초록 ▼

□ 연구개발 목표 및 내용
○ 최종 목표
쉴드 TBM 디스크 커터의 수명을 예측하기 위해 사용되는 기존 암석시험 기반 모델들의 한계를 극복하여 인공지능 기반의 머신러닝(Machine Learning, 기계학습) 알고리즘을 적용함으로써 쉴드 TBM 디스크 커터의 성능에 영향을 미치는 다양한 요인들을 전체적으로 고려함과 동시에 높은 정확도로 디스크 커터의 수명을 예측할 수 있는 모델을 개발하는 것이다.
○ 전체 내용
디스크 커터 수명을 예측하기 위하여 관련된 선행 연구 자료와 쉴드 TBM 현장의 굴진 데이터를 분석

□ 연구개발 목표 및 내용
○ 최종 목표
쉴드 TBM 디스크 커터의 수명을 예측하기 위해 사용되는 기존 암석시험 기반 모델들의 한계를 극복하여 인공지능 기반의 머신러닝(Machine Learning, 기계학습) 알고리즘을 적용함으로써 쉴드 TBM 디스크 커터의 성능에 영향을 미치는 다양한 요인들을 전체적으로 고려함과 동시에 높은 정확도로 디스크 커터의 수명을 예측할 수 있는 모델을 개발하는 것이다.
○ 전체 내용
디스크 커터 수명을 예측하기 위하여 관련된 선행 연구 자료와 쉴드 TBM 현장의 굴진 데이터를 분석하여 디스크 커터 마모 영향인자를 분석하고 데이터베이스 구축을 하였으며, 다양한 머신러닝 알고리즘에 대한 특성을 분석하였다. 데이터베이스화 된 데이터를 활용하여 신뢰도 높은 예측 모델을 개발하기 위하여 다양한 알고리즘을 설계 및 적용하여 모델을 구축하였으며 이를 기반으로 소프트웨어 모듈을 개발하였다.

□ 연구개발성과
본 연구개발 과제 “머신러닝 기법을 이용한 쉴드 TBM 디스크 커터 수명 예측 모델 개발”은 국내외 디스크 커터 수명 예측과 굴진성능에 관한 선행 연구 조사들을 토대로, 쉴드 TBM 시공 현장의 굴진 데이터 및 지반조사 자료를 수집하였다. 수집된 데이터간의 상관관계 분석을 진행하고, 디스크 커터 마모와 상관성 높은 영향인자 추출 후 이에 대한 디스크 커터 교체를 판단할 수 있는 다양한 분류형 모델의 개발과 마모량을 판단 할 수 있도록 예측형 모델을 개발하고 소프트웨어 프로그램을 출원 등록 하였다. 정량적 성과로 국내 학술발표 3편, 해외 학술발표 1편, 국내저명 논문 5편, 해외저명논문 1편, 프로그램 출원 1건이 있다.

□ 연구개발성과 활용계획 및 기대 효과
도심지 지하화 개발이 이슈화됨에 따라 소음과 진동이 적고 효율적인 시공을 위해 쉴드 TBM 시공이 많아지고 있으며, 최근 쉴드 TBM 현장의 증가로 효율적인 굴진을 위한 연구들이 진행 중에 있다. 국내 TBM 현장이 늘어남에 따라 외국에서 개발한 암석시험 기반의 모델을 국내 지반(복합지반, 연약지반)에 적용성이 떨어짐을 확인하였다. 따라서 본 연구에서 개발한 모델을 국내 현장과의 정확성은 더 높다고 판단한다. 하지만, 더 기대 높은 예측결과를 얻기 위하여 다양한 지반데이터와 쉴드 TBM 종류에 대한 굴진데이터를 얻어 학습한 모델이 필요하다고 판단한다. 이를 통해 디스크 커터 교환주기의 정확한 예측이 이루어지고 굴진성능 예측되면 쉴드 TBM 공사비를 절감시키고 전반적인 터널 건설의 경제성 향상과 산업의 활성화에 기여할 수 있을 것이다.

(출처 : 요약문 2p)

목차 Contents

• 표지 ... 1
• 요 약 문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 가. 연구개발의 필요성 ... 4
• 나. 연구개발의 최종목표 및 연구범위 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 5
• 가. 연구개발 수행 내용 ... 5
• 나. 연차별 연구 수행 내용 ... 5
• 3. 연구개발과제의 수행 결과 및 목표 달성 정도 ... 7
• 1) 연구수행 결과 ... 7
• 4. 연구개발성과의 관련 분야에 대한 기여 ... 12
• 5. 연구개발성과의 관리 및 활용 계획 ... 13
• 6. 참고문헌 ... 13
• 끝페이지 ... 13