Materiały konferencyjne SEP 2020

tegia serwisowania maszyn i urządzeń, znacznie bardziej efektywna niż serwisowanie poawa- ryjne, którego negatywny efekt jest niewielki tylko w przypadku niekluczowych i łatwo zastę- powanych zasobów. Strategia ta stanowi również alternatywę dla harmonogramowych wymian podzespołów, które nie zawsze przeprowadzane są w odpowiednim momencie, a niosą za sobą dodatkowe ryzyko wymiany sprawnych komponentów na wadliwe [30]. W polskim przemyśle górniczym prace w tej dziedzinie powiązane są m.in. z detekcją anomalii w działaniu napędów przenośników taśmowych [31][32][33][34] celem zapobiegania przestojów całego ich ciągu, a także z monitoringiem pracy układów w samojezdnych maszynach górniczych [22][35]. Drugim obszarem wspieranym na szerszą skalę poprzez analitykę predykcyjną są procesy za- chodzące w górotworze i związane z nimi zagrożenia naturalne oraz skutki oddziaływania eks- ploatacji na powierzchnię. Ponieważ całkowite zamodelowanie górotworu jest praktycznie niemożliwe, analityka predykcyjna stanowi odpowiednie narzędzie dla lepszego zdefiniowania ryzyka wynikającego z prowadzonej eksploatacji. W tym przypadku algorytmy predykcyjne wykorzystywane są do klasyfikacji zagrożenia wstrząsami i związanymi z nimi wyrzutami skał na podstawie rejestrowanych przez stacje geofizyki sygnałów [36] [37]. Efekt będący następ- stwem tychże wstrząsów podlega również predykcji w odniesieniu do powierzchni, gdzie okre- śla się ryzyko powstawania szkód górniczych [38] [39] oraz analizuje stan uszkodzeń zabudo- wy na terenach górniczych [40]. 5. ANALITYKA PREDYKCYJNA W ZARZĄDZANIU PORTFELAMI PROJEKTÓW INWESTYCYJNYCH Wdrożenie analizy predykcyjnej w organizacji, poza wiedzą na temat algorytmów statystycz- nych i uczenia maszynowego, wymaga zaistnienia trzech dodatkowych warunków [26]: – Zaawansowanej wiedzy biznesowej powalającej na osadzenie analityki w danym obszarze biznesowym, co oznacza poprawne zdefiniowanie celu analityki, zrozumienie zależności po- między zmiennymi w niej wykorzystywanymi, a także zdolności do kapitalizacji jej wyników. – Złożonego problemu biznesowego – problem rozwiązywany przez analitykę musi być na tyle złożony i znaczący dla organizacji, aby wdrożenie analityki było opłacalne oraz niezastę- powane prostszymi narzędziami. – Dostępu do Big Data – posiadanie rozległych baz i hurtowni, regularnie zasilanych danymi, jest wymagane dla osiągnięcia wystarczającego poziomu rzetelności i powtarzalności analityki. Wszystkie trzy powyższe kryteria spełnione są dla podjęcia badań nad wdrożeniem analityki predykcyjnej w obszarze zarządzania portfelami projektów inwestycyjnych w KGHM Polska Miedź S.A. Jednym z podstawowych problemów w procesach decyzyjnych zarządzania portfolio projek- tów inwestycyjnych jest ocena przewidywanego czasu trwania każdego projektu oraz określe- nie związanego z tym rozkładu budżetu potrzebnego do jego zrealizowania. Według Project Managment Institute [41], w ostatniej dekadzie ilość projektów, które zostały zrealizowane na czas waha się od 50-55% w ujęciu globalnym, a nieznacznie więcej (55-60%) realizowanych jest w ramach planowanego budżetu. Górnictwo nie jest w tym przypadku odmienną branżą. Ten sam problem dotyczy projektów inwestycyjnych realizowanych w KGHM Polska Miedź S.A., aczkolwiek zdecydowanie częściej występującym problemem jest wydłużanie projektów