$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

조선 해양 산업에서의 응용을 위한 하둡 기반의 빅데이터 플랫폼 연구
A Study on Big Data Platform Based on Hadoop for the Applications in Ship and Offshore Industry 원문보기

한국CDE학회논문집 = Korean Journal of Computational Design and Engineering, v.21 no.3, 2016년, pp.334 - 340  

김성훈 (서울대학교 조선해양공학과 대학원) ,  노명일 (서울대학교 조선해양공학과 및 해양시스템공학연구소) ,  김기수 (서울대학교 조선해양공학과 대학원)

Abstract AI-Helper 아이콘AI-Helper

As Information Technology (IT) is developed constantly, big data is becoming important in various industries, including ship and offshore industry where a lot of data are being generated. However, it is difficult to apply big data to ship and offshore industry because there is no generalized platfor...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 다른 분야에서와 마찬가지로 조선 해양 분야에서 빅데이터의 중요성은 증대되고 있지만 그에 대한 연구는 아직 시작 단계로서 뚜렷한 성과가 없는 실정이다. 따라서 그 범위를 다소 넓혀 조선 해양 분야뿐만 아니라 유관 분야에서 수행된 빅데이터 관련 연구에 대해 분석해 보았다. 그 분석 결과의 일부를 정리하면 아래와 같다.
  • 이들 중 HDP는 공개 프로그램으로서 무료 사용이 가능하고, 가장 많은 사용자층을 확보하고 있는 윈도우 OS를 기반으로 하고 있다. 따라서 본 연구에서는 HDP를 활용하여 조선 해양 산업에서의 적용을 검토해 보았다. HDP는 하둡을 기반으로 저장 공간의 연결, 다양한 분야에 적용 가능하도록 해주는 상용 기술, 하둡 에코 시스템(Hadoop ECO System: 하둡의 기능을 보완하는 서브 프로그램을 의미)의 적용 등이 모두 가능한 프로그램으로서 타 프로그램과의 연계, 신기술의 적용 등이 용이해 그 잠재력이 크다고 볼 수 있다.
  • 특히, 조선 해양 분야에서 빅데이터를 효과적으로 활용할 수 있다면, 신 선박 설계 및 개발, 공정 최적화, 모형 시험 최소화, 중량 추정, 항로 계획 등 다양한 업무에서 생산성 및 효율성의 증대가 가능하리라 판단된다. 따라서 본 연구에서는 대표적인 빅데이터 기술인 하둡(Hadoop)을 적용한 플랫폼를 제시하고, 이를 이용하여 해양 플랜트 상부의 중량 추정 과정에 적용해 봄으로써 조선 해양 분야에서 빅데이터의 적용 가능성에 대해 검토해 보고자 한다.
  • 이상과 같이, 조선 해양 분야에 빅데이터를 적용하기 위한 연구는 일부 수행되었지만, 실질적인 적용 방법에 대한 연구 사례는 드물다는 것을 확인할 수 있다. 따라서 본 연구에서는 빅데이터를 효과적으로 활용할 수 있는 플랫폼을 제시하였고, 예제에의 적용을 통해 조선 해양 분야에서의 그 적용 가능성과 효용성을 평가하고자 하였다.
  • 최근 조선 해양 분야에서도 빅데이터에 대한 관심이 높아지고, 이를 적용하기 위한 많은 연구가 이루어지고 있지만 실질적인 연구 및 적용 사례는 매우 드물다. 따라서 본 연구에서는 조선 해양 분야에서 빅데이터를 실질적으로 활용하기 위해 빅데이터 플랫폼을 제시하고, 이를 FPSO 상부의 중량 추정에 활용함으로써, 그 적용 가능성을 확인하였다. 본 연구에서 제시한 빅데이터 플랫폼은 기존의 대용량 데이터를 하둡 기반의 분산 저장 및 처리 구조(HDFS)로 개선하고, 이를 활용 용도에 따라 가공 및 처리(MapReduce)한 후, 최종적으로 처리된 데이터를 저장하는 구조를 가진다.
  • 따라서 본 연구에서는 조선 해양 산업에서의 응용을 위한 빅데이터 플랫폼을 제시하였고, 이의 구성은 Fig. 1과 같다. 빅데이터 플랫폼의 구현을 위해서는, 먼저 조선 해양 분야에서 생성되는 빅데이터를 서버에 저장해야 하고(Fig.
  • 본 연구에서는 상관 분석과 선형 및 비선형 회귀 분석을 통해 얻어진 두 가지 중량 추정식을 이용하여 3척의 기존 FPSO의 상부 중량을 추정하고 이를 실제 중량과 비교해 봄으로써 중량 추정식의 정확도를 확인해 보았다.
  • 본 연구에서는 앞서 제시한 하둡 기반의 빅데이터 플랫폼을 조선해양 분야에 적용함으로써 그 적용 가능성을 검토하고자 하였다. 조선 해양 분야에서 빅데이터를 활용할 수 있는 항목으로서 신 선박 설계 및 개발, 공정 최적화, 모형 시험 대체, 중량 추정, 항로 계획 등을 들 수 있다.
  • 조선 해양 분야에서 빅데이터를 활용할 수 있는 항목으로서 신 선박 설계 및 개발, 공정 최적화, 모형 시험 대체, 중량 추정, 항로 계획 등을 들 수 있다. 본 연구에서는 최근 큰 주목을 받고 있는 해양 플랜트 상부의 중량 추정 문제에 빅데이터 플랫폼을 적용해 보았다.
  • 본 절에서는 조선 해양 분야에서의 빅데이터 이용을 위해 하둡과 하둡을 기반으로 한 빅데이터 플랫폼에 대해 기술하였다.
  • FPSO의 중량은 크게 거주 구역(living quarter)을 포함한 상부 중량과 하부 구조로 나눌 수 있고, 경우에 따라 하부의 터렛(turret)을 따로 분리하기도한다. 본연구에서는 FPSO 상부중량(LWTT)추정을 그 목적으로 하였고, 이에 영향을 주는 변수들을추출하면 Table 1과같다. 여기서, L은 FPSO의 길이, B는 폭, D는 깊이, T는 흘수(draft), DWT재화중량(deadweight)는 S_C는 저장 용량(storage capacity), O_P는 원유생산량(oil production), G_P는 가스 생산량(gas production), W_P는 물 처리량(water processing), W_D는작업심도(water depth), CREW는 작업자 수를 나타낸다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
하둡 파일 분산 시스템과 맵 리듀스의 기능을 구현해 제공하는 프로그램은 무엇이 있는가? 따라서 일부 업체에서 하둡의 가장 중요한 구성 요소인 하둡 파일 분산 시스템과 맵 리듀스의 기능을 구현해 제공하고 있다. 대표적인 예로서 Microsoft 사에서 제공하는 HDInsight, Cloudera사에서 제공하는 Cloudera 프로그램, Hortonworks사에서 제공하는 HDP(Hortonworks Data Platform) 등이 있다.
빅데이터는 무엇인가? 빅데이터는 단순히 큰 용량의 데이터를 의미하는 것이 아니라 빅데이터의 수집부터 처리까지의 전 과정을 포괄하는 개념이다. 미국의 정보 기술연구 및 자문 회사인 Gartner는 빅데이터를 더 나은 의사 결정을 위해 이용되는 대용량(volume), 고속(velocity) 및 다양성(variety)의 특성을 가진 정보 자산이라고 정의했다.
대용량은 무엇을 타나내는가? 미국의 정보 기술연구 및 자문 회사인 Gartner는 빅데이터를 더 나은 의사 결정을 위해 이용되는 대용량(volume), 고속(velocity) 및 다양성(variety)의 특성을 가진 정보 자산이라고 정의했다. 여기서 대용량이란 100 TB(Tera Byte) 이상의 용량, 고속은 데이터의 실시간 처리, 다양성은 정형, 비정형 등 처리 가능 데이터의 유형을 나타낸다[1].
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. Bae, D.M., Park, H.S. and Oh, K.H., 2013, Big Data Trend and Policy Implication, Information and Communication Policy, 25(10), pp.37-74. 

  2. Lee, H.H., 2013, Application of Big Data for Strengthen of Manufacturing Business, Seoul, Korea Korea Institute for Industrial Economics and Trade. 

  3. Kim, S.R. and Kang, M.M., 2014, The Trends and Prospects in Cloud-Based Bigdata Technology, Journal of Korean Institute of Information Scientists and Engineers, 32(2), pp.22-31. 

  4. Kim, S.R. and Kang, M.M., 2014, Today and Tomorrow of Big Data Analysis Technology, Journal of Institute of Information Scientists and Engineers, 32(1), pp.8-17. 

  5. Kim, Y.J., Park, J.K., Lee, J.H., Yang, H.Y. and Jung, M.A., 2013, A Study on the Bigdata Technology and Analysis Technique for Vessel Design Automation, Journal of Korea Institute of Communication Sciences, 2013(6), pp.213-215. 

  6. Lee, D.H., 2014, Analysis of Production Process in Shipbuilding Industry using Process Mining, Ph.D. thesis, Pusan National University, Korea. 

  7. Kim, W.K., 2014, The Trends and Prospects in Cloud-Based Bigdata Technology, Journal of Mechanical Science and Technology, 54(12), pp.49-52. 

  8. Kim, K.I., Jung, J.S. and Park, K.K., 2013, Assessment of External Force Acting on Ship using Big Data in Maritime Traffic, Journal of Korea Intelligent Information System Society, 23(5), pp.379-384. 

  9. Apache, Definition of Hadoop, http://hadoop.apache.org 

  10. Kim, W.K., Park, M.K. and Han, M.K., 2012, Design of a Framework for Support System of Ship Design Engineering, Journal of Korea Institute of Information and Communication Engineering, 16(10), pp.2316-2322. 

  11. Um, T.S., Roh, M.I., Shin, H.K. and Ha, S., 2014, Simplified Model for the Weight Estimation of Floating Offshore Structure Using the Genetic Programming Method, Transactions of the Society of CAD/CAM Engineers, 19(1), pp.1-11. 

  12. Ha, S., Um, T.S., Roh, M.I. and Shin, H.K., 2015, A Structural Weight Estimation Model of FPSO Topsides using an Improved Genetic Programming Method, appears in Ships and Offshore Structure, doi: 10.1080/17445302.2015.1099246. 

  13. Kerneur, J., 2010, Worldwide Survey of FPSO Units, Houston, Offshore Magazine. 

  14. Clarkson, 2012, The Mobile Offshore Production Units Register 2012, 10th ed., London, Clarkson. 

저자의 다른 논문 :

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로