BEARBETNING OCH VISUALISERING AV MWD-DATA VID TUNNELBYGGANDE I KRISTALLIN BERGGRUND

Den glesa täckningen av markundersökningar före utbrytning av tunnlar resulterar ofta i extrapolering av lokala bergmassegenskaper över stora avstånd. För att hantera de risker som är förknippade med oförutsedda markförhållanden kan MWD-data användas för att förutsäga bergmassans kvalitet i takt med att utbrytning sker. Tolkning av sådan data är komplicerad på grund av både den stora mängden data och de ingenjörsmässiga variabler som sker under borrning. I den här artikeln beskrivs den metodik som utvecklats för att hantera, filtrera och normalisera MWD-data från brytning av en järnvägstunnel i Sverige. På grund av den ökande efterfrågan på 3D-visualisering av övervakningsdata, tillsammans med andra strukturella och geometriska datamängder, har visuell programmering i Grasshopper använts för att förbättra det sätt på vilket bearbetad MWD-data presenteras. Projektet är pågående, och därför är kontinuerlig utveckling av den här arbetsprocessen viktig för att förbättra prognoser för bergmassan och design av förstärkningsåtgärder.

PROCESS AND VISUALISATION OF MWD DATA DURING HARD ROCK TUNNELLING

The sparsity of ground investigation points prior to tunnel excavation often results in the extrapolation of local rock mass characteristics over large distances. In order to manage the risks associated with unforeseen ground conditions, Measurement While Drilling (MWD) data can be used to forecast the rock mass quality ahead of the advancing face. Interpretation of such datasets is complex due to the sheer amount of data and the variables inherent to the drilling process. This article outlines the methodology developed to manage, filter, and normalise data currently being fed into a dashboard for the purpose of reactive design modification during drill and blast excavation of a railway infrastructure tunnel in Sweden. Due to the increasing requirement for swift 3D visualisation of forecasting data alongside other structural and geometric datasets, visual programming in Grasshopper has been adopted to improve the way in which the processed MWD data is communicated; a parametric model is presented. The project is ongoing, and therefore continuous development of the workflow is key to improving rock mass forecasting.