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 연구에서는 유조선의 설계와 구획배치에 필요한 규정인 MARPOL, SOLAS, CSR에 기반하여 선수미부 및 중앙 화물창의 구획을 자동 생성하는 알고리즘을 개발하였다. 개발된 알고리즘을 통해 생성된 구획 정보를 바탕으로 최적 구조설계를 수행하였으며 실적선의 구획배치에 따른 최적 구조설계 결과와 비교하여 다음과 같은 결론을 얻었다.
- 이에 따라 본 논문에서는 구획배치와 구조설계를 통합한 선박의 최적설계시스템 구축에 필요한 기반 연구로, 全船 구획배치 자동화 알고리즘에 대한 연구 결과를 기술한다.
- 이에 따라 본 논문에서는 선체 구조설계 단계로 넘어가기 전에 선행되어야 할 선박의 구획배치를 자동화하는 알고리즘을 개발하였으며, STX조선해양에서 건조한 Aframax급 유조선과 비교하여 그 유용성을 검증하였다. 아울러 개발된 구획배치 자동화 알고리즘의 결과를 구조 최적화 시스템과 연동시켜 도출된 설계 안을 실적선과 비교한 결과, 예상했던 기대 수준에 부합된다는 것을 확인할 수 있었다.
제안 방법
- 3) 개발된 구획배치 자동화 알고리즘을 통한 구획배치 결과가 선체 구조설계에 미치는 영향을 정량적으로 평가하기 위해 개발된 구획배치 알고리즘 결과에 따른 설계안에 대해 다목적함수 최적 구조설계를 수행하여 실적선 구획배치에 따른 최적 구조설계와 비교하였다.
- 본 연구에서는 유조선의 설계와 구획배치에 필요한 규정인 MARPOL, SOLAS, CSR에 기반하여 선수미부 및 중앙 화물창의 구획을 자동 생성하는 알고리즘을 개발하였다. 개발된 알고리즘을 통해 생성된 구획 정보를 바탕으로 최적 구조설계를 수행하였으며 실적선의 구획배치에 따른 최적 구조설계 결과와 비교하여 다음과 같은 결론을 얻었다.
- 구조설계를 상호 비교하는 설계안은 Table 8에 나와 있는 대로 실적선(existing ship) 구획배치 안과 구획배치 자동화 결과에 대한 안(design ship)으로 하였다. 실적선은 STX 조선해양에서 건조되어 운행 중인 선박의 구획배치이며, 구획배치 자동화 결과에 대한 안은 화물창 용적을 극대화하는 안을 말한다.
- 하지만 이렇게 계산하면 계산량이 방대해질 뿐 아니라 계산 시간도 오래 걸리기 때문에 일반적인 선박의 이중저 높이와 이중선체 폭이 2m 이상임을 감안하여 계산의 시작점을 2m로 정하였다. 그리고 호퍼의 경사각은 이중저 높이와 이중 선체 폭이 바뀔 때마다 45˚~50 ˚로 순차적으로 바꿔가며 용적계산이 가능하도록 하였다.
- 두 가지 모두 선박의 최적 설계에 보다 긍정적인 효과를 기대할 수 있기 때문에 구획배치를 자동화하는 전략으로 규정이 허락하는 범위 내에서 중앙화물창 용적을 극대화하여 확보할 수 있도록 선수미부를 배치하는 알고리즘을 구성하였다. Fig.
- 배치된 구획을 토대로 한 용적의 계산과 각종 재화상태에 따른 선박계산은 상용 프로그램(Ez-COMPART)를 본 연구에서 개발한 주 프로그램에서 호출하여 수행하도록 연동시켰다.
- 본 알고리즘에서는 선미부 구획배치를 가장 선행하게 되는데, 아래와 같은 선미부 결정 알고리즘을 토대로 각 구획을 순차적으로 정의하였다.
- 선수부의 충돌 격벽의 위치가 화물창 용적을 최대로 확보하기 위해 선박의 전방으로 이동하게 됨에 따라, 슬롭 탱크(slop tank)의 위치 및 횡격벽의 위치를 생산성을 감안한 적정 위치로 재설정하고 구획배치 알고리즘을 재수행한다.
- 선체의 주요 요목과 선형설계에서 결정된 선형을 바탕으로 자동화 알고리즘을 통해 구획배치를 수행하고, 생성된 구획배치 결과가 설계상 요구되는 용적을 만족했을 때 실적선의 결과와 비교하여 그 유용성을 검증하였으며, 실적선 대비 개선된 구획배치의 결과가 선체 구조설계에 미치는 영향을 평가하기 위해 최적 구조설계를 수행하여 그 결과를 고찰하였다.
- 설계 대상인 유조선의 구획은 선주가 요구한 재화중량(DWT)을 만족하면서 분리평형수 조건(S.B.T condition, Segregated Ballast Tank condition)의 프로펠러 심도(propeller immersion) 및 선수미부 조건을 만족시키도록 제한되었다.
- 선형개발을 통해 완성된 선미 형상을 토대로 선미관(stern tube)의 위치를 찾고 그 높이에 맞게 기관실의 이중저 높이를 결정한다. 이 후, 엔진의 좌우 유지보수를 고려한 폭, 선미 쪽에 위치하는 선미탱크(A.P.T., After Peak Tank), 냉각용 청수 탱크(C.W.T., Cooling Water Tank), 각종 발전기 등의 설치와 유지보수를 위한 통로를 고려하여 주 기관의 길이, 방향 및 위치를 결정하였다.
- 분리평형수 조건은 선미의 프로펠러가 100% 이상 잠기는 것을 요구한다. 초기 설계자가 입력하는 경하중량(L.W.T., Light Weight)과 선수미부 탱크 용적을 근거로 MARPOL의 분리평형수 조건에 만족하는 중앙화물창 밸러스트 용적을 계산한다.
- 충돌 격벽(collision bulkhead)은 화물 탱크의 용적을 최대로 확보하기 위하여 SOLAS에서 요구하는 최소 길이로 결정하였다.
- 따라서 이중저 높이와 이중 선체 폭을 0m부터 점점 증가시키면서 100% 프로펠러 심도(propeller immersion)를 만족하는 위치로 결정하게 된다. 하지만 이렇게 계산하면 계산량이 방대해질 뿐 아니라 계산 시간도 오래 걸리기 때문에 일반적인 선박의 이중저 높이와 이중선체 폭이 2m 이상임을 감안하여 계산의 시작점을 2m로 정하였다. 그리고 호퍼의 경사각은 이중저 높이와 이중 선체 폭이 바뀔 때마다 45˚~50 ˚로 순차적으로 바꿔가며 용적계산이 가능하도록 하였다.
- 인건비는 취부장과 용접장을 고려한 조립장을 이용하였다. 횡강도 부재 및 횡격벽 부재의 인건비 추정은 종강도 부재와 횡강도 부재가 만나는 조립장을 고려하였으며, 횡격벽 부재에 붙어있는 수직 보강재에 대한 조립장도 고려하였다.
대상 데이터
- 본 연구의 대상이 되는 선박은 STX조선해양에서 설계, 건조한 115k Aframax급 유조선으로 주요 제원은 Table 1과 같다.
데이터처리
- 구획 배치에 있어 용적의 계산은 선박계산용 상용 프로그램인 Ez-COMPART를 주 프로그램에서 호출하여 계산하였다.
이론/모형
- 구획배치 자동화 알고리즘은 유조선에 관한 공통구조규칙(CSR)은 물론 해사관련 국제협약이 요구하는 규정을 만족하도록 하였으며, 이후에 수행하는 최적 구조설계는 Na (2005)가 개발한 다목적함수 최적 구조설계 알고리즘을 사용하였다.
성능/효과
- 1) 개발된 구획배치 자동화 프로그램에서 Ez-COMPART 시스템을 호출하여 산정하는 용적 계산의 정확성을 검증하기 위하여 실적선과 동일한 구획배치를 구현한 결과 실적선과 거의 일치하는 결과를 얻을 수 있었다.
- 2) 개발된 구획배치 자동화 알고리즘으로부터 도출된 화물창 용적은 실적선보다 1.2% 이상 상회하였으며, 정수 중 굽힘 모멘트(S.W.B.M.) 역시 줄어든 것을 알 수 있었다.
- 개발된 구획배치 자동화 프로그램에서 Ez-COMPART 시스템을 호출하여 계산하는 각종 구획에 대한 용적 계산의 정확성을 확인하기 위하여, 선수미부를 고정하고 실적선과 동일한 위치에 주요 부재들을 위치시킨 후(이중저 높이 2.3m, 이중선체 폭 2.3m, 호퍼 경사각 48˚) 개발된 구획배치 알고리즘으로부터 도출된 탱크 용적을 비교한 결과 실적선과 거의 일치하는 결과를 얻어 구획배치 자동화 프로그램과 Ez-COMPART의 연동이 정상적으로 이루어짐을 확인하였다(Table 4).
- Table 6는 실적선과 개발된 구획배치 자동화 알고리즘의 결과를 비교하고 있다. 결과로써 도출된 용적을 상호 비교한 결과 개발된 알고리즘으로 결정된 화물창의 용적이 실적선 대비 1.22% 정도 증가했음을 확인하였다. 이를 보다 상세히 분석해 보면 선박의 주요 치수를 동일하게 유지할 경우 재화 중량을 1,355ton 정도 늘릴 수 있으며, 주요 치수를 변경할 경우 선박의 길이를 약 3m 정도 감소시킬 수 있는 것으로 파악되어 현업의 실 설계에 매우 효과적으로 적용될 수 있음을 확인하였다.
- 그 결과 개발된 구획배치 자동화 알고리즘으로 최적 설계된 선박은 실적선에 비해 361ton 정도 중량을 감소시킬 수 있었으며, 40만$ 정도의 건조비를 감소시킬 수 있는 구조설계가 가능함을 확인할 수 있었다.
- 또한 두 가지 구획배치 설계안에 대해 선체에 발생하는 굽힘 모멘트를 산정한 결과 자동화 알고리즘으로부터 도출된 구획배치에 대한 굽힘 모멘트가 실적선보다 작음을 확인함으로써(Table 7) 본 연구 결과의 유용성을 밝힐 수 있었다. Table에서 BHD, D/B 및 D/S는 각각 격벽(bulkhead), 이중저(double bottom) 및 이중선체(double side)를 의미한다.
- 본 연구에서 개발된 구획배치 자동화 알고리즘은 각종 규정을 만족하면서 화물창 용적을 극대화하는 전략을 담고 있는 바, 이를 수행한 결과 Table 5에서와 같이 주요 부재들의 위치 및 간격이 변경되었다. Table 5의 결과를 검토하면 다음과 같다.
- 이에 따라 본 논문에서는 선체 구조설계 단계로 넘어가기 전에 선행되어야 할 선박의 구획배치를 자동화하는 알고리즘을 개발하였으며, STX조선해양에서 건조한 Aframax급 유조선과 비교하여 그 유용성을 검증하였다. 아울러 개발된 구획배치 자동화 알고리즘의 결과를 구조 최적화 시스템과 연동시켜 도출된 설계 안을 실적선과 비교한 결과, 예상했던 기대 수준에 부합된다는 것을 확인할 수 있었다.
- 여기서 Single이란 최소중량 또는 최소 건조비 하나만을 목적함수로 갖고 실행했을 때의 결과이며, PS(Pareto Strategy)는 중량와 건조비 두 가지를 다목적함수로 하여 실행했을 때의 결과로써, 다목적함수 최적화의 결과는 최소 중량과 최소 건조비 양 극단에서 단일목적함수 최적화 결과와 동일한 값을 갖는 것을 확인하였다. Table 9와 Fig.
- 이에 대한 대표적인 연구로는 Kim (1994)이 발표한 MOGA(Multi-criteria Optimization by Genetic Algorithm)라는 새로운 알고리즘을 들 수 있다. 이 연구는 단일 목적함수로의 치환에 의해 최적해를 구하던 기존의 다목적 함수 최적화 방법론을 탈피하여, Pareto 정의에 의한 다목적 함수 최적해를 여러 세대에 걸쳐 반복적으로 생성하여 최적해 집합의 형상을 잘 나타내었으나 적은 수의 설계 대상점(population size)에서는 최적해의 형상을 잘 표현할 수 없다는 단점을 가지고 있었다.
- 22% 정도 증가했음을 확인하였다. 이를 보다 상세히 분석해 보면 선박의 주요 치수를 동일하게 유지할 경우 재화 중량을 1,355ton 정도 늘릴 수 있으며, 주요 치수를 변경할 경우 선박의 길이를 약 3m 정도 감소시킬 수 있는 것으로 파악되어 현업의 실 설계에 매우 효과적으로 적용될 수 있음을 확인하였다.
- 이를 분석한 결과 선박의 주요 치수를 동일하게 유지할 경우 재화 중량을 1,355ton 정도 늘릴 수 있으며, 주요 치수를 변경할 경우 선박의 길이를 약 3m 정도 감소시킬 수 있는 것으로 파악되어 현업의 실 설계에 매우 효과적으로 적용될 수 있음을 확인하였다.
- 4는 구획배치 자동화 결과를 토대로 Pareto 최적점 기반 다목적함수 최적 구조설계를 수행한 최적해의 분포와 실적선 구획배치에 기반을 둔 최적 구조설계를 수행한 결과(existing ship)를 비교하여 보여주고 있다. 이에 나타난 바와 같이 구획배치 자동화를 토대로 한 구조 최적설계의 최적점 분포가 실적선보다 좋아진 것을 알 수 있었다.
- 이와 같이 충돌 격벽 위치가 조정된 결과 중앙평행부의 길이가 길어져 화물창 한 개의 길이가 30.24m에서 30.76m로 증가하였다. 또한 화물창 길이가 길어짐에 따라 화물창 길이와 연동되어 결정되는 슬롭 탱크의 간격도 4.
- Table 9는 실적선 구획배치 안과 구획배치 자동화 설계 안을 토대로 최소중량, 최소 건조비 중 하나만을 단일 목적함수로 갖고 실행한 최적 구조설계 결과를 비교하고 있다. 최소 중량설계를 수행한 결과 개발된 알고리즘으로부터 도출된 안이 실적선 안보다 중량을 361ton 정도 적게 설계할 수 있는 것으로 나타났고, 최소 건조비 설계를 수행하면 건조비를 40만$ 정도 감소시킬 수 있을 것으로 파악되어, 개발된 구획배치 자동화 알고리즘을 통한 구조설계가 보다 우수한 설계가 됨을 검증하였다. 여기서 Table 9의 설계변수는 Fig.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.