• 한국지반신소재학회논문집
• /
• 제17권2호
• /
• pp.9-18
• /
• 2018

본 연구에서는 사면 붕괴시 거동특성을 분석하기 위하여 실규모 사면 붕괴 모의실험을 수행하고, 계측된 자료를 역변위와 분석구간(K)의 변화에 따른 x-MR 관리도를 통해 분석하였다. 본 연구 결과, 역변위와 x-MR 관리도 분석에서 사면이 최종 붕괴하기 4분 앞선 시점에서 붕괴 위험징후를 확인하였다. 분석구간에 따른 관리 한계선의 변화를 분석한 결과, x-MR 관리도 작성시 K는 3을 적용하는 것이 효과적이며, 역변위의 x-MR 관리도 기법을 활용함으로써 보다 신속하고 객관적인 판단을 통해 사면 이상거동에 대한 사전예측에 도움이 될 것으로 판단된다. 통계관리도 기법을 적용한 사면붕괴 예측기법은 사면 계측관리기준의 기초자료로 활용이 가능하며, 사면 재해로 인한 인명 및 재산피해 경감에 기여할 수 있을 것으로 판단된다.

• 한국터널지하공간학회 논문집
• /
• 제16권5호
• /
• pp.445-458
• /
• 2014

터널 시공 중 측정된 계측 데이터는 굴진면 전방에 분포하는 지반과 터널 거동을 예측하는데 있어 중요한 요소이다. 그러나 현장에서 측정된 계측 데이터의 변동성을 객관적으로 분석할 수 있는 관리 기준이 명확하게 설정되어 있지 않다. 본 연구에서는 응용 통계 관리기법의 일종인 x-MR 관리도기법을 이용하여 시공 중 붕괴 또는 구조물 균열 등을 발생시키는 현장의 계측 데이터를 분석하고 분석기법의 적용성을 검토하였다. x-MR 관리도를 통해 관리 한계선을 설정하여 분석한 결과, 붕괴 발생 전 약 5~13m 이전에 이상 거동에 대한 예측이 가능하였으며, 시간에 따른 변위의 분석 결과, 최소 1일 전에 예측이 가능하였다. 또한, x-MR 관리도 작성시 이동 범위(k)는 5~10으로 설정하는 것이 이상 거동 예측에 적절한 것으로 판단된다.

• 지질공학
• /
• 제17권2호
• /
• pp.197-204
• /
• 2007

터널은 굴착에 의해 지반의 변형을 일으키며, 지보를 설치하고 시간이 지남에 따라 점차 안정화된다. 터널 굴착이 지반 거동에 미치는 영향은 계측지점과 막장간의 거리가 증가함에 따라 감소한다. 터널의 변위가 수렴하여 안정화되는 시점을 예측할 수 있다면, 안정화 이후 이루어지는 여러 공정들을 앞당김으로써 시간적, 경제적 손실을 줄일 수 있다. 따라서 본 연구에서는 변위 수렴 시점을 예측하기 위하여 관리도 기법을 적용하였다. 퇴적암을 기반으로 하는 터널에 대한 관리도 판정 결과, 막장에서부터의 거리가 최대 100 m 이내에서 변위가 수렴하였다.

• 지질공학
• /
• 제24권2호
• /
• pp.191-199
• /
• 2014

We describe a method for detecting slope instability in flume tests using pore pressure and water content data in conjunction with a statistical control chart analysis. Specifically, we conducted univariate statistical analysis on x-MR control chart data (pore pressure and water content) collected at several points along the flume slope, which we separated into three parts: upper, middle, and lower. To assess our results in the context of landslide forecasting and warning systems, we applied control limit lines at $1{\sigma}$, $2{\sigma}$, and $3{\sigma}$ levels of uncertainty. In doing so, we observed that dispersion time varies depending on the control limit line used. Moreover, the detection of instabilities is highly dependent on the position and type of sensor. Our findings indicate that different characteristics of the data on various factors predict slope failure differently and these characteristics can be identified by univariate statistical analysis. Therefore, we suggest that a univariate statistical approach is an effective method for the early detection of slope instability.