실시간 사고물질 진단 AI시스템의 노출증상 지식추론 및 지식그래프 임베딩

유상우(Sangwoo Yoo),장용진(Yongjin Jang),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회 학술대회논문집 Vol.2021 No.5

리튬이온 배터리 수명추정을 위한 머신러닝 모델의 성능 비교

유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2020 한국가스학회 학술대회논문집 Vol.2020 No.10

리튬이온 배터리 수명추정을 위한 용량예측 머신러닝 모델의 성능 비교

유상우(Sangwoo Yoo),신용범(Yongbeom Shin),신동일(Dongil Shin) 한국가스학회 2020 한국가스학회지 Vol.24 No.6

리튬이온 배터리(LIB)는 다른 배터리에 비해 수명이 길고, 에너지 밀도가 높으며, 자체 방전율이 낮아, 에너지 저장장치(ESS)로 선호되고 있다. 하지만, 2017~2019년 기간 동안 국내에서만도 28건의 화재사고가 발생하였으며, LIB의 운영 중 안전성 및 신뢰성을 보장하기 위해 LIB의 정확한 용량추정은 필수요소이다. 본 연구에서는 LIB의 충방전 cycle에 따른 용량변화를 예측하는 기계학습 기반 모델의 설계에 있어 중요한 요소인 최적 머신러닝 모델의 선정을 위해, Decision Tree, 앙상블학습법, Support Vector Regression, Gaussian Process Regression (GPR) 각각을 이용한 예측모델을 구현하고 성능비교를 실시하였다. 학습을 위해 NASA에서 제공하는 시험데이터를 사용하였으며, GPR이 가장 좋은 예측성능을 보였다. 이를 바탕으로 추가 시험데이터 학습을 통해 개선된 LIB 용량예측과 잔여 수명추정 모델을 개발하여, 운영 중 이상 감지 및 모니터링 성능을 높여, 보다 안전하고 안정된 ESS 운용에 활용하고자 한다. Lithium-ion batteries (LIBs) have a longer lifespan, higher energy density, and lower self-discharge rates than other batteries, therefore, they are preferred as an Energy Storage System (ESS). However, during years 2017–2019, 28 ESS fire accidents occurred in Korea, and accurate capacity estimation of LIB is essential to ensure safety and reliability during operations. In this study, data-driven modeling that predicts capacity changes according to the charging cycle of LIB was conducted, and developed models were compared their performance for the selection of the optimal machine learning model, which includes the Decision Tree, Ensemble Learning Method, Support Vector Regression, and Gaussian Process Regression (GPR). For model training, lithium battery test data provided by NASA was used, and GPR showed the best prediction performance. Based on this study, we will develop an enhanced LIB capacity prediction and remaining useful life estimation model through additional data training, and improve the performance of anomaly detection and monitoring during operations, enabling safe and stable ESS operations.

해수 이용 LNG 재기화 공정의 딥러닝과 AutoML을 이용한 동적모델링

신용범 ( Yongbeom Shin ),유상우 ( Sangwoo Yoo ),곽동호 ( Dongho Kwak ),이나경 ( Nagyeong Lee ),신동일 ( Dongil Shin ) 한국화학공학회 2021 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.59 No.2

ORV의 열교환 효율 향상 및 운전 최적화를 위한, first principle 기반 모델링 연구들이 수행되어왔지만, ORV의 열전달 계수는 시간, 위치에 따라 불규칙한 시스템으로, 복잡한 모델링 과정을 거친다. 본 연구는 복잡한 시스템에 대한 데이터 기반 모델링의 실효성을 확인하고자, LNG 재기화 공정의 실제 운전데이터를 이용해, ORV의 해수 유량, 해수 온도, LNG 유량 변화에 따른 토출 NG 온도 및 토출 해수 온도의 동적 변화 예측이 가능한, FNN, LSTM 및 AutoML 기반 모델링을 진행하였다. 예측 정확도는 MSE 기준 LSTM > AutoML > FNN 순으로 좋은 성능을 보였다. 기계학습 모델의 자동설계 방법인 AutoML의 성능은 개발된 FNN보다 뛰어났으며, 모델 개발 전체소요시간은 복잡한 모델인 LSTM 대비 1/15로 크게 차이를 보여 AutoML의 활용 가능성을 보였다. LSTM과 AutoML을 이용한 토출 NG 및 토출 해수 온도의 예측은 0.5 K 미만의 오차를 보였다. 예측모델을 활용해, 겨울철 ORV를 이용해 처리 가능한 LNG 기화량의 실시간 최적화를 수행하여, 기존 대비 최대 23.5%의 LNG를 추가 처리 가능함을 확인하였고, 개발된 동적 예측모델 기반의 ORV 최적 운전 가이드라인을 제시하였다. First principle-based modeling studies have been performed to improve the heat exchange efficiency of ORV and optimize operation, but the heat transfer coefficient of ORV is an irregular system according to time and location, and it undergoes a complex modeling process. In this study, FNN, LSTM, and AutoML-based modeling were performed to confirm the effectiveness of data-based modeling for complex systems. The prediction accuracy indicated high performance in the order of LSTM > AutoML > FNN in MSE. The performance of AutoML, an automatic design method for machine learning models, was superior to developed FNN, and the total time required for model development was 1/15 compared to LSTM, showing the possibility of using AutoML. The prediction of NG and seawater discharged temperatures using LSTM and AutoML showed an error of less than 0.5K. Using the predictive model, real-time optimization of the amount of LNG vaporized that can be processed using ORV in winter is performed, confirming that up to 23.5% of LNG can be additionally processed, and an ORV optimal operation guideline based on the developed dynamic prediction model was presented.

음성인식 및 지식추론 기반의 대화형 MSDS

장용진(Yongjin Jang),유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회 학술대회논문집 Vol.2021 No.5

설문조사 분석을 활용한 제조업 작업자의 위험행동 요인 분석

신지섭(Ji-Seob Shin),이훈기(Hunggi Lee),유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회지 Vol.25 No.2

제조업 작업자들에 대한 위험행동 요인의 분석은 효과적인 휴먼에러 예방과 효율적인 안전관리제도의 시스템화를 가능하게 한다. 본 연구는 작업자들의 작업심리, 작업환경, 작업일탈 요인이 위험행동의도에 미치는 영향과 이러한 위험행동의도가 위험행동에 미치는 영향의 관계를, 중소 제조업 중 제조가공업 작업자 80명을 대상으로, 설문조사를 중심으로 분석하였다. 결과를 살펴보면, 작업심리와 작업일탈은 위험행동의도에 영향을 미치는 것으로 나타났으나, 직무만족과 작업부하에 해당하는 작업환경요인은 위험행동의도에 영향을 미치지 않는 것으로 나타났다. 동료들과의 관계, 업무의 만족 내지는 불만족 정도, 작업자가 느끼는 직무의 중요성 정도와 많은 작업량을 소화하기 위한 시간의 촉박함 등이 의도적인 위험 작업 유발에는 영향을 미치지 않지만, 위험행동에는 영향을 미치는 것으로 나타나, 의도성이 결여된 상태에서 작업환경요인은 위험행동을 수반하는 것으로 나타났다. Analysis of risky behavior factors for workers in the manufacturing industry enables effective human error prevention and systemization of an efficient safety management system. This study examines the relationship between the effects of workers work psychology, work environment, and work deviation factors on risky behavior intentions and the effects of such risky behavior intentions on risky behaviors. Among the small and medium-sized manufacturing industries, the analysis was focused on a survey of 80 workers in the manufacturing and processing industry. Looking at the results, it was found that work psychology and work deviation had an effect on the intention of risky behavior, but the work environment factors corresponding to job satisfaction and workload did not affect the intention of risky behavior. The relationship with colleagues, the degree of satisfaction or dissatisfaction with the job, the degree of importance of the job that the worker feels, and the tightness of time to digest a large amount of work do not affect intentionally inducing dangerous work, but they do affect risky behavior. In the absence of intention, the work environment factor was found to accompany dangerous behavior.

사고 현장 실시간 실내 인명 위치확인 및 구조대응 연구

고영주(Youngjoo Ko),신용범(Yongbeom Shin),유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회지 Vol.25 No.3

본 연구는 스마트폰 Wi-Fi AP를 이용한 건축물내 구조대상자 위치정보 수집을 통해서 사고 현장대응에 활용할 수 있는 방안을 제안하고 그 효용성에 대해 분석하였다. 8개 건축물 지점에서 평균 30회 이상 Wi-Fi AP 네이밍 위치 확인 및 전파세기를 측정하도록 위치 측위 서버에 요청하고, 수신된 측위 결과 좌표값을 분석하는 방식으로 위치정보의 정확도와 오차범위를 확인하였다. 기존 기지국 기반 위치 오차값 263m에 대비해 최대 93% 이상 범위를 축소할 수 있었고, 8개 지점의 최소‧최대 오차값은 4.137m ~ 14.037m, 평균오차는 9.525m로 확인되었다. 위치정보 유무에 따라 인명구조에 소요되는 시간을 3가지 상황에 대해 비교한 결과, 화재진압 및 인명구조에 소요되는 측정시간 결과는 위치정보가 정확하게 소방대원에게 제공되었을 경우 구조 활동에 소요되는 시간이 10분 50초로 나타났으나, 위치정보가 전혀 없는 경우 45분 이상 소요되었다. 스마트폰 Wi-Fi AP을 이용하여 건축물 내 구조대상자 위치정보를 정확하게 구조대원에게 제공함을 통해, 사고 현장에서 탐색에 소요되는 시간을 단축시킴으로써, 인명구조 및 골든타임 확보에 제안 시스템이 효과적인 것으로 분석되었다. In this study, the on-site location identification and response system was proposed by accurately checking the location information of rescue requesters in the buildings using the smartphone Wi-Fi AP. The location server was requested to measure the strength of the Wi-Fi AP at least 25 times at 8 different building location points. And the accuracy of the position and the error range were checked by analyzing the coordinate values of the received positions. In addition, the response time was measured by changing the conditions of location information in three groups to compare the response time for saving lives with and without location information. The minimum and maximum error values for the eight cases were found to be at least 4.137 m and up to 14.037 m, respectively, with an average error of 9.525 m. Compared to the base transceiver station (BTS) based position error value of 263m, the range could be reduced by up to 93%. When the location information was given, it took 10 minutes and 50 seconds to save lives; however, when there was no location information at all, rescue process took more than 45 minutes. From this research effort, it was analyzed that the acquisition of the location information of rescuees in the building using the smartphone Wi-Fi AP approach is effective in reducing the life-saving time for on-site responses.

작업자 증상 정보를 활용한 지능형 CCTV 시스템 연구

주용택(Yongtaek Ju),이동훈(Donghoon lee),유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회 학술대회논문집 Vol.2021 No.5

지식베이스를 이용한 작업자 증상 기반 화학물질 추정 시스템 설계

주용택(Yongtaek Ju),이동훈(Donghoon Lee),신은지(Eunji Shin),유상우(Sangwoo Yoo),신동일(Dongil Shin) 한국가스학회 2021 한국가스학회지 Vol.25 No.3

본 논문에서는 산업현장 화학물질 인체 접촉 증상 기반 지식베이스 구축 및 화학물질 추정 시스템 설계에 대한 연구이다. 미국NIH에서 제공하는 WISER 프로그램의 499개의 화학물질 접촉 증상 정보로 활용하였다. 지식베이스 구축을 위해 AllegroGraph 7.0.1 프로그램을 이용하였으며 입력된 Chemical structure로 Triple 값인 Cas No., Synonyms, Symptom, SMILES, InChl, Formula를 사용 하였다. 또한 작업자의 증상을 안내하는 방법은 AI 스피커를 활용한 방식이 가능하며 지식베이스 구축 결과 암모니아(CAS No: 7664-41-7)를 기준으로 39개의 증상이 WISER 프로그램과 동일함을 확인 하였다. 이를 통해 화학물질 추정 시스템의 증상 추출 과정에 지식베이스 구축이 가능하였다. In this paper, a study on the construction of a knowledge base based on natural language processing and the design of a chemical substance estimation system for the development of a knowledge service for a real-time sensor information fusion detection system and symptoms of contact with chemical substances in industrial sites. The information on 499 chemical substances contact symptoms from the Wireless Information System for Emergency Responders(WISER) program provided by the National Institutes of Health(NIH) in the United States was used as a reference. AllegroGraph 7.0.1 was used, input triples are Cas No., Synonyms, Symptom, SMILES, InChl, and Formula. As a result of establishing the knowledge base, it was confirmed that 39 symptoms based on ammonia (CAS No: 7664-41-7) were the same as those of the WISER program. Through this, a method of establishing was proposed knowledge base for the symptom extraction process of the chemical substance estimation system.