Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Statystyczna analiza danych i modelowanie procesów przeróbczych
Tok studiów:
2019/2020
Kod:
GIGR-2-315-PS-n
Wydział:
Górnictwa i Geoinżynierii
Poziom studiów:
Studia II stopnia
Specjalność:
Przeróbka surowców mineralnych
Kierunek:
Inżynieria Górnicza
Semestr:
3
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma studiów:
Niestacjonarne
Strona www:
 
Prowadzący moduł:
dr hab. inż. Foszcz Dariusz (foszcz@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Student nabędzie wiedzę i umiejętności w zakresie wykorzystanie technik i programów komputerowych do analizy danych przemysłowych oraz modelowanie operacji technologicznych jak i węzłów w zakładach przeróbki surowców mineralnych. Student nabędzie umiejętności tworzenia raportów produkcyjnych związanych z oceną efektywnością przebiegu procesu przemysłowego oraz eksploracji danych w celu wykrycia nieprawidłowej pracy układu technologicznego.

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Student zdobędzie wiedzę w zakresie filtracji i analizy danych przemysłowych z wykorzystaniem odpowiednich technik i narzędzi komputerowych IGR2A_W06, IGR2A_W03, IGR2A_W02, IGR2A_W01 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
M_W002 Student zdobywa wiedzę w zakresie tworzenia raportów produkcyjnych w celu oceny efektywności przebiegu procesu oraz wykrycia nieprawidłowej pracy operacji/układu. IGR2A_W06, IGR2A_W03, IGR2A_W02, IGR2A_W01 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
M_W003 Student zdobywa wiedzę w zakresie technik modelowania procesów związanych z przeróbka surowców, w tym tworzenia modeli dla rozbudowanych układów technologicznych z wykorzystaniem technik adaptacyjnych bazujących na sztucznej inteligencji. IGR2A_W06, IGR2A_W03, IGR2A_W02, IGR2A_W01
Umiejętności: potrafi
M_U001 Student potrafi wykonać na bazie danych przemysłowych raport dotyczący efektywności przebiegu operacji technologicznej oraz pracy układu technologicznego przeróbki surowca mineralnego. IGR2A_U06, IGR2A_U04 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
M_U002 Student potrafi na bazie danych przemysłowych stworzyć model matematycznych operacji technologicznej i układu - umożliwiający ocenę efektywności ich przebiegu. IGR2A_U06, IGR2A_U04 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
M_U003 Student potrafi dokonać statystycznej analizy danych przemysłowych w celu ich filtracji umożliwiającej ocenę i modelowanie procesów. IGR2A_U06, IGR2A_U04 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne: jest gotów do
M_K001 Student ma świadomość konieczności analizy danych i ich modelowania w podnoszeniu jakości procesów produkcyjnych z uwagi na efekty technologiczne, ekonomiczne, społeczne i środowiskowe. IGR2A_K01, IGR2A_K04 Aktywność na zajęciach,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
18 9 0 9 0 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Student zdobędzie wiedzę w zakresie filtracji i analizy danych przemysłowych z wykorzystaniem odpowiednich technik i narzędzi komputerowych + - + - - - - - - - -
M_W002 Student zdobywa wiedzę w zakresie tworzenia raportów produkcyjnych w celu oceny efektywności przebiegu procesu oraz wykrycia nieprawidłowej pracy operacji/układu. + - + - - - - - - - -
M_W003 Student zdobywa wiedzę w zakresie technik modelowania procesów związanych z przeróbka surowców, w tym tworzenia modeli dla rozbudowanych układów technologicznych z wykorzystaniem technik adaptacyjnych bazujących na sztucznej inteligencji. + - + - - - - - - - -
Umiejętności
M_U001 Student potrafi wykonać na bazie danych przemysłowych raport dotyczący efektywności przebiegu operacji technologicznej oraz pracy układu technologicznego przeróbki surowca mineralnego. - - + - - - - - - - -
M_U002 Student potrafi na bazie danych przemysłowych stworzyć model matematycznych operacji technologicznej i układu - umożliwiający ocenę efektywności ich przebiegu. - - + - - - - - - - -
M_U003 Student potrafi dokonać statystycznej analizy danych przemysłowych w celu ich filtracji umożliwiającej ocenę i modelowanie procesów. - - - - - - - - - - -
Kompetencje społeczne
M_K001 Student ma świadomość konieczności analizy danych i ich modelowania w podnoszeniu jakości procesów produkcyjnych z uwagi na efekty technologiczne, ekonomiczne, społeczne i środowiskowe. - - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 52 godz
Punkty ECTS za moduł 2 ECTS
Udział w zajęciach dydaktycznych/praktyka 18 godz
Przygotowanie do zajęć 12 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 15 godz
Samodzielne studiowanie tematyki zajęć 6 godz
Dodatkowe godziny kontaktowe 1 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (9h):

1. Podstawowe statystyki opisowe wykorzystywane w analizie danych procesowych.
2. Eksploracja dużych baz danych (data mining).
3. Podstawy modelowania, rodzaje modeli procesowych.
4. Nowe trendy i metody w modelowaniu procesów przeróbczych. Modele adaptacyjne bazujące na sztucznej inteligencji.
5. Omówienie pełnego modelu procesu przeróbki surowców mineralnych.

Ćwiczenia laboratoryjne (9h):

1. Filtracja danych przemysłowych wykorzystywanych w analizie statystycznej i modelowaniu.
2. Statystyczna analiza danych przemysłowych.
3.Wytypowanie i obliczenie najefektywniejszych wskaźników oceny wybranego węzła technologicznego w zakładzie przeróbczym.
4. Stworzenie modelu matematycznego dla operacji oraz pracy węzła technologicznego na bazie obliczonego wskaźnika oceny przy wykorzystaniu technik modelowania regresyjnego i sieci neuronowych.
5. Diagnostyka i weryfikacja modeli. Porównanie efektywności obu modeli.
6. Sformułowanie zadania optymalizacyjnego dla modelowanego węzła lub całego zakładu przeróbczego.

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia laboratoryjne: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zaliczenie ćwiczeń laboratoryjnych Student może uzyskać w jednym terminie podstawowym i dwóch terminach poprawkowych. Warunkiem zaliczenia są pozytywne oceny z wszystkich sprawozdań. Wiedza z wykładów będzie weryfikowana poprzez wykonanie sprawozdania a także formie odpowiedzi ustnej na ćwiczeniach laboratoryjnych podczas odbioru sprawozdania.

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu.
Sposób obliczania oceny końcowej:

Ocena końcowa jest ocena z ćwiczeń laboratoryjnych

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Dopuszczalna jest nieobecność na jednych ćwiczeniach lab., obowiązuje jednak oddanie wymaganego sprawozdania z tych ćwiczeń. Istnieje możliwość odrobienia nieobecności na ćwiczeniach laboratoryjnych z inną grupą za wcześniejszą zgodą prowadzącego – dotyczy oczywiście ćwiczeń na których realizowany jest ten sam temat oraz jest wolne miejsce przy stanowisku. W razie braku możliwości odrobienia zajęć, innym sposobem jest opracowanie zagadnienia ustalonego z prowadzącym.

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Znajomość procesów technologicznych przeróbki surowców mineralnych oraz wskaźników ich oceny.
Znajomość podstaw statystyki matematycznej

Zalecana literatura i pomoce naukowe:

1. Trybalski K.: Kontrola, modelowanie i optymalizacja procesów technologicznych przeróbki rud. Wydawnictwa AGH. Kraków 2013
2. Krawczykowski D.: Unifikacja wyników analiz granulometrycznych drobnoziarnistych proszków mineralnych. Wydawnictwo AGH, Kraków 2019
2. Poradnik górnika tom. V. Wydawnictwo „Śląsk”, Katowice 1976
3. Cierpisz S. Parametry Jakości węgla – pomiary i sterowanie W. PŚl Gliwice 2005
4. Pod red. K. Sztaby: Identyfikacja i ocena wybranych właściwości surowców mineralnych oraz procesów ich przeróbki. Wyd. IGSiMiE PAN, Kraków 2003
5. Kwaśniewski J. Programowalne sterowniki przemysłowe w systemach sterowania. Kraków 1999
6. Cierpisz S., Pielot J., Hwyduk A., Joostberens J.: Komputerowe modele symulacyjne przebiegu procesów wzbogacania węgla. W. PŚl Gliwice 2003
7. Mączka W., Trybalski K.: Kontrola procesów technologicznych cz. V, skr. ucz. 836 AGH, Kraków 1981

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Trybalski K., Foszcz D.: Analiza wielostadialnych przeróbczych układów technologicznych z wykorzystaniem schematów blokowych i transmitancji, Inżynieria Mineralna, Czasopismo Polskiego Towarzystwa Przeróbki Kopalin, Zeszyt Specjalny, nr S.2 (8), grudzień, 2002
2. Foszcz D.: Zastosowanie metod bootstrapowych do bilansowania produkcji na przykładzie O/ZWR KGHM Polska Miedź S.A., Inżynieria Mineralna, Czasopismo Polskiego Towarzystwa Przeróbki Kopalin, zeszyt specjalny nr 3 (10), Kraków 2003
3. Foszcz D.: Ocena dokładności estymacji charakterystyk parametrycznych zmiennych losowych przy pomocy metod bootstrapowych (Assessment of an Estimation Precision of Random Variables Parameters by Bootstrap Methods), Górnictwo i Geoinżynieria, kwartalnik Akademii Górniczo-Hutniczej, zeszyt 2/1, Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, s. 13-20, Kraków 2004
4. Tumidajski T., Mączka W., Saramak D., Foszcz D.: Problemy optymalizacji odzysku metali w układzie kopalnia-zakład wzbogacania-huta, na przykładzie KGHM Polska Miedź SA — Problems of the recovery metal optimisation in the scheme copper mine-processing plant-smelter and refinery, on the example of KGHM Polska Miedź SA. Górnictwo i Geoinżynieria / Akademia Górniczo-Hutnicza im. Stanisława Staszica, Kraków ; ISSN 1732-6702. Tyt. poprz.: Górnictwo (Kraków). 2004 R. 28 z. 2/1 s. 147-158
5. Foszcz D.: Estymacja parametrów funkcji regresji metodą klasyczną oraz metodami bootstrapowymi, Górnictwo i Geoinżynieria, kwartalnik Akademii Górniczo-Hutniczej, zeszyt 3/1, Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, s. 67-78, Kraków 2006
6. Trybalski K., Foszcz D., Konieczny A.: Analiza pracy układu technologicznego mielenia i flotacji z wykorzystaniem modeli blokowych, transmitancyjnych oraz programu Simulink Matlab — Analysis of the work of grinding and flotation technological system with application of block and transmittance models and Simulink Matlab program. Górnictwo i Geoinżynieria, Akademia Górniczo-Hutnicza im. Stanisława Staszica, Kraków ; ISSN 1732-6702. — Tyt. poprz.: Górnictwo (Kraków). — 2007 R. 31 z. 3/1 s. 555–573. Polski Kongres Górniczy : sesja S-10 Geomechanika w służbie przemysłu ; sesja S-12 Działalność górnicza a środowisko przyrodnicze : Kraków, 19–21 września 2007 : materiały konferencyjne /red. nauk. z. Wiktoria Sobczyk, Antoni Tajduś ; AGH. — Kraków
7. Foszcz D.: Modelowanie i badania symulacyjne wzbogacalności rud miedzi z wykorzystaniem programu Simulink Matlab. Zeszyty Naukowe Politechniki Śląskiej ; ISSN 0372-9508 ; nr 1795. Górnictwo. 2008 z. 284 s. 25-38
8. Foszcz D., Niedoba T., Tumidajski T.: Analiza możliwości prognozowania wyników wzbogacania polskich rud miedzi uwzględniającego stosowaną technologię, Analysis of possibilities of forecasting the results of Polish copper ores benefication with applied technology taken into account. Górnictwo i Geoinżynieria, Akademia Górniczo-Hutnicza im. Stanisława Staszica, Kraków; ISSN 1732-6702. Tyt. poprz.: Górnictwo (Kraków). 2010r. 34 z. 4/1 s. 25-36
9. Foszcz D., Saramak D., Tumidajski T., Niedoba T., Gawenda T.: Możliwości poprawy dokładności aproksymacji krzywych składu materiałów uziarnionych, Possibilities of adjusting the adequacy of grained materials particle size distribution approximation, Górnictwo i Geoinżynieria Akademia Górniczo-Hutnicza im. Stanisława Staszica, Kraków; ISSN 1732-6702. Tyt. poprz.: Górnictwo (Kraków). 2010 R. 34 z. 4/1 s. 37–47
10. Legierski T., Zamora A., Foszcz D., Kazior G, Adamczyk W.: Zastosowania systemów wizyjnych i termowizyjnych do sterowania procesami technologicznymi w KGHM Polska Miedź S.\,A. — Application of vision and thermovision systems in control processes at KGHM Polska Miedź S.\,A. / / W: Copper metallurgy : 50th anniversary of KGHM Polska Miedź S.\,A. : 26–28 October 2011, Kraków, Poland : conference proceedings / Instytut Metali Nieżelaznych, [et al.]. Gliwice : IMN, 2011. ISBN 978-83-910092-5-3. s. 429-438
11. Konieczny A., Pawlos W., Jach M., Pępkowski R., Krzemińska M., Kaleta R., Foszcz D.: Zastosowanie systemu wizualizacji do sterowania parametrami pracy maszyn flotacyjnych w KGHM Polska Miedź S. A. Oddział Zakłady Wzbogacania Rud, Application of visualization system for controlling operating parameters of flotation machines in KGHM Polska Miedź S. A. Division of Concentrators . Górnictwo i Geologia : kwartalnik ; ISSN 1896-3145. 2011 t. 6 z. 2 s. 61-71
12. Foszcz D., Ogonowski Sz., Kasińska-Pilut E.: Analiza i modelowanie procesów technologicznych w systemie SAiM na podstawie danych przemysłowych z O/ZWR KGHM PM S.A. (Analysis and modeling of technological processes in SAiM system based on process data from O/ZWR KGHM PM S.A.). W: ICNOP’12 : X Międzynarodowa konferencja przeróbki rud metali nieżelaznych = X International conference on Non-ferrous ore processing : 17–19 października 2012, Lądek Zdrój – Trzebieszowice : materiały konferencyjne = conference proceedings / Instytut Metali Nieżelaznych, [etc.]. KGHM Cuprum Sp. z o.o. CBR, 2012]. s. 111-122
13. Legierski T., Zamora A., Ogonowski Sz., Foszcz D., Pawlos W.: Optymalizacja sterowania procesami flotacji przy zmiennych parametrach nadawy z zastosowaniem systemu FloVis w KGHM PM O/ZWR Rejon Rudna, Flotation process optimization with feed parameters variation using FloVis system in KGHM PM O/ZWR Rejon Rudna W: II Międzynarodowy Kongres Górnictwa Rud Miedzi = II International Copper Ore Mining Congress : perspektywy i kierunki rozwoju = perspectives and development directions : Lubin, 16–18 lipca 2012 : materiały konferencyjne = conference papers, Stowarzyszenie Inżynierów i Techników Górnictwa. Oddział Lubin, KGHM Polska Miedź S.A., Związek Pracodawców Polska Miedź. — [Lubin : SITG. Oddział, 2012]. ISBN 978-83-929275-5-6. s. 254-265
14. Konieczny A., Pawlos W., Legierski T., Zamora A., Ogonowski Sz., Foszcz D.: Rozwój systemu wizyjnego sterowania parametrami pracy maszyn flotacyjnych (FloVis) opracowanego w KGHM Polska Miedź S.A. Oddział Zakłady Wzbogacania Rud, The development of vision system control of flotation machines work parameters (FloVis) in KGHM Polska Miedz S.A. Division of Concentrators. W: ICNOP’12 : X Międzynarodowa konferencja przeróbki rud metali nieżelaznych = X International conference on Non-ferrous ore processing : 17–19 października 2012, Lądek Zdrój – Trzebieszowice : materiały konferencyjne = conference proceedings s. 61-74
15. Tumidajski T., Kalinowski K., Trybalski K., Foszcz D., Gawenda T., Kunysz J., Mączka W., Saramak D., Niedoba T.: Modelowanie matematyczne układów technologicznych przeróbki surowców mineralnych The mathematical modelling of mineral processing technological systems. Monografia pod red. Tadeusza TUMIDAJSKIEGO; Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie. Wydział Górnictwa i Geoinżynierii. Zakład Przeróbki Kopalin, Ochrony Środowiska i Utylizacji Odpadów. Kraków: Wydawnictwo IGSMiE PAN, 2004. – 126, 2 s., 4 s. tabl.
16. Tumidajski T., Foszcz D., Jamróz D., Niedoba T., Saramak D.: Niestandardowe metody statystyczne i obliczeniowe w opisie procesów przeróbki surowców mineralnych, (Non classical statistical and calculation methods in mineral processing description). Instytut Gospodarki Surowcami Mineralnymi i Energią Polskiej Akademii Nauk., Kraków: Wydawnictwo IGSMiE PAN, 2009. 125 s.. ISBN 978-83-60195-62-8

Informacje dodatkowe:

Brak