Mining and underground construction machineries

[PY2-72] Fundamental research of early diagnosis on Rotary Percussion Drill Bit with Deep Learning

○Jo Sasaki¹, Youhei Kawamura¹, Takeshi Shibuya², Syunn Mizuno², Yusuke Takarada³ (1. Akita University, 2. University of Tsukuba, 3. Mitsubishi Materials Corporation)

Keywords:Deep Learning, Convolutional Neural Network, Drill Bit, Anomaly diagnosis, Waveform analysis

ロータリーパーカッションドリルのドリルビットが破損した状態での掘削は資源採掘の現場において問題として挙げられる。その例として掘削においての作業効率が低下することと、ビットの損傷部分から振動により熱を持ちビット以外のドリルの部品の故障を引き起こすことが挙げられる。これまで、ドリルビットの異常検知は現場の熟練のオペレーター自身が掘削音や、掘削の進み具合で破損かどうかを判断していた。本研究は、オペレーターの育成や、オペレーターの維持費が省略されることで資源採掘の現場でのコストダウンを可能にする。この研究では、近年注目を集めてきたディープラーニングを用いてドリルビットが稼働している音圧の強度を入力として機械に学習させ、出力としてビットの破損の有無を判定する。結果は、正答率が80%以上の値を示した。この作成したモデルに対して映像では破損したかどうかを判定できなかった時間帯のデータを入力として。その結果、ある時間を境に破損している確率が高い値を示しているのが見られた。