KR20210055432A - Risk estimation method of marine facility using digital twin system - Google Patents
Risk estimation method of marine facility using digital twin system Download PDFInfo
- Publication number
- KR20210055432A KR20210055432A KR1020190141867A KR20190141867A KR20210055432A KR 20210055432 A KR20210055432 A KR 20210055432A KR 1020190141867 A KR1020190141867 A KR 1020190141867A KR 20190141867 A KR20190141867 A KR 20190141867A KR 20210055432 A KR20210055432 A KR 20210055432A
- Authority
- KR
- South Korea
- Prior art keywords
- risk
- offshore structure
- digital twin
- data
- real
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012502 risk assessment Methods 0.000 claims abstract description 25
- 238000004880 explosion Methods 0.000 description 21
- 238000012544 monitoring process Methods 0.000 description 16
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명은 해양 구조물의 위험 예측 방법에 관한 것으로, 보다 상세하게는 해양 구조물의 디지털 트윈 시스템을 이용하여 해양 구조물의 위험을 예측하기 위한 방법에 관한 것이다. The present invention relates to a method for predicting risk of offshore structures, and more particularly, to a method for predicting risk of offshore structures using a digital twin system of offshore structures.
기존의 해양 구조물의 위험 예측 방법은, 위험 예측 대상인 해양 구조물의 과거 이력 데이터를 기반으로 정량적인 위험 평가를 통해 화재/폭발/낙하/충돌(Fire/Explosion/Dropped Object/Ship Collision) 등의 위험도를 예측하고, 해양 구조물의 설계에 반영한다. 즉, 이러한 위험 분석은 과거의 사고 데이터를 미래의 해양 구조물의 설계에 반영하는 방식이다. The existing method of predicting the risk of offshore structures is based on the historical data of the offshore structure that is the target of the risk prediction, through quantitative risk assessment, to determine the risk of fire/explosion/dropped object/ship collision. Predict and reflect in the design of offshore structures. In other words, this risk analysis is a method of reflecting past accident data in the design of future offshore structures.
도 1은 기존의 해양 구조물의 위험 예측 방법의 예를 설명하기 위한 도면으로, 폭발 위험도를 평가하는 과정을 설명하기 위한 도면이다. 1 is a view for explaining an example of a method for predicting a risk of an existing offshore structure, and is a view for explaining a process of evaluating an explosion risk.
기존의 폭발 위험도를 평가하는 과정을 간략하게 살펴보면, 탄화수소 원료 재고 분석(HSIA)을 수행하고(100), 이를 통해 폭발 위험 분석(Explosion Risk Analysis)을 수행하고(105), 최종적으로 정량적 위험도 분석(QRA)(110)을 수행한다. To briefly look at the process of evaluating the existing explosion risk, a hydrocarbon raw material inventory analysis (HSIA) is performed (100), an explosion risk analysis is performed (105), and finally a quantitative risk analysis ( QRA) (110) is performed.
그러나, 이러한 과거 이력 데이터를 이용한 위험 예측 방법은, 실제로 운용중인 해양 구조물에 대한 위험을 예측하기 위한 근거 자료로 사용하기엔 부족함이 많았다. However, such a method of predicting risk using historical data was insufficient to be used as a basis for predicting the risk of actual offshore structures.
본 발명은 디지털 트윈 시스템을 이용하여 해양 구조물의 위험도를 과거 데이터와 실시간 모니터링 데이터를 통해 미리 예측할 수 있는 디지털 트윈 시스템을 이용한 해양 구조물의 위험을 예측하는 방법을 제공하기 위한 것이다. An object of the present invention is to provide a method for predicting the risk of offshore structures using a digital twin system capable of predicting in advance the risk of offshore structures through historical data and real-time monitoring data using a digital twin system.
본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다. The technical problems to be achieved in the present invention are not limited to the technical problems mentioned above, and other technical problems that are not mentioned will be clearly understood by those of ordinary skill in the technical field to which the present invention belongs from the following description. I will be able to.
상기와 같은 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법은, 위험을 예측할 해양 구조물에 대한 디지털 트윈 모델링을 수행하는 단계; 상기 해양 구조물의 위험도에 대한 과거 데이터(Historical data)를 획득하는 단계; 상기 획득된 과거 데이터를 이용하여 상기 디지털 트윈 모델링된 해양 구조물에 대한 이전 정량적 위험도 평가를 수행하는 단계; 상기 디지털 트윈 모델링된 해양 구조물에 대한 위험도의 실시간 데이터를 획득하는 단계; 상기 정량적 위험도 평가와 상기 획득된 실시간 데이터를 이용하여 상기 디지털 트윈 모델링된 해양 구조물의 위험을 예측하는 단계를 포함한다.In order to solve the above technical problem, a method for predicting a risk of an offshore structure using a digital twin system according to an embodiment of the present invention includes: performing digital twin modeling of an offshore structure to predict risk; Obtaining historical data on the risk of the offshore structure; Performing a previous quantitative risk assessment for the digital twin modeled offshore structure by using the acquired past data; Acquiring real-time data on the degree of risk for the digital twin modeled offshore structure; And predicting the risk of the digital twin modeled offshore structure using the quantitative risk assessment and the acquired real-time data.
실시 예에 따라, 상기 디지털 트윈 모델링된 해양 구조물을 미리 설정된 구역(Zone)들로 구분하는 단계를 더 포함한다. According to an embodiment, the method further includes dividing the digital twin-modeled marine structure into preset zones.
실시 예에 따라, 상기 과거 데이터와 상기 실시간 데이터를 이용하여 상기 해양 구조물 상의 작업자 및 상기 해양 구조물에 대한 위험도를 판단하는 단계;를 더 포함한다. According to an embodiment, determining a risk of a worker on the offshore structure and the offshore structure using the past data and the real-time data; further includes.
실시 예에 따라, 상기 예측하는 단계는, 상기 구역 별로 작업자의 위치를 파악하는 단계; 기 파악된 작업자의 위험도 데이터를 상기 작업자에게 제공하는 단계;를 포함한다. According to an embodiment, the predicting may include: determining a location of a worker for each area; And providing the previously identified risk data of the worker to the worker.
실시 예에 따라, 상기 획득된 실시간 데이터를 이용하여 상기 해양 구조물의 디지털 트윈 모델링을 업데이트하는 단계를 더 포함한다. According to an embodiment, further comprising updating the digital twin modeling of the offshore structure by using the acquired real-time data.
실시 예에 따라, 상기 실시간 데이터는, 상기 각 구역별로 배치된 센서들 또는 CCTV(Closed Circuit TV)로부터 획득됨을 특징으로 한다. According to an embodiment, the real-time data is obtained from sensors arranged for each area or a closed circuit TV (CCTV).
실시 예에 따라, 상기 실시간 데이터는, 상기 해양 구조물에 접근하는 헬기, 상기 해양 구조물에 접근하는 선박, 상기 해양 구조물에 설치된 크레인, 상기 해양 구조물에 설치된 장비, 상기 해양 구조물에 설치된 배관, 상기 해양 구조물의 환경, 상기 해양 구조물에서 발생된 화재/가스 경보 정보, 상기 해양 구조물의 오퍼레이션 및 유지 보수 현황/계획 데이터 중 적어도 하나를 포함한다. According to an embodiment, the real-time data may include a helicopter approaching the offshore structure, a ship approaching the offshore structure, a crane installed on the offshore structure, equipment installed on the offshore structure, a pipe installed on the offshore structure, and the offshore structure Environment, fire/gas alarm information generated in the offshore structure, operation and maintenance status/plan data of the offshore structure.
실시 예에 따라, 상기 예측된 해양 구조물의 위험에 따라 상기 작업자에게 최적의 탈출 경로를 제공하는 단계를 더 포함한다. According to an embodiment, it further includes providing an optimal escape route to the worker according to the predicted risk of the offshore structure.
실시 예에 따라, 상기 위험도는 화재 위험도, 폭발 위험도, 선박 충돌 위험도, 낙하물 위험도, 작업자 위험도, 헬리콥터 위험도 중 적어도 하나를 포함한다. According to an embodiment, the risk includes at least one of a fire risk, an explosion risk, a ship collision risk, a falling object risk, a worker risk, and a helicopter risk.
상기와 같이 구성되는 본 발명의 실시예에 따른 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법에 의하면, 실시간 위험도 분석을 통해 해양 구조물의 각 구역별 위험도 및 각 구역에 위치한 작업자의 위험도 분석을 통해 사전 위험 감지가 가능하다.According to the method for predicting risk of offshore structures using a digital twin system according to an embodiment of the present invention configured as described above, through real-time risk analysis, the risk level of each area of the offshore structure and the risk level of workers located in each area are analyzed in advance. Risk detection is possible.
또한, 상기와 같이 구성되는 본 발명의 실시예에 따른 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법에 의하면, 디지털 트윈 모델링된 해양 구조물의 각 구역별 및 작업자가 위치한 구역별 위험도 데이터 제공이 가능하여 작업자의 위험을 사전 감지할 수 있고, 위험 발생 시 최적의 탈출 경로를 작업자에게 제공해줄 수 있다. In addition, according to the method for predicting the risk of the offshore structure using the digital twin system according to the embodiment of the present invention configured as described above, it is possible to provide risk data for each area of the digital twin modeled offshore structure and for each area in which an operator is located. It is possible to detect the danger of the worker in advance and provide the worker with an optimal escape route when a danger occurs.
본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다. The effects that can be obtained in the present invention are not limited to the above-mentioned effects, and other effects not mentioned can be clearly understood by those of ordinary skill in the art from the following description. will be.
도 1은 기존의 해양 구조물의 위험 예측 방법의 예를 설명하기 위한 도면으로, 폭발 위험도를 평가하는 과정을 설명하기 위한 도면이다.
도 2는 본 발명의 실시 예에 따른 디지털 트윈 시스템(Digital twin system)을 이용한 해양 구조물의 위험도 분석 및 예측의 일 예를 설명하기 위한 도면이다.
도 3은 본 발명의 실시 예에 따른 위험 예측 시스템이 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측을 수행하는 방법의 개념도이다.
도 4는 위험도가 가스 폭발일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.
도 5는 위험도가 화재일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.
도 6은 위험도가 선박 충돌일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.
도 7은 위험도가 낙하물 충돌일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.
도 8은 본 발명의 실시 예에 따른 위험 예측 시스템이 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측을 수행하는 방법의 동작 흐름도이다.1 is a diagram for explaining an example of a method for predicting a risk of an existing offshore structure, and is a diagram for explaining a process of evaluating an explosion risk.
2 is a view for explaining an example of risk analysis and prediction of an offshore structure using a digital twin system according to an embodiment of the present invention.
3 is a conceptual diagram of a method for predicting a risk of an offshore structure using a digital twin system by a risk prediction system according to an embodiment of the present invention.
4 is a flow chart of a method for evaluating a risk by a risk prediction system when the risk is a gas explosion.
5 is a flowchart of a method for evaluating a risk by a risk prediction system when the risk is a fire.
6 is a flowchart of a method for evaluating the risk by the risk prediction system when the risk is a ship collision.
7 is a flow chart of a method for evaluating a risk by a risk prediction system when the risk is a collision with a falling object.
8 is a flowchart illustrating a method of predicting a risk of an offshore structure using a digital twin system by a risk prediction system according to an embodiment of the present invention.
이하에서는 본 발명의 실시 예에 관하여 첨부도면을 참조하여 상세하게 설명하기로 한다. 다만, 이하에서 설명되는 실시 예는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 발명을 쉽게 실시할 수 있을 정도로 상세하게 설명하기 위한 것에 불과하며, 이로 인해 본 발명의 보호범위가 한정되는 것을 의미하지는 않는다. 그리고 본 발명의 여러 실시 예를 설명함에 있어서, 동일한 기술적 특징을 갖는 구성요소에 대하여는 동일한 도면 부호를 사용하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings. However, the embodiments described below are only for explaining in detail enough to allow a person of ordinary skill in the art to carry out the invention easily, and this limits the protection scope of the present invention. I don't mean it. In addition, in describing various embodiments of the present invention, the same reference numerals will be used for components having the same technical characteristics.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to be "connected" with another part, this includes not only "directly connected" but also "electrically connected" with another element interposed therebetween. . In addition, when a part "includes" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary.
도 2는 본 발명의 실시 예에 따른 디지털 트윈 시스템(Digital twin system)을 이용한 해양 구조물의 위험도 분석 및 예측의 일 예를 설명하기 위한 도면이다. 2 is a view for explaining an example of risk analysis and prediction of an offshore structure using a digital twin system according to an embodiment of the present invention.
디지털 트윈 시스템(Digital twin system)은 현실 세계에 존재하는 사물, 시스템, 환경 등을 컴퓨터를 통해 가상의 공간에 동일하게 구현하는 것으로, 실제 세계의 물리적 대상의 성능 특징을 이해하고, 예측하는데 사용된다. 디지털 트윈 시스템은 컴퓨터를 통해 구현된 현실 속 쌍둥이 모델을 통해, 현실에서 발생할 수 있는 상황을 컴퓨터를 이용하여 시뮬레이션 함으로써, 현실 자산의 특성에 대한 정확한 정보를 얻기 위한 대표적인 방법으로 산업계에서 널리 사용되고 있다.The digital twin system is used to understand and predict the performance characteristics of physical objects in the real world by implementing objects, systems, environments, etc. that exist in the real world in a virtual space through a computer. . The digital twin system is widely used in the industry as a representative method for obtaining accurate information on the characteristics of real assets by simulating situations that may occur in reality using a computer through a twin model in reality implemented through a computer.
도 2에 따르면, 본 발명의 실시 예에 따른 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법에서는, 해양 구조물(200)을 A 구역(Zone A)(210), B 구역(Zone B)(220), C 구역(Zone C)(230)와 같이 3개의 구역으로 구분하고, 5개의 위험도 데이터를 실시간으로 모니터링한다. Referring to FIG. 2, in the method for predicting the risk of an offshore structure using a digital twin system according to an embodiment of the present invention, the
이때 실시간으로 모니터링되는 5개의 위험도 데이터는 화재 폭발 위험도(Fire & Explosion Risk)(FER)(250), 선박 충돌 위험도(Ship Collision Risk)(SCR)(252), 낙하물 위험도(Drop Object Risk)(DOR)(254), 작업자 위험도(Individual Risk)(IR)(256), 헬리콥터 위험도(Helicopter Risk)(HR)(258) 중 적어도 하나를 포함한다. 여기서, 상기 화재 폭발 위험도(FER)(250)는 화재 위험도(Fire Risk)와 폭발 위험도(Explosion Risk)로 구분할 수도 있다. At this time, the five risk data monitored in real time are Fire & Explosion Risk (FER) (250), Ship Collision Risk (SCR) (252), and Drop Object Risk (DOR). ) (254), Individual Risk (IR) (256), Helicopter Risk (HR) (258). Here, the fire explosion risk (FER) 250 may be classified into a fire risk and an explosion risk.
본 발명의 실시 예에서 디지털 트윈 모델링된 해양 구조물의 각 구역별 위험도는 사전의 각 구역별에서 발생되었던 위험도에 대한 과거 데이터(Historical data)로 판단하는데, 도 2에서 디지털 트윈 모델링된 해양 구조물(200)의 A 구역(210)에 대한 과거 데이터를 통해 획득된 위험도는 10-10이며, B 구역(220)에 대한 과거 데이터를 통해 획득된 위험도는 10-15이며, C 구역(240)에 대한 과거 데이터를 통해 획득된 위험도는 10-12라고 가정한다.In an embodiment of the present invention, the risk of each area of the digital twin modeled offshore structure is determined as historical data on the risk that occurred in each area in advance. ), the risk obtained through the past data for the
그리고, 도 2에서 디지털 트윈 모델링된 해양 구조물(200)에 대해 실시간으로 획득되는 위험도 데이터를 살펴보면, 상기 해양 구조물(200)에 대한 선박 충돌 위험도(SCR)는 10-5이며(260), 상기 해양 구조물(200)에 헬리콥터가 충돌할 헬리콥터 위험도(HR)은 10-5이며, 이는 해양 구조물(200)에 대한 외부의 위험으로 볼 수 있다. 반면, 해양 구조물(200)에 대한 내부의 위험도로, A 구역(210)의 작업자 위험도(IR)는 10-7이며, B 구역(220)에서의 낙하물 위험도(DOR)은 10-5이며, 작업자 위험도(IR)는 10-10이며, C 구역(230)의 화재 폭발 위험도(FER)은 10-5이며, 작업자 위험도(IR)는 10-6이다. And, looking at the risk data acquired in real time for the
본 발명의 실시 예에서는 상술한 바와 같이 각 구역별 과거 데이터를 통해 획득된 정량적 위험도 평가 데이터와 상기 해양 구조물의 각 구역 및 상기 해양 구조물의 외부 위험에 대한 실시간 모니터링 데이터를 이용하여 상기 해양 구조물의 위험을 실시간으로 예측할 수 있다. 또한, 상기 해양 구조물의 외부 위험에 대한 실시간 모니터링 데이터에는 상기 해양 구조물의 외부 환경(파도 높이, 바람 세기, 조류의 방향 등)이 포함될 수 있다. In an embodiment of the present invention, the risk of the offshore structure is obtained by using quantitative risk assessment data obtained through historical data for each area and real-time monitoring data for each area of the offshore structure and the external risk of the offshore structure, as described above. Can be predicted in real time. In addition, the real-time monitoring data on the external danger of the offshore structure may include the external environment (wave height, wind strength, direction of tide, etc.) of the offshore structure.
추가로, 본 발명의 실시 예에 따른 해양 구조물의 위험 예측 방법은, 상기 해양 구조물의 각 구역 별 위험도와 상기 실시간 모니터링 데이터 외에도 상기 해양 구조물의 유지 보수 현황 및 계획 데이터를 추가로 고려하여 위험도를 예측할 수 있다. In addition, the method for predicting the risk of the offshore structure according to an embodiment of the present invention is to predict the risk by additionally considering the risk of each area of the offshore structure and the real-time monitoring data, as well as the maintenance status and planning data of the offshore structure. I can.
이때 상기 해양 구조물의 각 구역에 존재하는 위험들(IR, DOR 등)은 상기 각 구역에 배치된 각 종 센서들 CCTV 등을 통해 획득될 수 있다. 반면, 상기 해양 구조물의 유지 보수 현황 및 계획 데이터는 상기 해양 구조물을 운영하는 지상국의 서버로부터 획득하는 것이 가능할 것이다. At this time, the dangers (IR, DOR, etc.) existing in each area of the offshore structure may be obtained through various types of sensors arranged in each area, such as CCTV. On the other hand, it will be possible to obtain the maintenance status and planning data of the offshore structure from the server of the ground station operating the offshore structure.
도 3은 본 발명의 실시 예에 따른 위험 예측 시스템이 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측을 수행하는 방법의 개념도이다. 3 is a conceptual diagram of a method for predicting a risk of an offshore structure using a digital twin system by a risk prediction system according to an embodiment of the present invention.
305단계에서 위험 예측 시스템은 과거 데이터를 통해 해양 구조물의 정량적 위험 평가를 수행하고, 상기 305단계에서 수행된 정량적 위험 평가에 각종 센서 등을 통해 획득된 실시간 모니터링 데이터를 반영하여 310단계에서 해양 구조물 상의 작업자 및 해양 구조물에 대한 위험도 분석을 수행한다. In
이때, 상기 305단계에서 획득되는 실시간 모니터링 데이터는 화재/폭발 모니터링 데이터, 선박 충돌 모니터링 데이터, 낙하 물 모니터링 데이터, 헬리콥터 모니터링 데이터, 크레인 모니터링 데이터, 장비 모니터링 데이터, 동작 모니터링 데이터, 환경 모니터링 데이터, 유지 보수 데이터 등이 포함될 수 있다. At this time, the real-time monitoring data acquired in
또한, 315단계에서 위험 예측 시스템은 해양 구조물 상의 작업자 및 해양 구조물에 대한 위험도 분석을 통해 작업자 위치에 따른 위험도 레벨을 제공하고, 작업자의 최적 피난 방법을 제공할 수 있다. 또한, 상기 315단계에서 위험 예측 시스템은 해양 구조물의 각 구역별 위험도 레벨과 전체 위험도 레벨을 제공할 수 있으며, 실시간 모니터링하는 데이터를 분석하여 제공할 수 있다. In addition, in
도 4 내지 도 7은 본 발명의 실시 예에 따라 위험 예측 시스템이 위험도의 종류에 따라 정량적 위험도를 평가하는 방법 흐름도이다. 4 to 7 are flowcharts of a method for evaluating a quantitative risk according to a type of risk by a risk prediction system according to an embodiment of the present invention.
도 4는 위험도가 가스 폭발일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.4 is a flow chart of a method for evaluating a risk by a risk prediction system when the risk is a gas explosion.
405단계에서 위험 예측 시스템은 과거 데이터를 통해 가스 유출 빈도와 점화 확률 정보를 이용하여 폭발 빈도를 계산하고, 410단계에서 실시간 모니터링되는 바람의 방향과 속도, 가스의 유량, 지속 시간, 방향 및 위지 등의 가스 유출 정보를 통해 폭발 시나리오를 산정하고, 415단계에서 가스 운 부피, 가스 운 온도, 가스 운 위치, 가스 운 크기 등을 통해 가스 확산을 해석한 후, 420단계에서 폭발 하중 형상, 폭발 압력, 압력 임펄스 등을 통해 폭발을 해석한다. In step 405, the risk prediction system calculates the explosion frequency using the gas outflow frequency and ignition probability information from the past data, and the wind direction and speed, gas flow rate, duration, direction and position, etc., monitored in real time in step 410, etc. In step 415, the explosion scenario was calculated based on the gas outflow information, and gas diffusion was analyzed through the gas cloud volume, gas cloud temperature, gas cloud location, and gas cloud size in step 415, and then the explosion load shape, explosion pressure, and the like in step 420. Analyze explosions through pressure impulses and the like.
425단계에서 위험 예측 시스템은 상기 405단계에서 계산된 폭발 빈도와 상기 420단계에서의 폭발 해석을 통해 확률론적 초과 곡선 계산을 통한 설계 폭발 하중을 계산하고, 430단계에서 개인별 위험과 사망 가능성을 판단하여 정량적 위험도를 평가한다.In step 425, the risk prediction system calculates the design explosion load through probabilistic excess curve calculation through the explosion frequency calculated in step 405 and the explosion analysis in step 420, and determines the individual risk and the likelihood of death in step 430. Evaluate the quantitative risk.
도 5는 위험도가 화재일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.5 is a flowchart of a method for evaluating a risk by a risk prediction system when the risk is fire.
505단계에서 위험 예측 시스템은 화재 위험 요소를 발굴하고, 510단계에서 화재 시나리오를 가정하고, 515단계에서 과거 데이터를 통해 누출 빈도를 계산하고, 520단계에서 점화 확률을 계산하고, 525단계에서 ESD/BD 작동 확률을 계산하고, 530단계에서 화재 발생 빈도를 계산한다. In step 505, the risk prediction system discovers fire hazards, assumes a fire scenario in step 510, calculates the leakage frequency from past data in step 515, calculates the ignition probability in step 520, and calculates the ESD/ The BD operation probability is calculated, and the fire occurrence frequency is calculated in step 530.
또한, 위험 예측 시스템은 535단계에서 실시간으로 모니터링되는 누출 유량을 계산하고, 540단계에서 2D 또는 3D 기반의 화재 해석을 통해 545단계에서 화재 크기를 계산한다. In addition, the risk prediction system calculates the leakage flow rate monitored in real time in step 535, and calculates the fire size in step 545 through 2D or 3D-based fire analysis in step 540.
그리고, 위험 예측 시스템은 550단계에서 상기 530단계에서 계산된 화재 발생 빈도와 상기 545단계에서 계산된 화재 크기를 통해 정량적 화재 위험도를 계산하고, 555단계에서 화재 하중(크기, 지속 시간 등)을 설계에 적용하고, 560단계에서 개인별 위험과 사망 가능성을 판단하여 정량적 위험도를 평가한다.In step 550, the risk prediction system calculates a quantitative fire risk based on the fire occurrence frequency calculated in step 530 and the fire size calculated in step 545, and design a fire load (size, duration, etc.) in step 555. And, in step 560, the individual risk and the likelihood of death are judged to evaluate the quantitative risk.
도 6은 위험도가 선박 충돌일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다.6 is a flowchart of a method for evaluating the risk by the risk prediction system when the risk is a ship collision.
605단계에서 위험 예측 시스템은 선박 충돌(SC)이 위험 요소로 발굴될 경우, 610단계에서 과거 데이터를 통해 충돌 빈도를 해석하고, 615단계에서 상기 605단계에서 위험 요소로 인지된 선박이 충돌할 경우의 충돌 에너지를 해석한다. 그리고, 위험 예측 시스템은 620단계에서 상기 610단계에서 해석된 충돌 빈도와 상기 615단계에서 해석된 충돌 에너지를 통해 계산된 초과 곡선을 이용하여 위험도를 분석한 후, 625단계에서 개인별 위험과 사망 가능성을 판단하여 정량적 위험도를 평가한다.In step 605, if the ship collision (SC) is discovered as a risk factor, the collision frequency is analyzed through the past data in step 610, and in step 615, the ship recognized as a risk factor in step 605 collides. Analyze the collision energy of In step 620, the risk prediction system analyzes the risk by using the collision frequency analyzed in step 610 and the excess curve calculated from the collision energy interpreted in step 615, and then analyzes the individual risk and the likelihood of death in step 625. Judging and evaluating the quantitative risk.
도 7은 위험도가 낙하물 충돌일 경우의 위험 예측 시스템이 위험도를 평가하는 방법 흐름도이다. 7 is a flowchart illustrating a method for evaluating the risk by the risk prediction system when the risk is a collision with a falling object.
705단계에서 위험 예측 시스템은 낙하 물(DO)이 위험 요소로 발굴될 경우, 710단계에서 과거 데이터를 통해 낙하 빈도를 해석하고, 715단계에서 상기 705단계에서 위험 요소로 인지된 낙하 물이 낙하할 경우의 충돌 에너지를 해석한다. 그리고, 위험 예측 시스템은 720단계에서 상기 710단계에서 해석된 낙하 빈도와 상기 715단계에서 해석된 충돌 에너지를 통해 계산된 초과 곡선을 이용하여 위험도를 분석한 후, 725단계에서 개인별 위험과 사망 가능성을 판단하여 정량적 위험도를 평가한다.In step 705, if the falling object (DO) is found as a risk factor, the risk prediction system analyzes the fall frequency using the past data in step 710, and in step 715, the falling object recognized as a risk factor in step 705 will fall. Analyze the collision energy of the case. In step 720, the risk prediction system analyzes the risk by using the fall frequency analyzed in step 710 and the excess curve calculated from the collision energy analyzed in step 715, and then analyzes the individual risk and the likelihood of death in step 725. Judge and evaluate the quantitative risk.
도 8은 본 발명의 실시 예에 따른 위험 예측 시스템이 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측을 수행하는 방법의 동작 흐름도이다.8 is a flowchart illustrating a method of predicting a risk of an offshore structure by using a digital twin system by a risk prediction system according to an embodiment of the present invention.
805단계에서 위험 예측 시스템은 과거에 발생했던 위험 데이터를 수집하여 정량적 위험 평가를 수행하고, 입력된 데이터를 분류하는 사전 위험 분석을 수행하고, 810단계에서 실시간 모니터링되는 데이터를 수집하고, 수집된 실시간 데이터를 해양 구조물의 디지털 트윈 시스템에 입력함으로써, 실시간 정량적 위험 평가를 수행한다. 이때 상기 실시간 모니터링 데이터, 주변 환경 조건 등의 데이터들이 실시간 정량적 위험 평가를 위해서 사용된다. In
815단계에서 위험 예측 시스템은 상기 810단계에서 수행된 실시간 정량적 위험 평가를 통해 위험 연구 데이터를 갱신함으로써, 정량적 위험 평가를 위한 과거 데이터를 갱신한 후, 820단계에서 상기 815단계에서 갱신된 과거 데이터를 이용하여 정량적 위험 평가를 수행함으로써, 업그레이드된 실시간 안전 관리를 수행할 수 있게 된다. In
상기와 같이 설명된 방법은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터 시스템에 의하여 해독될 수 있는 데이터가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다. 또한, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 통신망으로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 읽을 수 있는 코드로서 저장되고 실행될 수 있다. The method described above can be implemented as computer-readable codes on a computer-readable recording medium. Computer-readable recording media include all types of recording media in which data that can be decoded by a computer system are stored. For example, there may be read only memory (ROM), random access memory (RAM), magnetic tape, magnetic disk, flash memory, optical data storage device, and the like. In addition, the computer-readable recording medium may be distributed to a computer system connected through a computer communication network, and stored and executed as codes that can be read in a distributed manner.
또한, 상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야에서 통상의 지식을 가진 자라면 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.In addition, although the above has been described with reference to a preferred embodiment of the present invention, those of ordinary skill in the relevant technical field can use the present invention within the scope not departing from the spirit and scope of the present invention described in the following claims. It will be appreciated that various modifications and changes can be made.
Claims (5)
위험을 예측할 해양 구조물에 대한 디지털 트윈 모델링을 수행하는 단계;
상기 해양 구조물의 위험도에 대한 과거 데이터(Historical data)를 획득하는 단계;
상기 획득된 과거 데이터를 이용하여 상기 디지털 트윈 모델링된 해양 구조물에 대한 이전 정량적 위험도 평가를 수행하는 단계;
상기 디지털 트윈 모델링된 해양 구조물에 대한 위험도의 실시간 데이터를 획득하는 단계;
상기 정량적 위험도 평가와 상기 획득된 실시간 데이터를 이용하여 상기 디지털 트윈 모델링된 해양 구조물의 위험을 예측하는 단계를 포함함을 특징으로 하는 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법.In the method for predicting the risk of offshore structures using a digital twin system,
Performing digital twin modeling of offshore structures to predict risk;
Obtaining historical data on the risk of the offshore structure;
Performing a previous quantitative risk assessment for the digital twin modeled offshore structure using the acquired past data;
Acquiring real-time data on the degree of risk for the digital twin modeled offshore structure;
And predicting the risk of the digital twin modeled offshore structure by using the quantitative risk assessment and the acquired real-time data.
상기 디지털 트윈 모델링된 해양 구조물을 미리 설정된 구역(Zone)들로 구분하는 단계를 더 포함함을 특징으로 하는 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법.The method of claim 1,
And dividing the digital twin modeled offshore structure into preset zones.
상기 과거 데이터와 상기 실시간 데이터를 이용하여 상기 해양 구조물 상의 작업자 및 상기 해양 구조물에 대한 위험도를 판단하는 단계;를 더 포함함을 특징으로 하는 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법.The method of claim 2,
A method for predicting a risk of an offshore structure using a digital twin system, further comprising: determining a risk of an operator on the offshore structure and the offshore structure using the past data and the real-time data.
상기 예측하는 단계는,
상기 구역 별로 작업자의 위치를 파악하는 단계;
상기 파악된 작업자의 위험도 데이터를 상기 작업자에게 제공하는 단계;를 포함함을 특징으로 하는 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법.The method of claim 3,
The predicting step,
Determining the location of the worker for each area;
Providing the identified risk data of the worker to the worker; A method for predicting risk of an offshore structure using a digital twin system, comprising: a.
상기 획득된 실시간 데이터를 이용하여 상기 해양 구조물의 디지털 트윈 모델링을 업데이트하는 단계를 더 포함함을 특징으로 하는 디지털 트윈 시스템을 이용한 해양 구조물의 위험 예측 방법.The method of claim 1,
And updating the digital twin modeling of the offshore structure by using the acquired real-time data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190141867A KR102317411B1 (en) | 2019-11-07 | 2019-11-07 | Risk estimation method of marine facility using digital twin system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190141867A KR102317411B1 (en) | 2019-11-07 | 2019-11-07 | Risk estimation method of marine facility using digital twin system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210055432A true KR20210055432A (en) | 2021-05-17 |
| KR102317411B1 KR102317411B1 (en) | 2021-10-27 |
Family
ID=76158414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190141867A KR102317411B1 (en) | 2019-11-07 | 2019-11-07 | Risk estimation method of marine facility using digital twin system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102317411B1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116070802A (en) * | 2023-04-03 | 2023-05-05 | 中国电子科技集团公司第十五研究所 | Intelligent monitoring operation and maintenance method and system based on data twinning |
| FR3129362A1 (en) * | 2021-11-24 | 2023-05-26 | Naval Group | Method and system for monitoring a marine structure |
| KR20230090859A (en) | 2021-12-15 | 2023-06-22 | 한국기술교육대학교 산학협력단 | Apparatus and method for performing predictive simulation based on digital twin |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230087130A (en) | 2021-12-09 | 2023-06-16 | 주식회사 젠스템 | A method for generating 3d digital twin model for gas pressure regulating equipment and monitoring thereof |
| KR102669886B1 (en) | 2021-12-21 | 2024-05-28 | 한화오션 주식회사 | System and method for integratedly monitoring liquified natural gas fuel tank by using digital twin and computer-readable recording medium including the same |
| KR20240098753A (en) | 2022-12-21 | 2024-06-28 | 주식회사 젠스템 | A method of generating assembly structure of 3d model for implementing a digital twin |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6223496B2 (en) * | 2012-05-30 | 2017-11-01 | サイトロニク リミテッドＣｙｔｒｏｎｉｑ．， Ｌｔｄ． | Control methods through real-time monitoring of physical changes to offshore structures |
| US20170323274A1 (en) * | 2016-05-06 | 2017-11-09 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
-
2019
- 2019-11-07 KR KR1020190141867A patent/KR102317411B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6223496B2 (en) * | 2012-05-30 | 2017-11-01 | サイトロニク リミテッドＣｙｔｒｏｎｉｑ．， Ｌｔｄ． | Control methods through real-time monitoring of physical changes to offshore structures |
| US20170323274A1 (en) * | 2016-05-06 | 2017-11-09 | General Electric Company | Controlling aircraft operations and aircraft engine components assignment |
Non-Patent Citations (1)
| Title |
|---|
| 전인걸 외 4명, 제조산업용 디지털트윈 구현을 위한 CPS기반 가상-실제조설비 연동형 모델링 및 시뮬레이션 기술, 대한전자공학회 학술대회 2017.6.* * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3129362A1 (en) * | 2021-11-24 | 2023-05-26 | Naval Group | Method and system for monitoring a marine structure |
| KR20230090859A (en) | 2021-12-15 | 2023-06-22 | 한국기술교육대학교 산학협력단 | Apparatus and method for performing predictive simulation based on digital twin |
| CN116070802A (en) * | 2023-04-03 | 2023-05-05 | 中国电子科技集团公司第十五研究所 | Intelligent monitoring operation and maintenance method and system based on data twinning |
| CN116070802B (en) * | 2023-04-03 | 2023-09-29 | 中国电子科技集团公司第十五研究所 | Intelligent monitoring operation and maintenance method and system based on data twinning |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102317411B1 (en) | 2021-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102317411B1 (en) | Risk estimation method of marine facility using digital twin system | |
| US10275402B2 (en) | Systems and methods to provide pipeline damage alerts | |
| CN103456136B (en) | Internet of Things framework type system for monitoring and early warning of major accident potential safety hazards of water conservancy and hydropower project | |
| JP2017199365A (en) | Domain level threat detection for industrial asset control system | |
| JP2018139101A (en) | Feature and boundary tuning for threat detection in industrial asset control system | |
| JP2017523376A (en) | Defense and rejection system | |
| CN103268109A (en) | Chemical industrial park risk management information system based on GIS | |
| CN112185050B (en) | Security level confirmation method and device and fire fighting system | |
| US10726268B2 (en) | Building black box | |
| KR102213204B1 (en) | Method and apparatus for managing firefighting facilities and preventing fires based on gis using artificial neural networks | |
| Jiang et al. | Real‐Time Safety Risk Assessment Based on a Real‐Time Location System for Hydropower Construction Sites | |
| CN116681292A (en) | Petrochemical harbor security risk analysis and responsibility division method based on deep learning | |
| KR102238764B1 (en) | Real-time accident prediction system using hazard assessment and method thereof | |
| KR102056199B1 (en) | Smart wave alarm system and operating method thereof | |
| Zhen et al. | A mathematical programming approach for the optimal placement of flame detectors in petrochemical facilities | |
| KR102614856B1 (en) | System and method for predicting risk of crowd turbulence | |
| CN108536980A (en) | A kind of discrete Optimization Method for Location-Selection of gas detector considering reliability factor | |
| Sanchez-Varela et al. | Determining the likelihood of incidents caused by human error during dynamic positioning drilling operations | |
| Baalisampang et al. | Approaches to domino effects evolution and risk assessment | |
| Chen et al. | Safety and Security of Domino Effects in the Process Industry: The State of the Art | |
| Crimaldi et al. | High Level Reference Architecture an Approach to Critical Infrastructure Protection and Resilience | |
| Chatterjee et al. | Grid resilience against wildfire with machine learning: Machine learning based detection, localization and mitigation of the impact of forest fires on power grids | |
| CN117893385B (en) | Fire-fighting early warning method and system for guaranteeing warehouse safety | |
| KR102694202B1 (en) | System and method for analyzing slope condition based on internet on things technique and image analysis | |
| CN117527528B (en) | Communication state detection report analysis method and system based on Beidou positioning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |