JP2023114687A - 発破情報処理装置、発破情報処理方法、および学習済みモデル - Google Patents

Abstract

【課題】発破パターンを設定するために利用される学習済みモデルを生成するための教師データを容易に収集すること。【解決手段】発破情報処理装置５が、切羽Ｒに形成される複数の穿孔のうち切羽Ｒに垂直な所定の断面内に形成される穿孔Ｈの位置と、穿孔Ｈが穿孔されるときの穿孔エネルギーと、穿孔Ｈに装填された爆薬の量とを入力データとして取得する入力データ取得部５０２と、複数の穿孔Ｈに装填された爆薬が爆発することによって形成された領域Ａの所定の断面Ｃの形状を出力データとして取得する出力データ取得部５０３と、入力データおよび出力データに基づいて機械学習を実行し、穿孔Ｈの位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成するモデル生成部と、を備える。【選択図】図５

Description

本発明は、発破情報処理装置、発破情報処理装置において実行される発破情報処理方法、および発破情報処理装置によって生成される学習済みモデルに関する。

従来、山岳トンネルの建設において中硬質岩の地山を掘削する場合、一般に、発破によって地盤の掘削が行われる。発破に際し、爆薬などが装填される穿孔の位置および穿孔に装填される爆薬の量などは、熟練技術者の経験に基づいて決定される。

ところが、熟練技術者であっても発破後の地山形状を設計通りにすることは困難である。熟練工の技能や経験、判断に頼らず、三次元形状計測のよる発破後のズリの飛散・堆積状態及び切羽の掘削状況に基づいた発破状況を指標値として発破熟練工の発破の良否判断を機械学習する試みがなされている。この学習済みモデルを利用すれば、最適な発破パターンを設定できる可能性がある（特許文献１）。

特開２０１９－１９０１８９号公報

しかし、従来の技術では、ズリの飛散・堆積状態の計測及び入力が必要となることで複雑化する。また、学習には熟練工の判断も必要となる。さらに、１回の発破における発破状況の指標と発破の良否を示すデータが機械学習の教師データとして利用されているため、１回の発破で１組の教師データしか得られず、教師データの収集には多くの時間とコストがかかる。

本発明は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集し、収集された教師データを利用して機械学習を実行することが可能な発破情報処理装置、発破情報処理装置において実行される発破情報処理方法、および発破情報処理装置によって生成される学習済みモデルを提供することを目的とする。

請求項１に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置であって、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得する入力データ取得部と、前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得する出力データ取得部と、前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成するモデル生成部と、を備える発破情報処理装置である。

請求項２に係る発明は、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出する算出部をさらに備え、前記入力データ取得部は、さらに、前記算出部によって算出された前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとして取得し、前記モデル生成部は、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成する請求項１に記載の発破情報処理装置である。

請求項３に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項１又は請求項２に記載の発破情報処理装置である。

請求項４に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理方法であって、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得することと、前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得することと、前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、を含む発破情報処理方法である。

請求項５に係る発明は、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出することをさらに含み、前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとしてさらに取得すること、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、を含む請求項４に記載の発破情報処理方法である。

請求項６に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項４又は請求項５に記載の発破情報処理方法である。

請求項７に係る発明は、切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置において、入力データおよび出力データに基づいて生成された学習済みモデルであって、前記入力データは、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、前記出力データは、前記穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を前記所定の断面ごとに取得されたものであって、前記入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルである。

請求項８に係る発明は、前記入力データおよび出力データに、さらに加えて他の入力データに基づいて生成される学習済みモデルであって、前記他の入力データは、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影して算出された投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す請求項７に記載の学習済みモデルである。

請求項９に係る発明は、前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項７又は請求項８に記載の学習済みモデルである。

本開示により、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集することができる。

発破工法における作業の一例について説明する図である。 トンネルを掘削するために用いられる装置の一例を示す図である。 発破パターンが示す穿孔位置の一例を説明する図である。 発破情報処理装置のハードウェア構成の一例を示す図である。 発破情報処理装置の機能の一例について説明する図である。 切羽に垂直な所定の断面の一例を示す図である。 所定の断面の形状の一例を示す図である。 ニューラルネットワークを用いた機械学習の一例を説明する図である。 発破情報処理装置が実行する処理の流れの一例について説明する図である。 発破情報処理装置の機能の一例について説明するブロック図である。 算出部が実行する処理について説明する図である。

以下、本発明の一実施形態について図面を用いて説明する。なお、以下の実施形態で説明する特徴のすべての組み合わせが課題解決に必ずしも必要であるとは限らない。また、必要以上の詳細な説明を省略する場合がある。また、以下の実施形態の説明、および図面は、当業者が本発明を十分に理解するために提供されるものであり、特許請求の範囲を限定することを意図していない。

＜第１の実施形態＞
山岳トンネルの建設において中硬質岩などの岩盤の地山を掘削する場合、一般に、発破工法が採用される。発破工法とは岩盤を穿孔して爆薬を内部で爆発させて岩盤を破砕するものである。

図１は、発破工法における作業の一例について説明する図である。トンネルの切羽Ｒには、穿孔機１によって一掘進長Ｓを掘削するために必要な穿孔（不図示）が複数あけられる。穿孔機１は、あらかじめ定められた発破パターンに基づいて決定された位置に穿孔する。

穿孔には爆薬が装填される。穿孔の各々に装填される爆薬の量もあらかじめ定められた発破パターンに基づいて決定される。

発破パターンで規定された位置に穿孔された穿孔に爆薬が装填されると、発破が行われる。発破が行われると、図示しないホイールローダなどでずりの搬出作業が行われる。なお、必要に応じてずり搬出前や搬出後にコソクやアタリ取りが行われる。

ずりの搬出作業後は、地山を補強するため壁面に図示しない吹付機などによってコンクリートが吹き付けられる。壁面に吹き付けられたコンクリートが固まると、ロックボルトの打ち込みが行われる。

ロックボルトの打ち込みが行われると、再び一掘進長Ｓを掘削するため、切羽Ｒに穿孔が設けられ、穿孔の各々に爆薬が装填され、発破が行われる。これらの作業が繰り返し行われることにより、トンネルが掘削される。

次に、トンネルを掘削するために用いられる装置について説明する。

図２は、トンネルを掘削するため利用される装置の一例を示す図である。トンネルを掘削するために利用される装置には、例えば、上述した穿孔機１、さらに、発破パターン管理装置２、通信回線３、および形状測定器４が含まれる。

発破パターン管理装置２は、一掘進長Ｓにおける発破パターンを管理する装置である。発破パターンは、切羽Ｒの穿孔位置と、穿孔に装填される爆薬の量との組み合わせの情報を含む。発破パターンは、例えば、熟練した作業者の経験に基づいてあらかじめ定められたものや公知のものの他、現場の特性に応じてアレンジされたものも含まれる。

図３は、発破パターンが示す穿孔位置の一例を説明する図である。発破パターンは、切羽Ｒに穿孔される複数の穿孔Ｈの位置を示す情報が含まる。複数の穿孔Ｈの位置を示す情報は、例えば、所定の位置を原点とする座標値で表される。トンネルの断面形状が馬蹄形でその一部が楕円の一部分の形状に一致する場合、原点は、例えば、楕円の長軸と短軸との交点である。

発破パターンは、切羽Ｒに対する穿孔Ｈのそれぞれの角度、穿孔Ｈの直径、および穿孔Ｈの深さなどのデータを含んでいてもよい。

発破パターン管理装置２は、複数の発破パターンを管理してもよい。すなわち、発破パターン管理装置２は、掘削するトンネルの大きさ、岩盤の硬さなどに応じて、複数の発破パターンを管理してもよい。

発破パターン管理装置２は、例えば、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）によって構成される。発破パターン管理装置２は、発破パターンを示すデータを通信回線３を介して穿孔機１に送信する。

通信回線３は、発破パターン管理装置２と、穿孔機１と、形状測定器４とを互いに接続する。通信回線３は、有線回線であっても無線回線であってもよい。通信回線３は、例えば、インターネット回線である。

穿孔機１は、切羽Ｒに穿孔する装置である。穿孔機１は、例えば、ドリルを用いて穿孔する。穿孔機１は、発破パターン管理装置２から発破パターンを受信する。穿孔機１は、発破パターンが示す穿孔Ｈの位置に基づいて穿孔する。穿孔機１は、例えば、フルオートコンピュータジャンボ、セミオートコンピュータジャンボである。

穿孔機１は、例えば、プロジェクタを備え、プロジェクタが、発破パターンに基づいて、切羽Ｒに穿孔位置、各穿孔位置における爆薬の装填量などを示す画像を映し出す。穿孔機１は、切羽Ｒに映し出された穿孔位置にドリルで穿孔する。また、作業員は、切羽Ｒに映し出された爆薬の量を目安に爆薬を所定の穿孔Ｈに装填する。穿孔Ｈに装填された爆薬の量は実測され、実測された爆薬量が穿孔Ｈの位置と関連付けられて、例えば、発破パターン管理装置２に入力される。

穿孔機１は複数のガイドシェルを備え、各ガイドシェルは穿孔方向にスライドする油圧ドリフタを有している。各油圧ドリフタが穿孔方向にスライドすることによって切羽Ｒの穿孔が行われる。穿孔機１は、穿孔を行う際に所定の物理量を検出する複数のセンサを備えている。

各センサは、例えば、それぞれ、油圧ドリフタにかかる油圧、油圧ドリフタのスライド速度、油圧ドリフタのスライド距離を検出する。穿孔機１は、各センサが検知した物理量を用いて、各穿孔Ｈを穿孔する際に消費される穿孔エネルギーを取得する。

形状測定器４は、発破によって堆積したずりが搬出された後、一掘進長Ｓに相当する部分の形状を測定する。形状測定器４は、例えば、３次元形状測定器である。３次元形状測定器は、例えば、３次元レーザスキャナである。形状測定器４は、発破前と発破後の切羽Ｒの形状に基づいて、発破によって破砕された領域を特定する。形状測定器４は、例えば、切羽Ｒに所定の座標系を設定し、発破前後の地山形状を、所定の座標系における座標値を用いて特定する。なお、形状測定器４は、ずり搬出前に形状を測定しても良く、また、コソクやアタリ取りの作業を控除して測定をする。すなわち、発破によって掘削された形状を測定するようにする。

次に、発破情報処理装置５について説明する。発破情報処理装置５は、切羽Ｒに穿孔される穿孔Ｈの位置、穿孔エネルギー、および穿孔Ｈに装填された爆薬の量と、所定の断面の形状との相関を学習する。発破情報処理装置５は、図２に示す通信回線３に接続され、発破パターン管理装置２、穿孔機１および形状測定器４から各種データを取得する。発破情報処理装置５は、例えば、ＰＣで構成される。発破情報処理装置５は、発破パターン管理装置２を実装されているが別に設けて良い。

図４は、発破情報処理装置５のハードウェア構成の一例を示す図である。発破情報処理装置５は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）５１と、バス５２と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）５３と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）５４と、不揮発性メモリ５５と、入出力インタフェース５６とを備える。

ＣＰＵ５１は、システムプログラムに従って発破情報処理装置５全体を制御するプロセッサである。ＣＰＵ５１は、バス５２を介してＲＯＭ５３に格納されたシステムプログラムなどを読み出し、システムプログラムに基づいて各種処理を行う。

バス５２は、発破情報処理装置５内の各ハードウェアを互いに接続する通信路である。発破情報処理装置５内の各ハードウェアはバス５２を介してデータをやり取りする。

ＲＯＭ５３は、発破情報処理装置５全体を制御するためのシステムプログラムなどを記憶する記憶装置である。ＲＯＭ５３は、コンピュータ読み取り可能な記憶媒体である。

ＲＡＭ５４は、各種データを一時的に格納する記憶装置である。ＲＡＭ５４は、ＣＰＵ５１が各種データを処理するための作業領域として機能する。

不揮発性メモリ５５は、発破情報処理装置５の電源が切られた状態でもデータを保持する記憶装置である。不揮発性メモリ５５は、機械学習プログラム、学習済みモデルなど各種情報を記憶する。不揮発性メモリ５５は、コンピュータ読み取り可能な記憶媒体である。不揮発性メモリ５５は、例えば、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）で構成される。

入出力インタフェース５６は、外部機器（不図示）とバス５２とを接続する通信路である。発破情報処理装置５は、入出力インタフェース５６を介して、通信回線３に接続する。

次に、発破情報処理装置５の機能について説明する。

図５は、発破情報処理装置５の機能の一例について説明する図である。上述したように、発破情報処理装置５は、切羽Ｒに穿孔される穿孔Ｈの位置、穿孔エネルギー、および穿孔Ｈに装填された爆薬の量と、所定の断面の形状との相関を学習する。

発破情報処理装置５は、受付部５０１と、入力データ取得部５０２と、出力データ取得部５０３と、モデル生成部５０４と、モデル記憶部５０５と、出力部５０６とを備える。

受付部５０１、および出力部５０６は、入出力インタフェース５６が、通信回線３を介して各種データをやり取りすることによって実現される。入力データ取得部５０２、出力データ取得部５０３、およびモデル生成部５０４は、ＣＰＵ５１が、ＲＯＭ５３に記憶されているシステムプログラムならびに不揮発性メモリ５５に記憶されている機械学習プログラム、および各種データを用いて演算処理を実行することにより実現される。モデル記憶部５０５は、ＣＰＵ５１による演算処理の演算結果が、ＲＡＭ５４、または不揮発性メモリ５５に記憶されることにより実現される。

受付部５０１は、各種データの入力を受け付ける。受付部５０１は、例えば、発破パターン管理装置２から通信回線３を介して、発破パターンを示すデータ、および各穿孔Ｈに装填された爆薬の量の実測値を示す情報を受け付ける。また、受付部５０１は、穿孔機１から、各穿孔Ｈをあける際に消費される穿孔エネルギーを示すデータを受け付ける。また、受付部５０１は、形状測定器４から発破後の形状を示すデータを受け付ける。

入力データ取得部５０２は、受付部５０１が受け付けたデータから、切羽Ｒに形成される複数の穿孔Ｈのうち切羽Ｒに垂直な所定の断面内に形成される穿孔Ｈの位置と、穿孔Ｈが穿孔されるときの穿孔エネルギーと、穿孔Ｈに装填された爆薬の量とを入力データとして取得する。穿孔Ｈに装填された爆薬の量とは、穿孔Ｈに実際に装填された爆薬の量である。つまり、穿孔Ｈに装填された爆薬の量は、実測された値である。ただし、穿孔Ｈに装填された爆薬の量は、実測された値ではなく、発破パターンで規定される量であってもよい。

図６は、切羽Ｒに垂直な所定の断面の一例を示す図である。切羽Ｒに垂直な断面Ｃは、例えば、発破パターンに基づいて定められる断面である。なお、この断面Ｃをどの位置に設定するかは、例えば、熟練技術者の経験に基づいて決定しても良いし、所定のピッチで割り振るようにしても良い。

切羽Ｒに垂直な断面Ｃは、例えば、図６に示すように切羽Ｒに対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した複数の鉛直断面である。切羽Ｒに垂直な断面Ｃは、切羽Ｒに対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した複数の水平断面であってもよい。切羽Ｒに垂直な断面Ｃは、これら両者を含んでいるいわゆるメッシュにするようなものでもよい。メッシュにすることで学習モデルは複雑になるが、より精度があがり最適な発破設計に適用できる。また、切羽Ｒに垂直な断面Ｃは、上方に向かって傾斜していてもよい。もちろん、傾斜した断面も組み合わせてメッシュにしても良い。また、切羽Ｒに垂直な断面Ｃは、等間隔に配置してもいなくてもよい。また、切羽Ｒに垂直な断面Ｃは、曲面や折曲面であってもよいがあまり多く曲げたものであると学習の精度が落ちるので留意する。図６では、切羽Ｒを左右方向に複数に分割する複数の鉛直断面である場合の例について示している。

切羽Ｒに垂直な断面Ｃは、例えば、１つの断面Ｃに多くの穿孔Ｈが含まれるように、断面Ｃの位置が決定されてもよい。
切羽Ｒに垂直な断面Ｃは、必ず、穿孔Ｈを通るものでなくてもよく、穿孔Ｈを近似的に通るように決定されても良い。

入力データは、切羽Ｒに垂直な所定の断面Ｃ内に形成される穿孔Ｈの位置と、各穿孔Ｈが穿孔されるときの穿孔エネルギーと、各穿孔Ｈに装填された爆薬の量とを示すデータのデータセットである。入力データには、複数の断面Ｃのそれぞれに対応する複数のデータセットが含まれる。

出力データ取得部５０３は、穿孔Ｈに装填された爆薬が爆発することによって形成された領域の所定の断面Ｃの形状を出力データとして取得する。

図７は、出力データ取得部５０３が取得する出力データが示すある所定の断面Ｃの形状の一例を示す図である。破線は設計上の掘削ラインＬを示している。一点鎖線は、爆薬が装填された穿孔Ｈの位置を示している。出力データ取得部５０３は、形状測定器４によって特定された発破前後の切羽付近の地山の形状に基づいて、穿孔Ｈに装填された爆薬が爆発することによって形成された領域Ａの所定の断面Ｃの形状を取得する。

モデル生成部５０４は、入力データおよび出力データに基づいて機械学習を実行し、少なくとも穿孔Ｈの位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。言い換えれば、モデル生成部５０４は、穿孔Ｈの位置によって特定される断面Ｃ内における穿孔Ｈの配列、各穿孔Ｈを穿孔したときの穿孔エネルギー、および各穿孔Ｈに装填された爆薬の量が、発破後の断面Ｃの形状に与える影響を学習する。モデル生成部５０４は、１つの断面Ｃについて取得された入力データおよび出力データを１組の教師データとして機械学習を実行する。モデル生成部５０４は、例えば、ニューラルネットワークを用いた教師あり学習を実行する。

図８は、ニューラルネットワークを用いた機械学習の一例を説明する図である。ニューラルネットワークＮＮは、入力層と、中間層と、出力層とを備えている。入力層、中間層、および出力層はそれぞれ、複数のニューロンＮを備えている。図８に示す例では、中間層は、単層構造となっているが、中間層は多層構造であってもよい。

入力層のニューロンＮには、入力データが入力される。また、入力層のニューロンＮから出力される出力値には、重みが乗算されて中間層のニューロンＮに入力される。中間層のニューロンＮには伝達関数が設定されており、中間層からは伝達関数を通した出力値が出力される。中間層から出力される出力値にはさらに重みが乗算されて出力層のニューロンＮに入力される。出力層の各ニューロンＮからは出力結果が出力される。

出力層の各ニューロンＮから出力された出力結果は、出力データに近づくように、例えば、誤差逆伝播法により中間層の重みが調整される。すなわち、各ニューロンＮに入力されるデータに乗算される各重みを最適解に近づけるように機械学習が行われる。

モデル記憶部５０５は、モデル生成部５０４によって生成された学習済みモデルを記憶する。

出力部５０６は、モデル記憶部５０５に記憶された学習済みモデルを出力する。出力部５０６は、例えば、通信回線３を介して発破パターン管理装置２に学習済みモデルを送信する。

次に、発破情報処理装置５で実行される処理の流れについて説明する。

図９は、発破情報処理装置５が実行する処理の流れの一例について説明する図である。まず、受付部５０１が各種データを受け付ける（ステップＳ１）。上述したように、各種データには、発破パターンを示すデータ、穿孔エネルギーを示すデータ、および発破後の地山の形状を示すデータが含まれる。

次に、入力データ取得部５０２が入力データを取得する（ステップＳ２）。入力データとは、少なくとも切羽Ｒに形成される複数の穿孔Ｈのうち切羽Ｒに垂直な所定の断面Ｃ内に形成される穿孔Ｈの位置と、穿孔Ｈが穿孔されるときの穿孔エネルギーと、穿孔Ｈに装填された爆薬の量とを示すデータである。

次に、出力データ取得部５０３が出力データを取得する（ステップＳ３）。出力データは、穿孔Ｈに装填された爆薬が爆発することによって形成された領域Ａの所定の断面Ｃの形状を示すデータである。

次に、モデル生成部５０４が機械学習を実行することにより学習済みモデルを生成する（ステップＳ４）。学習済みモデルは、少なくとも穿孔Ｈの位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す。

次に、モデル記憶部５０５が学習済みモデルを記憶する（ステップＳ５）。

最後に、出力部５０６がモデル記憶部５０５に記憶された学習済みモデルを出力し（ステップＳ６）、処理を終了する。

以上説明したように、発破情報処理装置５が、少なくとも切羽Ｒに形成される複数の穿孔Ｈのうち切羽Ｒに垂直な所定の断面Ｃ内に形成される穿孔Ｈの位置と、穿孔Ｈが穿孔されるときの穿孔エネルギーと、穿孔Ｈに装填された爆薬の量とを入力データとして取得する入力データ取得部５０２と、穿孔Ｈに装填された爆薬が爆発することによって形成された領域Ａの所定の断面Ｃの形状を出力データとして取得する出力データ取得部５０３と、入力データおよび出力データに基づいて機械学習を実行し、穿孔Ｈの位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成するモデル生成部５０４と、を備える。

したがって、発破情報処理装置５は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易にかつ多数収集することが可能となり、収集された教師データを利用して機械学習を実行することができる。すなわち、発破情報処理装置５は、一回の発破により、切羽Ｒに設定された断面Ｃの数だけ教師データを得ることができる。その結果、発破情報処理装置５は、少なくとも切羽Ｒに穿孔される穿孔Ｈの位置、切羽Ｒに穿孔Ｈを穿孔したときに消費される穿孔エネルギー、および穿孔Ｈに装填された爆薬の量と、穿孔Ｈに装填された爆薬が爆発することによって形成される領域Ａの所定の断面Ｃの形状との相関を示す学習済みモデルを容易に生成することができる。

なお、出力部５０６によって出力された学習済みモデルは、例えば、発破パターン管理装置２において、発破パターンの最適設計に用いられる。例えば、切羽Ｒに穿孔される穿孔Ｈの位置、切羽Ｒに穿孔Ｈを穿孔したときに消費される穿孔エネルギー、および穿孔Ｈに装填された爆薬の量と、穿孔Ｈに装填された爆薬が爆発することによって形成される領域Ａの所定の断面Ｃの形状との相関に基づいて、穿孔位置および爆薬の装填量の最適化を図ることができる。その結果、掘削に係るコストの削減を図ることができる。さらに、発破後の切羽形状を設計形状に近づけることができる。

上述した実施形態では、入力データ取得部５０２は、穿孔Ｈが穿孔されたときに消費される穿孔エネルギー、および穿孔Ｈに装填された爆薬の量を入力データとして取得するがこれに限られない。入力データ取得部５０２は、さらに、穿孔Ｈの深さを示す情報を入力データとして取得してもよい。この場合、一掘進長を変更した場合に対応することができ、モデル生成部５０４は、所定の断面Ｃ内に形成される穿孔Ｈの位置、穿孔Ｈの深さ、穿孔Ｈを穿孔する際に消費される穿孔エネルギー、および穿孔Ｈに装填された爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。

＜第２の実施形態＞
以下、本発明の第２の実施形態を図１０及び図１１と共に説明する。なお、第１の実施形態と同様の部分については説明を省略し、主に異なる部分について説明する。

第２の実施形態では、発破情報処理装置５が、さらに、所定の断面Ｃ上になく所定の断面Ｃから所定の距離以下の位置に形成される他の穿孔を所定の断面Ｃに投影した投影位置を取得して機械学習を実行する例について説明する。

図１０は、発破情報処理装置５の機能の一例について説明するブロック図である。図１０に示す発破情報処理装置５は、図５に示す発破情報処理装置５が備える機能に加え、さらに、算出部５１１を備える。算出部５１１は、ＣＰＵ５１が、ＲＯＭ５３に記憶されているシステムプログラムならびに不揮発性メモリ５５に記憶されている機械学習プログラム、および各種データを用いて演算処理を実行することにより実現される。

受付部５０１は、例えば、発破パターン管理装置２から通信回線３を介して、発破パターンを示すデータ、および各穿孔Ｈに装填された爆薬の量の実測値を示す情報を受け付ける。また、受付部５０１は、穿孔機１から、各穿孔Ｈをあける際に消費される穿孔エネルギーを示すデータを受け付ける。また、受付部５０１は、形状測定器４から発破後の形状を示すデータを受け付ける。

算出部５１１は、切羽Ｒに垂直な所定の断面Ｃから所定の距離以下の位置に形成される他の穿孔を所定の断面Ｃに投影した投影位置を算出する。所定の距離は、他の穿孔に装填された爆薬が爆発することによって生じる爆発力が、発破後の所定の断面Ｃにおける形状に大きな影響を及ぼすか否かを考慮して決定される。所定の距離は、あらかじめ実行された実験に基づいて決定されてもよい。また、所定の距離は、熟練技術者の経験に基づいて決定されてもよい。

図１１は、算出部５１１が実行する処理について説明する図である。図１１では、所定の断面Ｃから所定の距離ｄの位置を破線で示す。算出部５１１は、所定の断面Ｃから所定の距離ｄ以下の位置にある他の穿孔Ｈｏを所定の断面Ｃに投影し、他の穿孔Ｈｏが投影された投影位置を算出する。なお、他の穿孔Ｈｏは、投影しようとする所定の断面Ｃとは異なる例えば、隣設する他の所定の断面Ｃに対応するものであっても良く、さらに離れた他の所定の断面Ｃに対応するものであっても良い。

所定の断面Ｃが垂直断面である場合、算出部５１１は、他の穿孔Ｈｏを所定の断面Ｃに向けて水平方向に投影した投影位置を算出する。所定の断面Ｃが水平断面である場合、算出部５１１は、他の穿孔Ｈｏを所定の断面Ｃに向けて鉛直方向に投影した投影位置を算出する。

入力データ取得部５０２は、受付部５０１が受け付けたデータから、切羽Ｒに形成される複数の穿孔のうち切羽Ｒに垂直な所定の断面Ｃ内に形成される穿孔の位置と、穿孔が穿孔されるときの穿孔エネルギーと、穿孔に装填された爆薬の量とを入力データとして取得する。入力データ取得部５０２は、さらに、算出部５１１によって算出された投影位置と、他の穿孔Ｈｏが穿孔されるときの穿孔エネルギーと、他の穿孔Ｈｏに装填された爆薬の量とを他の入力データとして取得する。

モデル生成部５０４は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、穿孔の位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。ここで、入力データは、切羽Ｒに形成される複数の穿孔のうち切羽Ｒに垂直な所定の断面Ｃ内に形成される穿孔の位置と、穿孔が穿孔されるときの穿孔エネルギーと、穿孔に装填された爆薬の量とを示すデータである。また、他の入力データは、算出部５１１によって算出された投影位置と、他の穿孔Ｈｏが穿孔されるときの穿孔エネルギーと、他の穿孔Ｈｏに装填された爆薬の量とを示すデータである。また、出力データは、複数の穿孔に装填された爆薬が爆発することによって形成された領域Ａの所定の断面Ｃの形状を示すデータである。

モデル生成部５０４は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、少なくとも穿孔の位置、投影位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。モデル生成部５０４は、例えば、ニューラルネットワークＮＮを用いた教師あり学習を実行する。

モデル記憶部５０５は、モデル生成部５０４によって生成された学習済みモデルを記憶する。

出力部５０６は、モデル記憶部５０５に記憶された学習済みモデルを出力する。出力部５０６は、例えば、通信回線３を介して発破パターン管理装置２に学習済みモデルを送信する。

以上説明したように、発破情報処理装置５は、所定の断面Ｃから所定の距離ｄ以下の位置に形成される他の穿孔Ｈｏを所定の断面Ｃに投影した投影位置を算出する算出部５１１をさらに備え、入力データ取得部５０２は、さらに、算出部５１１によって算出された投影位置と、他の穿孔Ｈｏが穿孔されるときの穿孔エネルギーと、他の穿孔Ｈｏに装填された爆薬の量とを他の入力データとして取得し、モデル生成部５０４は、入力データ、他の入力データおよび出力データに基づいて機械学習を実行し、孔の位置、投影位置、穿孔エネルギー、および爆薬の量と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。

したがって、発破情報処理装置５は、発破パターンを設定するために利用される学習モデルを生成するための教師データを容易に収集し、収集された教師データを利用して機械学習を実行することができる。

〔その他の変形例〕
本発明は上記の実施形態に限定されるものではない。例えば以下のようなものも含まれる。

本実施形態では、入力データ取得部は、穿孔の位置（配列）、穿孔が穿孔されたときに消費される穿孔エネルギー、および穿孔に装填された爆薬の量を入力データとして取得する。しかし、これに限られず、入力データ取得部は、さらに、穿孔の深さ（穿孔長さ）を示す情報を入力データとして取得してもよい。また、他のデータとして爆薬の種類や穿孔の径などの情報を入力データとして取得するようにしても良い。この場合、モデル生成部は、これらを含んだ情報と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成する。また、さらに他の入力データとして、穿孔位置の岩質、亀裂密度、湧水圧などの情報を取得するようにし、これらを含んだ情報と、所定の断面Ｃの形状との相関を示す学習済みモデルを生成するようにしても良い。

本実施形態では、全断面の発破工法であったが、これに限られず補助ベンチ付き全断面工法や上部半団円工法などにも適用しても良い。

いずれの実施形態における各技術的事項を組み合わせて実施例としても良い。

１ 穿孔機
２ 発破パターン管理装置
３ 通信回線
４ 形状測定器
５ 発破情報処理装置
５１ ＣＰＵ
５２ バス
５３ ＲＯＭ
５４ ＲＡＭ
５５ 不揮発性メモリ
５６ 入出力インタフェース
５０１ 受付部
５０２ 入力データ取得部
５０３ 出力データ取得部
５０４ モデル生成部
５０５ モデル記憶部
５０６ 出力部
５１１ 算出部

Claims (9)

1. 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置であって、
   前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得する入力データ取得部と、
   前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得する出力データ取得部と、
   前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成するモデル生成部と、
   を備える発破情報処理装置。
2. 前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出する算出部をさらに備え、
   前記入力データ取得部は、さらに、前記算出部によって算出された前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとして取得し、
   前記モデル生成部は、前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成する請求項１に記載の発破情報処理装置。
3. 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項１又は請求項２に記載の発破情報処理装置。
4. 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理方法であって、
   前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを各所定の断面ごとに入力データとして取得することと、
   前記複数の穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を各所定の断面ごとに出力データとして取得することと、
   前記入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、
   を含む発破情報処理方法。
5. 前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影した投影位置を算出することをさらに含み、
   前記投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを他の入力データとしてさらに取得すること、
   前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行し、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデルを生成することと、
   を含む請求項４に記載の発破情報処理方法。
6. 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項４又は請求項５に記載の発破情報処理方法。
7. 切羽に複数配置された穿孔の各々に装填された爆薬を爆発させ一回の発破を行う発破工法に用いる発破情報処理装置において、入力データおよび出力データに基づいて生成された学習済みモデルであって、
   前記入力データは、前記穿孔のうち前記切羽に垂直な所定の断面内に形成される穿孔の位置と、前記穿孔が穿孔されるときの穿孔エネルギーと、前記穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、
   前記出力データは、前記穿孔に装填された前記爆薬が爆発することによって形成された領域の前記所定の断面の形状を前記所定の断面ごとに取得されたものであって、
   前記入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す学習済みモデル。
8. 前記入力データおよび出力データに、さらに加えて他の入力データに基づいて生成される学習済みモデルであって、
   前記他の入力データは、前記所定の断面から所定の距離以下の位置に形成される他の穿孔を前記所定の断面に投影して算出された投影位置と、前記他の穿孔が穿孔されるときの穿孔エネルギーと、前記他の穿孔に装填された爆薬の量とを前記所定の断面ごとに取得されたものであって、
   前記入力データ、前記他の入力データおよび前記出力データに基づいて機械学習を実行することによって生成された、前記穿孔の位置、前記投影位置、前記穿孔エネルギー、および前記爆薬の量と、前記所定の断面の形状との相関を示す請求項７に記載の学習済みモデル。
9. 前記所定の断面は、切羽に対して複数の鉛直な切断線を左右方向に並べて入れることで切羽Ｒを分割した鉛直断面、切羽に対して複数の水平な切断線を上下方向に並べて入れることで切羽Ｒを分割した水平断面、及びこれらが傾斜した断面の各々の少なくもいずれかを含む請求項７又は請求項８に記載の学習済みモデル。

Images