The Journal of Bigdata (한국빅데이터학회지)

Korea Bigdata Society (한국빅데이터학회)
권호 표지
DOI QR코드

DOI QR Code

Development of Plant Engineering Analysis Platform using Knowledge Base

지식베이스를 이용한 플랜트 엔지니어링 분석 플랫폼 개발

  • 고영동 (위세아이텍 기업부설연구소) ;
  • 김현수 (위세아이텍 기업부설연구소)
  • Received : 2022.11.21
  • Accepted : 2022.12.11
  • Published : 2022.12.31
Download PDF
⟨ Previous Next ⟩

Abstract

Engineering's work area for plants is a technical area that directly affects productivity, performance, and quality throughout the lifecycle from planning, design, construction, operation and disposal. Using the different types of data that occur to make decisions is important not only in the subsequent process but also in terms of cyclical cost reduction. However, there is a lack of systems to manage and analyze these integrated data. In this paper, we developed a knowledge base-based plant engineering analysis platform that can manage and utilize data. The platform provides a knowledge base that preprocesses previously collected engineering data, and provides analysis and visualization to use it as reference data in AI models. Users can perform data analysis through the use of prior technology and accumulated knowledge through the platform and use visualization in decision-support and systematically manage construction that relied only on experience.

플랜트를 대상으로 하는 엔지니어링의 업무영역은 플랜트의 기획, 설계, 시공, 운영 및 폐기에 이르는 생애주기에 걸친 생산성과 성능 및 품질에 직접적인 영향을 미치는 복합적인 기술분야이다. 이때 발생하는 다양한 유형의 데이터를 활용하여 의사결정을 활용하는 것은 후속 과정뿐만 아니라 생애주기 관점에서도 중요한 영향을 미치고 있다. 하지만 이러한 데이터를 통합적으로 관리하고 분석할 수 있는 시스템은 부족하다. 본 논문에서는 플랜트 생애주기에서 발생하는 데이터를 관리하고 활용할 수 있는 지식베이스 기반 플랜트 엔지니어링 분석 플랫폼을 개발하였다. 플랫폼에서는 기수집된 엔지니어링 데이터를 전처리한 지식베이스를 제공하고, 이를 레퍼런스 데이터로 AI 모델에 활용하도록 분석 기능과 시각화를 제공한다. 사용자는 플랫폼을 통한 선행기술과 축적된 지식의 활용을 통해 데이터 분석을 진행하고 시각화를 의사결정에 활용해 경험에만 의존하던 공사를 합리적이고 체계적으로 관리할 수 있다.

Keywords

Acknowledgement

본 연구는 산업통상자원부(20002806, RS-2022-00143813)와 국토교통과학기술진흥원(22ATOG-C16932-02)의 연구과제로 수행되었습니다.

References

  1. 김진국, 이을범, 이재철, 정상원, 조재현, 한형상, 4차 산업혁명 시대의 스마트 플랜트 엔지니어링, KEIT PD 이슈리포트 2018-4월호, 2018. 
  2. 성호진, 강지훈, 임용택, 서효원, 지능정보연계 기반 스마트 플랜트 기술동향, 주간기술동향 1936호 2장, 2020. 
  3. 김병철, 박상진, 김봉철, 명세현, 문두환. "ISO 15926 기반 공정 플랜트 3D 설계 정보 통합 플랫폼의 개발", 한국CDE학회 논문집, 20(4), pp.385-400, 2015. 
  4. 김봉철, 이인혁, 김병철, 문두환, "ISO 15926 기반 공정 플랜트 생애주기 데이터 가시화 플랫폼의 개발", 한국CDE학회 논문집, 24(1), pp.49-61, 2019. 
  5. 황호진, 황진상, "해양플랜트의 예지보전(CBM) 을 지원하는 예지보전 플랫폼의 개발과 적용", 한국CDE학회 논문집, 23(3), pp.215-224, 2018. 
  6. Santos, N., Rodrigues, H., Pereira, J., Morais, F. and Aberu, R., Fernandes, N., "UH4SP : a software platform for integrated management of conncected smart plants,", 2018 International Conference on Intelligent Systems IEEE, pp. 541-548, 2018. 
  7. Nguyen, T., Gosine, R. G., & Warrian, P., "A systematic review of big data analytics for oil and gas industry 4.0", IEEE access, 8, pp. 61183-61201, 2020.  https://doi.org/10.1109/ACCESS.2020.2979678
  8. 최기현, 장영진, 김학수, 김관우, "독소 조항 분류를 위한 딥러닝 기반 텍스트 분류 모델", 정보과학회논문지, 47(11), pp.1054-1060. 2020. 
  9. 이지희. "자연어 처리(NLP)를 통한 해외건설 계약서의 리스크 자동추출 모델 개발." 국내박사학위논문 이화여자대학교, 2018. 서울. 
  10. M Park, S-y Lee, J-h Kim, & E-b Lee, "Risk Extraction and Analysis of Technical Specifications Based on Machine-Learning Algorithms for EPC Bid Documents.", Proceedings of the 38th International Conference of CIB W78, pp. 204-213, 2021. 
  11. Mandal, S., Santhi, B., Sridhar, S., Vinolia, K., & Swaminathan, P., "Nuclear power plant thermocouple sensor-fault detection and classification using deep learning and generalized likelihood ratio test". IEEE Transactions on nuclear science, 64(6), pp.1526-1534, 2017. 
  12. Chen, F., Jahanshahi, M., "NB-CNN: Deep learning-based crack detection using convolutional neural network and Naive Bayes data fusion". IEEE Transactions on Industrial Electronics, 65(5), 4392-4400., 2017.  https://doi.org/10.1109/TIE.2017.2764844
  13. Sagheer A., Mostafa K., "Unsupervised pre-training of a deep LSTM-based stacked autoencoder for multivariate time series forecasting problems.", Scientific reports, 9(1), pp.1-16, 2019.  https://doi.org/10.1038/s41598-018-37186-2
  14. 이정근, 김덕환, "LSTM 오토인코더를 이용한 라디에이터 고장진단 사례연구," 한국차세대컴퓨팅학회 논문지, 16(6), pp.17-25, 2020. 
  15. https://www.nasa.gov/content/prognostics-center-of-excellence-data-set-repository 
  16. http://www.gipsa-lab.inpg.fr/projet/gotix/ 
  17. Ghimire, Sujan, et al. "Stacked LSTM sequence-to-sequence autoencoder with feature selection for daily solar radiation prediction: A review and new modeling results." Energies 15(3), 1061, 2022.