Un approccio di analisi FSV per verificare la robustezza della tripla

Aug 08, 2023

Rapporti scientifici volume 13, numero articolo: 9621 (2023) Citare questo articolo

195 accessi

Dettagli sulle metriche

Tra tutti i disastri causati dal gas, la concentrazione di gas superiore al valore limite di soglia (TLV) è stata la principale causa di incidenti. Tuttavia, la maggior parte dei sistemi si concentra ancora sull’esplorazione dei metodi e del quadro per evitare di raggiungere o superare il TLV della concentrazione di gas dal punto di vista degli impatti sulle condizioni geologiche e sugli elementi del fronte di lavoro dell’estrazione del carbone. Lo studio precedente ha sviluppato un quadro teorico per l’analisi della correlazione di viaggio e ha rilevato forti correlazioni tra gas e gas, gas e temperatura e gas e vento nel sistema di monitoraggio del gas. Tuttavia, l'efficacia di questo quadro deve essere esaminata per determinare se possa essere adottato in altri casi relativi alle miniere di carbone. Questa ricerca mira a esplorare un approccio di analisi di verifica proposto: approccio di analisi First-round-Second-round-Verification round (FSV) per verificare la robustezza del quadro teorico dell'analisi della correlazione di viaggio per lo sviluppo di un sistema di allarme gas. Viene adottata una metodologia di ricerca mista qualitativa e quantitativa, compreso un caso di studio e una ricerca correlazionale. I risultati verificano la robustezza del quadro teorico dell'analisi della tripla correlazione. I risultati implicano che questo quadro è potenzialmente prezioso per lo sviluppo di altri sistemi di allarme. L’approccio FSV proposto può essere utilizzato anche per esplorare in modo approfondito i modelli di dati e offrire nuove prospettive per sviluppare sistemi di allarme per diverse applicazioni industriali.

Essendo il più grande produttore di carbone al mondo, l’industria mineraria cinese ha rappresentato circa il 46% della produzione globale di carbone nel 20201,2. Gli incidenti legati al gas sono gravi e devono essere affrontati dai manager dell’industria mineraria del carbone in Cina3. Tra tutti i disastri causati dal gas, la concentrazione di gas superiore al valore limite di soglia (TLV) è stata la principale causa di incidenti4. Pertanto, nelle miniere di carbone cinesi sono stati adottati sistemi di monitoraggio del gas per TLV in tempo reale. Tuttavia, la maggior parte dei sistemi si concentra ancora sull’esplorazione dei metodi e del quadro per evitare di raggiungere o superare il TLV della concentrazione di gas dal punto di vista degli impatti sulle condizioni geologiche e sugli elementi del fronte di lavoro dell’estrazione del carbone. Quando i dati sul gas raggiungono o superano il TLV, il sistema di monitoraggio del gas allerta la squadra di intervento di sicurezza della miniera5.

La letteratura aggiornata indica che gli studi attuali si concentrano principalmente sull’uso di approcci di machine learning (ML) (incluso il deep learning) per esplorare avvisi o prevedere modelli per evitare il superamento del TLV della concentrazione di gas. Tuttavia, una revisione completa della letteratura nel lavoro precedente sembra avere almeno tre limitazioni significative nell’uso dei metodi ML per prevedere le emissioni di gas e le concentrazioni di gas nell’attuale modello di sistemi di monitoraggio del carbone5,6. Includono input scadenti (set di dati) che determinano output inadeguati, risultati di previsione interpretati in modo impreciso e costi elevati dell'hardware di elaborazione per migliorare l'efficienza e l'efficacia dei modelli ML5. Nessun documento pubblicato riporta in modo completo i sistemi che utilizzano i dati raccolti sulle miniere di carbone; non è stato fatto alcun tentativo per scoprire la correlazione tra la concentrazione di gas e altri dati e applicarli per prevedere la concentrazione di gas4. Pertanto, uno studio precedente ha sviluppato un quadro teorico di analisi della correlazione di viaggio per lo sviluppo di un innovativo sistema integrato di allarme gas che indicasse relazioni significative tra gas e gas, gas e temperatura e gas e vento5. Tuttavia, è necessario esaminare l’efficacia del quadro teorico dell’analisi della correlazione di viaggio, che potrebbe essere adottato in altri casi di miniere di carbone.

Questa ricerca mira a esplorare un approccio di analisi di verifica proposto: approccio di analisi First-round-Second-round-Verification round (FSV) per verificare la robustezza del quadro teorico dell'analisi della correlazione di viaggio per lo sviluppo di un sistema di allarme gas. Viene adottata una metodologia di ricerca mista qualitativa e quantitativa, compreso un caso di studio e una ricerca correlazionale. Le sezioni seguenti si concentrano su fonti di dati, metodi, risultati, discussione, conclusione e disponibilità dei dati.