$\require{mediawiki-texvc}$

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.

선박예지정비모델 개발을 위한 LNG 선박 도크 수리 항목의 텍스트 분석 연구
Study on Text Analysis of the Liquefied Natural Gas Carriers Dock Specification for Development of the Ship Predictive Maintenance Model 원문보기

海洋環境安全學會誌 = Journal of the Korean society of marine environment & safety, v.27 no.1, 2021년, pp.60 - 66  

황태민 (목포해양대학교 해상운송시스템학부) ,  윤익현 (목포해양대학교 항해정보시스템학부) ,  오정모 (목포해양대학교 기관시스템공학부)

초록
AI-Helper 아이콘AI-Helper

다양한 산업에서 강조되고 있는 정비의 중요성은 각 분야에 다양한 정비전략을 적용하도록 만들었다. 해양산업 역시 그에 따른 정비전략의 변화가 있었으나 타 산업 대비 그 속도가 느려 실제 적용이 되지 않은 채 과거 시행되고 있던 방식을 유지하는 경우가 많다. 특히 선박은 기존에 행해왔던 방식의 정비전략을 사용하고 있는 편이며 해상의 조건에서 선박은 새로운 정비전략의 개발을 필요로 하고있다. 이에 선박예지정비모델은 기기의 정비가 필요한 시점을 예지하여 조치 할 수 있는 정비전략으로서 선박이 항해 중에 처할 수 있는 정비 관련 위험요소들을 줄여 주는 모델이다. 본 연구는 선박예지정비모델의 개발을 위한 연구 중의 하나로서, LNG선박 입거사양서의 텍스트 데이터 분석을 통한 결과를 원문의 내용을 바탕으로 해석해보았다. 공통된 정비항목 조합을 도출하여 선박 내 다른 기기들 사이에 작용하고 있는 상호연관성을 발견하고 이를 앞으로 개발될 선박예지정비모델에 적용하고자 한다.

Abstract AI-Helper 아이콘AI-Helper

The importance of maintenance is leading the application of the maintenance strategy in various industries. The maritime industry is also a part of them, with changes in selecting and applying the maintenance strategy, but rather slowly, by retaining the old strategy. In particular, the ship is main...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 이는 단지 원문에서 흔하게 사용되는 단어여서 빈도수가 높아지는 결과를 우려했던 것과 다르게, 하나의 큰 정비작업에서만 도출되어 본 연구의 목적에 맞는 결과를 보였다. 본 연구는 시작부터 선박예지정비모델의 개발을 위한 목적을 두고 선박의 기기 간 상호연관성을 텍스트 분석으로 진행하였다. 연구 과정에서 부족했던 점으로는 원문의 전처리 과정에서 단어의 손실이 없도록 더욱 세심하게 분석하였다면 더 나은 결과를 보였을텐데 그러지 못한 것이다.
  • 본 연구는 해상환경에서 운항되는 선박의 특성을 반영한 선박 예지 정비모델 개발을 위한 것으로, 기기 간의 상호연관성을 정비항목별 작업리스트의 텍스트 테이터 분석으로 알아내고자 한다. 본 연구에서 사용한 텍스트 데이터는 선박의 수리 도크 입거 시 작성하는 Dock indent로, 구체적으로는 LNG운반선 15척의 실제 도크정비 데이터를 사용하였다.
  • 나타나는 흔한 단어가 아니었다는 것이다. 이는 단지 원문에서 흔하게 사용되는 단어여서 빈도수가 높아지는 결과를 우려했던 것과 다르게, 하나의 큰 정비작업에서만 도출되어 본 연구의 목적에 맞는 결과를 보였다. 본 연구는 시작부터 선박예지정비모델의 개발을 위한 목적을 두고 선박의 기기 간 상호연관성을 텍스트 분석으로 진행하였다.
  • 전처리는 단어들이 실제로는 같은 의미를 갖고 있으나, 원문에서 형태가 달라 다른 단어로 취급되었던 단어들을 통일화 하는게 주 목적이었다. Table 1은 원문의 일부분이 전처리 과정을 통해 변화된 과정을 단계로 정리한 모습으로 각 원문의한 문장이 전처리 과정을 통해 형태가 바뀌는 모습을 볼 수 있다.
  • 본 연구에서 사용한 텍스트 데이터는 선박의 수리 도크 입거 시 작성하는 Dock indent로, 구체적으로는 LNG운반선 15척의 실제 도크정비 데이터를 사용하였다. 해당 데이터를 사용한 이유는 도크에서 이뤄지는 작업은 항해 중에는 할 수 없는 정비를 포함한 선박의 전반에 걸친 중요 정비들이 주를 이루기 때문이며, 앞서 언급한 선박의 구성요소의 큰 틀을 안팎으로 기기 간 상호연관성을 찾고자 한다.
본문요약 정보가 도움이 되었나요?

참고문헌 (9)

  1. Emovon, I., R. A. Norman, and A. J. Murphy(2018), Hybrid MCDM based methodology for selecting the optimum maintenance strategy for ship machinery systems, Journal of intelligent manufacturing, 29(3), pp. 519-531. 

  2. Gesmundo, A. and T. Samardzic(2012), Lemmatisation as a tagging task, In Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics (Vol. 2: Short Papers), pp. 368-372. 

  3. Gkerekos, C., I. Lazakis, and G. Theotokatos(2017), Ship machinery condition monitoring using performance data through supervised learning, Proceedings of the 2017 Smart Ship Technology Conference, ISBN 9781909024632, pp. 105-111. 

  4. Goldsworthy, L. and I. E. Galbally(2011), Ship engine exhaust emissions in waters around Australia-an overview, Air Quality and Climate Change, 45(4), p. 24. 

  5. Jelodar, H., Y. Wang, C. Yuan, X. Feng, X. Jiang, Y. Li, and L. Zhao(2019), Latent Dirichlet allocation (LDA) and topic modeling: models, applications, a survey, Multimedia Tools and Applications, 78(11), pp. 15169-15211. 

  6. Kandemir, C. and M. Celik(2019), A human reliability assessment of marine auxiliary machinery maintenance operations under ship PMS and maintenance 4.0 concepts, Cognition, Technology & Work, 22(3), pp. 473-487. 

  7. KR(2019), Korea Register, 2019 KR-Rules & Guidance, www.krs.co.kr (Accessed 11 January 2021). 

  8. Sethy, A. and B. Ramabhadran(2008), Bag-of-word normalized n-gram models, INTERSPEECH 2008, 9th Annual Conference of the International Speech Communication Association, Brisbane, Australia, September 22-26, 2008. 

  9. Vijayarani, S. and R. Janani(2016), Text mining: open source tokenization tools-an analysis, Advanced Computational Intelligence: An International Journal (ACII), 3(1), pp. 37-47. 

저자의 다른 논문 :

관련 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