선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문에서는 쉴드 TBM 터널 공사시 발생하는 다운타임 크기에 대한 상호 비교 척도에 대해 설문조사를 실시하였다. 고유벡터법을 활용함으로써 구한 리스크별 가중치를 리스크의 영향도로 제시하고자 한다.
- 본 논문에서는 FTA와 AHP를 활용한 리스크 분석 방법을 제시하였다. 이전 연구에서 리스크 확인 과정을 통해 정리된 리스크 요인들과 그에 따른 리스크 사이의 원인과 결과를 분석한 FT도를 작성하였다.
- 비교행렬 A를 통해 각 항목별 가중치를 구하기 위해서 비교행렬 A의 최대고유치(maximum eigenvalue)에 대응하는 주고유벡터(dominant eigenvector)의 요소를 가중치로 이용하는 고유벡터법(eigenvector method)이 사용되며 기본식은 아래 식 3과 같다(이홍철 등, 2007). 본 논문에서는 쉴드 TBM 터널 공사시 발생하는 다운타임 크기에 대한 상호 비교 척도에 대해 설문조사를 실시하였다. 고유벡터법을 활용함으로써 구한 리스크별 가중치를 리스크의 영향도로 제시하고자 한다.
- 본 논문에서는 쉴드 TBM에서 발생 가능한 리스크 요인을 확인하고 그에 따른 리스크 분석과 평가할 수 있는 방법을 개발하여 쉴드 TBM 터널 공사시 정량적으로 리스크를 관리할 수 있도록 하였다. 이를 위해 이전 연구에서 쉴드 TBM 터널에 발생 가능한 리스크들로 구성된 Fault Tree(FT)를 바탕으로 Fault Tree Analysis(FTA) 방법과 Analytic Hierarchy Process(AHP) 방법을 활용하여 발생가능한 주요 리스크의 발생확률과 영향도를 정량적으로 계산하는 방법을 제시하였다.
- 구성된 FT의 기본 이벤트 즉, 리스크 요인들에 대한 발생확률을 근거로 위의 식 1과 2을 통해 쉴드 TBM 터널에서 발생 가능한 리스크들의 발생확률을 계산할 수 있었다. 본 논문에서는 실제 서울 지하철 공사 현장에 대한 설문조사 결과를 바탕으로 리스크별 발생확률을 계산하고 이를 현장 결과와 비교하였다.
- 본 논문에서는 앞서 정리된 10개의 리스크들을 바탕으로 쌍대 비교 행렬을 만든 뒤 TBM 시공 전문가들로부터 리스크의 영향도, 즉 각각의 리스크들로 인해 발생되는 다운타임 크기에 대한 상호 비교 척도에 대해 설문조사를 실시한다.
- 또한 제시된 리스크 평가방법을 검증하기 위하여 실제 쉴드 TBM 터널현장에서의 리스크 발생 빈도와 그에 따라 발생하는 다운타임 자료를 바탕으로 비교하였다. 제안된 리스크 평가방법을 바탕으로 쉴드 TBM 터널에서 발생 가능한 리스크의 발생확률과 영향도를 모두 고려하고 이 결과를 바탕으로 집중적으로 관리해야 할 리스크들을 제시함으로써 체계적인 리스크 관리를 하고자 한다. 이를 통해 시공 중 발생하는 다운타임을 사전에 예측하고 대책공법을 제시할 수 있는 경제적인 리스크 관리가 가능해질 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.