KR102606669B1 - IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 - Google Patents
IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 Download PDFInfo
- Publication number
- KR102606669B1 KR102606669B1 KR1020220123162A KR20220123162A KR102606669B1 KR 102606669 B1 KR102606669 B1 KR 102606669B1 KR 1020220123162 A KR1020220123162 A KR 1020220123162A KR 20220123162 A KR20220123162 A KR 20220123162A KR 102606669 B1 KR102606669 B1 KR 102606669B1
- Authority
- KR
- South Korea
- Prior art keywords
- fire
- information
- fire extinguishing
- firefighting
- iot
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012423 maintenance Methods 0.000 title claims abstract description 32
- 238000002360 preparation method Methods 0.000 claims abstract description 77
- 239000006260 foam Substances 0.000 claims abstract description 49
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 48
- 238000007619 statistical method Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims description 109
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 239000003921 oil Substances 0.000 abstract description 13
- 230000001629 suppression Effects 0.000 abstract description 9
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000005856 abnormality Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 206010003497 Asphyxia Diseases 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C27/00—Fire-fighting land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/08—Learning methods
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/30—Transportation; Communications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Operations Research (AREA)
- Fire-Extinguishing By Fire Departments, And Fire-Extinguishing Equipment And Control Thereof (AREA)
Abstract
본 발명은 IoT를 이용한 소방차의 유지관리 및 화재진화성능 향상 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 소방차에 IoT(Internet of Things)을 접목할 수 있는 장치를 장착하고, 이로부터 수집한 다양한 정보를 이용하여 소방차의 차랑유지관리 및 화재진화를 위한 성능을 향상시키는 방법 및, 이를 수행하는 시스템에 관한 것이다.
본 발명에 의하면, 화재진압을 수행할 현장의 다양한 상황에 대하여 소요되는 물 및 폼 등의 다양한 데이터를, 실제 화재진압 수행시마다 IoT를 통하여 자동으로 수집하여 저장하고, 이와 같이 축적된 데이터에 대하여 시스템이 통계분석, 머신러닝, 인공지능 등의 방식을 적용함으로써 향후 화재진압이 수행될 다양한 상황에서 가장 효율적인 준비를 할 수 있게 하는 방법 및 시스템을 제공한다. 또한 본 발명은, 소방차량의 각종 오일이나 부품 등의 유지관리에 있어서도, 오일 교환시기 또는 부품 수명에 따른 교체시기 등을, 축적된 데이터를 이용하여 자동으로 제공할 수 있게 하는 방법 및 시스템을 제공한다.
본 발명에 의하면, 화재진압을 수행할 현장의 다양한 상황에 대하여 소요되는 물 및 폼 등의 다양한 데이터를, 실제 화재진압 수행시마다 IoT를 통하여 자동으로 수집하여 저장하고, 이와 같이 축적된 데이터에 대하여 시스템이 통계분석, 머신러닝, 인공지능 등의 방식을 적용함으로써 향후 화재진압이 수행될 다양한 상황에서 가장 효율적인 준비를 할 수 있게 하는 방법 및 시스템을 제공한다. 또한 본 발명은, 소방차량의 각종 오일이나 부품 등의 유지관리에 있어서도, 오일 교환시기 또는 부품 수명에 따른 교체시기 등을, 축적된 데이터를 이용하여 자동으로 제공할 수 있게 하는 방법 및 시스템을 제공한다.
Description
본 발명은 IoT를 이용한 소방차의 유지관리 및 화재진화성능 향상 방법 및 시스템에 관한 것으로서, 더욱 상세하게는 소방차에 IoT(Internet of Things)을 접목할 수 있는 장치를 장착하고, 이로부터 수집한 다양한 정보를 이용하여 소방차의 차랑유지관리 및 화재진화를 위한 성능을 향상시키는 방법 및, 이를 수행하는 시스템에 관한 것이다.
종래 소방차는 화재의 종류, 예를 들어 일반 건물, 주택, 공장 등, 어떠한 종류의 건물에서 화재가 났는가, 건물의 크기는 어떠한가 등의 다양한 상황에서, 출동시 준비할 물 및 폼(foam) 등의 양을 준비함에 있어, 관리자 등에 의한 대략적인 판단에 의존하였다. 또한 소방차량의 각종 오일이나 부품 등에 대하여도, 기록된 정보를 통하여 관리자 등의 확인을 통하여 수동적(manual) 방식으로 관리가 이루는 경우가 통상적이었다. 이로 인해, 화재진압 수행시, 물, 폼(foam) 등의 양이 모자라거나, 또는 과다 준비로 낭비가 되는 경우가 빈번하게 발생하였고, 소방차량의 관리도 적절한 시기를 놓쳐 차량에 문제를 일으키는 경우도 발생되는 실정이었다.
본 발명은 이와 같은 문제점을 해결하기 위해 창안된 것으로서, 화재진압을 수행할 현장의 다양한 상황에 대하여 소요되는 물 및 폼 등의 다양한 데이터를, 실제 화재진압 수행시마다 IoT를 통하여 자동으로 수집하여 저장하고, 이와 같이 축적된 데이터에 대하여 시스템이 통계분석, 머신러닝, 인공지능 등의 방식을 적용함으로써 향후 화재진압이 수행될 다양한 상황에서 가장 효율적인 준비를 할 수 있게 하는 방법 및 시스템을 제공하는데 그 목적이 있다.
또한 본 발명은, 소방차량의 각종 오일이나 부품 등의 유지관리에 있어서도, 오일 교환시기 또는 부품 수명에 따른 교체시기 등을, 축적된 데이터를 이용하여 자동으로 제공할 수 있게 하는 방법 및 시스템을 제공하는데 다른 목적이 있다.
이와 같은 목적을 달성하기 위하여 본 발명에 따른 IoT(Internet of Things)를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)이, IoT를 이용하여 소방차의 화재진화성능을 향상시키는 방법은, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계; (c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계; (d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계; (e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계를 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
상기 단계(d)는, (d1) 상기 유사 화재군의 소방활동 정보의 평균을 산출하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계를 포함할 수 있다.
상기 단계(d)는, (d2) 상기 유사 화재군의 소방활동 정보의 변화 추이를 추적함으로써 상기 단계(a)의 화재에 사용될 양을 예측하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계를 포함할 수 있다.
본 발명의 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템은, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계; (c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계; (d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계; (e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램은, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계; (c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계; (d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계; (e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하는 명령을 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT(Internet of Things)를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)이, IoT를 이용하여 소방차의 화재진화성능을 향상시키는 방법은, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계를 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
상기 단계(a) 이전에, (a01) 데이터베이스에서 수집한 각 화재에 대한 화재 현장정보 및 해당 화재시의 소방활동 정보들을 취합하고, 상기 화재 현장정보들을 입력데이터로, 각 화재 현장정보에 대하여 이루어진 각각의 소방활동 정보를 라벨링 데이터로 하는 학습을 통하여 화재진화 준비사항 산출모델을 생성 또는 업데이트하는 단계를 더 포함할 수 있다.
상기 화재진화 준비사항 산출모델은, 상기 화재진화 준비사항에 포함된 각 준비할 요소들에 대하여 각각 별도의 모델로 구성되어 있을 수 있다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템은, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램은, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하는 명령을 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
상기 단계(d)는, (d1) 상기 유사 화재군의 소방활동 정보의 평균을 산출하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계를 포함할 수 있다.
상기 단계(d)는, (d2) 상기 유사 화재군의 소방활동 정보의 변화 추이를 추적함으로써 상기 단계(a)의 화재에 사용될 양을 예측하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계를 포함할 수 있다.
본 발명의 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템은, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계; (c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계; (d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계; (e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램은, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계; (c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계; (d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계; (e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하는 명령을 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT(Internet of Things)를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)이, IoT를 이용하여 소방차의 화재진화성능을 향상시키는 방법은, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계를 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
상기 단계(a) 이전에, (a01) 데이터베이스에서 수집한 각 화재에 대한 화재 현장정보 및 해당 화재시의 소방활동 정보들을 취합하고, 상기 화재 현장정보들을 입력데이터로, 각 화재 현장정보에 대하여 이루어진 각각의 소방활동 정보를 라벨링 데이터로 하는 학습을 통하여 화재진화 준비사항 산출모델을 생성 또는 업데이트하는 단계를 더 포함할 수 있다.
상기 화재진화 준비사항 산출모델은, 상기 화재진화 준비사항에 포함된 각 준비할 요소들에 대하여 각각 별도의 모델로 구성되어 있을 수 있다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템은, 적어도 하나의 프로세서; 및 컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되, 상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
본 발명의 또 다른 측면에 따르면, IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램은, 비일시적 저장 매체에 저장되며, 프로세서에 의하여, (a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계; (b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및, (c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계; (d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및, (e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계가 실행되도록 하는 명령을 포함하고, 상기 화재 현장정보는, 화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고, 상기 소방활동 정보는, 이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며, 상기 화재진화 준비사항은, 현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함한다.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
삭제
본 발명에 의하면, 화재진압을 수행할 현장의 다양한 상황에 대하여 소요되는 물 및 폼 등의 다양한 데이터를, 실제 화재진압 수행시마다 IoT를 통하여 자동으로 수집하여 저장하고, 이와 같이 축적된 데이터에 대하여 시스템이 통계분석, 머신러닝, 인공지능 등의 방식을 적용함으로써 향후 화재진압이 수행될 다양한 상황에서 가장 효율적인 준비를 할 수 있게 하는 방법 및 시스템을 제공하는 효과가 있다.
또한 본 발명은, 소방차량의 각종 오일이나 부품 등의 유지관리에 있어서도, 오일 교환시기 또는 부품 수명에 따른 교체시기 등을, 축적된 데이터를 이용하여 자동으로 제공할 수 있게 하는 방법 및 시스템을 제공하는 효과가 있다.
도 1은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법이 수행되기 위한 네트워크 구성을 나타내는 도면.
도 2는 IoT 서버에 연결된 소방차의 장치의 제1 실시예를 나타내는 도면.
도 3은 IoT 서버에 연결된 소방차의 장치의 제2 실시예를 나타내는 도면.
도 4는 IoT 서버에 연결된 소방차의 장치의 제3 실시예를 나타내는 도면.
도 5는 IoT 서버에 연결된 소방차의 장치의 제4 실시예를 나타내는 도면.
도 6은 IoT 서버에 연결된 소방차의 장치의 제5 실시예를 나타내는 도면.
도 7은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제1 실시예를 나타내는 도면.
도 8은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제2 실시예를 나타내는 도면.
도 9는 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제3 실시예를 나타내는 도면.
도 10은 IoT 서버에서 받은 정보를 이용하여 소방차의 화재진화성능 향상을 위한 관리를 수행하는 방법의 순서도.
도 11은 IoT 서버에서 받은 정보를 이용하여 소방차의 유지관리를 수행하는 방법의 순서도.
도 2는 IoT 서버에 연결된 소방차의 장치의 제1 실시예를 나타내는 도면.
도 3은 IoT 서버에 연결된 소방차의 장치의 제2 실시예를 나타내는 도면.
도 4는 IoT 서버에 연결된 소방차의 장치의 제3 실시예를 나타내는 도면.
도 5는 IoT 서버에 연결된 소방차의 장치의 제4 실시예를 나타내는 도면.
도 6은 IoT 서버에 연결된 소방차의 장치의 제5 실시예를 나타내는 도면.
도 7은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제1 실시예를 나타내는 도면.
도 8은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제2 실시예를 나타내는 도면.
도 9는 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템의 차량 유지관리 화면의 제3 실시예를 나타내는 도면.
도 10은 IoT 서버에서 받은 정보를 이용하여 소방차의 화재진화성능 향상을 위한 관리를 수행하는 방법의 순서도.
도 11은 IoT 서버에서 받은 정보를 이용하여 소방차의 유지관리를 수행하는 방법의 순서도.
이하 첨부된 도면을 참조로 본 발명의 바람직한 실시예를 상세히 설명하기로 한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.
도 1은 본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법이 수행되기 위한 네트워크 구성을 나타내는 도면이다.
본 발명의 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법을 수행하기 위하여, 기존의 소방차에 IoT(Internet of Things)를 접목할 수 있는 서버(100)를 장착한다. IoT 서버(100)는 소방 활동시의 각종 정보, 예를 들어 소방에 사용된 물의 양 및 폼(foam)의 양 등을 IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)(200)으로 무선 전송한다. 폼(foam)이란 계면활성제 계통의 소화약제로 거품을 형성하여 산소 공급을 차단하는 약제를 말한다. 즉, 질식소화를 위한 약제이다.
화재진화성능 향상 시스템(200)은 IoT 서버(100)로부터 이러한 정보를 수신하여 데이터베이스에 저장한 후 각 소방차의 현재 물의 양 또는 폼의 양 등의 현황을 관리자로 하여금 파악할 수 있도록 할 뿐 아니라, 또한 이와 같이 사용된 물의 양 또는 폼의 양과, 입력된 해당 화재가 발생한 현장정보 등을 결합하여, 향후 특정 상황의 화재 발생시 가장 효과적인 화재진화를 위한 준비사항을 산출해 준다. 이에 대하여는 도 10을 참조하여 후술한다.
또한 화재진화성능 향상 시스템(200)은 각 소방차량에 대한 유지관리 기능을 수행할 수 있다. 예를 들어 각종 오일 교환시기를 입력받아 데이터베이스에 저장하여, 향후 관리자에게 오일 교환시점 도래시 이를 알려줄 수 있다. 또는 주요부품의 교체시기 정보를 제공하는 기능을 수행할 수도 있다. 부품의 경우는 차량의 사용상태 등에 따라 교체가 필요한 시점이 다양하게 다를 수 있기 때문에 단순히 미리 교체 시점을 설정해 놓는 것만으로는 부족한 경우가 많다. 따라서 미리 이상 징후를 판단하고 교체하는 것이 중요하다. 이를 위해 주요부품에서 발생하는 시계열 신호를 IoT 서버(100)로부터 수신하여 향후 발생할 고장 여부를 예측할 수 있도록 머신러닝 모델 또는 인공신경망 모델 등을 사용할 수 있는데, 이를 포함한 소방차 유지관리 기능 수행에 대하여는 도 11을 참조하여 후술한다.
도 2 내지 도 6은 IoT 서버(100)에 연결된 소방차(10)의 장치의 제1 내지 제 5 실시예를 나타내는 도면이다.
각 장치에 대하여 센서부(20)의 각 센서들이 신호를 감지하여 IoT 서버(100)로 전달하고, IoT 서버(100)는 필요한 정보를 화재진화성능 향상 시스템(200)으로 전송하게 된다. 이러한 장치들은 일 실시예일 뿐이며, 이 외에도 다양한 장치에 대하여 감지를 수행할 수 있다.
도 7 내지 도 9는 화재진화성능 향상 시스템(200)의 차량 유지관리 화면의 제1 내지 제3 실시예를 나타내는 도면이다.
도 10은 IoT 서버에서 받은 정보를 이용하여 소방차의 화재진화성능 향상을 위한 관리를 수행하는 방법의 순서도이다.
화재가 발생한 경우, 관리자는 화재현장에 대한 정보(이하 '화재 현장정보'라 한다)를 입력하여 화재진화성능 향상 시스템(200)의 데이터베이스에 저장하도록 한다(S710). 화재 현장정보라 함은, 예를 들어 건물, 주택, 공장 등과 같은 화재가 난 건물의 종류, 화재가 난 시각, 화재가 난 지역 등에 대한 정보를 포함할 수 있고, 그 외에도 화재가 난 건물의 층수, 공장의 종류, 규모, 아파트인지 일반 주택인지 여부 등 더욱 다양한 정보를 포함할 수 있다.
또한 화재진화성능 향상 시스템(200)은 소방차가 출동하여 화재진화를 위한 소방 활동을 한 경우, 총 사용된 물의 양, 폼(foam)의 양 등과 같은, 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 데이터베이스에 저장한다(S720). 이러한 정보는, 소방차에 장착된 IoT 서버(100)가 수량계, 액량계 등에서 감지된 정보를 수신하고 이를 화재진화성능 향상 시스템(200)으로 보냄으로써, 화재진화성능 향상 시스템(200)이 이를 수신하여 데이터베이스에 저장하게 된다(S720). 더 세부적으로 구현할 경우, 소방활동이 진행되고 있는 중에 일정 시간마다 IoT 서버(100)가 화재진화성능 향상 시스템(200)으로 이와 같은 사용된 물의 양 및 폼의 양 등을 보낼 수 있다. 또한 소방 활동이 종료된 후, 화재진화성능 향상 시스템(200)은 화재진화에 소요된 화재진화를 위한 펌프의 총 가동시간을 저장 데이터에 포함시킬 수도 있다.
화재진화성능 향상 시스템(200)은 이와 같은 정보들을, 향후 화재진화를 위한 소방 활동시, 최적의 화재진화 준비사항을 산출하는데 사용할 수 있다. 이와 같은 최적의 화재진화 준비사항 산출의 방법에는 크게 2가지 방법을 사용할 수 있다.
제1 방법은 통계분석에 의한 산출 방법(S732,S733)이며, 제2 방법은 머신러닝 모델 또는 인공신경망 모델에 의한 산출 방법(S741 내지 S746)이다.
먼저 통계분석에 의한 산출 방법을 설명한다.
화재 발생시(S731), 화재진화성능 향상 시스템(200)은 관리자 등으로부터 화재 현장정보를 입력받아 데이터베이스에 저장한다(S732). 화재진화성능 향상 시스템(200)은, 입력받은 화재 현장정보와 가장 부합하는 조건에 해당하는 이전 소방활동 정보를 취합하여 통계적 방법으로 준비할 사항을 산출하고(S733), 그에 따라 필요한 사항을 최적의 양으로 준비하여 출동하도록 한다.
예를 들어, 입력받은 화재 현장정보가, 화학 공장, 그 공장의 규모를 나타내는 수치범위 및 화재발생 시각이고, 산출할 최적의 화재진화 준비사항이 필요한 물의 양 및 폼의 양인 경우, 그러한 화재 현장정보 조건에 가장 부합하는, 즉, 유사한 이전 저장 데이터들을 취합한다. '유사하다'는 판단 기준은 미리 설정해 놓을 수 있다. 예를 들어 수 개의 화재 현장정보 조건 중 몇개 이상이 동일하다든가, 규모는 층수로 판단하거나 또는 넓이로 판단한다든가, 넓이로 판단하는 경우는 플러스 마이너스 몇 퍼센트에 해당한다는 등의 세부적인 판단 기준을 설정해 놓을 수 있고, 이에 따라 '유사한' 화재 현장정보를 데이터베이스에 저장된 데이터들로부터 선택하여 취합할 수 있다.
이와같이 이전 유사한 화재 현장정보 조건들에서 사용된 물의 양 및 폼의 양들(즉, 소방활동 정보)로부터, 이번 화재진화 출동시 준비할 물의 양 및 폼의 양(즉, 화재진화 준비사항)을 통계적 방법으로 산출하는 것이다.
이때 통계적 방법이란 다양한 방법을 사용할 수 있다.
일 실시예로서, 이전 유사한 화재 현장정보 조건들에서 사용된 물의 양 및 폼의 양 각각을 평균 낸 물의 양 및 폼의 양 값을 최종 화재진화 준비사항으로 산출하는 것이다. 또는 다른 실시예로서, 이전 이전 유사한 화재 현장정보 조건들에서 사용된 물의 양 및 폼의 양 각각에 대한 그래프에서 예를 들어 보간법(interpolation) 등, 여러 수학적 방법을 이용하여 사용량의 변화 추이를 추적함으로써 이번에 사용될 양을 예측하여 최종 화재진화 준비사항으로 산출할 수도 있다.
이후 해당 화재 진화 소방활동을 마친 후, 화재진화성능 향상 시스템(200)은 다시 IoT 서버(100)로부터, 해당 소방활동에서 사용한 총 물의 양 및 폼의 양 등의 정보를 수신하여 데이터베이스에 저장함으로써(S720), 향후 화재진화 소방활동시 통계분석에 의한 준비사항 산출에 사용하도록 한다.
다음으로, 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재 준비사항 산출모델'이라 한다)을 사용할 수 있다.
전술한 바와 같이, 화재가 발생한 경우, 관리자는 화재현장에 대한 정보(이하 '화재 현장정보'라 한다)를 입력하여 화재진화성능 향상 시스템(200)의 데이터베이스에 저장하고(S710), 소방차가 출동하여 화재진화를 위한 소방 활동을 한 경우, 총 사용된 물의 양, 폼(foam)의 양 등의 소방활동 정보를 데이터베이스에 저장한다(S720). 이와 같이 저장된 정보들을 취합하여(S741) 화재진화 준비사항 산출모델을 학습에 의하여 생성한다(S742). 또한 이후의 화재 상황에서 화재 현장정보 및 소방활동 정보들이 데이터베이스에 저장된 경우, 이러한 정보들로부터 화재진화 준비사항 산출모델의 학습에 의한 업데이트를 지속한다.
이러한 화재진화 준비사항 산출모델의 학습을 위한 입력 데이터로는, 전술한 바와 같은 화재 현장정보 조건이 사용되며, 라벨링 데이터로는 해당 화재 현장정보 조건에서 실제 사용된 물의 양, 폼의 양 등의 소방활동 정보가 될 수 있다. 물의 양에 대한 모델 및 폼의 양에 대한 모델은 각각 별도로 학습에 의해 각각 생성될 수 있다.
화재 발생시(S743), 화재진화성능 향상 시스템(200)은 관리자 등으로부터 화재 현장정보를 입력받아 데이터베이스에 저장한다(S744). 화재진화성능 향상 시스템(200)은, 입력받은 화재 현장정보를 화재진화 준비사항 산출모델에 입력하고, 화재진화 준비사항 산출모델은 그에 대한 화재진화 준비사항, 예를 들어 화재진화 출동시 준비할 물의 양 또는 폼의 양 등을 출력하고, 그에 따라 필요한 사항을 최적의 양으로 준비하여 출동하도록 한다.
이후 해당 화재 진화 소방활동을 마친 후, 화재진화성능 향상 시스템(200)은 다시 IoT 서버(100)로부터, 해당 소방활동에서 사용한 총 물의 양 및 폼의 양 등의 정보를 수신하여 데이터베이스에 저장함으로써(S720), 향후 화재진화 소방활동시 화재진화 준비사항 산출모델의 업데이트에 사용하도록 한다.
지금까지 설명한 바와 같은 통계분석에 의한 방법 또는 화재진화 준비사항 산출모델에 의한 방법을 통해 현재 발생한 화재 현장정보 조건에 최적의 준비를 함으로써, 소방 활동의 효율성을 향상시키게 된다.
도 11은 IoT 서버에서 받은 정보를 이용하여 소방차의 유지관리를 수행하는 방법의 순서도이다.
소방차의 유지관리는, 각 소방서가 보유한 소방차에 일련의 고유번호를 부과하여 화재진화성능 향상 시스템(200)이 각 소방차의 현황을 일괄하여 수행할 수 있고, 각각의 일일 소방차 출동현황 데이터를 데이터베이스에 저장하여 각 소방차의 통합적 관리를 유지할 수 있다. 이와 같은 소방차량의 유지관리에는 크게 2가지 방식으로 분류할 수 있다.
제1 방식은 오일 교환시기와 같이, 화재진화성능 향상 시스템(200)에 입력된 정보에 따라 관리자가, 조회 또는 화재진화성능 향상 시스템(200)의 알림에 의해 유지관리를 행하도록 유도하는 경우이다(S811 내지 S813).
도 11의 실시예를 참조하면, 화재진화성능 향상 시스템(200)은, 관리자 등으로부터 각종 오일 교환시기를 입력받아 데이터베이스에 저장하고(S811), 오일 교환시기가 도래한 경우(S812), 화재진화성능 향상 시스템(200)이 디스플레이 등을 통하여 알림을 수행하는 방법이다. 도 11은 오일교환의 경우를 예로 들어 도시한 것이나, 이 외에도 예를 들어 특정 소방차량에 저장된 물의 양(수량계, 도 9 참조), 폼의 양(액량계, 도 9 참조) 등이 화재진화를 위한 소방활동 후에 데이터베이스에 저장되고(S811), 관리자의 미리 설정 등에 의하여 보충시기가 도래한 경우(S812), 화재진화성능 향상 시스템(200)이 디스플레이 등을 통하여 물 또는 폼의 보충시기 도래를 디스플레이 등을 통하여 알림을 수행하는 방법이다. 이러한 방법은 소방차량의 소방활동에 사용된 누적운영시간(도 9 참조)이 기록되고(S811), 미리 설정된 누적운영시간에 따른 차량 점검시기가 도래한 경우(S812), 화재진화성능 향상 시스템(200)이 디스플레이 등을 통하여 차량 점검시기 도래를 알리는(S813) 방식으로도 사용될 수 있다.
제2 방식은, 이상이 발생된 부품 교체시기와 같이 미리 교체시점을 설정하기 어려운 경우에 적용되는 방식으로서, 머신러닝 모델 또는 인공신경망 모델(이하, '부품이상 체크모델'이라 한다)을 이용하는 방식이다.
이를 위해 특정 주요 부품 자체에 센서를 연결하여 해당 부품에서 직접 발생하는 신호, 또는 특정 주요 부품으로 인하여 차량에서 감지될 수 있는 신호(예를 들어 진동, 소음 등) 등을 시계열 신호로서 화재진화성능 향상 시스템(200)이 지속적으로 수집한다(S821). 이러한 특정 주요 부품을 판정하기 위하여 다양한 방식으로 감지되는 시계열 신호들을 통칭하여 '부품 신호'라 한다.
이와 같이 수집된 시계열 신호들을 입력으로 하여 화재진화성능 향상 시스템(200)이 학습에 의하여 부품이상 체크모델을 생성 또는 지속적인 업데이트를 할 수 있다(S822).
부품의 이상이 있는 경우는 평소 자주 발생하는 상황이 아니므로, 부품이 이상이 있는 경우와 이상이 없는 경우를 동등하게 별도로 라벨링하여 학습시키기 어렵다. 따라서 하나의 방법으로는 대부분의 상황, 즉, 부품의 이상이 없는 경우의 시계열 신호를 지속적으로 수집하여 입력하여 비슷한 모형을 만들어내고 정상과 유사한 모형간의 차이값이 0이 되도록 학습시킬 수 있다. 이와 같은 학습이 이루어진 모델에 대하여는, 이상이 발생한 부품 신호에 대하여는 그 출력으로서의 차이값이 크게 나오게 된다. 차이값이 기준치를 초과할 경우, 전 단계의 데이터 시점으로서 Ground-Truth 라벨을 이전 단계로 앞당기는데, 이는 문제가 발생할 때 이전 시간의 데이터에 전조 증상이 있을 것이라고 예상할 수 있기 때문이다. 이때 이상 발생 Ground-Truth는 데이터에서 제거한다.
이러한 모델로는, 일 실시예로서 LSTM 알고리즘을 사용할 수 있다.
이후, IoT 서버(100)는 그와 같이 지속적 체크가 설정되어 있는 주요부품들에 대하여 주기적으로 시계열 신호를 감지하여 화재진화성능 향상 시스템(200)으로 주기적으로 송신할 수 있다. 화재진화성능 향상 시스템(200)은 이러한 시계열 신호를 수신하여(S823), 수신한 신호를 부품이상 체크모델에 입력한다(S824). 부품이상 체크모델의 출력으로부터 이상이 감지된 경우 이를 부품 교환시기로 판단하여(S825), 화재진화성능 향상 시스템(200)은 부품 교환시기임을 디스플레이 등을 통하여 알림을 수행한다(S826).
10: 소방차
20: 센서부
100: IoT 서버
200: IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템
20: 센서부
100: IoT 서버
200: IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템
Claims (13)
- IoT(Internet of Things)를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)이, IoT를 이용하여 소방차의 화재진화성능을 향상시키는 방법으로서,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계;
(c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계;
(d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계;
(e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
를 포함하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용한 소방차의 화재진화성능 향상 방법. - 청구항 1에 있어서,
상기 단계(d)는,
(d1) 상기 유사 화재군의 소방활동 정보의 평균을 산출하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계
를 포함하는 것을 특징으로 하는 IoT를 이용한 소방차의 화재진화성능 향상 방법. - 청구항 1에 있어서,
상기 단계(d)는,
(d2) 상기 유사 화재군의 소방활동 정보의 변화 추이를 추적함으로써 상기 단계(a)의 화재에 사용될 양을 예측하여 이를 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항으로 결정하는 단계
를 포함하는 것을 특징으로 하는 IoT를 이용한 소방차의 화재진화성능 향상 방법. - IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템으로서,
적어도 하나의 프로세서; 및
컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,
상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계;
(c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계;
(d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계;
(e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
가 실행되도록 하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용한 소방차의 화재진화성능 향상 시스템. - IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램으로서,
비일시적 저장 매체에 저장되며, 프로세서에 의하여,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a) 이전에 데이터베이스에 기 저장되어 있는, 이전에 발생한 화재들에 관한 화재 현장정보 및, 해당 화재들에 대한 소방활동 정보를 불러오는 단계;
(c) 기 설정되어 있는 유사 판단 기준에 따라, 상기 단계(a)의 현재 화재 발생 현장에 대한 화재 현장정보와 가장 유사한 화재 현장정보를 가지는 이전 화재를 상기 데이터베이스에서 1개 이상 선별하고, 그와 같이 선별된 이전 화재들(이하 '유사 화재군'이라 한다)의 화재 현장정보 및, 해당 유사 화재군에 대한 소방활동 정보를 선택하여 취합하는 단계;
(d) 상기 유사 화재군의 소방활동 정보들에 대하여 통계적 방법을 적용하여, 상기 단계(a)의 화재의 진화에 최적인 화재진화 준비사항을 산출하는 단계;
(e) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(f) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
가 실행되도록 하는 명령을 포함하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램. - IoT(Internet of Things)를 이용한 소방차의 화재진화성능 향상 및 유지관리 시스템(이하 '화재진화성능 향상 시스템'이라 한다)이, IoT를 이용하여 소방차의 화재진화성능을 향상시키는 방법으로서,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및,
(c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계;
(d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
를 포함하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용한 소방차의 화재진화성능 향상 방법. - 청구항 6에 있어서,
상기 단계(a) 이전에,
(a01) 데이터베이스에서 수집한 각 화재에 대한 화재 현장정보 및 해당 화재시의 소방활동 정보들을 취합하고, 상기 화재 현장정보들을 입력데이터로, 각 화재 현장정보에 대하여 이루어진 각각의 소방활동 정보를 라벨링 데이터로 하는 학습을 통하여 화재진화 준비사항 산출모델을 생성 또는 업데이트하는 단계
를 더 포함하는 것을 특징으로 하는 IoT를 이용한 소방차의 화재진화성능 향상 방법. - 청구항 6에 있어서,
상기 화재진화 준비사항 산출모델은,
상기 화재진화 준비사항에 포함된 각 준비할 요소들에 대하여 각각 별도의 모델로 구성되어 있는 것
을 특징으로 하는 IoT를 이용한 소방차의 화재진화성능 향상 방법. - IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한 시스템으로서,
적어도 하나의 프로세서; 및
컴퓨터로 실행가능한 명령을 저장하는 적어도 하나의 메모리를 포함하되,
상기 적어도 하나의 메모리에 저장된 상기 컴퓨터로 실행가능한 명령은, 상기 적어도 하나의 프로세서에 의하여,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및,
(c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계;
(d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
가 실행되도록 하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용한 소방차의 화재진화성능 향상 시스템. - IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램으로서,
비일시적 저장 매체에 저장되며, 프로세서에 의하여,
(a) 화재가 발생한 경우, 해당 화재가 발생한 현장에 대한 다수의 정보(이하 '화재 현장정보'라 한다)를 입력받아 데이터베이스에 저장하는 단계;
(b) 상기 단계(a)의 화재 현장정보를, 화재진화 준비사항을 산출하는 머신러닝 모델 또는 인공신경망 모델(이하, 통칭하여 '화재진화 준비사항 산출모델'이라 한다)에 입력하는 단계; 및,
(c) 상기 화재진화 준비사항 산출모델에서, 상기 단계(a)의 화재 현장정보에 최적인 화재진화 준비사항을 산출하는 단계;
(d) 화재의 진화를 위한 소방활동 종료 후, 소방차에 장착된 IoT 서버로부터 해당 소방활동의 결과에 대한 정보(이하 '소방활동 정보'라 한다)를 수신하는 단계; 및,
(e) 상기 소방활동 정보를 데이터베이스에 저장하는 단계
가 실행되도록 하는 명령을 포함하고,
상기 화재 현장정보는,
화재가 난 건물의 종류 정보, 화재가 난 시각 정보, 화재가 난 지역 정보 및 화재가 난 건물의 층수 정보를 포함하고,
상기 소방활동 정보는,
이전에 화재진화에 사용된 물의 양 및 폼(foam)의 양을 포함하며,
상기 화재진화 준비사항은,
현재 화재진화를 위해 준비하는 물의 양 및 폼(foam)의 양을 포함하는,
IoT를 이용하여 소방차의 화재진화성능을 향상시키기 위한, 컴퓨터로 판독 가능한 비일시적 저장매체에 저장된 컴퓨터 프로그램. - 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123162A KR102606669B1 (ko) | 2022-09-28 | 2022-09-28 | IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220123162A KR102606669B1 (ko) | 2022-09-28 | 2022-09-28 | IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102606669B1 true KR102606669B1 (ko) | 2023-11-29 |
Family
ID=88969225
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220123162A KR102606669B1 (ko) | 2022-09-28 | 2022-09-28 | IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102606669B1 (ko) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109857023A (zh) * | 2019-01-30 | 2019-06-07 | 亿江(北京)科技发展有限公司 | 一种消防车车载多业务物联网关及工作方法 |
| KR102128946B1 (ko) | 2019-11-15 | 2020-07-01 | 한국소방산업기술원 | 화재 현장에서의 신뢰성 있는 정보전송을 위한 네트워크 구조 |
| JP2021005236A (ja) * | 2019-06-26 | 2021-01-14 | 株式会社日立製作所 | 消防指令システム及びその水利指定方法及びそれに対応する消防車両 |
| CN112907414A (zh) * | 2019-12-04 | 2021-06-04 | 扬州中易科技有限公司 | 一种区域消防指挥管理系统 |
| KR20210133432A (ko) * | 2020-04-29 | 2021-11-08 | 주식회사 에스지티코리아 | 스마트 화재 진압 방법 및 시스템 |
| KR20220075922A (ko) * | 2020-11-30 | 2022-06-08 | 주식회사 인포카 | 차량 고장 여부를 예측하기 위한 인공 신경망 학습 방법, 차량 고장 여부 판단 방법, 및 이를 수행하는 컴퓨팅 시스템 |
-
2022
- 2022-09-28 KR KR1020220123162A patent/KR102606669B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109857023A (zh) * | 2019-01-30 | 2019-06-07 | 亿江(北京)科技发展有限公司 | 一种消防车车载多业务物联网关及工作方法 |
| JP2021005236A (ja) * | 2019-06-26 | 2021-01-14 | 株式会社日立製作所 | 消防指令システム及びその水利指定方法及びそれに対応する消防車両 |
| KR102128946B1 (ko) | 2019-11-15 | 2020-07-01 | 한국소방산업기술원 | 화재 현장에서의 신뢰성 있는 정보전송을 위한 네트워크 구조 |
| CN112907414A (zh) * | 2019-12-04 | 2021-06-04 | 扬州中易科技有限公司 | 一种区域消防指挥管理系统 |
| KR20210133432A (ko) * | 2020-04-29 | 2021-11-08 | 주식회사 에스지티코리아 | 스마트 화재 진압 방법 및 시스템 |
| KR20220075922A (ko) * | 2020-11-30 | 2022-06-08 | 주식회사 인포카 | 차량 고장 여부를 예측하기 위한 인공 신경망 학습 방법, 차량 고장 여부 판단 방법, 및 이를 수행하는 컴퓨팅 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10643187B2 (en) | Reporting and prioritizing faults for aircraft downtime reduction | |
| EP3270252B1 (en) | Equipment control based on failure determination | |
| EP1809535B1 (en) | System, method, and computer program product for fault prediction in vehicle monitoring and reporting system | |
| CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
| JP2010526352A (ja) | 統計的な分析を利用した性能障害管理システム及びその方法 | |
| KR20180108446A (ko) | Ict 인프라 관리 시스템 및 이를 이용한 ict 인프라 관리 방법 | |
| CN101772742A (zh) | 用于提供与来自过程控制系统的告警有关的统计的告警分析系统和方法 | |
| JP2006146928A (ja) | 保守計画方法およびコンピュータ支援システム | |
| US11423494B2 (en) | Plant assistance assessment system and plant assistance assessment method | |
| CN114862288B (zh) | 智慧水务二次加压管理系统 | |
| KR102102346B1 (ko) | 함정설비의 상태기반 정비지원 시스템 및 방법 | |
| KR102328842B1 (ko) | 설비 관리 방법 및 이를 실행하는 장치 | |
| KR102606669B1 (ko) | IoT를 이용한 소방차의 화재진화성능 향상 및 유지관리 방법 및 시스템 | |
| EP3187950B1 (en) | A method for managing alarms in a control system | |
| JP2018032229A (ja) | 設備点検順位設定装置及び設備点検順位設定方法 | |
| AU2020202134A1 (en) | Data driven machine learning for modeling aircraft sensors | |
| JP2009157597A (ja) | 遠隔保守ソフトウェア自動配布システムおよび遠隔保守ソフトウェア自動配布方法 | |
| Pipe | Practical prognostics for condition based maintenance | |
| AU2020309879B2 (en) | Failure probability assessment system and method therefor | |
| CN116258381A (zh) | 运行指挥工作的量化评价方法和装置 | |
| CN108683518A (zh) | 对天地协同快响互联网应用体系的数据处理方法及装置 | |
| CN114422332B (zh) | 网络切片控制方法、装置、处理设备及存储介质 | |
| CN111095868A (zh) | 软件定义网络中的数据流量管理 | |
| AU2021105481A4 (en) | Construction operation, monitoring, maintenance planning and future risk prediction of bigger constructions using Artificial Intelligence based Internet of things | |
| US11749070B2 (en) | Identification of anomalies in an automatic teller machine (ATM) network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |