Technical Report (Special Issue)

Journal of the Korean Society of Mineral and Energy Resources Engineers. 31 October 2023. 304-314
https://doi.org/10.32390/ksmer.2023.60.5.304

ABSTRACT


MAIN

  • 서 론

  • 연구 방법

  •   연구 지역의 지질학적 특성

  •   자료 획득 방법

  • 연구 결과

  •   자료 현황

  •   굴진자료 추출

  •   기반암 경계 추정

  •   리모나이트와 사프로라이트 경계 추정

  • 토의 및 결론

서 론

광물자원의 매장량(resources)을 평가하기 위해서는 시추 조사가 필수적이다. 시추 조사에서는 다양한 변수들이 발생할 가능성이 크기 때문에, 현장에서 주어진 목표를 달성하기 위해 지속적인 시추 계획의 검토와 수정이 필요하다. 자원개발 업계에서는 시추 계획 결정에 도움을 주기 위하여 시추 과정에서 시추장비에 다양한 종류의 센서들을 부착하여 MWD(measurement while drilling) 자료를 측정하여 활용하고 있으며, 이후 시추장비에 대한 측정값과 더불어 시추 진행 과정에서 측정된 물리검층 자료들을 포함하여 LWD(logging while drilling) 자료로 활용하면서 굴착지수에 해당되는 정보들을 일컫는 용어로 포괄하여 사용되고 있다.

MWD 자료는 시추기에 부착된 센서의 종류에 따라 다양한 자료가 실시간으로 획득되므로 이를 활용하기 위한 연구가 진행되어왔다. 광물자원개발 분야에서는 MWD 자료를 이용한 암석 물성 파악(Honer and Sherrell, 1977; Schunnesson, 1998; Rostami et al., 2015; Basarir et al., 2017)에 대한 연구와, 테스트베드에서의 시험을 통한 암반 특성 분석(Kahraman et al., 2016; Khanal et al., 2020; Zhang et al., 2023)에 대한 연구가 수행되었다. 광산에서는 터널 굴진 및 지보 설계를 위한 안정성 예측(Anderson and Prosser, 2007; Hatherly et al., 2015; van Eldert et al., 2021) 연구가 수행되었으며, 최근에는 기계학습(machine learning)을 이용하여 MWD 자료와 다른 종류의 정보들을 같이 활용하는 연구(Leung and Scheding, 2015; Liu et al., 2021; Mahmoud et al., 2021, Sun et al., 2021; Khushaba et al., 2022)를 통해 기존 연구를 발전시키고 있다.

현장에서 시추 중에 실시간으로 획득되어 모니터링을 할 수 있는 MWD 자료만을 활용하여 매장량(resources)을 결정하는 암상을 구분하고 경계면의 깊이를 추정할 수 있다면 시추 계획 결정에 도움이 될 것이다. 이 기술보고에서는 니켈 라테라이트 광상에 대한 시추 조사 중 획득한 MWD 자료에 대한 분석을 통해 각 암상에서의 MWD 자료의 특징을 확인하고, 매장량(resources) 평가에 필요한 리모나이트(limonite), 사프로라이트(saprolite), 그리고 기반암(bedrock)의 경계를 추정하는 연구 과정에 확인한 내용과 향후 연구 방향을 기술하였다.

연구 방법

연구 지역의 지질학적 특성

니켈 라테라이트 광상은 감람석(olivine)이 풍부한 페리도타이트(peridotite)와 이들이 사문석화된 사문암(serpentinite)등 초염기성암의 풍화로 형성된다. 대체로 화학적 풍화작용이 활발한 인도네시아, 호주 등 열대 및 아열대 지역에 부존되어 있으며, 전세계 니켈 공급의 73%를 차지한다. 니켈 라테라이트 광상의 주된 구성은 Fig. 1과 같이 리모나이트와 사프로라이트, 그리고 기반암으로 이루어져 있으며(Ahmad, 2008), 그 외에도 리모나이트와 사프로라이트 암상을 이루는 층내 기반암 암편(rock fragment)과 암석을 많이 함유한 사프로라이트인 풍화암(saprock)이 존재한다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F1.jpg
Fig. 1.

Nikel laterite profile (Ahmad, 2008).

자료 획득 방법

MWD 자료 모니터링을 위한 시스템은 센서와 대쉬보드(dashboard)로 구성된다. 센서 설치 위치는 시추 작업을 방해하거나 안전에 위해를 주는 않는 지점을 선택하여야 하므로 고속으로 회전하는 가동부를 피해 선정하였다. Fig. 2에 센서 설치 위치를 표시하였으며, 해당 위치는 가동부에 동력을 공급하는 드릴 헤드(drill head)이다. 시추 코어를 1 m 간격으로 회수하는 인도네시아 현지의 일반적인 규정에 따라, 시추를 개시하는 시점에는 1 m 길이의 로드(rod)를 헤드에 장착하여 시작하며, 최초 장착된 로드가 지표면에 도달한 이후에는 3 m 길이의 로드를 지속적으로 추가 장착하면서 굴진 작업을 수행하였다. 그리고 시추 종료 시점은 인도네시아 현지의 일반적인 규정을 적용하여 기반암 구간을 3 m 이상 굴진한 후로 설정하였다.

MWD 자료 획득에 사용된 센서는 Table 1에 기재한 바와 같이 총 11가지이며, 0.5초 간격으로 자료를 측정하여 측정 시간 정보과 함께 파일에 기록한다. MWD 시스템은 시추기에 내장된 발전기와 인버터를 활용하여 MWD 측정 시스템의 전원을 공급한다. 센서에서 취득되는 자료는 Fig. 3과 같이 시추 작업 과정에서 실시간으로 모니터링이 가능하며, 시추기의 멈춤이나 작업의 중지 등과는 관계없이 시추장비에서 전원이 공급되면 MWD 센서에서는 측정이 계속해서 수행된다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F2.jpg
Fig. 2.

Picture of drilling rig with MWD system attached on drill head.

Table 1.

Sensors comprising MWD data

No. Sensors
1 recorded time
2 rotation pressure
3 drill RPM
4 distance between ground and sensor
5 X-axis slope of the drill
6 Y-axis slope of the drill
7 lift pressure
8 down pressure
9 X-axis acceleration of the drill
10 Y-axis acceleration of the drill
11 Z-axis acceleration of the drill

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F3.jpg
Fig. 3.

Picture of MWD data monitoring dashboard.

연구 결과

자료 현황

자료를 분석한 날짜를 기준으로 현장에서는 약 60여 개 시추공에 대한 MWD 자료를 획득하였다. 이 기술보고는 MWD 자료를 이용하여 니켈 라테라이트 광상을 구성하는 3가지 주요 암상, 즉 리모나이트, 사프로라이트, 기반암의 경계를 구분하는데 목적이 있으므로, 3가지 주요 암상이 모두 존재함과 동시에 각 암상이 뚜렷하게 구분되는 시추공의 자료만을 선별하여 분석하였다. 또한 앞서 연구 지역의 지질학적 특성에 기술한 바와 같이 풍화 잔류 광상으로서의 라테라이트 광상의 특성 상 풍화층 특히 사프로라이트 층에 암편이 존재하는 경우 기반암과의 구분을 위해서는 추가적인 분석이 필요하므로, 이번 기술보고에서는 제외하였다. 이와 같은 기준에 따라 현장에서 획득한 MWD 자료 중 총 10개의 시추공 자료를 이 기술보고에 적용하였다.

또한 이 기술보고는 MWD 자료를 이용한 경계 구분 기법의 적용 가능성 검토에 주안점을 두었기 때문에 측정 자료의 오차 제거 및 보정을 위한 별도의 자료 처리는 수행하지 않았으며, 추정 결과에 미치는 잡음의 영향 파악에 집중하였다. 따라서 이 기술보고에서 추정한 경계 구분 결과는 측정 자료에 포함된 잡음의 영향이 제거되지 않은 한계를 가지고 있다.

굴진자료 추출

MWD 자료를 기록하는 센서가 부착된 시추기는 센서로부터의 자료전송 및 모니터링을 위한 케이블들이 연결되어 있어서 시추 중에는 전원이 항시 켜져 있고, 전원이 켜져 있는 동안에는 계속해서 자료를 획득한다. 따라서 중간의 휴게 시간, 코어회수 시간 등 굴진과는 상관없는 순간에도 MWD 자료는 Fig. 4와 같이 계속해서 기록된다. 따라서, 실제 굴진 시간에 해당되는 자료만을 추출할 필요가 있다. Fig. 4의 가로축은 자료 측정 개시 시점을 기준으로 MWD 자료 측정 시간을 초단위로 표시한 것이며, 이후 MWD 측정 자료 도시에 동일하게 적용하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F4.jpg
Fig. 4.

Distance values from raw MWD data.

MWD 측정 자료를 분석한 결과, 비트 회전속도(RPM)가 0보다 크게 측정된 구간에서 로드를 ‘누르는 압력(pressure-down)’이 ‘들어올리는 압력(pressure-lift)’보다 커지는 순간부터 작아지는 순간까지 즉 ‘누르는 압력’에서 ‘들어올리는 압력’을 뺀 값의 차이가 0보다 큰 경우의 자료가 굴진에 해당되는 자료임을 확인하였다. 이러한 현상은 지층을 굴진하기 위해서 시추 비트에 ‘누르는 압력’을 통해 추력을 인가하기 때문으로 이해된다.

이 기술보고에서는 이와 같이 관측된 현상을 이용하여 Fig. 5와 같이 전체 측정 자료 중 굴진에 해당되는 자료만을 추출하였으며, 시추 과정에서 시간별 작업 상황을 기록한 야장에서 확인한 굴진 작업 시간과 추출된 자료의 측정 시간을 비교함으로써 적용 방법의 적절성을 검증하였다. 또한 ‘누르는 압력’이 ‘들어올리는 압력’보다 더 큰 경우의 자료를 추출한 경우, 지표면과 센서와의 거리 즉 ‘distance’ 측정값이 시간에 따라 항상 감소하는 것을 Fig. 5(a)와 같이 확인할 수 있으며, 이는 ‘누르는 압력’과 ‘들어올리는 압력’ 간의 상관 관계를 통해 굴진 자료를 추출하는 것이 타당함을 반증하고 있다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F5.jpg
Fig. 5.

Extracted MWD data corresponding to drilling interval. (a) refers to distance values, and (b) refers to pressure differences.

기반암 경계 추정

기반암은 리모나이트나 사프로라이트에 비해 풍화가 덜 진행된 암상으로, Fig. 6의 시추 코어 사진에서 확인할 수 있는 바와 같이 리모나이트나 사프로라이트의 경우 채취된 시추 코어의 상태가 점토질 토양의 특징을 보임에 비해 기반암의 시추 코어는 단단한 암석의 특징을 갖는다. 따라서 기반암 구간을 굴진하기 위해서는 리모나이트나 사프로라이트 구간에 비해 더 많은 에너지가 필요하다. 시추 작업자는 시추기 운영 과정에서 최대한의 코어 회수율 확보와 시추 작업의 안정성 등을 고려하여 비트 회전수, ‘누르는 압력’ 조정 등을 수행하게 되는데, 이러한 시추 작업자의 장비 조작 변수와 지층의 공학적 특성에 따라 시간당 굴진 거리가 변화하게 된다. 라테라이트 광상의 경우 토양의 특정을 보이는 광상 구간과 기반암 구간에서 현저한 시간당 굴진 거리 즉 굴진 속도의 차이가 관찰됨을 확인하였으며, 이러한 현상을 이용하여 기반암의 경계를 추정하고자 하였다. 그러나 시추 중에는 드릴과 연결된 로드와 헤드의 진동에 의해 헤드에 부착된 센서에서 측정되는 ‘distance’ 자료에 잡음이 발생하여 0.5초 단위의 측정값으로부터 직접 순간 굴진 속도를 계산하는 것이 불가능하므로, 일정 시간의 ‘distance’ 자료 추세선 기울기를 이용하여 평균 굴진 속도를 계산하여 기반암 경계 추정에 사용하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F6.jpg
Fig. 6.

Photo of core sample acquired from the nickel laterite deposit.

시추 작업 과정에서 로드 하나가 추가됨에 따라서 기록된 자료들을 한 주기라고 했을 때, 매 주기에서의 추세선의 기울기가 크게 변하는 부분을 확인하기 위하여 Muggeo(2003)의 추세선 기울기의 변화가 있는 점을 구하는 식을 이용한 파이썬 코드(Pilgrim, 2021)를 활용하였다. 코드를 사용하여 시추기 하부 프레임으로부터의 헤드까지의 거리 즉 ‘distance’를 Fig. 7과 같이 측정 시간을 가로축으로 한 그래프로 표현하여 추세선의 기울기가 급변하는 지점이 있는 주기를 확인하고, 해당 주기에서 Fig. 8과 같이 추세선의 기울기가 급변하는 부분을 추출하여 기반암과 사프로라이트 경계를 추정하였다. 이렇게 추정된 위치까지의 ‘distance’를 누적하여 기반암 경계 심도를 계산하였다. 적용 방법의 활용 가능성 확인을 위해 MWD 자료를 이용하여 추정한 기반암 심도와 실험실 X선 형광 분석기(lab-XRF) 결과에서 얻은 기반암 심도를 Table 2와 같이 비교하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F7.jpg
Fig. 7.

Measured distance of bh01 borehole MWD data. Red box refers to target period, containing breakpoint.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F8.jpg
Fig. 8.

Trend line of distance with breakpoint using bh01 borehole MWD data.

Table 2.

Estimated depth of boundary between saprolite and bedrock using MWD data and lab-XRF results

Hole ID Estimated depth
using MWD (m)
Estimated depth
using lab-XRF (m)
Difference between
estimated depths (m)
bh01 6.27 6.00 0.27
bh02 15.94 16.00 -0.06
bh03 7.00 7.00 0.00
bh04 3.46 3.50 -0.04
bh05 9.06 9.00 0.06
bh06 14.08 14.00 0.08
bh07 12.65 12.35 0.30
bh08 7.31 7.00 0.31
bh09 11.67 11.70 -0.03
bh10 8.76 9.00 -0.24

이 기술보고에 적용한 10개 시추공에 대하여 평균 굴진 속도를 이용하여 추정한 기반암 경계 심도와 실험실 시료 분석 결과를 통해 확인한 기반암 경계 심도 간의 차이는 –0.24 ~ 0.31 m의 분포를 보이며, 심도 차이에 대한 절대값의 평균은 약 14 cm로 확인된다. 앞서 언급한 바와 같이 경계 심도 추정 과정에서 측정 자료에 포함된 잡음 제거를 위한 추가적 자료 처리를 수행하지 않았기 때문에 평균 굴진 속도를 이용한 기반암 경계 추정 결과에는 MWD 자료에 포함된 잡음과 이로 인한 급격한 기울기 변화 감지 알고리듬의 부정확성에 의한 오차가 포함되어 있을 것으로 판단된다.

리모나이트와 사프로라이트 경계 추정

암상 변화에 따른 MWD 자료의 특징을 파악하기 위해 실험실 XRF 시료 분석 결과를 이용하여 구간별 MWD 측정 자료를 암상에 따라 분류하였다. MWD 자료에서 비트 회전수(RMP), 회전 압력(pressure-rotate), 들어올리는 압력(pressure-lift), 누르는 압력(pressure-down) 측정값을 추출하여 각 측정값 간의 상관관계를 리모나이트, 사프로라이트, 기반암 등 각 암상별로 정리하여 Fig. 9, Fig. 10, Fig. 11과 같이 도시하였다. 측정값간의 상관관계 분석 결과에서 ‘들어올리는 압력’과 ‘회전 압력’ 사이의 상관관계 값(p-value)이 Table 3에 기재한 바와 같이 리모나이트에서는 양의 상관관계를 갖는 것에 비해 사프로라이트와 기반암에서는 음의 상관 관계를 보이는 것을 확인하였다. 이러한 현상이 발생하는 명확한 이유는 파악할 수 없었으나, 리모나이트에 비해 사프로라이트의 풍화도가 상대적으로 낮은 것에 기인한 암상의 공학적 특성과 연관이 있을 것으로 추정된다. 이 기술보고에서는 리모나이트와 사프로라이트 지층에서 ‘들어올리는 압력’과 ‘회전 압력’ 사이의 상관관계를 이용하여 두 암상의 경계면을 추정하는 조건으로 활용하고자 하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F9.jpg
Fig. 9.

Correlations of sensors with limonite data.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F10.jpg
Fig. 10.

Correlations of sensors with saprolite data.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F11.jpg
Fig. 11.

Correlations of sensors with bedrock data.

Table 3.

Correlation p-value between lift pressure and rotate pressure with each lithology data.

Lithology Limonite Saprolite Bedrock
p-value 0.29 -0.42 -0.19

‘들어올리는 압력’과 ‘회전 압력’ 사이의 상관관계를 이용하여 리모나이트와 사프로라이트의 암상 경계를 추정하는 방법의 적용 가능성 검토를 위해 동일한 시추공의 MWD 측정 자료를 일정한 간격의 윈도우로 나누어 상관관계를 분석하였다. 윈도우 크기는 경계 추정의 해상도를 결정하게 되는데, 윈도우 크기가 작을수록 경계 추정 해상도가 향상될 수 있음에도 불구하고 충분한 윈도우 크기를 확보하지 못한 경우 MWD 자료에 포함된 다양한 잡음의 영향으로 측정값간의 상관관계 분석 결과의 모호성이 발생하였다. 반면 윈도우 크기가 커질수록 상대적으로 명확한 상관관계 분석이 가능하나 경계 추정 해상도가 감소하여 적절한 윈도우 크기 설정이 필요하였다. 이 기술보고에서는 사용된 측정 자료의 분포 특성을 고려하여 리모나타이트와 사프로라이트 구간에서의 10cm 굴진에 소요되는 평균 시간 18초를 상관관계 분석 윈도우 크기로 적용하였으며 이는 자료 개수 36개에 해당한다. 이 기술보고에서 적용한 상관관계 분석 윈도우 크기를 일반화하여 적용하는 것은 무리가 있으며, 측정 자료의 분포 특성을 고려하여 최적의 윈도우 크기를 설정하는 추가적인 연구가 필요할 것으로 판단된다.

앞서 설명한 윈도우 크기를 적용하여 10개의 시추공마다 윈도우별 상관관계 값을 구하고, 상관관계가 양에서 음으로 변화한 후 계속 유지되기 시작하는 윈도우를 확인하여, 이에 해당하는 위치를 리모나이트와 사프로라이트의 경계로 추정하였다. Fig. 12는 시추공 bh01에 대한 윈도우별 상관관계 결과를 예시한 것으로, 윈도우 5번과 윈도우 8번에서 부호의 변화가 확인되며 그 중 윈도우 8번을 기점으로 양의 상관관계에서 음의 상관관계로 변화한 이후에도 지속적으로 음의 상관관계가 유지되는 것을 확인할 수 있으므로 윈도우 8번을 리모나이트와 사프로라이트의 경계로 추정하였다. 이 기술보고에서 적용한 리모나이트와 사프로라이트 경계 추정 방법의 적용 가능성을 확인하기 위하여 윈도우별 상관관계 분석을 통한 암상 경계 추정 결과와 실험실 시료분석 결과를 통해 확인된 암상 경계 추정 결과를 Table 4에 비교하여 정리하였다.

https://cdn.apub.kr/journalsite/sites/ksmer/2023-060-05S/N0330600504/images/ksmer_60_05_04_F12.jpg
Fig. 12.

Correlations between lift pressure and rotate pressure of each window with bh01 borehole MWD data.

Table 4.

Estimated depth of boundary between limonite and saprolite using MWD data and lab-XRF results

Hole ID Estimated depth
using MWD (m)
Estimated depth
using lab-XRF (m)
Difference between
estimated depths (m)
bh01 4.12 3.76 0.36
bh02 10.92 10.00 0.92
bh03 6.05 5.00 1.05
bh04 2.92 3.00 -0.08
bh05 7.87 7.00 0.87
bh06 12.40 12.00 0.40
bh07 10.70 10.00 0.70
bh08 4.00 4.00 0.00
bh09 6.51 7.00 -0.49
bh10 5.21 5.00 0.21

이 기술보고에 적용한 10개 시추공에 대하여 윈도우별 상관관계 분석을 이용하여 추정한 암상 경계 심도와 실험실 시료 분석 결과를 통해 확인한 암상 경계 심도 간의 차이는 –0.49 ~ 1.05 m의 분포를 보이며, 절대값에 대한 평균은 약 51 cm로 확인된다. MWD 자료로부터 계산된 평균 굴진 속도를 이용한 기반암 경계 추정 결과의 오차인 14 cm에 비해 윈도우별 상관관계 분석을 이용한 리모나이트와 사프로라이트 암성 경계 추정 결과의 오차가 상대적으로 크게 확인되었으며, 이는 적용 윈도우 사이즈, 상관관계 변화 기점에 대한 불명확한 판단 기준 등에 의한 것으로 이해된다. 따라서, 제시한 방법의 정밀도 향상을 위한 추가적인 연구가 필요한 것으로 판단된다.

토의 및 결론

광물자원분야에서 기존의 시추 조사 자료는 대부분 지질 전문가의 판단에 의존하여 작성되고 있으므로 해당 지질 전문가의 경험과 지식에 의존하여야 하는 것이 현실이며, 특히 지질 전문가가 부족한 소규모 현장의 경우에는 자료의 품질을 확보하기 어려운 실정이다. 이러한 현실에 기반하여 국내외 다양한 분야와 현장에서 정량적 자료를 확보할 수 있는 MWD 기법의 적용 사례가 증가하고 있으며, MWD 측정 자료를 활용한 다양한 분석이 활용되고 있다. 이 기술보고에서는 인도네시아 니켈 라테라이트 광상에 대한 시추 조사에 MWD 기법을 적용하여 직접 획득한 현장 자료에 대한 분석을 통해 리모나이트, 사프로라이트 및 기반암을 구성된 라테라이트 광상의 주요 암상의 경계를 정량적 측정 자료를 바탕으로 신속하게 추정하는 방법에 대한 적용 가능성을 검토하였으며, 검토 과정 및 결과와 더불어 연구 과정에서 확인된 MWD 자료 특성과 향후 연구 방향을 기술하였다.

이 기술보고에서 검토한 MWD 측정 자료에는 시추 장비의 진동, 시추 과정에서의 돌발 상황에 따른 자료 측정의 불연속성, 시추 작업자의 장비 운영 방식 차이 등에 기인한 다양한 형태의 잡음이 포함되어 있음을 확인할 수 있었다. 특히 굴진 심도의 기준이 되는 시추 장비 상단의 헤더로부터 시추 장비 하단 프레임까지의 거리 측정 자료는 장비 진동의 영향을 받아 상대적으로 많은 잡음이 포함되어 있다. 또한 시추 위치의 지형이 고르지 않아 시추 장비를 지표면에서 약간 높게 설치한 경우에는 시추기 헤더가 프레임의 하부까지 이동하여 거리 측정 자료가 0으로 기록되는 등 정보 손실이 발생하기도 한다. 이와 같은 현상은 MWD 측정 장비를 탑재하지 않은 일반적인 시추기 운영에서는 큰 문제가 되지 않으나, MWD 자료를 측정하는 경우에는 측정 자료의 품질 관리에 문제가 발생함을 확인하였다. 특히 현장 작업이 완료된 후 자료 분석 과정에서 측정 자료에 포함되어 있지 않은 로드 길이, 시추기 프레임 고정 위치 등을 정보는 별도의 야장에 기재하지 않은 경우 확인이 곤란하며, 자료 처리 과정에서의 오류를 최소화하기 위해서도 필수적인 정보임을 확인하였다. 따라서 MWD 측정 자료의 안정적 품질 확보를 위해서 현장 작업시 야장에 기재하여야 할 사항, 자료 손실을 방지하기 위한 로드 연결 시점 결정 기준, 및 한 표준 작업 절차 방안에 대한 추가적인 연구개발이 필수적인 것으로 판단된다.

MWD 측정 자료를 이용하여 암상의 경계를 구분하기 위해서는 전체 측정 자료 중에서 지층을 굴진하는 과정에서 측정된 자료만을 분리하여야 한다. 이를 위해서 측정 자료 중 ‘누르는 압력’과 ‘들어올리는 압력’의 차이를 이용하였으며, 시추 작업 야장과의 비교 검토를 통해 추출 방법의 적정성을 검증하였다. 그런데, 라테라이트 광상의 경우 최상단 표토층을 굴진할 때 비트를 회전시키지 않고 유압으로 로드를 누르는 방식으로 시추하는 경우가 있는데, 이 경우에는 비트 회전수가 0으로 기록되고 시추 작업자가 ‘들어올리는 압력’에 비해 ‘누르는 압력’을 상대적으로 적게 인가하여 두 값의 차이가 음수로 나타나는 것을 확인하였다. 따라서 다양한 시추기 운영 방식을 모두 고려하기 위해서는 조건에 따른 MWD 측정 자료에 추가적 검토를 토대로 다양한 자료 분석 기법의 개발이 필요할 것으로 판단된다.

MWD 자료를 이용하여 토양 형태인 리모나이트 및 사프로라이트 지층과 암석 형태인 기반암의 경계를 구분하는 방법으로 시간당 굴진 거리 즉 굴진 속도를 이용하는 방법을 적용하였다. 그런데 굴진 속도를 구하기 위해서는 시간 증가에 따른 굴진 거리를 오차 없이 측정할 수 있다는 것이 전제되어야 한다. 그런데 이 기술보고에 사용한 MWD 장비의 경우 굴진거리 측정을 로드 상단의 헤더와 시추기 프레임을 연결한 와이어의 길이를 측정하는 방식을 사용하고 있어 시추기 진동의 영향으로 헤더가 움직이지 않는 경우에도 굴진 거리가 변하는 것으로 측정되는 등 오차가 포함되어 있다. 이러한 이유로 0.5초 간격의 매 측정 시점에서의 순간 굴진 속도 계산이 불가능하였다. 따라서 추세를 파악할 수 있을 만큼의 충분한 시간 간격에 대한 굴진 거리 변화에 대한 추세선의 기울기를 이용하여 평균 굴진 속도를 계산하여야 하였으며, 이 경우에도 측정 과정에서 포함된 오차의 영향을 완전히 배제할 수 없는 상황이다. 또한, 풍화토 내부에 암편이 존재하는 경우, 기반암 직상부에 공학적 특성이 점진적으로 변하는 풍화암이 존재하는 경우 등에서는 평균 굴진 속도를 통해 암상의 변화를 추정하기 곤란하였다. 이러한 MWD 측정 자료의 특성에 기인한 문제를 해결하기 위해서는 통계적 기법을 적용한 시계열 자료 처리 등의 기법을 이용한 평균 굴진 속도 추정 방법에 대한 추가 연구가 필요할 것으로 판단된다.

기반암 상부의 토양 특성의 리모나이트와 사프로라이트의 암상 경계를 추정하기 위해 MWD 측정 자료 중 두 암상에서 서로 다른 상관관계를 보이는 ‘회전 압력’과 ‘누르는 압력’의 상관관계를 적용하였다. 그런데 현장에서 획득한 약 60여개의 전체 시추공 자료 중에는 사프로라이트의 두께가 얇아 상관관계 분석을 위한 윈도우 적용을 통해 상관관계의 부호 반전 이후 안정적인 부호 유지를 관찰하기 곤란한 경우가 다수 확인되었다. 이 기술보고는 MWD 측정 자료를 이용한 암상 구분 방법의 적용성 검토에 주안점을 두었기 때문에 해당 방법을 적용할 수 있는 시추공 즉 리모라이트와 사프로라이트의 두께 분포가 충분한 시추공의 자료만을 선별하여 검토하였다는 한계가 있다. 따라서 향후 사프로라이트의 두께가 얇은 경우, 암상 내에 암편이 존재하는 경우를 고려한 추가적인 연구가 필요할 것으로 판단된다.

이번 MWD 측정 자료를 이용한 니켈 라테라이트 광상의 암상 경계 추정에 관한 연구를 통해 실제 현장에서 직접 획득한 자료에 대한 다각적 자료 검토와 정량적 자료에 기반한 신속한 암상 경계 추정 기법의 적용 가능성을 확인하였으며, 이와 동시에 실제 현장 자료에 적용하기 위해서는 향후 다양한 측면에서의 추가적인 연구개발이 필요함을 절감하였다. 특히 여러 복잡한 요인에 의한 잡음이 포함된 MWD 자료의 특성을 고려할 때 지속적인 MWD 자료 확보를 바탕으로 정량적 시계열 자료 처리 기법 적용과 인공지능 및 기계학습 알고리듬 적용을 통한 암상 경계 예측 기법의 개발이 필요할 것으로 판단된다. 이 기술보고가 광물자원탐사 현장에서의 MWD 기법 적용 확대와 정량적 자료에 기반한 신속한 암상 구분을 통해 효과적인 시추조사 계획 수립, 변경 및 매장량 평가의 신속성 및 효율성 증대의 기초가 될 수 있기를 기대한다.

Acknowledgements

본 연구는 산업통상자원부(MOTIE)와 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다(No.20216110100060).

References

1
Ahmad, W., 2008. Nickel laterites-Fundamentals of chemistry, mineralogy, weathering processes, formation, and exploration, Vale Inco-VITSL.
2
Anderson, R. and Prosser, L.J., 2007. Improving the Capability for Real Time Assessment of Roof Conditions Through Intelligent Roof Bolt Drilling Operations, Morgantown, West Virginia, 287-292.
3
Basarir, H., Wesseloo, J., Karrech, A., Pasternak, E., and Dyskin, A., 2017. The use of soft computing methods for the prediction of rock properties based on measurement while drilling data, Deep Mining 2017: Proceedings of the Eighth International Conference on Deep and High Stress Mining, p.537-551. 10.36487/ACG_rep/1704_36_Basarir
4
Hatherly, P., Leung, R., Scheding, S., and Robinson, D., 2015. Drill monitoring results reveal geological conditions in blasthole drilling, International Journal of Rock Mechanics and Mining Sciences, 78, p.144-154. 10.1016/j.ijrmms.2015.05.006
5
Honer, P.C. and Sherrell, F.W., 1977. The application of air-flush rotary percussion drilling techniques in site investigation, Quarterly Journal of Engineering Geology and Hydrogeology, 10(3), p.207-220. 10.1144/GSL.QJEG.1977.010.03.04
6
Kahraman, S., Rostami, J., and Naeimipour, A., 2016. Review of ground characterization by using instrumented drills for underground mining and construction, Rock Mechanics and Rock Engineering, 49, p.585-602. 10.1007/s00603-015-0756-4
7
Khanal, M., Qin, J., Shen, B., and Dlamini, B., 2020. Preliminary investigation into measurement while drilling as a means to characterize the coalmine roof, Resources, 9(2), 10p. 10.3390/resources9020010
8
Khushaba, R.N., Melkumyan, A., and Hill, A.J., 2022. A machine learning approach for material type logging and chemical assaying from autonomous measure-while-drilling (MWD) data, Mathematical Geosciences, 54(2), p.285-315. 10.1007/s11004-021-09970-w
9
Leung, R. and Scheding, S., 2015. Automated coal seam detection using a modulated specific energy measure in a monitor-while-drilling context, International Journal of Rock Mechanics and Mining Sciences, 75, p.196-209. 10.1016/j.ijrmms.2014.10.012
10
Liu, J., Jiang, Y., Han, W., and Sakaguchi, O., 2021. Optimized ANN model for predicting rock mass quality ahead of tunnel face using measure-while-drilling data, Bulletin of Engineering Geology and the Environment, 80, p.2283-2305. 10.1007/s10064-020-02057-6
11
Mahmoud, A.A., Elkatatny, S., and Al-AbdulJabbar, A., 2021. Application of machine learning models for real-time prediction of the formation lithology and tops from the drilling parameters, Journal of Petroleum Science and Engineering, 203, 108574p. 10.1016/j.petrol.2021.108574
12
Muggeo, V.M., 2003. Estimating regression models with unknown break-points, Statistics in Medicine, 22(19), p.3055-3071. 10.1002/sim.154512973787
13
Pilgrim, C., 2021. Piecewise-regression (aka segmented regression) in Python, Journal of Open Source Software, 6(68), 3859p. 10.21105/joss.03859
14
Rostami, J., Kahraman, S., Naeimipour, A., and Collins, C., 2015. Rock characterization while drilling and application of roof bolter drilling data for evaluation of ground conditions, Journal of Rock Mechanics and Geotechnical Engineering, 7(3), p.273-281. 10.1016/j.jrmge.2015.01.006
15
Schunnesson, H., 1998. Rock characterisation using percussive drilling, International journal of rock mechanics and mining sciences, 35(6), p.711-725. 10.1016/S0148-9062(97)00332-X
16
Sun, J., Chen, M., Li, Q., Ren, L., Dou, M., and Zhang, J., 2021. A new method for predicting formation lithology while drilling at horizontal well bit, Journal of Petroleum Science and Engineering, 196, 107955p. 10.1016/j.petrol.2020.107955
17
van Eldert, J., Funehag, J., Saiang, D., and Schunnesson, H., 2021. Rock support prediction based on measurement while drilling technology, Bulletin of Engineering Geology and the Environment, 80, p.1449-1465. 10.1007/s10064-020-01957-x
18
Zhang, W., Ren, J., Zhu, F., and Feng, J., 2023. Analysis and selection of measurement indexes of MWD in rock lithology identification, Measurement, 208, 112455p. 10.1016/j.measurement.2023.112455
페이지 상단으로 이동하기