KR102528436B1 - 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법 - Google Patents

지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법 Download PDF

Info

Publication number
KR102528436B1
KR102528436B1 KR1020220134120A KR20220134120A KR102528436B1 KR 102528436 B1 KR102528436 B1 KR 102528436B1 KR 1020220134120 A KR1020220134120 A KR 1020220134120A KR 20220134120 A KR20220134120 A KR 20220134120A KR 102528436 B1 KR102528436 B1 KR 102528436B1
Authority
KR
South Korea
Prior art keywords
survey
module
investigation
area
site
Prior art date
Application number
KR1020220134120A
Other languages
English (en)
Inventor
이두용
김주엽
변현기
이대영
박종대
김영서
이민호
윤태빈
안시현
김호균
정민혁
김진우
Original Assignee
주식회사 미래와도전
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 미래와도전 filed Critical 주식회사 미래와도전
Priority to KR1020220134120A priority Critical patent/KR102528436B1/ko
Priority to PCT/KR2022/015944 priority patent/WO2024085271A1/ko
Application granted granted Critical
Publication of KR102528436B1 publication Critical patent/KR102528436B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

인공지능 기반 데이터베이스를 이용하여 원전해체 부지특성평가의 단계별 결과를 제공하는 지능형 원전해체 부지특성평가 통합 관리 시스템은, 이미지처리 및 자연어처리 인공지능 모델을 이용하여 부지 이력에 대한 자료를 입력받는 부지이력조사 모듈, DQO 프로세스에 따라 각 조사단계별 조사구역의 측정위치를 선정하고 측정된 데이터를 이용하여 조사 구역의 오염 정도를 판별하는 오염범위조사 모듈, 상세특성조사 모듈, 정화활동지원조사 모듈, 최종상태조사 모듈, 그리고 각 조사 모듈의 데이터를 관리하는 사업관리 모듈을 포함한다. 각 모듈의 데이터를 통합 관리하여 부지특성평가 단계별 데이터를 용이하게 관리할 수 있으며, 이미지처리 및 자연어처리 인공지능 모델을 사용하여 다량의 자료 검토, 확인 및 분류를 위한 인력, 시간을 절감하고 인적오류를 방지할 수 있다.

Description

지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법{Intelligent Management System and Method for Nuclear Decommissioning Site Characterization}
본 발명은 지능형 원전해체 부지특성평가를 위한 통합 관리 시스템에 관한 것으로, 특히 원자력시설 부지 규제 해제를 위한 각종 조사 단계 및 데이터를 표준화하여 관리하고, 인공지능 모듈을 사용하여 방대한 원전 운영 자료의 입력시 인적오류를 방지할 수 있는 통합 관리 시스템에 관한 것이다.
산업기술의 발달에 따라 전기에너지의 수요가 급증하고 있다. 종래에는 전기에너지원으로 화석연료를 주로 사용하였으나, 미세먼지 및 지구 온난화 문제가 있다. 따라서 이산화탄소를 방출하지 않는 전기 에너지원으로서 원자력 발전은 현재 세계적으로 활발하게 이용되고 있다. 다만 원자력 발전에서는 인체 및 환경에 유해한 방사성 폐기물과 오염물질이 발생하는 문제가 있다.
설계 수명이 종료된 원자력 발전소는 영구정지 후 관련시설을 해체하고 부지를 규제 해제하기 위한 과정을 거친다. 원자력 시설 해체는 방사성 오염물질을 제염 및 제거하고, 오염 시설물의 철거하는 과정을 통해 이루어진다. 그러나 원자력발전 부지에는 오염물질 및 잔존 방사능에 의한 인체 및 환경에 대한 보건 또는 안전의 우려가 있으므로, 부지의 규제 해제를 위해서는 원전해체 부지특성평가(Nuclear Decommissioning Site Characterization)가 필요하다. 원전해체 부지특성평가는 잔류 방사능 및 부지 조사(Radiation Survey and Site Investigation; RSSI)를 통해 수행할 수 있다.
원자력 시설 해체를 위한 규제 지침으로는 “원자력이용시설 해체완료 후 부지 및 잔존건물의 재이용을 위한 기준"이 있다. 규제 지침에 따르면 제한적 또는 무제한적 재이용을 위해서는, 잔류방사능에 의한 예상가능한 모든 피폭경로를 고려한 결정집단의 개인에 대한 피폭선량이 유효선량을 기준으로 연간 0.1 mSv를 초과하지 아니하여야 한다는 해제 기준(release criterion)을 만족하여야 한다.
원자력 시설 해체는 작업자의 안전을 고려하여 수년간 진행되며, 잔류 방사능을 고려하여 부지특성평가는 수십년간 진행될 수 있다. 해체 작업이 장기간에 걸쳐 수행되기 때문에, 데이터 소실, 인수인계 누락 등의 가능성이 존재한다. 따라서 해체 작업중 수행되는 각종 조사의 통합 데이터 관리를 수행함으로써 장주기 데이터 관리 신뢰성을 확보할 필요가 있다.
2015년 04월 06일에 공고된 등록특허 제10-1507526호는 원자력 시설 해체 부지의 복원을 위한 최적화 방법에 관한 것으로, 해체 부지의 복원을 위해 채취된 시료를 통해 상기 해체 부지의 깊이 별 오염 분포의 공간적 상관성을 분석하는 오염 분포 분석단계와, 상기 깊이 별 오염 분포를 평가하여, 개방 적합 기준을 초과하는 오염을 제거하는 부지복원 단계와, 상기 부지복원 단계 이후에 잔류하는 국부오염(HOT SPOT)에 대한 특성을 조사하기 위해 마심(MARSSIM) 방법론을 적용하여 상기 해체 부지의 국부오염 특성을 검출하는 국부오염 검출단계 및 상기 국부오염의 특성에 대해서 귀무가설이 기각됨을 증명하기 위해 순위검증방법인 WRS test 및 Sign test를 수행하여 개방 적합 기준에 만족하는지 평가하는 개방 적합성 확인단계를 포함하는 방법을 개시하고 있다.
다만, 종래의 원전해체 부지특성평가 시스템 또는 방법은 장주기 데이터 관리 또는 데이터 입력에 따른 인적오류를 감소시키기 위한 방법에 대해서는 개시하고 있지 않다.
본 발명의 일 목적은, 원전해체 부지특성평가 단계별 데이터를 장주기 동안 관리하는 통합 관리 시스템을 제공하는 것이다.
본 발명의 다른 목적은, 대량의 문서(도면, 보고서 등)의 검토를 바탕으로 오염가능 구역을 확인하고 이를 분류하기 위한 인력,물적(시간) 비용을 인공지능을 통해 절감하고 인적오류를 방지하여 효율적인 관리가 가능한 통합 관리 시스템을 제공하는 것이다.
본 발명의 또 다른 목적은, 조사결과 데이터를 다음 단계의 조사 입력으로 자동 전달하여 인적 오류를 방지하는 지능형 통합 관리 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
제안된 발명의 일 양상에 따르면, 인공지능 기반 데이터베이스를 이용하여 원전해체 부지특성평가의 단계별 결과를 제공하는 지능형 원전해체 부지특성평가 통합 관리 시스템은, 부지이력조사 모듈과, 오염범위조사 모듈과, 상세특성조사 모듈과, 정화활동지원조사 모듈과, 최종상태조사 모듈과, 사업관리 모듈을 포함한다.
부지이력조사 모듈은 부지 이력 정보 및 관계자 인터뷰 자료를 입력받아, 자연어 처리 인공지능 신경망을 이용하여 평가 대상 부지의 오염 여부에 대한 부지이력조사 결과를 추출하고, 이미지 처리 인공지능 신경망을 이용하여 오염 영역을 시각화하여 출력한다.
오염범위조사 모듈은 부지이력조사 결과 자료를 입력받아, 평가 대상 부지에 대한 오염범위조사 측정 위치를 결정하고, 오염범위조사 측정 결과를 입력받아 오염구역을 분류하는 오염범위조사 결과를 출력한다.
상세특성조사 모듈은 오염범위조사 결과 자료를 입력받아 평가 대상 부지에 대한 상세특성조사 측정 위치를 결정하고, 상세특성조사 측정 결과를 입력받아 오염구역을 재분류하는 상세특성조사 결과를 출력한다.
정화활동지원조사 모듈은 상세특성조사 결과 자료를 입력받아 평가 대상 부지에 대한 정화활동지원조사 측정 위치를 결정하고, 정화활동지원조사 측정 결과를 입력받아 오염구역을 재분류하는 정화활동지원조사 결과를 출력한다.
최종상태조사 모듈은 정화활동지원조사 결과 자료를 입력받아 평가 대상 부지에 대한 최종상태조사 측정 위치를 결정하고, 최종상태조사 측정 결과를 입력받아 부지개방기준 만족여부를 출력한다.
사업관리 모듈은 각 조사 모듈의 데이터를 저장하여 관리하고, 이전 단계의 조사 결과를 다음 단계의 입력으로 전달한다.
추가적인 양상에 따르면, 부지이력조사 모듈은, DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부와, 자연어처리 인공지능 신경망 및 이미지처리 인공지능 신경망을 포함하여 입력된 현장 자료 및 관계자 인터뷰 자료로부터 오염 구역과 비오염 구역을 구분하는 오염지역 분류부를 포함한다.
추가적인 양상에 따르면, 자연어처리 인공지능 신경망은, 원전 관련 문서를 이용한 비지도 학습 방법에 의해 사전 학습되고, 전문가 평가 문서를 이용한 지도 학습 방법에 의해 전이 학습된다.
추가적인 양상에 따르면, 이미지처리 인공지능 신경망은, 격실 이름을 포함하는 원전 관련 도면에서 각각의 격실을 탐지하고, 격실 이름과 오염구역의 유사도를 비교하여, 도면에서 오염 구역에 해당하는 격실 위치에 오염구역을 나타내는 표시를 하여 시각화한다.
추가적인 양상에 따르면, 오염범위조사 모듈은, DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부와, 부지이력조사 모듈의 조사결과 출력부와 연계되어, 부지이력조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부와, 상세특성조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 상세특성조사 모듈로 직접 전달할 수 있는 조사결과 출력부와, 측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부와, 배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부와, 현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부를 포함한다.
추가적인 양상에 따르면, 상세특성조사 모듈은, DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부와, 오염범위조사 모듈의 조사결과 출력부와 연계되어, 오염범위조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부와, 정화활동지원조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 정화활동지원조사 모듈로 직접 전달할 수 있는 조사결과 출력부와, 측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부와, 배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부와, 현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부를 포함한다.
추가적인 양상에 따르면, 정화활동지원조사 모듈은, DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부와, 상세특성조사 모듈의 조사결과 출력부와 연계되어, 상세특성조사 모듈의 출력자료를 직접 전달받을 수 있고, 이전 조사결과 입력부와, 최종상태조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 최종상태조사 모듈로 직접 전달할 수 있는, 조사결과 출력부와, 측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부와, 배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부와, 현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부를 포함한다.
추가적인 양상에 따르면, 최종상태조사 모듈은, DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부와, 상기 정화활동지원조사 모듈의 조사결과 출력부와 연계되어, 정화활동지원조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부와, 최종상태조사의 결과를 출력하는 조사결과 출력부와, 측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부와, 배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부와, 현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부를 더 포함한다.
추가적인 양상에 따르면, 측정위치 선정부는, 계측기의 MDC 값이 MDC 요구값보다 큰 경우에, 측정위치 개수를 증가시키도록 측정위치 개수를 재설정한다.
추가적인 양상에 따르면, 사업관리 모듈은, 각 조사의 진행사항을 시각화하여 제공하고, 완료된 조사의 결과 데이터를 다음 조사의 입력으로 전달시키는 연결요소를 제공하는 UI제공부와, 각 조사 모듈에서 입력된 자료와 출력된 자료를 각 조사 단계에 따라 구분하여 저장하고, 이전 조사결과에 상기 연결요소에 연결된 이전 조사 결과를 저장하는 DB관리부를 포함한다.
추가적인 양상에 따르면, 사업관리 모듈은, 각 조사 모듈에 투입된 작업자의 인건비와 작업시간을 이용하여 전체 용역 비용을 계산하는 용역관리부를 더 포함한다.
제안된 발명에 따른 지능형 원전해체 부지특성평가 통합관리 시스템은, 원전해체 부지특성평가 단계별 데이터를 통합 관리하여 장주기 동안 발생하는 전체 데이터를 용이하게 관리할 수 있다.
나아가 제안된 발명의 부지특성평가 통합관리 시스템은, 대량의 자료 검토 및 확인, 분류 등을 이미지 처리 및 자연어 처리를 이용한 인공지능 모듈이 수행하여 인력, 시간, 비용 절감효과가 있으며, 다량의 오염관련 보고서 입력시 누락이나 판정 오류 등의 인적오류를 방지하고 효율적으로 입력이 가능하다.
나아가 제안된 발명의 부지특성평가 통합관리 시스템은, 단계별 조사 모듈에 대한 사용자 인터페이스를 이용하여 조사결과 데이터를 다음 단계의 조사 입력으로 용이하게 전달할 수 있어서 데이터 전달과정의 인적오류 방지가 가능하다.
도 1은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템의 전체적인 구성을 개략적으로 나타내는 구성도이다.
도 2는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 부지이력조사 모듈의 구체적인 구성을 나타내는 구성도이다.
도 3은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 오염범위조사 모듈의 구체적인 구성을 나타내는 구성도이다.
도 4는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 상세특성조사 모듈의 구체적인 구성을 나타내는 구성도이다.
도 5는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 정화활동지원조사 모듈의 구체적인 구성을 나타내는 구성도이다.
도 6은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 최종상태조사 모듈의 구체적인 구성을 나타내는 구성도이다.
도 7은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 사업관리 모듈의 구체적인 구성을 나타내는 구성도이다.
도 8은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 사업관리 모듈의 UI 제공부에서 제공하는 화면을 나타내는 예시도이다.
도 9는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 최종상태조사 모듈이 동작하는 방법을 나타내는 순서도이다.
도 10은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 부지이력조사 모듈이 동작하는 방법을 나타내는 순서도이다.
도 11은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템에서 이미지처리 인공지능 신경망을 이용하여 오염지역 시각화하는 방법을 설명하는 개념도이다.
전술한, 그리고 추가적인 양상들은 첨부된 도면을 참조하여 설명하는 실시예들을 통해 구체화된다. 각 실시예들의 구성 요소들은 다른 언급이나 상호간에 모순이 없는 한 실시예 내에서 또는 타 실시예의 구성 요소들과 다양한 조합이 가능한 것으로 이해된다. 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 명세서 및 청구범위에 사용된 용어는 기재 내용 혹은 제안된 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 본 명세서에서 모듈 또는 부분은, 컴퓨터 또는 프로세서에서 실행 가능하도록 메모리에 저장된 프로그램 명령어의 집합이거나, 이러한 명령들을 수행할 수 있도록 ASIC, FPGA 등의 전자 부품 또는 회로의 집합을 이용하여 구현할 수 있다. 또한, 각 모듈 또는 부분의 동작은 하나 또는 복수의 프로세서 또는 장치에 의해 수행될 수 있다. 동일·유사한 부호가 표시된 구성요소는 동일·유사한 기능을 수행하므로, 설명을 생략할 수 있다. 설명이 생략된 도면부호를 가진 구성요소에 대해서는, 동일·유사한 부호를 가진 구성요소에 대해 앞에서 설명한 내용을 참조할 수 있다.
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명하기로 한다.
도 1은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템의 전체적인 구성을 개략적으로 나타내는 구성도이다.
제안된 발명의 일 양상에 따르면, 인공지능 기반 데이터베이스를 이용하여 원전해체 부지특성평가의 단계별 결과를 제공하는 지능형 원전해체 부지특성평가 통합 관리 시스템(100)은 부지이력조사 모듈(120)과, 오염범위조사 모듈(130)과, 상세특성조사 모듈(140)과, 정화활동지원조사 모듈(150)과, 최종상태조사 모듈(160)과, 사업관리 모듈(170)을 포함한다.
부지이력조사 모듈(120)은 부지 이력 정보 및 관계자 인터뷰 자료를 입력받아, 이미지 처리 및 자연어 처리 인공지능 신경망을 이용하여 평가 대상 부지의 오염 여부에 대한 부지이력조사 결과를 출력한다.
오염범위조사 모듈(130)은 부지이력조사 결과 자료를 입력받아, 평가 대상 부지에 대한 오염범위조사 측정 위치를 결정하고, 오염범위조사 측정 결과를 입력받아 오염구역을 분류하는 오염범위조사 결과를 출력한다.
상세특성조사 모듈(140)은 오염범위조사 결과 자료를 입력받아 평가 대상 부지에 대한 상세특성조사 측정 위치를 결정하고, 상세특성조사 측정 결과를 입력받아 오염구역을 재분류하는 상세특성조사 결과를 출력한다.
정화활동지원조사 모듈(150)은 상세특성조사 결과 자료를 입력받아 평가 대상 부지에 대한 정화활동지원조사 측정 위치를 결정하고, 정화활동지원조사 측정 결과를 입력받아 오염구역을 재분류하는 정화활동지원조사 결과를 출력한다.
최종상태조사 모듈(160)은 정화활동지원조사 결과 자료를 입력받아 평가 대상 부지에 대한 최종상태조사 측정 위치를 결정하고, 최종상태조사 측정 결과를 입력받아 부지개방기준 만족여부를 출력한다.
부지이력조사 모듈(120)과, 오염범위조사 모듈(130)과, 상세특성조사 모듈(140)과, 정화활동지원조사 모듈(150)과, 최종상태조사 모듈(160)의 조사 모듈들은, 조사 결과가 최종 결정을 뒷받침하기에 충분한 품질과 수량을 가지고 있음을 보장하기 위해 데이터 품질 목표(Data Quality Objectives; DQO) 프로세스를 사용한다. DQO 프로세스는, 문제를 정의하고, 결정을 정의한 후, 결정에 사용된 입력을 정의하고, 연구 범위를 결정하고, 결정 방법을 결정하고, 결정 오차의 범위를 정하는 과정을 통해서, 데이터 획득을 최적화할 수 있다.
사업관리 모듈(170)은 각 조사 모듈의 데이터를 저장하여 관리하고, 이전 단계의 조사 결과를 다음 단계의 입력으로 전달한다.
도 2는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 부지이력조사 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 부지이력조사 모듈(120)은 DQO 관리부(231)와 오염지역 분류부(275)를 포함한다. 부지이력조사 모듈은 입력을 위해 DQO 입력부(213)와, 현장자료 입력부(261)와, 인터뷰 입력부(263)를 더 포함할 수 있다. 부지이력조사 모듈은 출력을 위해 조사결과 작성부(277)와, 조사결과 출력부(295)를 더 포함할 수 있다.
DQO 입력부(213)는 DQO 프로세스에서 요구하는 자료를 입력받는다. DQO 관리부(231)는 DQO 입력부를 통해 입력된 DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리한다.
현장자료 입력부(261)는 보고서, 설계도면 등의 현장자료를 입력받는다. 입력되는 현장자료는 방사성 물질의 사용기록과, 방사성 물질의 저장, 수송, 처리와 관련된 기록과, 방사성 물질의 유출기록, 사고 기록 또는 보고서 등을 포함한다. 또한 입력되는 현장자료는 최종안전성분석보고서 및 도면을 포함한다.
인터뷰 입력부(263)는 작업자의 인터뷰 자료를 입력받는다. 인터뷰 자료는 폐기물의 취급 실태를 파악할 수 있는 작업자를 대상으로 하며, 대담 또는 설문 조사 자료를 포함한다.
오염지역 분류부(275)는 입력된 현장자료와 인터뷰 자료를 분석하여 대상 부지에서 오염 지역과 비오염 지역을 구분한다. 수만건에 이르는 방대한 입력자료를 데이터 누락 및 평가 오류 등의 인적오류 없이 효율적으로 입력하고 오염지역을 분류하기 위해, 오염지역 분류부는 이미지처리 인공지능 신경망(273) 및 자연어처리 인공지능 신경망(274)을 포함한다. 이미지처리 인공 신경망을 이용하여 전산 입력된 도면들에서 조사구역 정보를 추출할 수 있다. 자연어처리 인공 신경망을 이용하여 전산 입력된 문서들에서 오염지역을 분류할 수 있다. 추가적으로 오염지역 분류부는 입력된 현장자료와 인터뷰 자료에서 잠재적 오염물질의 종류를 도출할 수 있다.
자연어처리 인공지능 신경망(274)은 원전 관련 문서를 이용한 비지도 학습 방법에 의해 사전 학습되고, 전문가 평가 문서를 이용한 지도 학습방법에 의해 전이학습된다. 비지도 학습은 발전소 문서의 전문적인 자연어를 처리하기 위하여 최종안전성분석보고서, 안전규제 관련 보고서, 원전 사고/고장 조사 보고서 등과 같은 문서를 활용하여 사전학습시킨다. 사전학습은 BERT(Bidirectional Encoder Representations from Transformers)와 같은 비지도 학습을 이용할 수 있다. 발전소 문서에 대해 비지도 학습된 신경망 모델을 전문가 평가로 라벨링된 문서를 이용하여 전이학습시킨다. 즉, 기존 신경망에 분류기를 추가하고 전문가 평가로 라벨링된 문서들을 입력시켜 지도학습시킬 수 있다. 자연어 처리를 위한 인공지능 신경망은 BERT외에도 RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), GRU(Gated Recurrent Unit), 1D CNN(Convolution Neural Network), seq2seq, Attention, Transformer 등을 사용할 수 있다. 오염지역이 특정되면, 도면에 오염구역을 표시하여 저장하거나 출력할 수 있다.
이미지처리 인공지능 신경망(273)은 원전 관련 도면에서 오염지역을 시각화할 수 있다. 이미지처리 신경망(273)은 복수의 신경망 모델로 구성될 수 있다. 제1 이미지처리 신경망은 격실 내부에 지시자(indicator)를 마킹하고 격실 이름과 연결한 도면을 이용하여 학습시킬 수 있다. 제1 이미지처리 신경망을 이용하여 입력된 도면에서 격실 이름과 지시자를 포함하는 경계 상자(bounding box)를 탐지할 수 있다.
이미지처리 인공지능 신경망(273)은 경계 상자의 격실 이름과 오염지역을 비교하는 격실 이름 비교부를 포함할 수 있다. 오염지역은 자연어처리 인공지능 신경망에서 특정된 것을 전달받아 사용할 수 있다. 격실 이름과 오염지역은 코사인 유사도, 자카드 유사도, 또는 인공지능 모델을 이용하여 비교할 수 있다.
오염지역에 해당하는 격실에 대해서는 제2 이미지처리 신경망을 이용하여 경계 상자 내에서 지시자의 위치를 탐지할 수 있다. 그 결과 전체 도면에서 오염지역에 해당하는 지시자의 위치를 결정할 수 있다. 지시자의 위치(좌표)를 포함하는 격실 영역에 대해 특정 색, 패턴 등을 이용하여 오염영역으로 표시하여 시각화할 수 있다.
조사결과 작성부(277)는 부지이력조사의 결과를 작성하여 데이터베이스에 저장한다. 부지이력조사의 조사결과는 도표, 그림 등을 포함한다. 그림에는 오염지역과 비오염지역을 구분하는 도면을 포함한다. 조사결과는 DQO 프로세스의 결과를 포함한다. 데이터베이스에 저장된 부지이력조사 결과는 조사결과 출력부(295)를 통해서 오염범위조사 모듈(130)의 이전 조사결과 입력부로 전달된다. 부지이력조사 결과인 출력 자료를 자동으로 오염범위조사 모듈의 입력자료로 연계할 수 있으므로, 사용자의 판단을 최소화하고 데이터 누락 등의 인적오류를 방지할 수 있다.
도 3은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 오염범위조사 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 오염범위조사 모듈(130)은 DQO 입력부(313)와, DQO 관리부(331)와, 이전 조사결과 입력부(315)와, 파라미터 입력부(317)와, 조사구역 설정부(333)와, 배경영역 선정부(335)와, 측정위치 선정부(337)와, 측정위치 출력부(359)와, 현장조사 입력부(361)와, 통계 검증부(373)와, Class 재분류부(375)와, 조사결과 작성부(377)와, 조사결과 출력부(395)를 포함한다.
DQO 입력부(313)와, DQO 관리부(331)는 부지이력조사 모듈(120)과 마찬가지 동작을 수행한다. 즉, DQO 입력부(313)는 DQO 프로세스에서 요구하는 자료를 입력받고, DQO 관리부(331)는 DQO 입력부를 통해 입력된 DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리한다.
이전 조사결과 입력부(315)는 이전 조사를 수행한 부지이력조사 모듈(120)의 조사결과 출력부(295)를 통해서 부지이력조사 결과를 입력받는다. 부지이력조사 모듈의 출력 자료를 자동으로 오염범위조사 모듈의 입력자료로 연계할 수 있으므로, 사용자의 판단을 최소화하고 데이터 누락 등의 인적오류를 방지할 수 있다.
파라미터 입력부(317)는 잔류 방사능 평가 기준인 DCGLW 값과, 조사구역별 Area Factor 값과, 계측장비 MDC 값을 입력받는다.
조사구역(Survey Unit)의 오염도를 평가하기 위한 기준으로 유도 농도 지침 수준(derived concentration guideline level; DCGL)을 사용한다. DCGL은 해제 기준(release criterion)으로부터 유도된 최대로 허용 가능한 방사성 핵종별 표면 농도이다.
DCGL은 조사구역의 잔류 방사능 분포에 따라 DCGLW와 DCGLEMC로 구분된다. DCGLW는 잔류 방사능이 넓은 지역에 고르게 분포하는 경우에 전체 지역의 평균 방사능 농도를 평가하기 위해 사용된다. 좁은 지역에서 방사능이 높은 지역의 경우 잔류방사능 농도를 평가하기 위해서는 DCGLEMC를 사용한다. DCGLEMC는 DCGLW값에 Area Factor를 반영한 보정값으로 구할 수 있다. DCGLW 값과 Area Factor 값은 피폭경로모델(exposure pathway model)을 사용하여 구할 수 있으며, 일반적으로 RESRAD 프로그램을 이용하여 구한 값을 사용할 수 있다.
계측장비의 MDC 값은 계측장비가 검출할 수 있는 최소검출농도(Minimum Detectable Concentration; MDC)를 나타낸다.
조사구역 설정부(333)는 각 조사구역(Survey Unit)을 설정한다. 조사구역의 크기는 오염도(Class)에 따라 다르게 조정한다. 오염도가 높은 Class 1 지역의 경우, 조사 구역의 크기는 건물의 경우 100 m2 까지, 토지의 경우 2,000 m2 까지 설정하는 것이 바람직하다. 오염도가 중간인 Class 2 지역의 경우 건물의 경우 1,000 m2 까지, 토지의 경우 10,000 m2 까지 설정하는 것이 바람직하다. 오염도가 낮은 Class 3 지역의 경우 조사구역의 크기에는 제한이 없다.
배경영역 선정부(335)는 배경(Background) 영역을 선정한다. 조사구역의 방사선 상태에서 부지 운영에 따른 농도를 평가하기 위해서는 배경농도를 구할 필요가 있다. 배경농도는 조사 구역 데이터와 비교하기 위해 배경(기준)영역에서 측정된다. 배경영역은 조사구역과 물리적, 화학적, 지질학적, 방사선학적, 생물학적으로 유사한 특성을 가진 곳에서 선정한다. 특히 배경 영역은 조사구역과 연관될 수 있으나, 잠재적으로 오염되지 않은 곳을 선택하여야 한다.
측정위치 선정부(337)는 측정위치(Data Point)를 선정한다. 측정위치 선정부는 측정위치를 결정하기 위해서는 먼저 측정위치의 개수를 결정한다. 측정위치의 개수가 결정되면, 조사구역에서 그리드(Grid) 간격을 결정한다. 그리고 임의의 시작위치를 선택하고, 시작위치로부터 그리드를 생성하여 측정위치를 결정한다.
측정위치의 개수는 통계적 테스트에 의해 구할 수 있다. 오염물질이 배경에 존재하는 경우에는 수학식 1의 WRS(Wilcoxon Rank Sum) Test를 이용하고, 배경에 오염물질이 없는 경우에는 수학식 2의 Sign Test를 이용하여, 측정위치의 개수 N을 결정할 수 있다. WRS Test의 경우 N/2 개는 조사구역에서 선정하고, N/2는 배경(기준)영역에서 선정한다.
[수학식 1]
Figure 112022109694614-pat00001
[수학식 2]
Figure 112022109694614-pat00002
수학식 1과 수학식2에서, Z1-α 는 결정론적 오차 α 에 의한 백분율이고, Z1-β 는 결정론적 오차 β에 의한 백분율이고, Pr 은 조사구역에서 무작위 측정값이 DCGL값 이하의 배경의 무작위 측정값을 초과할 확률이고, Sign p 는 조사구역에서 무작위 측정값이 DCGL 이하가 될 확률이다.
그리드 간격 L은 삼각형 그리드의 경우 수학식 3으로, 사각형 그리드의 경우 수학식 4로 구할 수 있다.
[수학식 3]
Figure 112022109694614-pat00003
[수학식 4]
Figure 112022109694614-pat00004
여기에서 A는 조사구역(Survey Unit)의 면적이고, N은 측정위치(Data Point)의 개수이다.
시작 위치는 난수를 발생시켜 조사구역에서 임의의 위치를 선택할 수 있으며, 시작위치로부터 그리드 간격으로 측정위치를 설정할 수 있다.
한편, 입력된 계측기의 MDC 값이 MDC 요구값보다 큰 경우에는 측정위치의 개수를 증가시킬 필요가 있다. MDC 요구값은 수학식 5로 구할 수 있다.
[수학식 5]
MDC 요구값 = DCGLW * (Area Factor)
입력된 실제 MDC 값이 MDC 요구값보다 큰 경우에는, 측정위치의 개수를 수학식 6을 이용하여 다시 계산할 수 있다.
[수학식 6]
Figure 112022109694614-pat00005
측정위치 출력부(359)는 현장조사 결과를 얻기 위한 측정위치를 출력한다. 측정위치에 대하여 실제 측정을 통해서 방사능 농도에 대한 현장조사 결과를 얻을 수 있다.
현장조사 입력부(361)는 측정위치들에 대한 현장조사 결과를 입력받는다.
배경과 관련되지 않은 지역의 경우, 조사구역(Survey Unit)의 모든 측정결과가 DCGL 값보다 작은 경우, 조사구역은 해제조건(release criterion)을 만족한다. 하나라도 DCGL 값보다 큰 경우, 조사구역은 해제조건을 만족하지 못한다. 만약 DCGL 값보다 큰 측정결과가 있는 경우에, 측정결과의 평균값이 DCGL 값보다 작은 경우에는, 통계 검증부(373)에서 Sign Test를 수행한다.
배경과 관련된 지역의 경우, 조사구역의 모든 측정결과의 최대값에서 기준이 되는 배경영역의 측정값의 최소값을 뺀 값이 DCGL 값보다 작은 경우, 조사구역은 해제조건(release criterion)을 만족한다. 조사구역의 측정값 평균에서 배경 영역의 평균값을 뺀 값이 DCGL 값보다 큰 경우, 조사구역은 해제조건을 만족하지 못한다. 만약 조사구역의 모든 측정결과의 최대값에서 기준이 되는 배경영역의 측정값의 최소값을 뺀 값이 DCGL 값보다 크고, 조사구역의 측정값 평균에서 배경 영역의 평균값을 뺀 값이 DCGL 값보다 작은 경우에는, 통계 검증부(373)에서 WRS Test를 수행한다.
통계 검증부(373)는 입력된 현장조사 결과에 대해 부지 평가를 위한 통계적 검증이 필요한 경우, 배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행한다.
Class 재분류부(375)는 현장조사 결과를 이용하여 조사구역의 오염도(Class)를 재분류한다. 오염도가 낮은 경우 조사구역의 크기를 더 크게 조정할 수 있으므로, 측정 결과에 따라 조사구역의 오염도를 재분류할 필요가 있다.
Class 1 지역은 DCGL 이상의 오염도를 가진 오염도가 높은 지역에 해당한다. Class 2 지역은 운전이력 또는 측정에 근거하는 오염이 있으나, 오염도가 DCGL을 초과하지 않는 지역에 해당한다. Class 3 지역은 잔류 방사능이 DCGL보다 훨씬 낮거나 존재하지 않는 지역에 해당한다.
조사결과 작성부(377)는 오염범위조사의 결과를 작성하여 데이터베이스에 저장한다. 오염범위조사의 조사결과는 도표, 그림 등을 포함한다. 그림에는 오염지역과 비오염지역을 구분하는 도면을 포함한다. 특히, 오염범위조사에서는 Class 3 지역을 분류할 수 있다. 조사결과는 조사구역에 대한 상세 내용과 DQO 프로세스의 결과를 더 포함할 수 있다. 데이터베이스에 저장된 오염범위조사 결과는 조사결과 출력부(395)를 통해서 상세특성조사 모듈(140)의 이전 조사결과 입력부로 전달된다. 오염범위조사 결과인 출력 자료를 자동으로 상세특성조사 모듈의 입력자료로 연계할 수 있으므로, 사용자의 판단을 최소화하고 데이터 누락 등의 인적오류를 방지할 수 있다.
각 조사 모듈들, 즉 오염범위조사 모듈(130)과, 상세특성조사 모듈(140)과, 정화활동지원조사 모듈(150)과, 최종상태조사 모듈(160)은, 서로 동일하거나 유사한 구성을 포함한다. 이러한 구성들은 앞자리 숫자를 제외하고 뒤쪽이 동일한 부호로 표시되었으며, 설명이 생략된 경우 오염범위조사 모듈의 구성을 설명하는 내용을 참조할 수 있다.
도 4는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 상세특성조사 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 상세특성조사 모듈(140)은 DQO 입력부(413)와, DQO 관리부(431)와, 이전 조사결과 입력부(415)와, 파라미터 입력부(417)와, 조사구역 설정부(433)와, 배경영역 선정부(435)와, 측정위치 선정부(437)와, 측정위치 출력부(459)와, 현장조사 입력부(461)와, 통계 검증부(473)와, Class 재분류부(475)와, 조사결과 작성부(477)와, 조사결과 출력부(495)를 포함한다.
이전 조사결과 입력부(415)는 이전 조사를 수행한 오염범위조사 모듈(130)의 조사결과 출력부(395)를 통해서 오염범위조사 결과를 입력받는다.
조사결과 작성부(477)는 상세특성조사의 결과를 작성하여 데이터베이스에 저장한다. 특히, 상세특성조사에서는 Class 1 지역과 Class 2 지역을 분류할 수 있다. 데이터베이스에 저장된 상세특성조사 결과는 조사결과 출력부(495)를 통해서 정화활동지원조사 모듈(150)의 이전 조사결과 입력부로 전달된다.
도 5는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 정화활동지원조사 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 정화활동지원조사 모듈(150)은 DQO 입력부(513)와, DQO 관리부(531)와, 이전 조사결과 입력부(515)와, 파라미터 입력부(517)와, 조사구역 설정부(533)와, 배경영역 선정부(535)와, 측정위치 선정부(537)와, 측정위치 출력부(559)와, 현장조사 입력부(561)와, 통계 검증부(573)와, Class 재분류부(575)와, 조사결과 작성부(577)와, 조사결과 출력부(595)를 포함한다.
이전 조사결과 입력부(515)는 이전 조사를 수행한 상세특성조사 모듈(140)의 조사결과 출력부(495)를 통해서 상세특성조사 결과를 입력받는다.
조사결과 작성부(577)는 정화활동지원조사의 결과를 작성하여 데이터베이스에 저장한다. 데이터베이스에 저장된 정화활동지원조사 결과는 조사결과 출력부(595)를 통해서 최종상태조사 모듈(160)의 이전 조사결과 입력부로 전달된다.
도 6은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 최종상태조사 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 최종상태조사 모듈(160)은 DQO 입력부(613)와, DQO 관리부(631)와, 이전 조사결과 입력부(615)와, 파라미터 입력부(617)와, 조사구역 설정부(633)와, 배경영역 선정부(635)와, 측정위치 선정부(637)와, 측정위치 출력부(659)와, 현장조사 입력부(661)와, 통계 검증부(673)와, Class 재분류부(675)와, 조사결과 작성부(677)와, 조사결과 출력부(695)를 포함한다.
이전 조사결과 입력부(615)는 이전 조사를 수행한 정화활동지원조사 모듈(150)의 조사결과 출력부(595)를 통해서 정화활동지원조사 결과를 입력받는다.
조사결과 작성부(677)는 최종상태조사의 결과를 작성하여 데이터베이스에 저장한다. 특히, 최종상태조사에서는 부지개방 기준을 만족하는지 여부에 대한 결과를 생성할 수 있다. 데이터베이스에 저장된 최종상태조사 결과는 조사결과 출력부(695)를 통해서 디스플레이장치 등을 통해서 외부로 전달된다.
도 7은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 사업관리 모듈의 구체적인 구성을 나타내는 구성도이다.
추가적인 양상에 따르면, 사업관리 모듈(170)은 UI 제공부(710)와, DB 관리부(730)를 포함한다. 사업관리 모듈은 용역 관리부(770)를 더 포함할 수 있다.
UI 제공부(710)는 각 조사의 진행상태를 나타내는 시각화요소와, 완료된 이전 조사 결과를 다음 조사의 입력으로 전달시키는 연결요소를 포함하는 사용자 인터페이스(User Interface; UI)를 제공한다.
DB 관리부(730)는 각 조사 모듈에서 입력된 자료와 작성 또는 출력된 자료를 각 조사 단계에 따라 구분하여 저장한다. 이전 조사결과에는 UI 제공부의 연결요소에 의해 연결된 이전 조사결과를 저장할 수 있다.
용역 관리부(770)는 각 조사 모듈에 투입된 작업자의 인건비와 작업시간을 이용하여 전체 용역 비용을 계산할 수 있다. 작업자의 인건비와 작업시간은 각 모듈에서 기초 데이터로 입력할 수 있다. 용역 관리부는 기초 데이터로 입력된 인건비와 작업시간을 곱하여 각 조사 단계의 용역 비용을 계산할 수 있다.
도 8은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 사업관리 모듈의 UI 제공부에서 제공하는 화면을 나타내는 예시도이다.
각각의 조사는 세부 내역을 리스트 형식으로 포함하는 시각화 요소인 조사블록(821, 822, 831, 832, 841)으로 나타낼 수 있다. 도 8을 참조하면, 부지이력조사는 첫번째 부지이력조사(821)와 두번째 부지이력조사(822)로 2회 수행되었고, 오염범위조사도 첫번째 오염범위조사(831)와 두번째 오염범위조사(832)로 2회 수행되었다. 그리고 첫번째 상세특성조사(841)가 진행 중인 상태가 나타나 있다.
각 조사의 세부내역의 진행상태를 시각화하는 요소로 다양한 문자 또는 기호, 배경색, 글자색 등을 이용할 수 있다. 도 8에는 각 조사의 세부내역의 진행상태를 시각화하기 위해 원형 기호를 사용한 예가 나타나 있다. 예를 들어, 내부가 흰색인 원(○)(871)은 작업이 진행중으로 아직 완료되지 않은 것을 나타내고, 내부가 검은색인 원(●)(872)은 이미 완료된 작업을 나타낸다. 진행 완료된 세부내역 또는 조사에 대해 글자색 또는 배경색을 변경하여 진행상태를 시각화할 수도 있다.
각 조사의 데이터 전달은 연결요소(825, 826, 827, 836)를 이용하여 나타낼 수 있다. 첫번째 부지이력조사(821)와 첫번째 오염범위조사(831) 사이의 연결요소(825)는 첫번째 부지이력조사(821)의 조사 결과를 첫번째 오염범위조사(831)의 이전 조사결과 입력으로 전달하는 것을 나타낸다. 점선으로 표시된 연결요소(826)는 두번째 부지이력조사(822)의 조사 결과를 첫번째 오염범위조사(831)의 이전 조사결과 입력으로 전달하는 것을 나타낸다.
각 조사의 조사결과는 복수의 다음 조사의 이전 조사결과 입력에 사용할 수 있다. 예를 들어, 두번째 부지이력조사(822)의 조사결과는 점선으로 표시된 연결요소(826)와 같이 첫번째 오염범위조사(831)의 이전 조사결과로 입력될 수 있으며, 실선으로 표시된 연결요소(827)와 같이 두번째 오염범위조사(832)의 이전 조사결과로 입력될 수 있다.
한편, 각 조사의 이전 조사결과 입력은 하나만 가능하다. 예를 들어, 첫번째 오염범위조사(832)의 이전 조사결과 입력에 첫번째 부지이력조사(821)의 조사결과가 전달되는 경우, 두번째 부지이력조사(822)의 조사결과를 입력으로 전달받기 위해서는, 먼저 첫번째 부지이력조사(821)의 연결요소(825)를 삭제하여야 한다. 이전 연결요소를 삭제하고 새로운 연결요소를 두 조사 사이에 연결하면, 새로운 연결요소에 맞추어 이전 조사결과를 변경할 수 있다. 예를 들어, 첫번째 오염범위조사(831)에 연결된 실선으로 표시된 연결요소(825)를 삭제하고 점선으로 표시된 연결요소(826)를 연결하면, 첫번째 오염범위조사(831)의 이전 조사결과는 두번째 부지이력조사(822)의 조사결과가 입력된다.
각 조사의 이전 조사결과 입력은 직전 조사결과만 입력이 가능하도록 설정할 수 있다. 예를 들어, 상세특성조사(841)의 이전 조사결과 입력에는 직전 조사인 첫번째 오염범위조사(831) 또는 두번째 오염범위조사(832)의 조사결과를 연결시킬 수 있다. 만일 상세특성조사(841)의 이전 조사결과 입력에 직전 조사가 아닌 부지이력조사(822)의 조사결과를 연결하려는 경우, 에러 메시지를 발생시킨다.
도 8과 같이 하나의 조사 단계에 복수의 조사가 이루어지는 경우, 이전 조사결과에 임의의 조사 결과를 입력하면 데이터들간의 흐름이 복잡해지고 다음 조사결과의 해석이 어려워진다. 따라서, 두번째 이상의 조사에서는 이전 조사결과에 이전 조사결과 중 마지막 조사 결과를 입력하는 것이 바람직하다. 즉, 두번째 이상의 조사의 이전 조사결과에 연결되는 연결요소는 직전 조사결과 중 최종 조사결과에만 연결된다. 예를 들어, 두번째 오염범위조사(832)의 이전 조사결과 입력에는 마지막인 두번째 부지이력조사(822)의 조사결과만 연결요소(827)를 이용하여 연결될 수 있다. 만일 두번째 오염범위조사(832)의 이전 조사결과 입력에 마지막이 아닌 첫번째 부지이력조사(821)의 조사결과를 연결하려는 경우, 에러 메시시를 발생시킨다.
한편, 이전 조사에서 사용한 파라미터와 동일한 파라미터를 사용하려는 경우에도 연결요소(833)를 사용할 수 있다. 예를 들어 상세특성조사(841)의 파라미터를 두번째 오염범위조사(832)의 파라미터와 연결요소(833)로 연결하는 경우, 상세특성조사(841)에 추가로 파라미터를 입력할 필요 없이 자동으로 두번째 오염범위조사(832)에서 사용한 DCGL 등의 파라미터를 전달할 수 있다. 마찬가지로 이전 조사에서 사용한 조사구역과 동일한 조사구역을 사용하는 경우에도 연결요소(834)를 사용할 수 있다.
조사블록, 세부내역 리스트, 완료여부 표시 등의 시각화 요소들을 이용하여 조사 단계와 진행상태를 직관적으로 파악할 수 있다. 또한 조사블록 간의 연결요소들을 이용하여, 이전 조사결과를 자동으로 다음 조사에 입력되도록 함으로써, 작업자의 입력 실수에 의한 인적오류의 발생을 방지할 수 있다.
도 9는 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 최종상태조사 모듈이 동작하는 방법을 나타내는 순서도이다.
도 9의 순서도를 참조하여, 최종상태조사 모듈(160)의 동작에 대해서 설명한다. 이러한 동작은 부지이력조사 모듈(120), 오염범위조사 모듈(130), 상세특성조사 모듈(140), 정화활동지원조사 모듈(150) 등의 조사 모듈에 대해서도 동일하게 또는 유사하게 적용될 수 있다.
기초사항 입력 단계(S913)는 조사하는 사람의 기본정보, 역할, 조사기간, 인건비 등의 정보를 입력한다. 이러한 정보는 용역관리 모듈에서 용역비용 계산에 활용할 수 있다.
이전 조사결과 입력 단계(S915)는 이전 조사를 수행한 정화활동지원조사 모듈로부터 자동적으로 이전 조사 결과인 정화활동지원조사 결과를 입력받는다. 이전 조사결과를 자동으로 입력받을 수 있어서 인적오류를 방지할 수 있다.
파라미터 입력 단계(S917)는 DCGLW, Area Factor, MDC 등의 값을 입력받는다. 넓은 지역의 균일분포에 사용되는 DCGLW 값은 오염도 평가의 기준으로 사용되고, Area Factor 값은 좁은 지역의 높은 방사능 분포에서 DCGLW 값을 보정하기 위해 사용된다. DCGLW 값과 Area Factor 값은 RASRAD 프로그램 등을 이용하여 구할 수 있다. Area Factor 값과 계측장비의 MDC값은 측정위치 개수를 검증하여 측정위치 개수를 재계산하기 위해 사용된다.
조사 구역 설정 단계(S933)는 발전소 전체를 오염도(Class)에 따라 적당한 크기의 조사 구역(Survey Unit)으로 나누어 설정한다.
배경 영역 선정 단계(S935)는 배경영역(Background area)을 선정한다. 배경영역은 조사구역과 물리적, 화학적, 지질학적, 방사선학적, 생물학적으로 유사한 특성을 가진 곳에서 선정한다. 배경영역은 오염되지 않은 지역을 선정하는 것이 바람직하다.
측정 개수 산출 단계(S937)는 오염물질이 배경에 존재하는 경우에는 수학식 1의 WRS(Wilcoxon Rank Sum) Test를 이용하고, 배경에 오염물질이 없는 경우에는 수학식 2의 Sign Test를 이용하여, 측정위치의 개수 N을 통계적 테스트를 이용하여 결정할 수 있다.
MDC 요구값 산출 단계(S951)는 수학식 5를 이용하여 MDC 요구값을 계산한다. 측정 개수 검증 단계(S953)는 MDC 요구값과 입력된 계측기 MDC 값을 비교한다. 입력된 계측기 MDC값이 MDC 요구값보다 큰 경우에는 측정 개수 재계산 단계(S954)를 수행한다. 측정 개수 재계산 단계(S954)는 수학식 6을 이용하여 측정위치의 개수를 증가시킨다.
Grid 간격 산출 단계(S955)는 수학식 3의 삼각형 그리드 또는 수학식 4의 사각형 그리드 간격을 산출한다. 시작 위치 설정 단계(S957)는 랜덤하게 시작위치를 설정한다. 측정 위치 출력 단계(S959)는 측정위치는 시작위치로부터 그리드(Grid) 간격에 맞추어 측정 위치(Data Point)를 결정하고, 이를 저장 또는 출력한다.
현장조사결과 입력 단계(S961)는 실제 측정위치에서 측정한 방사능 농도값을 입력받는다. 입력받은 현장조사결과를 이용하여 조사구역이 부지 해제조건을 만족하는지 판정한다.
통계학적 검증이 필요한 경우에는 통계학적 검증 단계(S973)를 수행한다. 통계학적 검증 단계(S973)는 배경과 관련되지 않은 지역의 경우 Sign Test를 수행하고, 배경과 관련된 지역의 경우 WRS Test를 수행한다.
Class 재분류 단계(S975)는 조사구역을 오염도에 따라 Class 1과 Class 2와 Class 3로 분류한다.
조사결과 출력 단계(S995)는 오염지역과 비오염지역에 대한 분류 및 도면을 출력한다. 최종상태조사의 경우 조사구역이 부지개방기준(해제기준)을 만족하는지 여부를 출력할 수 있다. 조사구역별 상세 결과 테이블을 작성하여 제공할 수 있다.
도 10은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템 중 부지이력조사 모듈이 동작하는 방법을 나타내는 순서도이다.
부지이력조사 모듈은 현장자료와 인터뷰 자료를 입력받는다. 입력되는 자료들 중 전자문서가 아닌 자료들은 OCR과정을 통해서 컴퓨터가 판독가능한 전자문서로 변환한다. 전자문서는 PDF 등 가급적 동일한 파일형식으로 저장하는 것이 바람직하다.
부지이력조사 모듈 중 자연어처리 인공지능 신경망을 사전학습시킨다(S1010). 사전학습에 사용하는 데이터는 최종안전성분석보고서, 안전규제 관련 보고서, 원전 사고/고장 조사 보고서 등의 원전관련 문서를 이용한다. 사전학습을 위해 BERT와 같은 비지도 학습을 이용한 신경망을 구성할 수 있다.
사전학습이 완료된 신경망을 방사능 오염관련 전문가 평가 문서를 이용하여 전이학습시킨다(S1020). 실제 발전소 문서들을 전문가가 평가한 결과를 라벨링하여 지도학습시킨다. 지도학습은 사전학습된 신경망에 분류기를 추가하여 수행할 수 있다.
전이학습까지 완료된 자연어처리 인공지능 모델에 실제 입력자료를 입력하여 오염여부를 확인하고 오염지역을 특정한다(S1030). 초기에 학습 데이터가 부족한 경우에는 규칙 기반 모델을 추가로 적용할 수 있다.
특정된 오염지역은 부지이력조사 모듈 중 이미지처리 인공지능 신경망을 이용하여 시각화할 수 있다. 즉, 이미지처리 인공지능 신경망을 이용하여 오염지역에 해당하는 격실을 도면에서 찾아서 별도의 표시를 하여 시각화할 수 있다. 이를 위해 이미지처리 인공지능 신경망은 복수의 신경망을 포함할 수 있다. 이미지처리 인공지능 신경망은 도면에서 격실 이름과 연관된 격실 위치를 탐지한다. 탐지된 격실의 이름이 오염지역에 해당하는 경우, 해당 격실에 소정의 표시를 하여 오염지역임을 나타낼 수 있다.
이미지처리 신경망 중 하나는 원전관련 도면에서 격실을 식별하도록 학습시킬 수 있다(S1040). 각 격실의 내부에 지시자(indicator)를 추가하고 격실의 이름과 연결시킨 도면을 이용하여 신경망을 학습시킬 수 있다. 신경망은 격실 이름과 지시자를 포함하는 경계 상자(bounding box)를 이용하여 격실을 탐지할 수 있다. 지시자는 원, 다각형, 특수기호 등을 사용할 수 있으며 가급적 도면에 표시되는 기호와 다른 것을 사용하되, 모든 격실에 대해 동일한 크기와 모양을 가진 지시자를 사용하는 것이 바람직하다. 인공지능 신경망으로는 이미지 처리에 우수한 성능을 보이는 CNN(Convolution Neural Network)을 사용할 수 있다.
학습된 이미지처리 신경망에 격실 이름과 지시자를 포함한 원전 도면을 입력하면, 이미지처리 인공지능 신경망은 도면에서 격실을 탐지하여 추출할 수 있다(S1050). 탐지된 격실은 경계 상자로 구분될 수 있다. 이미지처리 신경망은 격실에 해당하는 경계 상자의 위치와 크기 또는 꼭지점의 좌표를 제공한다. 경계 상자 내부의 격실 이름을 이용하여 격실을 식별할 수 있다. 격실 이름은 OCR 프로그램 또는 인공지능 모델을 이용하여 식별할 수 있다.
이미지처리 인공지능 신경망에서 추출한 격실의 이름과 오염지역 정보 사이에 유사도를 측정하여 매칭되는 격실을 찾는다(S1060). 오염지역 정보는 자연어처리 인공지능 신경망에서 추출한 것을 전달받아 사용할 수 있다. 유사도는 코사인 유사도, 자카드 유사도 등을 사용할 수 있으며, 별도의 인공지능 모델을 사용할 수도 있다.
오염지역에 해당되는 격실이 매칭되는 경우, 해당 격실의 경계 상자 내에서 지시자 좌표를 추출한다(S1070). 경계 상자는 격실의 이름을 포함하여 형성되는데, 격실의 이름이 긴 경우, 또는 경사지게 기재된 경우에는 지시자 좌표가 경계 상자의 귀퉁이에 존재할 수 있다. 이미지처리 신경망 중 하나는 격실 내부에서 지시자 위치를 탐지하도록 학습되어, 경계 상자에서 정확한 지시자 위치(좌표)를 추출할 수 있다.
자연어처리 인공지능 모델에서 특정한 오염지역을 도면에 표시하여 오염지역을 시각화한다(S1090). 오염지역에 해당하는 격실을 지시자 위치(좌표)를 기준으로 도면에 오염지역의 표시를 할 수 있다. 예를 들어, 오염지역에 해당하는 격실의 지시자를 포함하는 구분된 영역에 특정한 색이나 패턴을 입혀서 오염지역을 표시할 수 있다.
도 11은 일 실시예에 따른 지능형 원전해체 부지특성평가 통합 관리 시스템에서 이미지처리 인공지능 신경망을 이용하여 오염지역 시각화하는 방법을 설명하는 개념도이다.
도 11(a)는 원전 관련 도면(1110)에 지시자가 표시된 것을 나타낸다. 도면의 예에서는 "Zone C"로 표시된 격실(1120), "Zone E"로 표시된 격실(1130) 등이 나타나 있다. 격실 이름(1133)이 "Zone E"인 격실(1130) 내부에 지시자(1131)가 원형 점으로 표시되어 있다. 격실 이름(1133)과 지시자(1131)는 연결선(1132)으로 연결되어 있다.
격실의 위치는 격실 내부에 위치한 지시자로 파악할 수 있으므로, 학습이나 격실 탐지시에 실제 격실의 형태를 구분할 필요가 없다. 따라서 인공신경망에 입력하는 도면에서 격실 형태를 삭제하고, 격실 이름과 지시자만 입력하여 학습 또는 탐지할 수 있다. 즉, 인공신경망에 입력하는 도면은 원전 도면에서 격실 이름과 지시자를 표시한 후, 격실 형태를 제거한 도면을 사용할 수 있다. 격실 형태가 삭제된 도면을 이용하는 경우 탐지 속도와 정확도를 향상시킬 수 있다.
도 11(b)의 도면(1140)은 이미지처리 인공지능 신경망에서 구한 경계 상자를 나타내는 도면이다. 인공신경망은 경계 상자가 격실 이름과 지시자를 포함하도록 학습된다. 도 11(b)에서 "Zone C" 격실(1150)은 점선으로 표시되었고, 해당하는 경계 상자(1155)는 굵은 직선으로 표시되었다. 한편, "Zone E" 격실(1160)에 대한 경계 상자(1165)는 그 중심이 격실 외부에 존재하고, 지시자는 한쪽 귀퉁이에 위치한다. 따라서, "Zone E"의 위치를 특정하려면, 경계 상자(1165) 내부에서 지시자의 위치를 파악하여야 한다. 만약, 오염지역이 "Zone E"인 경우, 이미지처리 인공지능 신경망을 사용하여 경계 상자(1165) 내부에서 지시자의 위치(좌표)를 파악할 수 있다.
도 11(c)는 오염지역을 시각화한 도면(1170)을 나타낸다. 도 11(c)에서는 "Zone E"가 오염지역인 경우, 격실(1190)에 패턴이 적용된 예를 나타낸다.
추가적인 양상에 따르면, 지능형 원전해체 부지특성평가 통합 관리 시스템은 프로세서와 메모리로 구성된 컴퓨터 시스템에 의해 구현될 수 있다. 프로세서는 도 8 내지 도10에서 설명한 동작을 수행할 수 있으며, 메모리에는 프로세서를 구동하는 명령어가 저장될 수 있다.
이상에서 본 발명을 첨부된 도면을 참조하는 실시예들을 통해 설명하였지만 이에 한정되는 것은 아니며, 이들로부터 당업자라면 자명하게 도출할 수 있는 다양한 변형예들을 포괄하도록 해석되어야 한다. 특허청구범위는 이러한 변형예들을 포괄하도록 의도되었다.
100 : 통합 관리 시스템 120 : 부지이력조사 모듈
130 : 오염범위조사 모듈 140 : 상세특성조사 모듈
150 : 정화활동지원조사 모듈 160 : 최종상태조사 모듈
170 : 사업관리 모듈
213 : DQO 입력부 231 : DQO 관리부
261 : 현장자료 입력부 263 : 인터뷰 입력부
273 : 이미지처리 인공지능 신경망
274 : 자연어처리 인공지능 신경망
275 : 오염지역 분류부 277 : 조사결과 작성부
295 : 조사결과 출력부
313 : DQO 입력부 315 : 이전 조사결과 입력부
317 : 파라미터 입력부 331 : DQO 관리부
333 : 조사구역 설정부 335 : 배경영역 선정부
337 : 측정위치 선정부 359 : 측정위치 출력부
361 : 현장조사 입력부 373 : 통계 검증부
375 : Class 재분류부 377 : 조사결과 작성부
395 : 조사결과 출력부
710 : UI 제공부 730 : DB 관리부
770 : 용역 관리부

Claims (11)

  1. 인공지능 기반 데이터베이스를 이용하여 원전해체 부지특성평가의 단계별 결과를 제공하는 지능형 원전해체 부지특성평가 통합 관리 시스템에 있어서,
    부지 이력 정보 및 관계자 인터뷰 자료를 입력받아, 이미지 처리 및 자연어 처리 인공지능 신경망을 이용하여 평가 대상 부지의 오염 여부에 대한 부지이력조사 결과를 출력하는 부지이력조사 모듈;
    상기 부지이력조사 결과 자료를 입력받아, 평가 대상 부지에 대한 오염범위조사 측정 위치를 결정하고, 오염범위조사 측정 결과를 입력받아 오염구역을 분류하는 오염범위조사 결과를 출력하는 오염범위조사 모듈;
    상기 오염범위조사 결과 자료를 입력받아 평가 대상 부지에 대한 상세특성조사 측정 위치를 결정하고, 상세특성조사 측정 결과를 입력받아 오염구역을 재분류하는 상세특성조사 결과를 출력하는 상세특성조사 모듈;
    상기 상세특성조사 결과 자료를 입력받아 평가 대상 부지에 대한 정화활동지원조사 측정 위치를 결정하고, 정화활동지원조사 측정 결과를 입력받아 오염구역을 재분류하는 정화활동지원조사 결과를 출력하는 정화활동지원조사 모듈;
    상기 정화활동지원조사 결과 자료를 입력받아 평가 대상 부지에 대한 최종상태조사 측정 위치를 결정하고, 최종상태조사 측정 결과를 입력받아 부지개방기준 만족여부를 출력하는 최종상태조사 모듈; 및
    상기 각 조사 모듈의 데이터를 저장하여 관리하고, 이전 단계의 조사 결과를 다음 단계의 입력으로 전달하는 사업관리 모듈;
    을 포함하며,
    상기 이미지처리 인공지능 신경망은,
    원전 관련 도면에서 격실 형태가 제거되고 격실 이름과 지시자를 포함하는 원전 관련 도면을 입력받고, 격실 형태가 제거된 도면에서 각각의 격실 이름을 탐지하여 경계박스를 구하고, 격실 이름과 오염구역의 유사도를 비교하여 오염구역에 해당하는 경계박스를 결정하고, 오염구역에 해당하는 경계박스에서 지시자 위치를 추출하여, 원전 관련 도면에서 오염 구역에 해당하는 격실 위치에 오염구역을 나타내는 표시를 하여 시각화하는,
    지능형 원전해체 부지특성평가 통합 관리 시스템.
  2. 청구항 1에 있어서,
    상기 부지이력조사 모듈은,
    DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부; 및
    이미지처리 인공지능 신경망 및 자연어처리 인공지능 신경망을 포함하여 입력된 현장 자료 및 관계자 인터뷰 자료로부터 오염 구역과 비오염 구역을 구분하는 오염지역 분류부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  3. 청구항 2에 있어서,
    상기 자연어처리 인공지능 신경망은,
    원전 관련 문서를 이용한 비지도 학습 방법에 의해 사전 학습되고, 전문가 평가 문서를 이용한 지도 학습 방법에 의해 전이 학습되는,
    지능형 원전해체 부지특성평가 통합 관리 시스템.
  4. 삭제
  5. 청구항 1에 있어서,
    상기 오염범위조사 모듈은,
    DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부;
    상기 부지이력조사 모듈의 조사결과 출력부와 연계되어, 부지이력조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부;
    상기 상세특성조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 상세특성조사 모듈로 직접 전달할 수 있는 조사결과 출력부;
    측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부;
    배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부; 및
    현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  6. 청구항 1에 있어서,
    상기 상세특성조사 모듈은,
    DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부;
    상기 오염범위조사 모듈의 조사결과 출력부와 연계되어, 오염범위조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부;
    상기 정화활동지원조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 정화활동지원조사 모듈로 직접 전달할 수 있는 조사결과 출력부;
    측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부;
    배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부; 및
    현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  7. 청구항 1에 있어서,
    상기 정화활동지원조사 모듈은,
    DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부;
    상기 상세특성조사 모듈의 조사결과 출력부와 연계되어, 상세특성조사 모듈의 출력자료를 직접 전달받을 수 있고, 이전 조사결과 입력부;
    상기 최종상태조사 모듈의 이전 조사결과 입력부와 연계되어, 출력자료를 최종상태조사 모듈로 직접 전달할 수 있는, 조사결과 출력부;
    측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부;
    배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부; 및
    현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  8. 청구항 1에 있어서,
    상기 최종상태조사 모듈은,
    DQO 프로세스 단계별 입력을 이용하여 DQO 프로세스 진행 내역을 관리하는 DQO 관리부;
    상기 정화활동지원조사 모듈의 조사결과 출력부와 연계되어, 정화활동지원조사 모듈의 출력자료를 직접 전달받을 수 있는 이전 조사결과 입력부;
    최종상태조사의 결과를 출력하는 조사결과 출력부;
    측정위치 개수를 결정하고 그리드 간격을 결정한 후에, 임의의 시작위치를 설정하여 상기 그리드 간격에 맞추어 조사구역 내에서 상기 측정위치 개수만큼 측정하는 위치를 선정하는 측정위치 선정부;
    배경영역과 관련이 없는 조사구역에 대하여 Sign Test를 수행하고, 배경영역과 관련된 조사구역에 대하여 WRS Test를 수행하여, 입력된 현장조사 결과를 검증하는 통계 검증부; 및
    현장조사 결과를 이용하여 조사구역의 오염도 정도를 재분류하는 Class 재분류부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  9. 청구항 5 내지 8 중 어느 하나의 항에 있어서,
    상기 측정위치 선정부는,
    계측기의 MDC 값이 MDC 요구값보다 큰 경우에, 측정위치 개수를 증가시키도록 측정위치 개수를 재설정하는,
    지능형 원전해체 부지특성평가 통합 관리 시스템.
  10. 청구항 1에 있어서,
    상기 사업관리 모듈은,
    각 조사의 진행사항을 시각화하여 제공하고, 완료된 조사의 결과 데이터를 다음 조사의 입력으로 전달시키는 연결요소를 제공하는 UI제공부; 및
    각 조사 모듈에서 입력된 자료와 출력된 자료를 각 조사 단계에 따라 구분하여 저장하고, 이전 조사결과에 상기 연결요소에 연결된 이전 조사 결과를 저장하는 DB관리부;
    를 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
  11. 청구항 10에 있어서,
    상기 사업관리 모듈은,
    각 조사 모듈에 투입된 작업자의 인건비와 작업시간을 이용하여 전체 용역 비용을 계산하는 용역관리부;
    를 더 포함하는, 지능형 원전해체 부지특성평가 통합 관리 시스템.
KR1020220134120A 2022-10-18 2022-10-18 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법 KR102528436B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020220134120A KR102528436B1 (ko) 2022-10-18 2022-10-18 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법
PCT/KR2022/015944 WO2024085271A1 (ko) 2022-10-18 2022-10-19 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220134120A KR102528436B1 (ko) 2022-10-18 2022-10-18 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102528436B1 true KR102528436B1 (ko) 2023-05-03

Family

ID=86380275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220134120A KR102528436B1 (ko) 2022-10-18 2022-10-18 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법

Country Status (2)

Country Link
KR (1) KR102528436B1 (ko)
WO (1) WO2024085271A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100122628A (ko) * 2009-05-13 2010-11-23 케이엔디티앤아이 주식회사 방사성폐기물 제염방법
KR20150018292A (ko) * 2013-08-09 2015-02-23 한국원자력연구원 원자력 시설 해체 부지의 복원을 위한 최적화 방법
KR102021457B1 (ko) * 2018-08-27 2019-09-16 한국원자력연구원 원전 해체 작업 평가 시스템 및 원전 해체 작업 평가 방법
KR20210057611A (ko) * 2019-11-12 2021-05-21 엘지전자 주식회사 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법
KR20220095565A (ko) * 2020-12-30 2022-07-07 (주)휴엔릭스 인공지능을 이용한 오염물질 계측장치 및 인공지능을 이용한 오염물질 계측방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100122628A (ko) * 2009-05-13 2010-11-23 케이엔디티앤아이 주식회사 방사성폐기물 제염방법
KR20150018292A (ko) * 2013-08-09 2015-02-23 한국원자력연구원 원자력 시설 해체 부지의 복원을 위한 최적화 방법
KR102021457B1 (ko) * 2018-08-27 2019-09-16 한국원자력연구원 원전 해체 작업 평가 시스템 및 원전 해체 작업 평가 방법
KR20210057611A (ko) * 2019-11-12 2021-05-21 엘지전자 주식회사 이미지 데이터에 포함된 객체를 인식하는 인공 지능 장치 및 그 방법
KR20220095565A (ko) * 2020-12-30 2022-07-07 (주)휴엔릭스 인공지능을 이용한 오염물질 계측장치 및 인공지능을 이용한 오염물질 계측방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
이종세 외 14명, "원전부지 해제 기준에 따른 부지 특성화 및 환경영향 평가 기술 개발", 연구보고서, 한양대학교 ERICA 산학협력단, 2019년 2월 *

Also Published As

Publication number Publication date
WO2024085271A1 (ko) 2024-04-25

Similar Documents

Publication Publication Date Title
Allen The Management of Risk to Society from Potential Accidents: The Main Report of the UKAEA Working Group on the Risks to Society from Potential Major Accidents
Thunis et al. A tool to evaluate air quality model performances in regulatory applications
Lambert et al. Selection of probability distributions in characterizing risk of extreme events
CN115908424A (zh) 基于三维激光扫描的建筑物健康检测方法、系统及介质
CN110723433A (zh) 垃圾分类回收方法及系统
KR101507526B1 (ko) 원자력 시설 해체 부지의 복원을 위한 최적화 방법
KR102528436B1 (ko) 지능형 원전해체 부지특성평가 통합 관리 시스템 및 방법
CN113076730A (zh) 一种试验报告智能管理方法、装置、系统及存储介质
CN116821231A (zh) 污染土壤成图模拟方法、系统、设备及存储介质
CN114037993B (zh) 变电站指针仪表读数方法、装置、存储介质以及电子设备
Holmes et al. Regulatory models and the environment: practice, pitfalls, and prospects
Ionescu et al. Improving the reliability of decision-support systems for nuclear emergency management by leveraging software design diversity
Byun et al. Intelligent nuclear decommissioning solution: Code for site characterization and management of overall surveys
KR20230091579A (ko) 스마트폰을 이용한 터빈 블레이드 열화 진단 방법 및 시스템
Fisher Expert system applications in geography
CN112257138B (zh) 远程安全问诊方法、系统、智能终端及存储介质
Vigfusson et al. European pilot study on the regulatory review of the Safety Case for geological disposal of radioactive waste
CN112528293B (zh) 安全漏洞预警方法、装置、设备及计算机可读存储介质
CN118212640A (zh) 一种用于检测焊接射线底片图像质量的方法
Hume et al. A framework for capturing and representing the decision-making processes to classify nuclear waste
Last et al. A comprehensive and systematic approach to developing and documenting conceptual models of contaminant release and migration at the Hanford Site
CN117993707A (zh) 一种基于人工智能的城市道路塌陷灾害风险评估方法及系统
Nuffer et al. Validation of Statistical Sampling Algorithms in Visual Sample Plan (VSP): Summary Report
Wozniak et al. Robustness Assessment of AI-Based 2D Object Detection Systems: A Method and Lessons Learned from Two Industrial Cases
Noh et al. Application of Artificial Intelligence for Estimating Severe Accidents in Nuclear Power Plants Using Offsite Information

Legal Events

Date Code Title Description
GRNT Written decision to grant