최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기
플랜트 산업은 막대한 자본이 투입되는 산업 중 하나이다. 불의의 가동정지 시 직접적인 보수비용이 발생할 뿐만 아니라 기회이익을 상실함으로 인해 큰 손실이 발생하게 된다. 사고 발생 시 인명 및 재산의 피해, 환경오염 등 직·간접적인 피해를 초래할 수 있으므로 체계적인 설비 관리를 통해 사고 발생을 차단하는 것이 중요하다. 설비는 영구적이지 않으며 시간이 흐름에 따라 점차 노후화가 진행되면서 결함이 발생하게 된다. 모든 결함이 사고로 이어지는 것은 아니지만 방치되거나 부적절한 방법으로 관리된 결함은 큰 피해를 야기할 수 있다. 따라서 본 연구에서는 딥러닝을 이용하여 결함을 분류하고, 해당 결함에 적합한 조치 및 유사 환경에서 운영되는 설비를 추천해주는 결함 관리 시스템을 개발하고자 한다.
본 논문에서 결함 분류 대상으로 석유화학 공정 내 Sour 환경에서 운영되는 파이프에 한정한다. 원유 내 황(Sulfur) 함유량이 높은 Sour환경은 대표적인 부식 환경이자 원인에 따른 결함의 형태가 비교적 뚜렷하게 구분되기 때문에 분류 대상으로 적합하다 판단된다.
시스템 개발 과정은 다음과 같다. 결함 이미지를 획득하고 이를 장치의 Tag ID와 함께 서버로 전송하여 결함 분류를 수행한다. 이 때 결함 분류는 딥러닝 방법 중 이미지 특징 추출에 뛰어난 합성곱 신경망을 이용한다. 결함 분류를 수행한 이후, 설비 관련 ...
저자 | 차혜민 |
---|---|
학위수여기관 | 연세대학교 대학원 |
학위구분 | 국내석사 |
학과 | 엔지니어링 융합학과 |
지도교수 | 이수홍 |
발행연도 | 2018 |
총페이지 | viii, 72장 |
키워드 | 결함 분류 설비 관리 딥러닝 지식기반 CNN Convolutional Neural Network defect classification |
언어 | kor |
원문 URL | http://www.riss.kr/link?id=T14859009&outLink=K |
정보원 | 한국교육학술정보원 |
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.