התקדמות בבדיקה הסיסמית'ית שלי למניעת אירועים לאסון

מה זה הפיקוח הסיסמית שלי?

ניטור סיסמית שלי הוא גילוי שיטתי, הקלטה וניתוח של רטטים קרקעיים שנגרמו על ידי פעילויות כרייה.רטטים אלה - או אירועים סיסמיים - טווח שברים מיקרוסקופיים להתמוטטות בקנה מידה גדול. על ידי לכידת ופרש של אותות אלה, מהנדסים ובטיחות יכולים להעריך את יציבותם של עבודות תת-קרקעיות, לזהות אזורי סיכון גבוהים, וליישם אמצעים מונעים לפני אסון מתרחש.

העיקרון הפיזי מאחורי ניטור סיסמי הוא פשוט: כאשר פורצות סלע, חלקים, או עיוותים, הוא משחרר אנרגיה בצורת גלים גמישים. כלי רגיש שמוצב לאורך כל המכרה ללכוד את הגלים האלה, מה שממיר אותם לנתונים דיגיטליים.ניתוח של זמני ההגעה, הדגימות, ומגלה את המיקום, הגודל והמנגנון של כל אירוע.

הסיסמיתות המושרה של מיינג שונה מ רעידות אדמה טבעיות בכמה דרכים מפתח.זה קורה בדרך כלל בעומקים רדודים יותר, יש גודל קטן יותר (לעתים קרובות שלילי ערכים חיוביים נמוכים בסולם ריכטר), והוא מופעל על ידי פעילויות אנושיות כמו פיצוץ, חפירות, או החילוץ של אוז.עם זאת, הפוטנציאל לפציעה, קטלניות והפסד כלכלי נשאר גבוה.

כיצד נוצרו גלים סיסמית'ים במכרות

גלים סיסמית בסביבה כרייה מקורם ממקורות מרובים.הפשוטים ביותר הם התפרצויות מכוונת המשמשים לשבור סלע, אשר מייצרים רטטים מבוקרים יותר בנוגע לאירועים לא מכוונים: חלוקה מחדש מתח סביב מנהרות ועצירים, היא חלקה לאורך תקלות טרום-הבחנה, fracturing in brittle Rock, והתמוטטות פתאומית של עמודי עמוד או חללים.כל אירוע יש חתמה נפרדת שיכולה ללמוד אלגוריתמים בכיתה.

לדוגמה, סלעי – הזרקת הסלע אלים מקיר מנהרה – יוצר אות גבוה, קצר-טווח עם הגעת P-wave ו-S-wave. לעומת זאת, גג הדרגתי שאג מייצר נמוך- ⁇ , חרטות מורחבות. ניטור רציף מאפשר לקטלוג ולהמפות, יצירת תמונה דינמית של השדה המשתנה של המכרות.

ציוד בקרה סיסמית

מערכות סיסמית'יות מודרניות מסתמכות על מערך של חיישנים שפורשים הן על פני השטח והן מתחת לאדמה.המכשירים הנפוצים ביותר כוללים:

• (FLT:0)Geophones: FLT:1 חיישנים אלקטרומגנטיים המדדודים את מהירות החלקיקים.הם חזקים, בעלות נמוכה, ומשמשים נרחב למעקב אחר שדה ליד מכרות בינוניות קטנות.
• (FLT:0) Accelerometers:FLT:1 מכשירים שיאוצו האצה.הם מטפלים במגוון דינמי גבוה יותר והם מתאימים ללכידת תנועות קרקע חזקות קרוב למקור סיסמי.
• (FLT:0) כבלים אופטיים:FLT:1 Distributed אקוסטית חישה (DAS) הופכת כבלים תקשורתיים קיימים למערךים סיסמיים מתמשך.DAS מציע פתרון מרחבי גבוה ויכול לכסות קילומטרים של אורך מנהרה עם סיבים בודדים.
• (FLT:0) למערכות מוזיאולוגיות: FLT:1 רשתות מיוחדות אופטימיזציה לגילוי אירועים קטנים מאוד (בבסיס גודל -2 או -3) אלה חיוניים לאזהרה מוקדמת במכרות פרו-פרון.

נתונים מחיישנים אלה זורמים ליחידת עיבוד מרכזית, לעתים קרובות ממוקמים על פני השטח או בחדר בקרה מחתרתי מאובטח.זמן סינכרוניזציה באמצעות GPS או פרוטוקול זמן רשת מבטיח מיקום אירוע מדויק.עם כניסת מחשוב קצה, חלק מהתהליכים עכשיו מתרחשים ישירות על חיישן node, צמצום דרישות רוחב פס ומאפשר התראות בזמן אמת.

התקדמות טכנולוגית חדשה

העשור האחרון ראה שיפורים דרמטיים בחומרה, בתוכנה ובאלגוריתמים שתחת פיקוח סיסמית שלי.ההתפתחויות הללו הפכו את המערכות לזמינות יותר, לקלות יותר לפרוס, ומדוייק הרבה יותר בחיזוי אירועים מסוכנים.

רשתות חיישן אלחוטיות ואינטרנט של הדברים

מערכות סיסמית מסורתיות נדרשות קילומטרים של כבל קואקסיאלי, התעלות נרחבת, ונקודות התקנה קבועות.רשתות חיישן אלחוטיות (WSN) לחסל הרבה מעל זה. מודרני WSN nodes לתקשר על פרוטוקולי רדיו מרש כגון Zigbee, LoRaWAN, או אפילו 5G סלולארי, המאפשר פריסה מהירה באזורי כרייה פעילים.כל אחד לא יכול לארח טלפון גיאוגרפי או acc, עם זיכרון ביניים, אשר הם לא ניתן להעביר נתונים, או זרם נתונים ביניים, או זרם נתונים, אשר נמצאים דרך זרם נתונים, או זרם ביניים, או סוללת ביניים, או סוללת.

האינטרנט של הדברים (IoT) מרחיב את היכולת הזו על ידי שילוב חיישנים סיסמיים עם מערכות ניטור אחרות – אוורור, גילוי גז, מכ"מים של יציבות מדרונות, ו המעקב אחר כוח אדם אחר.פלטפורמת IoT מאוחדת מאפשרת קורלציה בין הצדדים: עלייה בפעילות סיסמית בשילוב עם עלייה ברמות מתאן יכולה לגרום לפינוי אוטומטי.

Machine Learning ו-Artificial Intelligence for Predictive Analytics

אולי ההתקדמות הטרנספורמציית ביותר נמצאת בלמידה של מכונות (ML) ובבינה מלאכותית (AI) ניתוח סיסמית מסורתי המבוסס על פיקוח ידני של גלפורות ואזעקות פשוטות המבוססות על סף הסף כיום, רשתות עצביות עמוקות יכולות ללמוד את היחסים המורכבים, הלא ליניאריים בין אותות מדומים לבין כישלונות מבוישים.

רשתות עצביות מהפכתיות (CNN) מעבדות גלות סיסמיות לגילוי ולסווג אירועים עם אגורות מעל 95%. רשתות חוזרות (LSTMs) ללכוד רצפים זמניים, לזהות כי סדרה של אירועים קטנים לעתים קרובות לפנים גדול רוקבוריסט.לא משגיח על אלגוריתמים דומים, חושף משפחות של פעילות מיקרו-סיבית המקושרת למבנים גיאולוגיים ספציפיים אלה יכול להיות מאומן על ידי זיהוי היסטורי ספציפי של נתונים, ואז להפחית את האלגוריתמים של נתונים חדשים של אירועים דומים, לאחר מכן.

לדוגמה, חוקרים מאוניברסיטת קווינסלנד והמרכז האוסטרלי לגיאמכאניקיסטים פיתחו מודל היברידי המשלב סימולציות המבוססות על פיזיקה עם ML. היא צופה את ההסתברות של אירוע סיסמית גדול בשעה הבאה עם > 80% דיוק - מספיק זמן להפסיק ייצור ותחומים בסכנת הכחדה.

3D Sismic Tomography ו Imaging

ההתקדמות בכוח חישובי עשתה 3D sic tomography אפשרי עבור סקרים בקנה מידה שגרתית של מכרה. על ידי ניתוח זמני הנסיעות של P- ו- S-waves ממקורות פעילים (blasts) או אירועים פסיביים, מהנדסים לשחזר מודלים מהירים של אזורי תת-קרקעיים. נמוך-עירום לעתים קרובות מצביעים על חלש, שבר סלע שעשוי להיות נוטה לקרוס.

טכניקה זו יוצרת תמונות תלת-ממדיות מפורטות של מסת הסלע לפני החפירה מתחילה, המנחה את עיצובי כדי להימנע מבניינים מסוכנים.שינויים במודל המהירות לאורך זמן - מעקב אחר פתולוגיה חוזרת חוזרת - יכול להדגיש שינויים בלחץ או את הצמיחה הפרוגרסיבית של רשתות השברים.

בנוסף, סטיות גלימות מלאות (FWI) עושה את דרכו מחיפוש נפט לתוך כרייה. FWI משתמש בנתונים גלפוריים שלמים (לא רק זמני הגעה) כדי לייצר תמונות ברזולוציה גבוהה יותר של תכונות סלע, כולל אנזוטרופיה ועצימה. בעוד אינטנסיבית חישובית, המודלים וכתוצאה מכך מאפשרים הערכות סיכון מדויקות יותר עבור מכרות עמוקות, גבוהות.

Multi-Source Data Fusion

שום זרם נתונים יחיד אינו יכול ללכוד את המורכבות המלאה של מצב גיאומכאאני של שלי.ההיתוך של נתונים סיסמיים עם מדידות אחרות - כגון קריאה של ארסמטר, ניטור התכנסות, לחץ פוזר, פליטות אקוסטיות מברי סלעים, ולוויינים InSAR (פרומטרי Synthetic Aperture Radar) - מספק תצוגה רב-ממדית של יציבות מתקדמת, כולל Bays, כולל רשתות סלבריטיות ופילטרים אלה כדי ליצור סיכונים בזמן אמתיים.

לדוגמה, מערכת התראה מוקדמת משולבת במכרות זהב עמוק בדרום אפריקה מתואמים את הפעילות הסיסמית עם שיעורי ההתכנסות נמדדת על ידי סורקי לייזר. כאשר שניהם עולים על סף מוגדר מראש, התראה נשלחת לחדר הבקרה.המערכת גם מעבירה נתונים היסטוריים כדי להבחין בין סיסמיות מושרה ייצור רגילה ודפוסי מפרסום לא נורמליים.

היתרונות של פיקוח מודרני

ההשפעה המצטברת של ההתקדמות הטכנולוגית הזו היא שינוי צעד בביטחון וביעילות התפעולית שלי.

• (FLT:0) מערכות אזהרה מוקדמות: גילוי זמן אמתי של אירועים מדומים מאפשר למפעילי שלי להפסיק את העבודה, לפנות אנשי צוות, ולפרוס תמיכה זמנית לפני שכישלון גדול מתרחש.
• (FLT:0) ,העברת תאונות ושומן: IRLT:1 מכרות עם תוכניות ניטור סיסמיות מקיף לדווח באופן עקבי על שכיחות נמוכה יותר של פציעות בפלות קרקעיות.ההמועצה הבינלאומית על Mining ומתכת (ICMM) מציינת כי שיפורים המונעים על ידי טכנולוגיה תרמו לירידה של 50% בתאונות כרייה קטלניות בשני העשורים האחרונים.
• (FLT:0) חיסכון: 1FLT מונע התמוטטות אחת יכול לחסוך מיליונים בייצור אבוד, נזק בציוד, פיצוי.בנוסף, אופטימיזציה לוח זמנים של פיצוץ - הודיע על ידי רגישות סיסמית - להפחית או להפחתת אולול ושיפור פיצול, שיפור ישירות של רווחיות.
• (FLT:0)Imroved Mine Design: FLT:1 רשומות סיסמיות לטווח ארוך עוזר למהנדסים לדגמי קשקשים של מסה הסלע.מודלים טובים יותר להוביל לפרוסות עצירה יעילות יותר, גדלים בעמוד המתאים ורצףי כרייה בטוחים יותר.
• תרבות בטיחות: 1.10 כאשר מינרים רואים כי החלטות בטיחות מגובה על ידי נתונים - וכי ניהול פועל על אזהרות - אמון ועלייה במשמרות.

אתגרים ומגבלות

למרות התקדמות מרשימה, כמה מכשולים מעכבים את האימוץ האוניברסלי של ניטור סיסמית מתקדם שלי.

(FLT:0) הסביבה המחתרתית: FLT:1 חיישן חייב לעמוד בפני אבק, לחות, טמפרטורות קיצוניות, קורוזיה מן המים שלי, והשפעות פיזיות של ציוד.רשתות אלחוטיות סובלים מהפחתה של אותות היווצרות סלע עמוק ומוליכים. אספקת כוח נשאר בעייתי במקומות מרוחקים, אם כי קציר אנרגיה מתרטטים או ⁇ תרמי הוא אזור מחקר פעיל.

(FLT:0Data Volume and Burden:FLT:1) מכרה מודרני עם 200 + חיישנים מייצר terabytes של נתונים בשבוע. עיבוד, אחסון וניתוח של השיטפון הזה של מידע דורש תשתיות IT משמעותיות ומומחיות. מכרות רבות חסרות מדעני נתונים בבית, להסתמך במקום על ספקי שירותים חיצוניים.

(FLT:0)Cost of Implementation:FLT:1 בעוד עלויות החיישן צנחו, מערכת שלמה - כולל התקנה, רישוי תוכנה, הכשרה ותחזוקה מתמשכת - עדיין יכול לרוץ למאות אלפי דולרים ומפעילים קטנים ובינוניים לעתים קרובות נאבקים להצדיק את ההוצאות, במיוחד כאשר שולי הם דקים.

(FLT:0Skill Shortage: FLT:1) נתונים סיסמיים דורש תערובת של גיאופיזיקה, מכניקת רוק והנדסה כרייה - שילוב נדיר.אוניברסיטאות החלו להציע תוכניות מיוחדות (למשל, MEng בהנדסת גיאוטכני באוניברסיטת אריזונה), אבל הצינור נשאר לא מספיק כדי לענות על הביקוש העולמי.

(FLT:0) יחסיות: 1FLT) מכרות רבות משתמשות בציוד ממוכרים מרובים עם פורמטים קנייניים.חילופי נתונים ללא ים לעתים קרובות מונעים על ידי היעדר סטנדרטים.

כיוונים עתידיים ומגמות מתפתחות

במבט קדימה, כמה התפתחויות מבטיחות לשפר עוד יותר את ניטור הסיסמי שלי ומניעת אסון.

חיישן חזק, עצמי

מחקר לתוך משככי אנרגיה ותרמואלקטרית עשויים בקרוב לחסל את הצורך בתחליפי סוללות בצומת אלחוטי. בשילוב עם אלקטרוניקה חזקה, כוח נמוך כוח, חיישנים אלה יכולים לפעול במשך שנים עם אפס תחזוקה. ובינתיים, חומרי קיבולת חדשים ציפויים להאריך את חיי החיישן בסביבה כימית אגרסיבית.

זמן 3D חזותיזציה ו- Digital Twins

תאומים דיגיטליים - העתקים וירטואליים של המכרה שעדכון עם נתונים בזמן אמת - הופכים מעשיים. תאום דיגיטלי משלב מיקומים אירוע סיסמי, תכונות מסת סלע, מודלים מתח, ולוח הזמנים ייצור לתוך ממשק יחיד immersive מהנדסים יכולים לדמות "מה אם" תרחישים: אם אירוע סיסמי גדול מתרחש בקרבת מקום, איך הלחץ להפיץ מחדש? - יכולת חיזוי זה מאפשר תמיכה רצף פעיל והתאמות תת-קרקעיות כמו פלטפורמות כריית הן מתפתחות במיוחד.

דיסטריוט של Sensing (DAS) ב- Scale

טכנולוגיית DAS סיבים אופטיים היא במהירות הזדווגות.היכולת שלה להפוך קילומטרים של סיבים תקשורתיים קיימים לתוך מערך סיסמי צפופה מציעה כיסוי מרחבי לא תואם.כפי שעלויות יורדות, DAS עשוי להפוך לעמוד השדרה של ניטור רחב שלי, בתוספת על ידי צמת חיישן דיסקרטיות עבור הדמיה מקומית ברזולוציה גבוהה.

AI שמסביר את ההחלטות

AI (XAI) הוא צובר מתח כמו הרגולטורים וכורים דורשים שקיפות בקבלת החלטות אוטומטית.במקום "קופסא שחורה" שפשוט מסמן אזהרה, הדור הבא של דגמי ML ידגיש אילו תכונות של האות הסיסמיטי יניעו את החיזוי - למשל, עלייה באנרגיה גבוהה, עלייה בשיעור, או מקבץ מרחבי.

שילוב עם מערכות מינון אוטונומיות

ככל שמכוניות הכרייה הופכות אוטונומיות לחלוטין, ניטור סיסמית יכול להשפיע ישירות על התנהגותן.לדוגמה, אזהרה סיסמית מקומית יכולה לשלוט באופן אוטומטי על משאית אוטונומית של הובלת נתיב או לעצור עד שהאזור מנקה.

מסקנה

ניטור סיסמית שלי התפתח מכלי מחקר נישה למרכיב חיוני של ניהול בטיחות מכר מודרני.התקדמות בחיישנים אלחוטיים, למידת מכונה, הדמיה תלת-ממדית, והיתוך נתונים מאפשרים זיהוי מוקדם ומדויק יותר של מבשרי כישלונות.בעוד אתגרים כגון עלות, מורכבות נתונים, עמידות סביבתית נשאר ברור: הטכנולוגיה הופכת את ההשקעה תת-קרקעית ויעילה יותר במחקר, אימונים מסוכנים, אשר בקרוב יכולות להגיע למצבי הגלים של כדור הארץ.

לקריאה נוספת על ההתפתחויות האחרונות, בקר בתוכנית FLT:0NIOSH Mining Program:0NIOSH Mining Program of Reduction 1FOVAs 1LT:2ESG SolutionsFLT 3, או סקירה על המחקר ב-AI ב ניטור מיקרו-סיסטי שפורסם ב-FLT:4 Journal of Rock Mechanics and Mining Sciences:5FLT5: