講演情報
[PY2-72]機械学習を用いたロータリーパーカッションドリルにおけるビット早期異常診断に関する基礎研究
○佐々木 丈1、川村 洋平1、澁谷 長史2、水野 駿2、宝田 雄介3 (1. 秋田大学、2. 筑波大学、3. 三菱マテリアル株式会社)
キーワード：
深層学習、畳み込みニューラルネットワーク、ドリルビット、異常診断、波形解析
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。