Materiały konferencyjne SEP 2021

1. WSTĘP Aktualnie w różnych obszarach biznesowych można dostrzec szybkie tempo zmian, które wa- runkuje dynamiczny rozwój przedsiębiorstw i globalny wzrost zapotrzebowania na różnego rodzaju informacje tu i teraz. Ilość generowanych danych z różnych źródeł wzrasta z roku na roku w tempie wykładniczym Dotyczy to zarówno działalności wewnątrz przedsiębiorstwa, jak również jej otoczenia. Coraz bardziej powszechne staje się tworzenie tzw. inteligentnych prze- strzeni opartych na Internecie Rzeczy [1]. Rozwiązania te zaczynają przenikać do przedsię- biorstw przemysłowych, stając się głównym źródłem danych zasilających systemy cyber-fi- zyczne (ang. Cyber-Physical Systems CPS) [2,3]. Taki system w rzeczywistości zbudowany jest z szeregu inteligentnych komponentów informatycznych (wirtualnych), mechanicznych i elek- tronicznych (fizycznych), które komunikują się za pośrednictwem infrastruktury danych (np. Internetu). Dzięki takiemu rozwiązaniu świat realny i wirtualny stają się zintegrowane. Wy- zwaniem dla przedsiębiorstw górniczych jest zatem takie przemodelowanie architektury infor- matycznej, aby efektywnie zarządzać informacją w czasie rzeczywistym, w celu uzyskania przewagi konkurencyjnej na rynku. Można wskazać następujące przykłady zastosowania takiej architektury systemu informatycznego w górnictwie: (1) automatyczna analiza chemiczna wy- dobywanego urobku dzięki zamontowanym kamerom nad przenośnikami i dokonywania na bieżąco korekt planów eksploatacyjnych; (2) bieżąca analiza danych pochodzących z samo- jezdnych maszyn górniczych, które mogą być wykorzystywane na potrzeby systemu antykoli- zyjnego a także do predykcji awarii, pozwalając przeprowadzić serwis na czas i zapobiec prze- stojom produkcyjnym oraz ograniczyć straty finansowe; (3) ciągła analiza danych pochodzą- cych z czujników sejsmograficznych na potrzeby predykcji tąpań. Realizacja tych zadań z ko- lei wymusza intensyfikację adaptacji nowych technologii we wszystkich procesach bizneso- wych (produkcyjnych) przedsiębiorstwa [4], aby realne stało się osiągnięcie optymalizacji wy- dajności w relacji do niskich kosztów oraz poprawę bezpieczeństwa pracy [5]. W przypadku przedsiębiorstw przemysłowych bardzo ważną rolę odgrywa idea Przemysłu 4.0 (ang. Industry 4.0) [6,7], która opisuje koncepcję, szereg zasad oraz wyzwania przed jakimi stoją firmy w procesie transformacji cyfrowej. Przejście przedsiębiorstwa na model architektury Industry 4.0 jest podstawą dla rozwoju zaawansowanej analityki Big Data na potrzeby generowania wiedzy o aktualnych i prognozo- wanych uwarunkowaniach przedsiębiorstwa przemysłowego. Należy mieć na uwadze, że ar- chitektura to nie tylko kwestie związane z infrastrukturą ICT (ang. Information and Communi- cation Technologies), sprzętem i oprogramowaniem, ale holistyczne spojrzenie na organizację, w celu identyfikacji jej kluczowych potrzeb i doboru odpowiednich narzędzi, propozycji bu- dowy obsługi procesów biznesowych, czy wprowadzenia optymalnych zmian organizacyjnych. Niezwykle ważne jest również zarządzanie zmianami w kontekście kolejnych projektów ICT [8–10]. Zastosowanie zaawansowanej analizy danych w przypadku przedsiębiorstw przemy- słowych, zwłaszcza wielozakładowych, jest zadaniem o tyle trudniejszym w stosunku do in- nych firm, iż mamy do czynienia często z dużo większymi podmiotami, które są rozproszone terytorialnie, mają wiele oddziałów, również na całym świecie, ich procesy produkcyjne często są złożone i unikalne. O monitoringu procesów w przemyśle górniczym opisano [11]. Trud- ność ta wzrasta dodatkowo w przypadku przedsiębiorstw górniczych. Dane do analizy należy pozyskać z dużej liczby urządzeń przemysłowych biorących udział w produkcji np. monitorin- gu aktywności sejsmicznej, czujników środowiskowych zabudowanych w wyrobiskach górni- czych, systemów lokalizacji ludzi i monitoringu ich parametrów fizjologicznych, monitoringu samojezdnych maszyn górniczych (SMG), transportu taśmowego, systemów wentylacji i kli- matyzacji, odwadniania kopalni, telewizji przemysłowej itd. Należy podkreślić, że trudne wa-