ارزیابی تأثیر تأخیرات بر عملکرد TBM با استفاده از ماتریس اندرکنش (مطالعه موردی قطعه دوم تونل انتقال آب کرج - تهران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 1. کارشناس ارشد زمین شناسی مهندسی موسسه مهندسین مشاور ساحل

2 2. دکتری مهندسی معدن، سرپرست بخش تونل مهندسین مشاور هندسه پارس

چکیده

در حفاری مکانیزه تونل پیش‌بینی عملکرد TBM به منظور تخمین زمان و هزینه پروژه از اهمیت زیادی برخوردار است. مدل‌های CSM، NTNU و QTBM به عنوان مدل‌های اصلی پیش‌بینی عملکرد TBM شناخته شده‌اند که در آنها روابطی برای تخمین ضریب بهره‌وری نیز وجود دارد. اگرچه در هر کدام از این مدل‌ها برای تخمین ضریب بهره‌وری از پارامترهای خاصی استفاده شده است ولیکن به طور کلی تأثیر توأم دو یا چند عامل در نظر گرفته نشده است. از طرف دیگر بسیاری از پارامترها وابستگی شدیدی با یکدیگر داشته و ممکن است به طور همزمان بر عملکرد TBM تأثیر بگذارند. بنابراین می‌توان با تشکیل یک ماتریس اندرکنش اثر متقابل پارامترها بر یکدیگر و در نتیجه بر عملکرد TBM را ارزیابی کرد. در این تحقیق ماتریسی با 21 پارامتر مؤثر بر ضریب بهره‌وری تشکیل داده شده است. اندرکنش این پارامترها نشان می‌دهد که نبود خدمات فنی بیشترین تأثیر را در عملکرد TBM دارد. با ثبت مقادیر واقعی فعالیت‌ها و تأخیرات بر حسب ساعت بر متر می‌توان شاخص تأخیرات (DTI) را به دست آورد که این شاخص نسبت عکس با عملکرد TBM داشته و با ضریب همبستگی 872/0 رابطه مستقیم با زمان خالص حفاری تونل دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Assessment of the impact of down time on TBM performance using the interaction matrix (Karaj - Tehran water conveyance tunnel, lot II)

نویسندگان [English]

  • Majid Tajik 1
  • Omid Foroogh 2
1 1. M Sc in Engineering Geology, SAHEL consultant engineering
2 PhD in Mining Engineering, Head of tunnel discipline, Pars Geometry Consultant,
چکیده [English]

In TBM tunneling projects, prediction of the machine performance is very important as it has a major influence on the duration and cost of the project. CSM, NTNU and QTBM are main models in TBM performance prediction which introduce equations for estimating the utilization factor. But, in each model some different factors are entered without considering their interactions. On the other hand, many parameters have a strong bond with each other and may simultaneously affect the TBM performance. So, using interaction matrixes it can possible evaluate effect of parameters on each other and estimate TBM performance. In this study, the matrix is composed of 21 parameters that affect on utilization factor. Interaction of these parameters indicates that the lack of utility services has the greatest impact in TBM performance. Down time index (DTI) can be significant if operating and delay times records in hour per meter. In each part of tunnel, DTI has opposite and direct relationship (r2=0.872) with TBM performance and excavation time respectively. 

کلیدواژه‌ها [English]

  • TBM performance
  • interaction matrix
  • utilization factor
  • down time index
  • Karaj

تاجیک، م.، اروجی، م.، نوین، آ.، 1389. بررسی عملکرد ماشین حفاری مکانیزه (TBM) در حفاری قطعه اول تونل انتقال آب کرج – تهران. مجله انجمن زمین‌شناسی‌مهندسی ایران، جلد سوم، شماره 1 و 2.

فروغ، ا.، ترابی، ر.، رمضان زاده، ا.، S. Yagiz، 1390. تأثیر شرایط توده‌‌سنگ بر توقفات TBM در تونل انتقال آب کرج. نخستین همایش آسیایی و نهمین همایش ملی تونل.

موسسه مهندسین مشاور ساحل، 1389. گزارش زمین‌شناسی مسیر تونل.

موسسه مهندسین مشاور ساحل، 1388. مطالعات هیدوژئولوژی مسیر تونل.

یاوری، ف.، منصوری، ح.، ابراهیمی فرسنگی.، م، 1390. تعیین نرخ پیشروی TBM به روش سیستم های مهندسی سنگ. نخستین همایش آسیایی و نهمین همایش ملی تونل.

یعقوبی، ه.، 1389. پیش بینی عملکرد TBM با روش سیستم های مهندسی سنگ. پایان نامه کارشناسی ارشد، دانشگاه باهنر کرمان.

Abd Al-Jalil, Y. Q., 1998. Analysis of Performance of Tunnel Boring Machine-Based System. PhD Thesis, the University of Texas.

Barton, N., 1999. TBM Performance Estimation in Rock Using QTBM. Tunnel & Tunneling International, No. 9.

Barton, N., 2000. TBM Tunneling in Jointed and Faulted Rock. A. A. Balkema Publisher: Rotterdam, Brookfield, Holland.

Benardos, A.G., Kaliampakos, D.C., 2004. Modelling TBM Performance with Artificial Neural Networks. Tunnelling and Underground Space Technology: Vol. 19: 597–605.

Bieniawski Z. T., Celada B., Galera J. M., 2007. TBM Excavability: Prediction and Machine - Rock Interaction. RETC, Toronto, 1118p.

Bieniawski Z. T., 2007b. Predicting TBM Excavability. Tunnel & Tunnelling International.

Bruland, A, 1998. Drillability Test Method: Hard Rock Tunnel Boring Machine. PhD Thesis, Trondheim, Norwegian University of Science and Technology, NTNU, Vol. 8 of 10.

Bruland, A, 1998b. Advance Rate and Cutter Wear: Hard Rock Tunnel Boring Machine. PhD Thesis, Trondheim, Norwegian University of Science and Technology, NTNU, Vol. 3 of 10.

Ceryan N., Ceryan S., 2008. An Application of The Interaction Matrices Method for Slope, Failure Susceptibility Zoning: Dogankent settlement area (Giresun, NE Turkey). Bulletin of Engineering Geology and the Environment, 67(3): 375.

Farmer, IW, Glossop, NH, 1980. Mechanics of Disc Cutter Penetration. Tunnels and Tunneling, 12(6): 22-25.

Frough O., Torabi S. R., Yagiz S., Tajik M., 2012. Effect of Rockmass Conditions on TBM Utilization Factor in Karaj – Tehran Water conveyance tunnel, World Tunneling Congress, Thailand.

 Gansser A., Huber H., 1962. Geological Observation in the Central Elburz: Iran. Schweizerische Mineralogische Und Petrographische Mitteilungen, 42p.

Gong, Q. M., Zhao, J., Jiao, Y. Y., 2004. Numerical Modeling of the Effects of Joint Orientation on Rock Fragmentation by TBM Cutters. Tunnelling and Underground Space Technology, 20 (2): 183-191.

Gong, Q. M., Jiao, Y. Y., Zhao, J, 2005. Numerical Modelling of The Effects of Joint Spacing on Rock fragmentation by TBM cutters. Tunnelling and Underground Space Technology, 21 (1): 46-55.

Graham, PC, 1976. Rock Exploration for Machine Manufactures. Proceedings Symposium on Exploration for Rock Engineering, Johannesburg, South Africa, pp173-180.

Hassanpour, J., Rostami, J., Khamechian, M., Tavakoli, H.R., 2010. TBM Performance Analysis in Pyroclastic Rocks: Case History of Karaj Water Conveyance Tunnel. Journal of Rock mechanics and Rock Engineering, 4: 427-445.

Hudson, J. A., 1992. Rock Engineering Systems: Theory and Practice. Ellis Horwood, Chichester.

Hudson, J.A., Harrison, J.P., 1997. Engineering Rock Mechanics: an Introduction to the Principles. pergamon, PP. 223-235.

 Innaurato, N. et al., 1991. Forecasting and Effective TBM Performances in a Rapid Excavation of a Tunnel in Italy. Proceeding of 7th International Congress on Rock Mechanics, Aachen, Germany, pp. 1009-1014.

Khalukakei, R., zare naghadehi, M., 2009. The Analysis and Classification of Rock Slopes Instability Potential in Khosh – Yeylagh Mountainous Road Using Systems Approach. Journal of Iranian Association of Engineering Geology, 2(1, 2).

Kim, T., 2004. Development of a Fuzzy Logic Based Utilization Predictor Model for Hard Rock Tunnel Boring Machines. PhD Thesis, Colorado School of Mines.

Laughton, C., 1998. Evaluation and Prediction of Tunnel Boring Machine Performance in Variable Rock Masses. PhD Thesis, The University of Texas.

Nelson, P., O’Rouke, T.D., Kulhawy, F.H., 1983. Factors Affecting TBM Penetration Rates in Sedimentary Rocks. 24th U.S. Symposium on Rock Mechanics, USA.

Palmstrom, A., 1994. RMi Parameters Applied in Prediction of Tunnel Boring Penetration: A Rock Mass Characterization for Rock Engineering Purposes PhD thesis, Norway.

Ramezanzadeh, A., 2002. Performance Prediction Models for Hard Rock Tunnel Boring Machines. The 6th Iranian Tunneling Conference.

Rostami, J., Ozdemir, L., 1993. A New Model for Performance Prediction of Hard Rock TBMs. RETC conference proceedings, Boston.

Rostami, J., Ozdemir, L., Nilson, B., 1997. Comparison between CSM and NTH Hard Rock TBM Performance Prediction Models. Colorado Scholl of Mines, Golden, Colorado, USA.

Roxborough FF, Phillips HR, 1975. Rock Excavation by Disc Cutter. International journal of Rock Mechanic and Mining Sciences, 12: 361-366.

Rozos, D. et al., 2008. An Implementation of Rock Engineering System for Ranking the Instability Potential of Natural Slopes in Greek Territory: An Application in Karditsa County. Landslides journal, Vol. 5: 261-270.

Sadeghi, M., rasouli, V., 2005. Evaluation of Stability of Underground Opening with Rock Engineering Systems (RES). the 7th Proceeding of Iranian Mining Engineering Conference.

SAHEL Consultant Engineers Institute, 2009. Engineering Geology Report of Karaj-Tehran Water Conveyance Tunnel (Lot 2). SCE Archive.

SAHEL Consultant Engineers Institute, 2009 to 2011. Engineering Geology As built Maps and Site Reports of Conveyance Tunnel (Lot 2). SCE Archive.

Sapigni, M., Berti, M., Bethaz, E., Busillo, A., Cardone, G., 2002. TBM Performance Estimation Using Rock Mass Classification. International Journal of Rock Mechanic and Mining Sciences, Vol. 39.

Sanio, H.P. 1985. Prediction of the Performance of Disc Cutters in Anisotropic Rock. International Journal of Rock Mechanics and Mining Sciences and Geomechanics, 22(3): 153-161.

Sato, K., Gong F., Itakura, K., 1991. Prediction of Disc Cutter Performance Using a Circular Rock Cutting Ring. 1st International Mine Mechanization and Automation Symposium, Colorado School of Mines, USA.

Sharp, W. R., Kennedy, E. R., Little, W. E., 1983. Estimating Tunneling Costs Using an Interactive Computer Model. RETC, Chicago.

Snowdon, A., R., Ryley D., M., Temporal, J., 1982. Study of Disc Cutting in Selected British Rocks. International Journal of Rock Mechanics and Mining Science & Geomechanics, 19(3): 107-121.

Tarkoy, P.J., 1973. Predicting TBM Penetration Rates in Selected Rock Types. Ninth Canadian Symposium on Rock Mechanics, Montreal, Canada.

Tarkoy, P.J., 1975. Rock Hardness Index Properties and Geotechnical Parameters for Predicting Tunnel Boring Machine Performance. PhD thesis, University of Illinois at Urbana-Champaign, Illinois, USA, 326p

Yagiz, S., 2007. Utilizing Rock Mass Properties for Predicting TBM Performance in Hard Rock Condition. Tunnelling and Underground Space Technology, 23: 326-339

 Zare naghadehi, M., 2012. The Assessment of Rock Slope Instability along the Khosh-Yeylagh Main Road (Iran) Using a Systems Approach. Environmental Earth Sciences, 67 (3): 665.

 Zhang L. Q., Yang, Z.F., Liao Q.L., Chen J., 2004. An Application of the Rock Engineering System (RES) Methodology to Rockfall Hazard Assessment on the Chengdu-Lhasa Highway: China. International Journal of Rock Mechanics & Mining Sciences, 41 (3): 526-527.