PLANOWANIE I PROJEKT RACJONALNYCH PARAMETRÓW P£YT PRZODKA ŒCIANOWEGO W PODZIEMNYCH KOPALNIACH WÊGLA KAMIENNEGO
S ³ o w a k l u c z o w e
Wydobycie wêgla kamiennego, optymalizacja przodka œcianowego i pól wydobycia, zarz¹dzanie ryzykiem, symulacja, metoda Monte Carlo
S t r e s z c z e n i e
Usprawnienie procesów zarz¹dzania w firmach górniczych jest g³ównym czynnikiem zwiêkszenia ich efek- tywnoœci. Dzia³ania restrukturyzacyjne w sektorze górnictwa wêglowego zmieni³y strukturê zarz¹dzania i systemy organizacyjne w kopalniach i firmach górniczych. Zidentyfikowano stanowiska kosztów i odpowiedzialnoœci, rachunkowoœæ kosztów wydzia³owych, wprowadzono systemy bud¿etowania i kontroli, które otworzy³y nowe perspektywy dla opracowania modeli i metod matematycznych dla optymalizacji dzia³alnoœci kopalni. Pole wybierania jest postrzegane jako kosztowny element przestrzennej struktury dzia³añ górniczych, poniewa¿ obej- muje ono zarówno produkcjê górnicz¹, jak i prace rozwojowe. Grupa s¹siednich pól wybierania u¿ytkowanych przez to samo urz¹dzenie mo¿na okreœliæ jako grupê pól wybierania. Zarówno przodek œcianowy, jak i pola wybierania s¹ punktami generowania kosztów. Uwzglêdniaj¹c zastosowanie wydzia³owej rachunkowoœci kosz- tów, koszty mo¿na identyfikowaæ i uwzglêdniaæ w punktach, gdzie s¹ one generowane. Daje to nowy potencja³ badaniom, szczególnie w badaniach analitycznych, tworzeniu modeli symulacji i procedurach obliczania opartych na najlepszych technikach komputerowych i dostêpnych pakietach modelowania numerycznego.
Badanie to podaje skrócony zarys pewnego pola w ramach metodologii projektowania racjonalnych para- metrów pól wybierania przodka œcianowego, pocz¹wszy od metody analitycznej w podejœciu determinis- tycznym, a¿ po metodê wspomagan¹ przez modelowanie stochastyczne. Zastosowanie metody Monte Carlo umo¿liwia tak¹ procedurê symulacji, która przy ka¿dej iteracji zmiennych losowych prowadzi je w taki sposób, aby odpowiada³y one rozk³adowi prawdopodobieñstwa okreœlonemu a priori. Po pewnej liczbie ci¹gów lo- sowych otrzymujemy zestaw wartoœci przyjêtego kryterium optymalizacji. Statystyczne podejœcie do tych wartoœci daje spodziewan¹ wartoœæ badanego kryterium i odchylenie standardowe, które jest uwa¿ane za najlepsz¹ ocenê ryzyka.