حفاریسنگ‌ها از گذشته تا به امروزه کاربرد فراوانی در پروژه‌های مختلف عمرانی، معدنی ونفتی داشته است. عملیات حفاری سنگ با استفاده از روش‌های رایج چال زنی و آتشباری ویا حفاری به کمک ماشین‌آلات حفاری در سراسر دنیا به‌طور گستره در حال انجام است.انتقال نیرو و شکستن سنگ در عملیات حفاری از طریق ابزارهای برش نصب‌شده بر رویماشین‌آلات حفاری انجام می‌پذیرد. اجرای دقیق و ایمن عملیات حفاری در کوتاه‌ترینزمان و با بیشترین راندمان و کمترین هزینه هدف اصلی هر پروژه‌ی موفق حفاری سنگ می‌باشد.ابزارهای حفاری سنگ ازجمله مهم‌ترین عوامل تأثیرگذار بر جنبه‌های مختلف یک حفاریازجمله هزینه، زمان، بهره‌وری و ایمنی می‌باشد؛بنابراین پیش‌بینی و کنترل میزان سایش ابزارهای برش سنگ پیش و درحین عملیات حفاری می‌تواند به‌طور قابل‌توجهی بر موفقیت و بهره‌وری عملیات تأثیرگذارباشد. سایش را می‌توان به‌عنوان از بین رفتن مواد از سطح ابزار در هنگام تعامل باسنگ تعریف کرد. استفاده از روشی که بتوان با دقت، قابلیتاطمینان و سرعت‌بالا و با حداقل هزینه به میزان سایش ابزار دست‌یافت از اهمیتبسیار زیادی برخوردار است. اگرچه روش‌هایی جهت تشخیص برخط وضعیت ابزار توسعه داده‌شدهاست، اما همچنان جستجو برای یافتن یک راه‌حل قابل‌اعتماد، ساده و ارزان ادامهدارد. روش‌های تحلیل امواج آوایی و لرزش ازجمله روش‌های کم‌هزینه، سریع، با حساسیتبالا نسبت به تغییر شرایط و با دقت و باقابلیت اطمینان بالا هستند که می‌توانند درپیش‌بینی و کنترل میزان سایش مورداستفاده قرار بگیرند. این پژوهش عمدتاً بر توسعهیک مدل نظارتی جهت کنترل وضعیت ابزار در فرآیند حفاری سنگ با استفاده از تحلیل سیگنال‌هایصوتی و لرزشی ناشی از فرآیند حفاری متمرکز است. در این مطالعه با انجام عملیاتحفاری به‌صورت آزمایشگاهی بر روی طیف وسیعی از سنگ‌ها و ثبت امواج صوتی و لرزشیناشی از آن، ارتباط معناداری بین وضعیت سایشی ابزار و پارامترهای صوتی-لرزشیبرقرار گردیده است. سپس با استفاده از ویژگی­های استخراج شده از پارامترهای صوتی ولرزشی مدل­های هوشمند یادگیری ماشین جهت پیش بینی وضعیت سایشی سرمته توسعه دادهشده است. نتایج بدست آمده از مدل­های هوشمند نشان داد که این مدل­ها قابلیت بالاییدر پیش بینی وضعیت سایشی سرمته­های حفاری سنگ با دقت بالا دارند به طوریکه مدلجنگل تصادفی دقت 8/93 درصدی از خود نشان می دهد.