[논문]석유화학플랜트의 RBI 적용 결과에 따른 확률론적 위험도 해석

이재훈; 오정석; 송기훈; 이창헌; 최송천; 박교식; 김효

문제 정의

표 1은 제조 공정 및 장치별 위험도에 대한 분석 결고卜으-1 일부로서 대표적 윽.I 석유화학 플랜트인 NCC(Naphtha Cracking Center) 플랜트의 KGS-RB卩"의 적용 결과 얻어신 것이다.
KGS-RBI™ 적용에 따른 파손 확율의 위험도를 결정하는 중요 인자인 TMSF 값을 대상으로 Naive Bayesian 분류 방식의 적용 가능 여부를 알아보았다. 샘플은 NCC 플랜트 내 2000개 기기를 축적 데이터베이스로 하여 예측 모델을 설징하였으며, 마이닝 기법을 이용하여 근사를 실시하였다.
특히 파손확률(Likelihood of Failure:LOF)과 파손피해 (Consequence of Failure: COF)의 곱으로 이루어진 위험도를 결정하는 인자에 대한 해석은 일반적으로 확률론적 빙, 법과 통계적인 빙-법이 사용된다. 따라서 본 연구에서는 NCC(Naphtha Cracking Center)플렌트의 RB1 기법 적용을 통한 위험도 결과에 대하여 확률론적 해석 기법인 Nai've Bayesian 분류 방식을 적용하여 파손 확률에 대한 신뢰성 평가를 실시하였다.

제안 방법

최종정확률은 n개의 정확률에 대한 평균을 이용한다. 본 연구에서는 정확성을 측정하기 우「하이 전체 데이터를 10조각으로 분할하고 9조각으로 데이터 모델을 생성한 후 나머지 한 조각으로 모델을 검증하는 10단계 교차 검증 과정을 통하이 모델을 검증하였다.
Naive Bayesian 분류 방식의 적용 가능 여부를 알아보았다. 샘플은 NCC 플랜트 내 2000개 기기를 축적 데이터베이스로 하여 예측 모델을 설징하였으며, 마이닝 기법을 이용하여 근사를 실시하였다. 예측 모델에 대한 검증은 10단계 교차검증 과정을 통하여 이루어졌으며 KGS-RBI™ 파손 확률의 결정인자인 TMSF 분류 기준을 이용하여 데이터를 분할하였匸+.
위 그림 5, 6에서 나타난 KGS-RBI™ 적용에 따른 파손 확률의 위험도를 결정하는 중요 인자인 TMSF 값을 대상으로 Naive Bayesian 분류 방식의 적용 가능 여부를 알아보았다. 샘플은 NCC 플랜트 내 2000개 기기를 축적 데이터베이스로 하여 예측 모델을 설정하였디-.

데이터처리

샘플은 NCC 플랜트 내 2000개 기기를 축적 데이터베이스로 하여 예측 모델을 설징하였으며, 마이닝 기법을 이용하여 근사를 실시하였다. 예측 모델에 대한 검증은 10단계 교차검증 과정을 통하여 이루어졌으며 KGS-RBI™ 파손 확률의 결정인자인 TMSF 분류 기준을 이용하여 데이터를 분할하였匸+. Naive Bayes 분류 방법을 적용한 예측 모델로 10교차 검증기법을 이용한 분류 결과 정호]■흐}게 분류된 기기의 수는 1, 775개로 전체의 88.

이론/모형

하지만 Bayesian 이론을 적용하기 위해서는 많은 파손확률들에 대한 초기 지식이 필요하고, 상당한 계산 비용을 수반하게 된다. 따라서 본 연구에서는 수징된 Bayesian 분류 방법인 Naive Bayesian Classification을 이용하이 계산을 수행하였으며 다음 식으로 표현할 수 있다.
검사로 인한 파손 발생 확률의 감소를 설명한다. 또한 국내 원자력발전소의 경우 설계, 운전 및 정비 둥의 위힘도 정보(Risk-Informed)를 활용하여 확률론적 안전성 평가를 실시하고 있으몌3], 반생 가능한 모든 현상을 열거하고 발생 빈도와 노심 손상에 기여하는 영향을 징량적으로 평가함으로서 가장 근본적인 위험도로 고려되고 있는 노심손상발생빈도 (Core Damage Frequency)를 기초로 안전 수준을 결정한다[4], 이때 확률론적 안전성 평가를 위한 일반기기의 신뢰도 데이터베이스 구축 시 Bayesian의 이론을 적용하여 구축하였으며 [5], Bayesian으] 이론의 일반화된 식은 다음과 같이 표현 할 수 있다[6丄
본 연구에서는 마이닝을 이용한 분류 기법을 이용하였다. 모델의 검증 방법은 데이터 분할 방법을 이용하였으며 TMSF 분류 기준을 적용하였다. 그림 7은 데이터를 n개의 조각으로 분할하여 검증을 수행하는 n 교차 검증에 대한 수행과정을 보여주고 있다’ n 교차 검증은 총 n개의 단계로 구분되어 검증이 수행된다.
예측 모델은 정제된 데이터를 바탕으로 새로운 데이터에 대해 추천을 수행할 수 있어야 하며 근사(Approximation)기법을 적용한다. 본 연구에서는 마이닝을 이용한 분류 기법을 이용하였다. 모델의 검증 방법은 데이터 분할 방법을 이용하였으며 TMSF 분류 기준을 적용하였다.
샘플은 NCC 플랜트 내 2000개 기기를 축적 데이터베이스로 하여 예측 모델을 설정하였디-. 예측 모델은 정제된 데이터를 바탕으로 새로운 데이터에 대해 추천을 수행할 수 있어야 하며 근사(Approximation)기법을 적용한다. 본 연구에서는 마이닝을 이용한 분류 기법을 이용하였다.

성능/효과

예측 모델에 대한 검증은 10단계 교차검증 과정을 통하여 이루어졌으며 KGS-RBI™ 파손 확률의 결정인자인 TMSF 분류 기준을 이용하여 데이터를 분할하였匸+. Naive Bayes 분류 방법을 적용한 예측 모델로 10교차 검증기법을 이용한 분류 결과 정호]■흐}게 분류된 기기의 수는 1, 775개로 전체의 88.75%를 차지하였으며 부정확하게 분류된 기기는 225개로 11.25%를 차지하였다. 따라서 정확하게 분류된 기기의 수가 전체의 80% 이상으로 이 모델은 Naive Bayes 분류 방법의 적용이 가능하다고 핀.

후속연구

단된다. 추후 새로은 샘플을 이용하이 TMSF 분류 기준을 예즉할 수 있을 것으로 판단되며, 정확도를 높이기 위한 연구가 필요하다고 사료된 디-.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

석유화학플랜트의 RBI 적용 결과에 따른 확률론적 위험도 해석
The Probabilistic Risk Analysis on RBI Application results in Petrochemical Plants 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

석유화학플랜트의 RBI 적용 결과에 따른 확률론적 위험도 해석 The Probabilistic Risk Analysis on RBI Application results in Petrochemical Plants 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

데이터처리

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

석유화학플랜트의 RBI 적용 결과에 따른 확률론적 위험도 해석
The Probabilistic Risk Analysis on RBI Application results in Petrochemical Plants 원문보기

AI 본문요약
AI-Helper