|
Hver dag blir det bygget nye tunneler i berg over hele
landet. De ferdige tunnelene er trygge, men selve byggefasen byr på
utfordringer.
For de som arbeider med å sprenge og bore tunneler, er
risikoen for ras, vanninntrengning eller uforutsigbare bergforhold en
del av hverdagen. Hvordan kan vi gjøre denne fasen tryggere, mer presis
og mindre kostbar?
Svaret mitt er: ved hjelp av kunstig intelligens.
Forskjellen
mellom berg og fjell:
Berg beskriver selve materialet vi bygger, borer og
sprenger i, mens fjell brukes om landformen vi ser i naturen. I denne
artikkelen handler det om berg.
Alt for mange
subjektive vurderinger
Gjennom mange år på ulike prosjekter med tunnelbygging og
gruvedrift, har jeg erfart at mange avgjørelser i tunnelbygging
fortsatt bygger på erfaringsbaserte og ofte subjektive vurderinger.
I planfasen bruker vi borekjerner fra overflaten og
seismikk for å forutsi forholdene. I selve drivefasen vurderer man
bergmassen visuelt og analyserer hvordan boremaskinen oppfører seg.
For eksempel kan rask inntrengning i berget tyde på
svakere partier. Men uten mulighet til å se innover i berget, blir
dette likevel vurderinger med en viss usikkerhet. Det er her risikoen
ligger.
Ubrukte data
I dag finnes det mye mer data enn vi bruker. En moderne
boremaskin samler inn tusenvis av målinger i minuttet mens den borer.
Dette kalles MWD-data, som står for «Measure While Drilling».
MWD-data fungerer som en signatur for berget:
Vi får informasjon om hvor motstandsdyktig berget er, hvor
mye vannspyling som kreves for boring, og hvor stort trykk som kreves
for å bore fremover. Disse dataene blir ofte bare lagret og ikke brukt
aktivt til å ta beslutninger.
Utviklet
maskinlæringsmodeller for å forutsi hva vi har i vente
I doktorgradsarbeidet mitt har jeg utviklet
maskinlæringsmodeller som kan bruke MWD-data til å si noe om hva som
finnes foran tunnelveggen. Hvilken bergart kommer vi til å møte? Hvor
svak er den? Bør vi sikre tunnelen ekstra akkurat her? Kan vi gjenbruke
utsprengt tunnelstein eller må den på deponi?
Med hjelp av slike modeller kan vi forutsi hva vi har i
vente, og ta grep i tide. I stedet for å vente til raset kommer, kan vi
handle før det skjer.
Sammenligner med
tusenvis av tidligere tilfeller
Dette fungerer slik: Vi samler inn data fra boremaskinen.
Disse blir omgjort til et slags digitalt fingeravtrykk av berget.
Maskinlæringsmodellen sammenligner dette med tusenvis av tidligere
tilfeller, og gir et forslag til hvilken type berg vi står overfor. Det
hele skjer på sekunder.
Og det er ikke bare bergarten vi kan forutsi. Modellene
kan også si noe om hvilke tiltak som trengs: Hvor langt skal vi sprenge
neste salve? Skal vi sikre berget med ekstra bolter og betong før vi
fortsetter? Resultatet er sikrere tunneler, mindre overforbruk av
ressurser og lavere kostnader.
Maskinlæring gir
ingeniørene et nytt verktøy som reduserer kostnader og ulykker
Samfunnet har mye å vinne. Tunneler gir oss kortere
reisevei, bedre kollektivtransport og lavere klimautslipp. Men de må
bygges trygt. Rasulykker kan koste liv og store summer. Ved å bruke
maskinlæring gir vi ingeniørene et nytt verktøy. Et verktøy som ikke
erstatter dem, men som hjelper dem å ta bedre beslutninger.
I tillegg kan mer effektiv og trygg tunneldriving gjøre
underjordisk gruvedrift mer attraktivt, som et alternativ til store
dagbrudd i naturen. Det betyr mindre inngrep i landskap og økosystemer,
og bedre sameksistens mellom ressursutvinning og naturvern.
Bruken av
verktøyet forbedrer modellene ytterligere
Når dette verktøyet tas i bruk i stor skala, kan vi også
samle erfaringer fra tunnelbygging over hele landet og bruke det til å
forbedre modellene ytterligere. Dette gir en positiv spiral:
Jo mer vi bygger, jo bedre blir vi. Teknologien kan også
tilpasses gruvedrift og internasjonale prosjekter, noe som kan gi
norske miljøer et forsprang.
Digitial og
datadrevet fremtid for tunnelbygging
Fremtiden for tunnelbygging er ikke bare forbedret
sprengstoff, stål og maskiner. Den er digital, datadrevet og smartere.
Og kanskje viktigst: tryggere.
Med kunstig intelligens kan vi «se gjennom berget» – før
vi treffer det.
|
