on Condition Monitoring of Machinery in Non-Stationary Operations, CMMNO'2014, Lyon, France, December 15-17: Springer, 2016 (Applied Condition Monitoring, vol. 4), s. 197-210. [6] Wodecki J., Stefaniak P.K., Zimroz R., Śliwiński P., Andrzejewski M. Condition

monitor-ing of loadmonitor-ing-haulage-dumpmonitor-ing machines based on long-term analysis of temperature data, w: 16th International Multidisciplinary Scientific GeoConference, SGEM 2016: science and technologies in geology, exploration and mining: conference proceedings, Albena, Bulgaria, 30 June-6 July, 2016, vol. 2, Exploration and mining, mineral pro-cessing. Sofia: STEF92 Technology, cop. 2016, s. 157-164 (International Multidiscipli-nary Scientific GeoConference SGEM), ISSN 1314-2704.

[7] Herceg D., Selvi D., Bemporad A., Bernardini D., Nikolakopoulos G., Georgoulas G., Jafari H., Arranz M.C., Johansson J., Stenudd M., Rajala J., Lindkvist R., Feyzmahdavi-an H.R, Jurdziak L., Kawalec W., Król R.,Kruczek P., Zimroz R., Niemi J., Segal S. Inte-grated process control based on distributed in-situ sensors into raw materials and ener-gy: performance assessment of data-driven MPC, Raporty Wydziału Geoinżynierii, Gór-nictwa i Geologii Politechniki Wrocławskiej, 2018, Ser. SPR nr 10, 70 s.

[8] Stefaniak P., Wodecki J., Jakubiak J., Zimroz R. Preliminary research on possibilities of drilling process robotization, w: World Multidisciplinary Earth Sciences Symposium (WMESS 2017) [Dokument elektroniczny]: 11-15 September 2017, Prague, Czech Re-public. [Bristol]: IOP Publishing, 2017. art. 042027, s. 1-9 (IOP Conference Series – Earth and Environmental Science, ISSN 1755-1315; vol. 95).

[9] Stefaniak P., Wodecki J., Jakubiak J., Zimroz R. Development of test rig for robotization of mining technological processes – oversized rock breaking process case, w: World Multidisciplinary Earth Sciences Symposium (WMESS 2017) [Dokument elektroniczny]: 11-15 September 2017, Prague, Czech Republic. [Bristol]: IOP Publishing, 2017. art. 042028, s. 1-9 (IOP Conference Series - Earth and Environmental Science, vol. 95). [10] Zimroz R., Hutter M., Mistry M., Stefaniak P., Walas K., Wodecki J. Why inspection

robots should be used in deep underground mine, Springer, Proceedings of MPES 2018, Santiago de Chile.

[11] Hossa R., Makowski R., Zimroz R. Automatic segmentation of seismic signal with sup-port of innovative filtering. International Journal of Rock Mechanics and Mining Scienc-es, 2017, vol. 91, s. 29-39.

[12] Polak M., Obuchowski J., Wyłomańska A., Zimroz R. Seismic signal enhancement via AR filtering and spatial time-frequency denoising, w: Cyclostationarity: theory and meth-ods III: contributions to the 9th Workshop on Cyclostationary Systems and Their Applica-tions, Grodek, Poland, 2016/Fakher Chaari [i in.] eds. Cham [i in.]: Springer, 2017. s. 51--68. (Applied Condition Monitoring, ISSN 2363-698X, vol. 6).

[13] Sokołowski J., Obuchowski J., Madziarz M., Wyłomańska A., Zimroz R. Features based on instantaneous frequency for seismic signals clustering, Journal of Vibroengineering. 2016, vol. 18, nr 3, s. 1654-1667.

[14] Kucharczyk D., Wyłomańska A., Obuchowski J., Zimroz R., Madziarz M. Stochastic modelling as a tool for seismic signals segmentation, Shock and Vibration, 2016, vol. 2016, 8453426, s. 1-13.

[15] Polak M., Obuchowski J., Madziarz M., Wyłomańska A., Zimroz R. Time-varying group delay as a basis for clustering and segmentation of seismic signals, Journal of Vibroen-gineering. 2016, vol. 18, nr 1, s. 267-275.

[16] Zimroz R., Madziarz M., Żak G., Wyłomańska A., Obuchowski J., Seismic signal seg-mentation procedure using time-frequency decomposition and statistical modelling, Journal of Vibroengineering, 2015, vol. 17, nr 6, s. 1-11.

[17] Sokołowski J., Obuchowski J., Zimroz R., Wyłomańska A., Koziarz E. Algorithm indicat-ing moment of P-wave arrival based on second-moment characteristic, Shock and Vibra-tion, 2016, vol. 2016, art. 4051701, s. 1-6.

[18] Wyłomańska A., Zimroz R., Janczura J.B, Obuchowski J. Impulsive noise cancellation method for copper ore crusher vibration signals enhancement, IEEE Transactions on In-dustrial Electronics, 2016, vol. 63, nr 9, s. 5612-5621.

[19] Gajda J.R., Wyłomańska A., Zimroz R. Subordinated continuous-time AR processes and their application to modeling behavior of mechanical system, Physica. A, Statistical Me-chanics and its Applications, 2016, vol. 464, s. 123-137.

[20] Obuchowski J., Zimroz R., Wyłomańska A. Identification of cyclic components in pres-ence of non-Gaussian noise – application to crusher bearings damage detection, Jour-nal of Vibroengineering, 2015, vol. 17, nr 3, s. 1242-1252.

[21] Zimroz R., Wodecki J., Hebda-Sobkowicz J., Wyłomanska A., Stefaniak P., Sliwinski P., Kaniewski T. Mobile based vibration monitoring and its application to road quality moni-toring in deep underground mine Vibroengineering PROCEDIA, 2018, vol. 19, s. 153- -158. [22] http://www.etpsmr.org/?post_projects=i2mine [23] http://www.rocktechcentre.se/completed-projects/ [24] https://www.spire2030.eu/disire [25] http://thing.put.poznan.pl/ [26] https://eitrawmaterials.eu/project/mamma/ [27] https://eitrawmaterials.eu/course/virtualmine/ [28] https://eitrawmaterials.eu/project/visual3d/