Szkoła Eksploatacji Podziemnej

Z uwagi na trudną sytuację w branży stalowej spowodowanej zarówno uwarunkowaniami globalnym (napięcia geopolityczne i działania wojenne) jak i widmem recesji rynek koksu a w następstwie węgla koksującego, stawia przed jego producentami coraz wyższe wymagania jakościowe. Europejscy decydenci pomimo ogromnej presji dekarbonizacyjnej wciąż dostrzegają w węglu koksowym ”niewidoczne paliwo zielonej transformacji”, czego wyrazem jest jego wpisanie go na europejską listę surowców krytycznych. Nie da się pominąć stali, a więc węgla koksowego w łańcuchu dostaw projektów dekarbonizacyjnych. Jastrzębska Spółka Węglowa od lat podejmuje działania mające na celu wzmocnienie pozycji węgla koksowego i zwrócenie uwagi na jego rolę budowie nowoczesnej niskoemisyjnej gospodarki.
Jastrzębska Spółka Węglowa konsekwentnie modernizując swoje zakłady tak, by odpowiadały modelowi wytwarzania zwanego przemysłem 4.0 pozwalającym zapewnić tej branży możliwości rentownego i efektywnego funkcjonowania. Dokłada również wszelkich starań do ciągłego ulepszania procesów kształtujących jakość: od rozpoznania złoża, po procesy produkcyjne i przeróbcze. Okiełznanie trudnej geologii jest kamieniem milowym na drodze w tworzeniu nowoczesnego górnictwa 4.0. Kluczowym działaniem pozwalającym zapewnić stabilność parametrów jakościowych produkowanego węgla jest proces rozpoznania złoża, pozwalający na osiągnięcie zamierzonego poziomu jakości poprzez odpowiednie harmonogramowanie ścian. Nie da się prowadzić racjonalnej eksploatacji zasobów oraz utrzymywać wysokiej jakości produktu bez rzetelnie prowadzonego procesu rozpoznania złoża. Prawidłowe rozpoznanie złoża jest niezbędne zarówno z punktu widzenia odpowiedniej wyceny wartości złoża, jak również planowanych działań inwestycyjnych. To dzięki rzetelnemu rozpoznaniu złoża możliwe jest dokładne zaprognozowanie jakości węgla w poszczególnych pokładach, co w konsekwencji przekłada się na możliwość predykcji jakości węgla handlowego. Możliwość sterowania procesem produkcji pod kątem zapewnienia wysokich parametrów jakościowych poprzez odpowiednie modyfikowanie procesów produkcyjnych dzięki zautomatyzowanym procesom monitorowania bieżącej produkcji oraz bazie posiadanych danych o zasobach doskonale wpisuje się w idee przemysłu 4.0.
W procesie rozpoznania złoża określa się szereg parametrów węgla, które pozwalają opisać jego cechy w sposób umożliwiający odpowiednio ocenić jego przydatność technologiczną. Wszystkie oznaczane w procesie rozpoznana parametry są w jakimś stopniu miarą jakości węgla, chociaż tylko część z nich jest parametrami cenotwórczymi. Jednym z podstawowych kryteriów oceny jakości węgla koksowego są obecnie parametry reaktywności koksu oraz wytrzymałości poreakcyjnej. Ilość próby pobrana w procesie opróbowania realizowanego często za pomocą otworów badawczych, zarówno powierzchniowych jak i dołowych (rdzeniowych lub bezrdzeniowych), nie zawsze pozwala na określenie wszystkich interesujących nas parametrów jakościowych, włącznie z określeniem parametrów jakościowych koksu takich jak parametry CRI i CSR. Oznaczenie tego parametru, które poprzedza koksowanie węgla w warunkach laboratoryjnych, wymaga stosunkowo dużej masy próbki. Niejednokrotnie, złoże przewidziane do eksploatacji w dłuższej perspektywie czasu, pomimo rzetelnego rozpoznania jest słabo scharakteryzowane pod względem parametrów jakościowych koksu (CRI/CSR), co spowodowane jest najczęściej pochodzeniem próbki determinującym jej ilość. W opisanej sytuacji możliwe jest wykonanie prognozy właściwości wskaźników CSR i CRI na podstawie analizy petrograficznej lub zastosowanie algorytmów uczenia maszynowego w procesie predykcji na co pozwala spory zbiór danych kształtujących cyfrowy model złoża w JSW S.A.
W ramach doktoratu wdrożeniowego opracowywana jest autorska metoda prognozowania parametrów CRI/CSR z próbek o małej masie, co może stanowić narzędzie wspomagające pracę służb geologicznych w kopalniach JSW S.A. Badania parametrów jakości karbonizatów otrzymanych z węgli uzyskanych z otworów badawczych może być dodatkową składową procesu rozpoznania i prognozowania parametrów jakościowych złoża.