• Korean Chemical Engineering Research
• /
• 제60권3호
• /
• pp.334-346
• /
• 2022

중·소규모 사업장에서 중대산업사고가 발생되고 있는 원인 중 하나는 공정안전관리(PSM) 체계를 이해하고 적용하는데 관련 지식 및 정보 부족이다. 이를 해결하기 위해서는 PSM에 대한 실질적이며 지속적인 이행 수준을 확보하고 추적관리를 통해 인적오류를 제거할 수 있는 프로토콜이 뒷받침되어야 하나 그동안 이에 대한 연구가 미흡하였다. 이에 본 연구에서는 고용노동부 고시의 규정과 전국 300인 미만 중·소규모 PSM 사업장 200여 개사를 대상으로 행정처분 위반 사례를 조사·분석하였다. 이를 기반으로 설비유지관리 웹프로그램을 개발하여 중·소규모 사업장의 인적오류 제거를 통한 중대산업사고예방에 기여하고자 하였다. 본 연구를 통해 얻어진 주요 연구결과는 다음과 같다. 첫째, 프로그램 접근 편의성을 위해 스마트 기기에서 QR코드를 통해 웹에 접속하여 설비의 제원 검색 기능, 고장 사유, 사진을 확인함으로써 실시간 점검, 정비요청을 할 수 있게 하였다. 둘째, 변경 대상 파악, 위험성 평가, 작업자 교육, 가동 전 점검을 프로그램과 연계하여 작업 시작 전부터 종료까지 모든 절차를 관리자가 추적관리 가능하도록 하였다. 셋째, 작업 완료 후 개선된 사진과 함께 수리, 시간, 비용 등을 등록하여 축적된 자료를 기반으로 설비의 수명 예측과 신뢰성을 검증하게 하였다. 이러한 연구결과는 중·소규모 PSM 사업장에게 실질적이고 체계적인 운영에 도움이 될 수 있으며 향후 정부 주도로 중·소규모 PSM 사업장을 대상으로 스마트팩토리 구축 시 설비유지관리 웹프로그램을 개발하여 보급하는데 유용하게 활용되리라 판단된다.

• 전기전자학회논문지
• /
• 제27권1호
• /
• pp.116-121
• /
• 2023

본 논문에서는 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조를 개발한다. 제안하는 복합 미생물 배양기는 수집한 복합 미생물 데이터에 대해 복합 미생물 데이터 전처리, 복합 미생물 데이터 구조 변환, 딥러닝 네트워크 설계, 설계한 딥러닝 네트워크 학습, 시제품에 적용되는 GUI 개발 등으로 구성된다. 복합 미생물 데이터 전처리에서는 미생물 배양에 필요한 당밀, 영양제, 식물엑기스, 소금 등의 양에 대해 원-핫 인코딩을 실시하며, 배양된 결과로 측정된 pH 농도와 미생물의 셀 수에 대해 최대-최소 정규화 방법을 사용하여 데이터를 전처리한다. 복합 미생물 데이터 구조 변환에서는 전처리된 데이터를 물 온도와 미생물의 셀 수를 연결하여 그래프 구조로 변환 후, 인접 행렬과 속성 정보로 나타내어 딥러닝 네트워크의 입력 데이터로 사용한다. 딥러닝 네트워크 설계에서는 그래프 구조에 특화된 그래프 합성곱 네트워크를 설계하여 복합 미생물 데이터를 학습시킨다. 설계한 딥러닝 네트워크는 Cosine 손실함수를 사용하여 학습 시에 발생하는 오차를 최소화하는 방향으로 학습을 진행한다. 시제품에 적용되는 GUI 개발은 사용자가 선택하는 물 온도에 따라 목표하는 pH 농도(3.8 이하) 복합 미생물의 셀 수(10⁸ 이상)를 배양시키기 적합한 순으로 나타낸다. 제안된 미생물 배양기의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과는, pH 농도의 경우 평균 3.7로, 복합 미생물의 셀 수는 1.7 × 10⁸으로 측정되었다. 따라서, 본 논문에서 제안한 딥러닝 예측 결과 정보를 적용하는 복합 미생물 배양기를 위한 딥러닝 구조의 효용성이 입증되었다.