Valokuvaamalla turvallisempia kalliotiloja Lauri Uotinen Louhinta- ja kalliotekniikan päivät 18.1.2019 Hotel Haaga Central Park, Helsinki
Tavoite Esityksen jälkeen kuulija - tietää työn keskeisen sisällön - ymmärtää työn kytkeytymisen tutkimuskenttään - ymmärtää tutkimustulosten merkittävyyden Väitöskirja: https://aaltodoc.aalto.fi/handle/123456789/30729
Rakenne Johdanto Tutkimusongelma Tutkimusmenetelmät Kenttäkoe ICSE Leikkauskoe ASPERT Riskienhallinta GRM Tulosten merkittävyys Yhteenveto Kytkeytyminen tutkimuskenttään Keskeinen sisältö Merkittävyys
Johdanto
Ydinvoima 448 ydinvoimareaktoria maailmanlaajuisesti tuottaa 11 % maailman sähköntarpeesta. Lähde: https://www.carbonbrief.org/mapped-the-worlds-nuclear-power-plants
Ydinjäte Ydinenergia tuottaa ydinjätettä, jonka kansainvälisesti hyväksytty käsittelytapa on geologinen loppusijoittaminen. Lähde: Posivan kuvapankki
Ydinjätekapseli KBS-3V -konseptissa kapselit asennetaan pystyyn Lähde: Posivan kuvapankki
Tutkimusongelma
Jännitystilavauriot Kalliopaine kasvaa syvissä kalliotiloissa ja käytetyn ydinpolttoaineen kapselit tuottavat yhä hukkalämpöä. Kestääkö kallio?
Rakojen siirtymät Jääkaudet voivat aiheuttaa toissijaisia siirtymiä kallion raoissa. Voiko rako liikahtaa liian paljon?
Syvät kaivokset Kalliopaine voi kasvaa liian suureksi syvissä kalliotiloissa Miten riskiä voidaan hallita? Kuva: Kemin kaivos Kuva: Pyhäsalmen kaivos
Tutkimusmenetelmät
Tutkimusmenetelmät Julkaisut 1, 2 ja 3 Julkaisut 4 ja 5 Julkaisut 6 & 7
Tutkimusmenetelmät Julkaisut 1, 2 ja 3 Julkaisut 4 ja 5 Julkaisut 6 & 7
Tutkimusmenetelmät Julkaisut 1, 2 ja 3 Julkaisut 4 ja 5 Julkaisut 6 & 7
Tutkimusmenetelmät Julkaisut 1, 2 ja 3 Julkaisut 4 ja 5 Julkaisut 6 & 7
Kenttäkoe ICSE Numeeriset ennusteet
Kokeen tarkoitus Kanisteripaneelien lämpö kuormittaa teknisen alueen kuiluja Kanisteripaneelit Kuilut
Suunniteltu koe Tutkimusreikä ONK-EH3 L = 7,2 m ø = 1,762 m 8 lämmitysreikää L = 6,0 m ø = 0,076 m Alaosa 4,2 m ruiskubetonoitu t = 40 mm
Sokkoennusteet After 3 weeks After 6 weeks After 9 weeks
ICSE-kenttäkoe, kevät 2017
ASPERT Leikkauskoe Kokeellinen todentaminen
Mittakaavavaikutus Shear stress 1 2 3 4 1 2 3 4 1 2 3 4 Shear displacement 4 3 2 1 Asperity component Geometrical component Residual or basic frictional component Roughness component Total frictional resistance Bandis, S., Lumsden, A.C., Barton, N.R. (1981). Experimental studies of scale effects on the shear behaviour of rock joints. Int J Rock Mech Min Sci & Geomech Abstr 18(1):1-21. DOI 10.1016/0148-9062(81)90262-X
ASPERT 2 m x 0,95 m
AMPERT 0,5 m x 0,25 m
Shear strength (kpa) Peak shear strength (kpa) Tulokset 30 30 25 25 2 nd, 6.6 kpa 3 rd, 9.2 kpa 1 st, 4.0 kpa 20 20 15 15 10 10 4 th, 4.0 kpa 5 5 0 0 2 4 6 8 10 Normal pressure (kpa) 0 0 500 1000 1500 2000 Sample length (mm)
ASPERT II 2,0 m x 1,0 m, 2018 kevät
GRM Riskienhallinta Teorian kehitys
GRA Geotekninen riskienarviointi Collect data Evaluate geotechnical hazard potential Formal GRA justified? NO Transfer & consult YES Geotechnical risk management Outline the scope Identify hazard Find the probability of hazard Evaluate consequences Represent and rank the risk Monitor in realtime & review Risk acceptable? NO Treat the risk and analyse reliability YES
Reaaliaikainen jännitystilan seuranta
Vikapuu-tapahtumapuu -arviointi Failure with warning system: P(0.269 or 0.188 or 0.306 or 0.05) and 0.2 = 0.122 = 12.2% Failure without warning system: P(0.269 or 0.188 or 0.306 or 0.05) = 0.609 = 60.9% Failure Resisting Strainburst and or Failure Causing Warning System Fails P = 0.2 Riski = todennäköisyys x kustannukset Poor Artificial Support P(0.1 or 0.05 or 0.05 or 0.1) = 0.269 Poor Natural Support P(0.1 or 0.05 or 0.05) = 0.188 Unexpected Mining Induced Stress P(0.05 or 0.05 or 0.1 or 0.05 or 0.1) = 0.306 Natural Seismicity P = 0.05 or or or Incorrect Design P = 0.1 Inferior Quality P = 0.05 Incorrect Installation P = 0.05 Poor Rock Quality Data P = 0.05 Presence of faults/ fractures P = 0.05 Human Error in Estimation/ Design P = 0.1 Poor Excavation/ Pillar Shape P = 0.05 Incorrect Mining Sequence P = 0.05 Blasting/ Seismicity P = 0.1 Loading by Geological Structures P = 0.05
Evaluate/Update Bayes-verkot Prior Belief / Knowledge Define causal model Numeric node? No Define node states and prior probability Yes H 1 H 2 Available real-time? No Yes Continuous data? No Parameter learning? Yes Yes No Cause Effect Relationship Probability Table Causal Model E Inference Plan instrumentation and collect data Define distribution Define BN and learn prior Define prior Bayesian Network Evaluate risk Decision-Making model Observed Data Backwards inferencing, hypothesis testing, and improvement of BN
Koejärjestely kaivoksella 2017-2018 12 monipiste-ekstensometria 500 metrin syvyydellä kaivospilarissa
Merkittävyys Tulosten hyödyntäminen
ICSE kenttäkokeen simulaatiot Simulaatiot osoittivat, että kalliomassan lämmittäminen on tehokas tapa suorittaa jännitystilaan liittyviä kenttäkokeita. Simulaatioissa havaittiin suuri ero ennustetulle murtolujuudelle kun keskimmäinen jännitys huomioitiin.
ASPERT 2 m x 0,95 m laboratoriokoe Kehitettyä ainetta rikkomatonta valokuvamittaukseen perustuvaa menetelmää voidaan käyttää ydinjätteen loppusijoituksessa rakojen liikkeiden arviointiin. Väittelijä jätti kaksi keksintöilmoitusta valokuvamittaukseen liittyen ja Tekes-rahoitteinen Fractuscan-kaupallistamishanke on meneillään tutkimustulosten kaupallistamiseksi.
GRM - Riskienhallinta Tulosten perusteella syvät kaivokset voivat käyttää reaaliaikaisia mittalaitteita geoteknisen riskienhallinnan lähtötietoina. Baeys-verkot sopivat erityisesti tilanteisiin, joissa lähtötietoja on aluksi käytössä vähän.
Yhteenveto 1 Ohuet ruiskubetonikuoret soveltuvat jännitystilavaurioiden vähentämiseen. 2 Valokuvamittausta voidaan käyttää rakojen ominaisuuksien määrittämiseen. 3 Bayes-verkot soveltuvat syvien kaivosten reaaliaikaiseen riskienhallintaan.
Kiitos!
Lisätietoja MIEDU: https://onlinelearning.aalto.fi/pilot/miedu/ KAVI: http://www.kiradigi.fi/kokeiluhankkeet/kokeiluhankkeet/3dvisualisointi-kalliorakennushankkeissa.html FRACTUSCAN: www.fractuscan.com ORMID: https://research.aalto.fi/fi/projects/online-riskmanagement-in-deep-mines--reaaliaikainen-riskinhallintasyvissa-kaivoksissa.html
Youtube-videot Hi-Res: https://youtu.be/trpsksymaf8 Full tunnel: https://youtu.be/-bzke0gnojw MIEDU: https://youtu.be/09ulu3z-u0q VUTE: https://youtu.be/a9gbw1avdc0
+ High-Resolution Photogrammetry + 3D Models + Rock mass properties + Joint parameters + Risk Mapping + Stability Analyses Contact: 050 464 2970 / Lauri.Uotinen@fractuscan.fi + Reinforcement Design + Reporting