Szkoła Eksploatacji Podziemnej

Samojezdne maszyny górnicze są obecnie kluczowym ogniwem ciągu technologicznego, odpowiedzialnym za operacje górnicze wykonywane w polach eksploatacyjnych KGHM tj.: wiercenie otworów strzałowych, transport i załadunek MW, kotwienie, obrywka skał, czyszczenie przodków, załadunek i odstawa urobku etc. Stąd też stawia się im ogromne wymagania w zakresie ich dostępności, organizacji pracy, bezpieczeństwa. Niestety w przypadku KGHM w dalszym ciągu obserwuje się planowo-zapobiegawczą strategię eksploatacji. Główne problemy eksploatatorów tych maszyn związane są m.in. z: (a) relatywnie krótką żywotnością tych maszyn w stosunku do kosztów ich nabycia, eksploatacji i utrzymania, (b) oceną efektywności i jakości pracy maszyn/operatorów/służb utrzymania ruchu na potrzeby rozliczenia pracy i działań prewencyjnych, (c) stratami finansowymi wynikającymi z nieprawidłowego użytkowania, stanu technicznego lub awarii. W obrębie SMG obecnie skupia się kilka systemów informatycznych, w których to „rozproszone” są dane dot. gospodarki remontowej (SAP: PM zintegrowany z CMMS), gospodarki materiałowej (SAP: MM),  środków trwałych (SAP: FI-AA), usług kadrowo-płacowych (SAP: FI-AA), parametrów operacyjnych maszyn (Historian Wonderware zasilany sygnałami z programu SYNAPSA). Zapewnienie ciągłego gromadzenia i weryfikacji tych danych oraz zasilanie odpowiednio zorientowanej analityki biznesowej (business intelligence) pozwoli ekstrahować wiedzę dotyczącą procesów eksploatacyjnych i udostępniać ją odpowiednim decydentom, co umożliwi optymalizację potencjału eksploatacyjnego rozważanego parku maszynowego. Obecnie w górnictwie obserwuje się tendencję do wykorzystywania zaawansowanej analityki danych na potrzeby prowadzenia polityki predykcyjnego utrzymania ruchu. Identyfikacja czynników wpływających na procesy eksploatacji SMG, opracowanie odpowiednich modeli tych procesów oraz kontekstowe analizy przyczynowo-skutkowe pozwala budować wiedzę niezbędną do realizacji tych celów.