KR20220017122A - 스마트 가스 안전 제어 서비스 플랫폼 및 방법 - Google Patents
스마트 가스 안전 제어 서비스 플랫폼 및 방법 Download PDFInfo
- Publication number
- KR20220017122A KR20220017122A KR1020200097229A KR20200097229A KR20220017122A KR 20220017122 A KR20220017122 A KR 20220017122A KR 1020200097229 A KR1020200097229 A KR 1020200097229A KR 20200097229 A KR20200097229 A KR 20200097229A KR 20220017122 A KR20220017122 A KR 20220017122A
- Authority
- KR
- South Korea
- Prior art keywords
- gas
- risk
- data
- sensor
- based data
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000003745 diagnosis Methods 0.000 claims abstract description 10
- 230000007257 malfunction Effects 0.000 claims abstract description 4
- 230000004931 aggregating effect Effects 0.000 claims abstract 2
- 238000012502 risk assessment Methods 0.000 claims description 35
- 238000004458 analytical method Methods 0.000 claims description 17
- 230000006399 behavior Effects 0.000 claims description 13
- 238000007689 inspection Methods 0.000 claims description 10
- 239000003973 paint Substances 0.000 claims description 10
- 238000013480 data collection Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000009413 insulation Methods 0.000 claims description 4
- 238000010422 painting Methods 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000005336 cracking Methods 0.000 claims 1
- 239000007789 gas Substances 0.000 description 235
- 238000010586 diagram Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000009428 plumbing Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012351 Integrated analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000011261 inert gas Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- G06Q50/06—Energy or water supply
-
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
스마트 가스 안전 서비스 제공 방법이 개시된다. 본 발명의 실시예에 따른 실시예에 따른 스마트 가스 안전 서비스 제공 방법은, 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하는 단계, 센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출하는 단계, 적어도 하나의 개별 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하는 단계, 개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측하는 단계 및 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 생성된 가스 제어 데이터를 가시화하여 사용자 단말에 제공하는 단계를 포함하되, 센서 기반 데이터는, 가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되고, 영상 기반 데이터는, 가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득된 것일 수 있다.
Description
기재된 실시예는 가스 설비의 위험성을 분석하여 예측할 수 있는 기술에 관한 것이다.
도시 구조물의 대형화, 복잡화, 고층화로 인해, 가스 시설이 밀집해 있어, 가스 시설로 인한 대형화재 및 폭발 등 재난 유형이 복잡/다양화되고 있다. 이에 가스 재난 및 가스 안전 사고를 미연에 방지하기 위해 이러한 복잡/다양한 상황을 고려한 가스 위험성 분석 및 예측 기술이 절실한 상황이다.
그런데 기존에는 가스 설비에 센서를 유선으로 설치하고, 센서로부터 측정되는 가스 설비 상태를 점검하여 가스 제어 및 차단 서비스를 제공하는 데 그치고 있다. 이러한 유선에 의한 가스 제어 및 차단 서비스는 재난 상황 발생 시 단선으로 인한 유선 통신망의 동작 불능으로 인해 정상적인 기능 수행이 불가하여, 유선 기반 서비스의 정상적인 기능 수행 불가는 2차 피해에 대한 대응의 어려움을 초래하여 대형 재난 사고를 유발할 수 있는 문제점이 있었다. 또한, 유선 기반 제어/차단 서비스는 장거리 선로 구축 및 격오지 선로 구축비용이 과도하게 발생하거나, 유선 시스템의 경우 자연 재해 시 사고 등에 의한 복수 발생 시 설비 및 인건비가 과도하게 발생되는 문제점이 있었다.
더 나아가, 유선 기반으로는 전술한 바와 같은 도시 구조물의 대형화, 복잡화, 고층화에 상응하는 다양한 데이터를 광범위하게 수집하는데 한계가 있어, 센서가 감지하지 못하는 시설 환경의 변화, 주변 상황, 장치나 작업 인원의 이동 등 상황의 복잡성 또는 근무 피로로 유발되는 인적 오판에 의한 위험 발생을 방지하기가 용이하지 않다.
기재된 실시예는 무선 통신 기반으로 원격 시설물의 위험 상태 감시가 가능하도록 하여 매립 공사가 적고 보다 많은 센서 관리가 가능하여 저비용으로 효과적인 스마트 가스 안전 제어 서비스를 제공하는데 그 목적이 있다.
기재된 실시예는 무선 통신 기반으로 가스 설비 센서, 무인 이동체 및 현장 작업자에 대해 수집된 다양한 데이터를 통합적으로 분석하여 스마트 가스 안전 제어 서비스를 제공하는데 그 목적이 있다.
실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼은, 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하여 전처리하고, 정형 데이터로 변환하여 저장하는 데이터 수집 모듈 및 센서 기반 데이터 및 영상 기반 데이터를 통합 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 기계 학습 기반으로 추정 및 예측하는 통합 가스 위험성 분석 모듈을 포함하되, 센서 기반 데이터는, 가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되고, 영상 기반 데이터는, 가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득될 수 있다.
이때, 데이터 수집 모듈은, 센서 기반 데이터 및 영상 기반 데이터를 가스 설비의 종류에 따라 구분하여 저장 관리하되, 가스 설비는, 저장 탱크, 배관, 펌프 및 밸브 중 적어도 하나를 포함할 수 있다.
이때, 센서 기반 데이터는, 저장 탱크와 관련하여, 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 저장 탱크 내 수분 함량, 도장 상태, 안전 밸브 작동 상태, 저장 탱크 두께, 수직 수평 검사 및 CUI/CUF 검사 중 적어도 하나를 포함하고, 배관과 관련하여, 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 배관 두께, 배관 내 수분 함량, 도장 상태, 배관 진동, 보온 상태, 밸프 패싱 상태, 안전 밸브 작동 상태 및 방식 전위 중 적어도 하나를 포함하고, 펌프와 관련하여, 온도, 압력, 유량 및 진동 중 적어도 하나를 포함하고, 밸브와 관련하여, 온도, 압력 및 유량 중 적어도 하나를 포함할 수 있다.
이때, 센서 기반 데이터는, 작업자가 착용하는 적어도 하나의 웨어러블 디바이스 또는 위치 센서에 의해 획득된 저장 탱크 및 배관에서의 작업자 존재 여부 및 위치 데이터를 더 포함할 수 있다.
이때, 영상 기반 데이터는, 저장 탱크 또는 배관과 관련하여, 기울기, 이동, 도색 및 크랙 중 적어도 하나를 포함할 수 있다.
이때, 통합 가스 위험성 분석부는, 개별 가스 위험성 분석 시스템에 의해 분석된 적어도 하나의 개별 가스 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하되, 개별 가스 위험성 분석 시스템은, 센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출할 수 있다.
이때, 개별 가스 위험성 분석 시스템은, 저장 탱크 및 배관의 센서 기반 데이터를 분석하여 가스 위험성 레벨을 산출하고, 저장 탱크 및 배관에서의 작업자의 위치 데이터를 분석하여 작업자 행동 패턴 위험성 레벨을 산출하고, 저장 탱크 및 배관의 영상 기반 데이터를 분석하여 가스 가스 설비 위험성 레벨을 산출하고, 펌프의 센서 데이터를 분석하여 고장 진단 기반 가스 위험성 레벨을 산출하고, 밸브의 센서 데이터를 분석하여 고장 예지 기반 가스 위험성 레벨을 산출할 수 있다.
이때, 통합 가스 위험성 분석 모듈은, 가스 설비 별 또는 개별 위험성 별 각각에 미리 설정된 가중치를 반영하여 통합 위험성 레벨을 산출할 수 있다.
이때, 통합 가스 위험성 분석 모듈은, 개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 가스 제어 데이터를 가스 안전 서비스 제공 시스템에 전달하고, 가스 안전 서비스 제공 시스템은, 가스 제어 데이터를 가시화하여 사용자 단말에 제공할 수 있다.
실시예에 따른 스마트 가스 안전 서비스 제공 방법은, 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하는 단계, 센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출하는 단계, 적어도 하나의 개별 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하는 단계, 개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측하는 단계 및 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 생성된 가스 제어 데이터를 가시화하여 사용자 단말에 제공하는 단계를 포함하되, 센서 기반 데이터는, 가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되고, 영상 기반 데이터는, 가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득된 것일 수 있다.
실시예에 따라, 무선 환경에서 원격 시설물의 위험 상태 감시 및 매립 공사 없이 많은 센서 관리가 가능하여 저비용으로 효과적인 안전 관리 가능할 수 있다.
실시예에 따라, 센서에 의한 데이터, 무인 이동체에 의한 영상 기반 데이터, 현장 작업자 등에 대한 입체적 정보 수집 및 분석을 기반으로 통합적이고 지능적인 관리를 통해 가스 설비에 대한 안전 관리의 신뢰성을 향상시킬 수 있다.
실시예에 따라, 가스 설비에 대한 안전성 평가 모델링 및 기계학습에 분석에 의한 실시간 위험 경보 시스템을 실증함으로써 타 분야의 지능형 산업 안전 관리 시스템으로의 확장을 기대할 수 있다.
실시예에 따라, 화재 및 폭발 사고 등에 의하여 일부 시설의 유실 및 손괴에 의한 피해로 인하여 전체 시설물의 동작이 불능 상태에 돌입하게 되는 기존의 유선 환경과 달리, 유사시 시설물의 유실, 파괴, 화재 등에 의한 피해가 일부에만 국한됨으로써 안정적인 시설물 대응 조치가 가능하도록 할 수 있다.
도 1은 실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼이 구축되는 가스 밀집 환경의 개략적인 구성도이다.
도 2는 실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼의 개략적인 내부 구성 블록도이다.
도 3은 실시예에 따른 통합 가스 위험성 레벨 산출을 설명하기 위한 도면이다.
도 4는 실시예에 따른 시간에 따른 통합 가스 위험성 레벨 변화 추이 그래프의 예시도이다.
도 5는 실시예에 따른 시간에 따른 가스 설비별 위험성 레벨 변화 추이 그래프의 예시도이다.
도 6은 실시예에 따른 데이터 타입별 위험성 레벨 변화 추이 그래프의 예시도이다.
도 7은 실시예에 따른 스마트 가스 안전 제어 서비스 방법을 설명하기 위한 순서도이다.
도 8은 실시예에 따른 컴퓨터 시스템 구성을 나타낸 도면이다.
도 2는 실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼의 개략적인 내부 구성 블록도이다.
도 3은 실시예에 따른 통합 가스 위험성 레벨 산출을 설명하기 위한 도면이다.
도 4는 실시예에 따른 시간에 따른 통합 가스 위험성 레벨 변화 추이 그래프의 예시도이다.
도 5는 실시예에 따른 시간에 따른 가스 설비별 위험성 레벨 변화 추이 그래프의 예시도이다.
도 6은 실시예에 따른 데이터 타입별 위험성 레벨 변화 추이 그래프의 예시도이다.
도 7은 실시예에 따른 스마트 가스 안전 제어 서비스 방법을 설명하기 위한 순서도이다.
도 8은 실시예에 따른 컴퓨터 시스템 구성을 나타낸 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
비록 "제1" 또는 "제2" 등이 다양한 구성요소를 서술하기 위해서 사용되나, 이러한 구성요소는 상기와 같은 용어에 의해 제한되지 않는다. 상기와 같은 용어는 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용될 수 있다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있다.
본 명세서에서 사용된 용어는 실시예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 또는 "포함하는(comprising)"은 언급된 구성요소 또는 단계가 하나 이상의 다른 구성요소 또는 단계의 존재 또는 추가를 배제하지 않는다는 의미를 내포한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 해석될 수 있다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하에서는, 도 1 내지 도 8을 참조하여 실시예에 따른 스마트 가스 안전 서비스 제공 시스템 및 방법이 상세히 설명된다.
도 1은 실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼이 구축되는 가스 밀집 환경의 개략적인 구성도이고, 도 2는 실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼의 개략적인 내부 구성 블록도이고, 도 3은 실시예에 따른 통합 가스 위험성 레벨 산출을 설명하기 위한 도면이다.
도 1을 참조하면, 실시예에 따른 스마트 가스 안전 제어 플랫폼(30)은, 가스 설비, 작업자 및 주변 환경에 대한 모니터링 데이터를 무선 통신을 통해 전달받아 가스 설비의 현재 위험성 및 향후 위험성을 기계 학습 기반으로 추정 및 예측하고, 그에 상응하는 가스 안전 제어 서비스를 제공하기 위해 구축된 플랫폼이다.
이때, 가스 설비는, 가스 밀집 주거 지역, 가스 에너지 플랜트 및 공장과 같은 산업체에 설치된 것일 수 있다.
또한, 가스 설비는, 저장 탱크, 배관, 펌프 및 밸브 중 적어도 하나가 포함될 수 있다.
또한, 가스 종류는, 암모니아, MO, CO2, M2O, F2O 및 불활성 가스를 포함하는 다양한 도시 가스 및 산업용 가스가 포함될 수 있다.
이때, 모니터링 데이터는, 가스 설비에 설치된 센서(11), 촬영 모듈이 탑재된 무인 이동체(12) 및 작업자가 착용하는 웨어러블 디바이스(13) 중 적어도 하나를 통해 획득될 수 있다.
이때, 센서(11)는, 유량센서, 온도센서 및 압력센서 등을 포함하여 그 용도와 정밀도 등에 따라 다양한 센서로 구성될 수 있다.
무인 이동체(12)는, 촬영 모듈이 탑재되어 외부로부터의 조작 신호에 따라 모니터링 대상이 되는 가스 설비 및 가스 설비 주변으로 이동하면서 영상을 촬영할 수 있다.
이러한 무인 이동체(12)를 통해 촬영된 가스 시설 및 주변 상황의 영상으로부터 추출된 영상 기반 데이터는 다른 센서 기반 데이터와 함께 분석 데이터로 활용되어, 가스 위험 시설의 안전성 향상 및 가스 재난 발생 시 신속한 대응이 가능하도록 할 수 있다.
웨어러블 디바이스(13)는 작업자가 착용하는 장치로, 이를 통해 위험 상황 및 안전 상황에 대한 작업자의 위치 데이터가 확보될 수 있다.
한편, 병렬 통합 연동 장치(20)는, 가스 설비에 설치 운영되고 있는 다양한 센서 및 설비를 연동하여 병렬 제어 및 차단을 위한 연동 장치일 수 있다.
한편, 저장 탱크, 배관, 펌프 및 밸브에는 엑추에이터(Actuator)(미도시)가 설치되는데, 이는 가스 설비를 구동하거나 제어하는데 쓰이는 기계 장치로 전기나 유압, 압축 공기 등을 이용하는 원동 구동 장치로 제어 신호를 통해 자발적으로 구동될 수 있다.
스마트 가스 안전 제어 플랫폼(30)은, 병렬 통합 연동 장치(20)를 통해 다양한 센서(11)에 액세스하거나, 엑추에이터에 가스 차단 등의 제어 신호를 전송할 수 있다.
도 2를 참조하면, 실시예에 따른 스마트 가스 안전 제어 플랫폼(30)은, 크게 통합 가스 데이터 분석 시스템(100), 개별 가스 위험성 분석 시스템(200) 및 가스 안전 서비스 제공 시스템(300)을 포함할 수 있다. 여기서는, 통합 가스 데이터 분석 시스템(100), 개별 가스 위험성 분석 시스템(200) 및 가스 안전 서비스 제공 시스템(300)이 각각 물리적으로 분리되어 있는 것으로 도시되어 있으나, 이는 일 실시 예일 뿐, 본 발명은 이에 한정되지 않는다. 예컨대, 통합 가스 데이터 분석 시스템(100) 및 개별 가스 위험성 분석 시스템(200)의 기능들이 하나의 하드웨어 시스템으로 통합되어 구현될 수도 있다.
통합 가스 데이터 분석 시스템(100)은, 상세하게는 데이터 수집 모듈(110) 및 통합 가스 위험성 분석 모듈(120)을 포함할 수 있다.
데이터 수집 모듈(110)은, 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하여 저장할 수 있다.
이때, 데이터 수집 및 전처리 모듈(110)은 병렬 통합 연동 장치(20)부터 수신된 데이터를 수집 및 저장하고, 분석의 목적에 따라 유효성을 분석하고, 정형화된 데이터로 변환하여 저장할 수 있다.
이때, 센서 기반 데이터는, 가스 설비에 설치되는 적어도 하나의 센서(11)에 의해 무선 통신을 통해 전달될 수 있다.
이때, 영상 기반 데이터는, 가스 설비를 촬영하는 적어도 하나의 무인 이동체(12)에 의해 무선 통신을 통해 전달될 수 있다.
이때, 영상 기반 데이터는 원천 데이터인 영상으로부터 전처리되어 정형화된 데이터가 별도의 무선 인터넷 망을 통해 전송된 것일 수 있다.
이때, 데이터 수집 모듈(100)은, 다음의 <표 1>과 같이 센서 기반 데이터 및 영상 기반 데이터를 가스 설비의 종류에 따라 구분하여 저장 관리할 수 있다.
| 타입 | 가스 설비 | 위험 요소 |
| 센서 기반 수집 데이터 |
저장 탱크 | 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 저장 탱크 내 수분 함량, 도장 상태, 안전 밸브 작동 상태, 저장 탱크 두께, 수직 수평 검사, CUI/CUF 검사, 누출 여부, 레벨 |
| 배관 | 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 배관 두께, 배관 내 수분 함량, 도장 상태, 배관 진동, 보온 상태, 밸프 패싱 상태, 안전 밸브 작동 상태 및 방식 전위온도, 누출 여부, 유량 | |
| 펌프 | 온도, 압력, 유량, 진동 | |
| 밸브 | 온도, 압력, 유량 | |
| 저장 탱크 및 배관 | 작업자 존재, 작업자 위치 | |
| 영상 기반 수집 데이터 |
저장 탱크 | 기울기, 이동, 도색, 크랙 |
| 배관 | 기울기, 이동, 도색, 크랙 |
<표 1>과 같이, 센서 기반 데이터는, 저장 탱크와 관련하여, 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 저장 탱크 내 수분 함량, 도장 상태, 안전 밸브 작동 상태, 저장 탱크 두께, 수직 수평 검사 및 CUI/CUF 검사 중 적어도 하나를 포함할 수 있다.
센서 기반 데이터는, 배관과 관련하여, 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 배관 두께, 배관 내 수분 함량, 도장 상태, 배관 진동, 보온 상태, 밸프 패싱 상태, 안전 밸브 작동 상태 및 방식 전위 중 적어도 하나를 포함할 수 있다.
센서 기반 데이터는, 펌프와 관련하여, 온도, 압력, 유량 및 진동 중 적어도 하나를 포함할 수 있다.
센서 기반 데이터는, 밸브와 관련하여, 온도, 압력 및 유량 중 적어도 하나를 포함할 수 있다.
센서 기반 데이터는, 작업자가 착용하는 적어도 하나의 웨어러블 디바이스(13) 에 의해 획득된 저장 탱크 및 배관에서의 작업자 존재 여부 및 위치 데이터를 더 포함할 수 있다.
영상 기반 데이터는, 저장 탱크 또는 배관과 관련하여, 기울기, 이동, 도색 및 크랙 중 적어도 하나를 포함할 수 있다.
통합 가스 위험성 분석 모듈(120)은, 전술한 바와 같은 센서 기반 데이터 및 영상 기반 데이터를 통합 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 기계 학습 기반으로 추정 및 예측할 수 있다.
이때, 통합 가스 위험성 분석 모듈(120)은, 딥러닝 알고리즘을 기반으로 위험성 예측 결과 제공할 수 있다. 일 실시예에 따라, 로지스틱 회귀분석(Logistic Regression)이 사용될 수 있는데, 이는 확률 모델 중 하나로써, 독립변수의 선형 결합을 이용해 사건의 발생 가능성을 예측하는데 사용되는 통계 기법으로서 안전과 위험의 상태를 평가 분석할 수 있다.
이때, 통합 가스 위험성 분석 모듈(120)은, 개별 가스 위험성 분석 시스템(200)과 연동하여, 개별 가스 위험성 분석 시스템(200)에 의해 분석된 적어도 하나의 개별 가스 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출할 수 있다.
이를 위해, 통합 가스 데이터 분석 시스템(100)은, 추가적으로, 개별 가스 위험성 분석 시스템 연동 모듈(130)을 더 포함할 수 있다. 개별 가스 위험성 분석 시스템 연동 모듈(130)은 개별 가스 위험성 분석 시스템(200)에 센서 기반 데이터 및 영상 기반 데이터를 전송하고, 그에 상응하는 개별 가스 위험성 분석 데이터를 산출할 수신하여 통합 가스 위험성 분석 모듈에 전달할 수 있다.
개별 가스 위험성 분석 시스템(200)은, <표 1>에 기재된 바와 같은 센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출할 수 있다.
| 개별 위험성 | 가스 설비 | 위험 요소 |
| 시설물 가스 위험성 |
저장 탱크 | 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 저장 탱크 내 수분 함량, 도장 상태, 안전 밸브 작동 상태, 저장 탱크 두께, 수직 수평 검사, CUI/CUF 검사, 누출 여부, 레벨 |
| 배관 | 플랜지, 연결부, 가스 시설 외부 온도, 가스 시설 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 배관 두께, 배관 내 수분 함량, 도장 상태, 배관 진동, 보온 상태, 밸프 패싱 상태, 안전 밸브 작동 상태 및 방식 전위온도, 누출 여부, 유량 | |
| 작업자 행동 패턴 위험성 | 저장 탱크 및 배관 | 작업자 위치 |
| 가스 시설물 위험성 |
저장 탱크 배관 |
기울기, 이동, 도색, 크랙 |
| 고장 진단 기반 가스 위험성 | 펌프 | 온도, 압력, 유량, 진동 |
| 고장 예지 기반 가스 위험성 |
밸브 | 온도, 압력, 유량 |
<표 2>를 참조하면, 개별 가스 위험성 분석 시스템(200)은, 저장 탱크 및 배관의 센서 기반 데이터를 분석하여 가스 위험성 레벨을 산출할 수 있다.
또한, 개별 가스 위험성 분석 시스템(200)은, 저장 탱크 및 배관에서의 작업자의 위치 데이터를 분석하여 작업자 행동 패턴 위험성 레벨을 산출할 수 있다. 예컨대, 가스 설비가 밀집된 위험 지역에 지리적 경계(Geo Fencing)를 설정하여 작업자가 허가되지 않은 지리적 경계에 진입했을 경우 위험성을 분석하여 그 결과를 제공할 수 있다.
이를 위해, 작업자의 이동 경로 및 작업자의 이상 상태를 감지하여 행동 패턴 모델 기반 위험성 평가 분석 및 결과 제공할 수 있다. 이때, 작업자 행동 패턴 모델은, 작성된 데이터 세트를 이용하여 작업자의 시설에서의 위치, 경로 이동, 체류시간 등에 대한 정상적인 상태와 비정상적인 상태를 판단하도록 미리 훈련된 딥러닝 알고리즘 기반의 모델일 수 있다.
또한, 개별 가스 위험성 분석 시스템(200)은, 저장 탱크 및 배관의 영상 기반 데이터를 분석하여 가스 설비 위험성 레벨을 산출할 수 있다.
또한, 개별 가스 위험성 분석 시스템(200)은, 펌프의 센서 데이터를 분석하여 고장 진단 기반 가스 위험성 레벨을 산출할 수 있다. 이를 통해, 펌프의 센서 기반 데이터를 바탕으로 상태를 분석하여 이상 현상이 발생할 경우 조기 경보를 알림이 발생되도록 할 수 있다.
또한, 개별 가스 위험성 분석 시스템(200)은, 밸브의 센서 데이터를 분석하여 고장 예지 기반 가스 위험성 레벨을 산출할 수 있다. 즉, 밸브에 이상 현상이 발생될 경우, 정상유형 및 고장유형 데이터를 기반으로 발생 가능한 고장을 미리 예측하여 진단하고 수집되는 정보들을 기반으로 설비의 열화 상태를 분석하여 잔여 수명을 예지할 수 있다.
따라서, 통합 가스 위험성 분석 모듈(120)은, 도 3에 도시된 바와 같이, 개별 가스 위험성 분석 시스템(200)에 의해 분석된 적어도 하나의 개별 가스 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출할 수 있다.
이때, 통합 가스 위험성 분석 모듈(120)은, 가스 설비 별 또는 개별 위험성 별 각각에 미리 설정된 가중치를 부여하여 통합 위험성 레벨을 산출할 수 있다.
이때, 통합 가스 위험성 분석 데이터는 정상, 주의, 경고 및 위험 등이 포함될 수 있다.
이러한 통합 가스 위험성 분석 데이터는 다시 개별 가스 위험성 분석 시스템(200)으로 피드백 될 수 있다.
또한, 통합 가스 위험성 분석 모듈(120)은 데이터 수집 모듈(110)로부터 전달받은 데이터와 개별 가스 위험성 분석 시스템(200)에서 분석된 데이터를 통합하여 높은 신뢰성으로 현재 상태의 위험성을 시뮬레이션 할 수 있다.
또한, 통합 가스 위험성 분석 모듈(120)은, 개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 가스 제어 데이터를 생성하여 가스 안전 서비스 제공 시스템(300)에 전달할 수 있다.
또한, 통합 가스 위험성 분석 모듈(120)은, 센서 기반 데이터 각각의 수치가 복수의 기준값들 의한 형성되는 복수의 범위들 중 어디에 속하는지에 따라 알람 또는 경고를 발생시키라는 가스 제어 데이터를 생성하여 가스 안전 서비스 제공 시스템(300)에 전달할 수 있다.
예컨대, 상위에서 하위로 순차적인 기준값들 HH, H, L 및 LL에 의해 5개의 범위들이 형성될 수 있는데, 센서 기반 데이터의 수치가 HH 이상이거나 LL 이하일 경우에는 위험 상태를 알리는 '알람'을 발생시키고, 센서 기반 데이터의 수치가 H와 HH 사이에 속하거나 L과 LL 사이에 속할 경우 위험을 예고하는 '경고'가 발생시키라는 가스 제어 데이터가 생성될 수 있다.
그러면, 가스 안전 서비스 제공 시스템(300)은, 가스 제어 데이터를 기반으로 하는 서비스를 가시화하여 사용자 단말에 제공할 수 있다.
즉, 가스 안전 서비스 제공 시스템(300)은, 가스 제어 데이터를 기반으로 하는 서비스를 웹 페이지 또는 어플리케이션을 통해 사용자에게 제공할 수 있다. 이때, 가스 제어 데이터를 기반으로 하는 서비스는 가스 차단 및 제어 서비스 또는 가스 위험성 제안 서비스일 수 있다.
또한, 가스 안전 서비스 제공 시스템(300)은, 통합 가스 데이터 분석 시스템(100)에서의 판단과 사용자의 판단을 비교 분석하여 효과를 검증하고, 효율적인 실증을 위해 사용자의 위치와 상황에 따라 차별화된 가스 제어 콘텐츠가 제공되며, 사용자 정보와 연동된 관리 권한에 따른 위험성 제안 서비스 제공 및 특수한 상황에서는 무선에 의한 가스 차단 및 제어 서비스 제공할 수 있다.
이때, 가스 안전 서비스 제공 시스템(300)은, 가스 위험성을 현재 시각을 기준으로 과거 위험성 및 미래 예측 위험성을 함께 제공할 수 있다.
이때, 가스 위험성은 사용자의 설정에 따라, 일 단위, 주 단위 또는 월 단위로 그 변화 추이가 제공될 수 있다.
이때, 가스 위험성은 사용자의 설정에 따라, 예컨대, 도 4 내지 도 6에서와 같이, 통합 가스 위험성 레벨 변화 추이가 제공되거나, 가스 설비 별 또는 수집 데이터 타입 별로 가스 위험성 레벨 변화 추이가 제공될 수 있다.
도 4는 실시 예에 따른 시간에 따른 통합 가스 위험성 레벨 변화 추이 그래프의 예시도이다.
도 4를 참조하면, 현재 시각인 12시를 전 후로 통합 가스 위험성 레벨이 도시되어 있다. 이로써, 사용자는 전체 가스 설비에 대한 가스 위험성을 인지할 수 있다.
도 5는 실시예에 따른 시간에 따른 가스 설비별 위험성 레벨 변화 추이 그래프의 예시도이다.
도 5를 참조하면, 현재 시각인 12시를 전 후로 플랜트 저장 탱크, 플랜트 배관, 밸브 및 펌프 각각의 위험성 레벨이 도시되어 있다. 이로써, 사용자는 가스 설비들 각각의 위험성 레벨을 인지하여, 가스 설비들 각각을 개별적으로 제어할 수 있다.
도 6은 실시예에 따른 데이터 타입별 위험성 레벨 변화 추이 그래프의 예시도이다. 이로써, 사용자는 단순히 센서 데이터 만이 아닌 다른 타입의 데이터, 즉, 작업자 행동 패턴 및 영상 데이터에 따른 위험성을 종합적으로 판단할 수 있게 되므로, 센서 데이터만으로 위험성을 판단했을 때의 오류 발생을 보완할 수 있다.
도 7은 실시예에 따른 스마트 가스 안전 제어 서비스 방법을 설명하기 위한 순서도이다.
도 7을 참조하면, 실시예에 따른 스마트 가스 안전 제어 서비스 방법은, 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하는 단계(S410), 센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출하는 단계(S420), 적어도 하나의 개별 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하는 단계(S430), 개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측하는 단계(S440) 및 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 생성된 가스 제어 데이터를 가시화하여 사용자 단말에 제공하는 단계(S450)를 포함할 수 있다.
이때, 센서 기반 데이터는, 가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되는 것일 수 있다.
영상 기반 데이터는, 가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득된 것일 수 있다.
이러한 실시예에 따른 스마트 가스 안전 제어 서비스 방법은 전술한 스마트 가스 안전 제어 서비스 플랫폼(30)에 의해 수행되는 것으로 단계들(S410~S450) 각각의 상세한 설명은 전술한 스마트 가스 안전 제어 서비스 플랫폼(30)의 동작 설명과 중복되므로 생략하기로 한다.
도 8은 실시예에 따른 컴퓨터 시스템 구성을 나타낸 도면이다.
실시예에 따른 스마트 가스 안전 제어 서비스 플랫폼 또는 스마트 가스 안전 제어 서비스 플랫폼의 구성 요소들 각각은 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템(1000)에서 구현될 수 있다.
컴퓨터 시스템(1000)은 버스(1020)를 통하여 서로 통신하는 하나 이상의 프로세서(1010), 메모리(1030), 사용자 인터페이스 입력 장치(1040), 사용자 인터페이스 출력 장치(1050) 및 스토리지(1060)를 포함할 수 있다. 또한, 컴퓨터 시스템(1000)은 네트워크(1080)에 연결되는 네트워크 인터페이스(1070)를 더 포함할 수 있다. 프로세서(1010)는 중앙 처리 장치 또는 메모리(1030)나 스토리지(1060)에 저장된 프로그램 또는 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(1030) 및 스토리지(1060)는 휘발성 매체, 비휘발성 매체, 분리형 매체, 비분리형 매체, 통신 매체, 또는 정보 전달 매체 중에서 적어도 하나 이상을 포함하는 저장 매체일 수 있다. 예를 들어, 메모리(1030)는 ROM(1031)이나 RAM(1032)을 포함할 수 있다.
이상에서 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
Claims (10)
- 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하여 전처리하고, 정형 데이터로 변환하여 저장하는 데이터 수집 모듈; 및
센서 기반 데이터 및 영상 기반 데이터를 통합 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 기계 학습 기반으로 추정 및 예측하는 통합 가스 위험성 분석 모듈을 포함하되,
센서 기반 데이터는,
가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되고,
영상 기반 데이터는,
가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득된 것인, 스마트 가스 안전 제어 서비스 플랫폼. - 제1 항에 있어서, 데이터 수집 모듈은,
센서 기반 데이터 및 영상 기반 데이터를 가스 설비의 종류에 따라 구분하여 저장 관리하되,
가스 설비는,
저장 탱크, 배관, 펌프 및 밸브 중 적어도 하나를 포함하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제2 항에 있어서, 센서 기반 데이터는,
저장 탱크와 관련하여, 플랜지, 연결부, 외부 온도, 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 저장 탱크 내 수분 함량, 도장 상태, 안전 밸브 작동 상태, 저장 탱크 두께, 수직 수평 검사 및 CUI/CUF 검사 중 적어도 하나를 포함하고,
배관과 관련하여, 플랜지, 연결부, 외부 온도, 외부 습도, 설치 시기, 가스 유량, 사용 압력, 발화점, 배관 직경, 설비 온도, 배관 두께, 배관 내 수분 함량, 도장 상태, 배관 진동, 보온 상태, 밸프 패싱 상태, 안전 밸브 작동 상태 및 방식 전위 중 적어도 하나를 포함하고,
펌프와 관련하여, 온도, 압력, 유량 및 진동 중 적어도 하나를 포함하고,
밸브와 관련하여, 온도, 압력 및 유량 중 적어도 하나를 포함하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제3 항에 있어서, 센서 기반 데이터는,
작업자가 착용하는 적어도 하나의 웨어러블 디바이스 또는 위치 센서에 의해 획득된 저장 탱크 및 배관에서의 작업자 존재 여부 및 위치 데이터를 더 포함하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제4 항에 있어서, 영상 기반 데이터는,
저장 탱크 또는 배관과 관련하여, 기울기, 이동, 도색 및 크랙 중 적어도 하나를 포함하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제5 항에 있어서,
통합 가스 위험성 분석부는,
개별 가스 위험성 분석 시스템에 의해 분석된 적어도 하나의 개별 가스 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하되,
개별 가스 위험성 분석 시스템은,
센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제6 항에 있어서, 개별 가스 위험성 분석 시스템은,
저장 탱크 및 배관의 센서 기반 데이터를 분석하여 가스 위험성 레벨을 산출하고,
저장 탱크 및 배관에서의 작업자의 위치 데이터를 분석하여 작업자 행동 패턴 위험성 레벨을 산출하고,
저장 탱크 및 배관의 영상 기반 데이터를 분석하여 가스 가스 설비 위험성 레벨을 산출하고,
펌프의 센서 데이터를 분석하여 고장 진단 기반 가스 위험성 레벨을 산출하고,
밸브의 센서 데이터를 분석하여 고장 예지 기반 가스 위험성 레벨을 산출하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제7 항에 있어서, 통합 가스 위험성 분석 모듈은,
가스 설비 별 또는 개별 위험성 별 각각에 미리 설정된 가중치를 부여하여 통합 위험성 레벨을 산출하는, 스마트 가스 안전 제어 서비스 플랫폼. - 제8 항에 있어서, 통합 가스 위험성 분석 모듈은,
개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 가스 제어 데이터를 가스 안전 서비스 제공 시스템에 전달하고,
가스 안전 서비스 제공 시스템은,
가스 제어 데이터를 가시화하여 사용자 단말에 제공하는, 스마트 가스 안전 제어 서비스 플랫폼. - 가스 설비에 대한 센서 기반 데이터 및 영상 기반 데이터를 수집하는 단계;
센서 기반 데이터 및 영상 기반 데이터를 분석하여 가스 위험성, 작업자 행동 패턴 위험성, 가스 설비 위험성, 고장 진단 기반 가스 위험성 및 고장 예지 기반 가스 위험성 중 적어도 하나를 포함하는 개별 가스 위험성 각각에 대한 레벨을 산출하는 단계;
적어도 하나의 개별 위험성 레벨을 통합하여 통합 가스 위험성 레벨을 산출하는 단계;
개별 가스 위험성 레벨 및 통합 가스 위험성 레벨을 분석하여 가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측하는 단계; 및
가스 설비의 현재 위험성 및 향후 위험성을 추정 및 예측한 결과를 기반으로 생성된 가스 제어 데이터를 가시화하여 사용자 단말에 제공하는 단계를 포함하되,
센서 기반 데이터는,
가스 설비에 설치되는 적어도 하나의 센서에 의해 무선 통신을 통해 획득되고,
영상 기반 데이터는,
가스 설비를 촬영하는 적어도 하나의 무인 이동체에 의해 무선 통신을 통해 획득된 것인, 스마트 가스 안전 서비스 제공 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200097229A KR102428222B1 (ko) | 2020-08-04 | 2020-08-04 | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200097229A KR102428222B1 (ko) | 2020-08-04 | 2020-08-04 | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220017122A true KR20220017122A (ko) | 2022-02-11 |
| KR102428222B1 KR102428222B1 (ko) | 2022-08-04 |
Family
ID=80266509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200097229A KR102428222B1 (ko) | 2020-08-04 | 2020-08-04 | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102428222B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116256470A (zh) * | 2023-01-16 | 2023-06-13 | 南京市燃气工程设计院有限公司 | 一种基于加氢站的氢气质量在线分析系统 |
| CN117114369A (zh) * | 2023-10-23 | 2023-11-24 | 成都秦川物联网科技股份有限公司 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101649574B1 (ko) * | 2015-05-27 | 2016-08-19 | 윤명섭 | 드론 탑재용 가스누출 감지장치 |
| KR101936244B1 (ko) * | 2018-04-18 | 2019-01-08 | (주)엠에스아이티 | 무선 가스검지 시스템 |
| KR102005188B1 (ko) * | 2018-04-30 | 2019-07-29 | 타이아(주) | 실시간 위치 추적 및 ｇｉｓ를 이용한 인공지능 기반 산업현장 안전관리 시스템, 그리고 산업현장 안전관리 방법 |
| KR20200072775A (ko) * | 2018-12-13 | 2020-06-23 | 유재경 | 산업용 가스공급 설비 통합 관리 시스템 |
-
2020
- 2020-08-04 KR KR1020200097229A patent/KR102428222B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101649574B1 (ko) * | 2015-05-27 | 2016-08-19 | 윤명섭 | 드론 탑재용 가스누출 감지장치 |
| KR101936244B1 (ko) * | 2018-04-18 | 2019-01-08 | (주)엠에스아이티 | 무선 가스검지 시스템 |
| KR102005188B1 (ko) * | 2018-04-30 | 2019-07-29 | 타이아(주) | 실시간 위치 추적 및 ｇｉｓ를 이용한 인공지능 기반 산업현장 안전관리 시스템, 그리고 산업현장 안전관리 방법 |
| KR20200072775A (ko) * | 2018-12-13 | 2020-06-23 | 유재경 | 산업용 가스공급 설비 통합 관리 시스템 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116256470A (zh) * | 2023-01-16 | 2023-06-13 | 南京市燃气工程设计院有限公司 | 一种基于加氢站的氢气质量在线分析系统 |
| CN116256470B (zh) * | 2023-01-16 | 2023-11-28 | 南京市燃气工程设计院有限公司 | 一种基于加氢站的氢气质量在线分析系统 |
| CN117114369A (zh) * | 2023-10-23 | 2023-11-24 | 成都秦川物联网科技股份有限公司 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
| CN117114369B (zh) * | 2023-10-23 | 2024-01-02 | 成都秦川物联网科技股份有限公司 | 智慧燃气应急供气处置方法、物联网系统、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102428222B1 (ko) | 2022-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103956018B (zh) | 一种改进的建筑消防设施报警信号分析处理方法 | |
| CN107632581A (zh) | 一种地下管廊的监控管理系统 | |
| KR102428222B1 (ko) | 스마트 가스 안전 제어 서비스 플랫폼 및 방법 | |
| CN110120143A (zh) | 一种炼化企业易燃易爆区域烟雾智能监测系统 | |
| US20230377435A1 (en) | Fire protection method and fire protection system | |
| CN105931411A (zh) | 一种多层建筑消防远程监控预警平台及其实现方法 | |
| CN111964731A (zh) | 一种管廊监测与告警装置及方法 | |
| CN110159929B (zh) | 地下排水管网智能管控大数据处理方法 | |
| CN102419799A (zh) | 一种消防系统可靠性分析和计算方法 | |
| CN110298605A (zh) | 一种基于物联网的智慧消防安全决策方法及系统 | |
| Bakker et al. | Heuristic burst detection method using flow and pressure measurements | |
| CN107170205B (zh) | 一种检维修预警方法及其预警系统 | |
| CN112905666A (zh) | 一种公共安全领域基于异常数据解析的应急预测管理系统 | |
| US20230368651A1 (en) | Fire protection method and fire protection system | |
| CN116105802B (zh) | 一种基于物联网的地下设施安全监测预警方法 | |
| KR101853480B1 (ko) | 해양플랜트 예지보전 시스템 | |
| KR20220116903A (ko) | 위험성평가 기반의 위험관리 플랫폼 장치 및 시스템 | |
| US8798798B2 (en) | System and method for operating steam systems | |
| KR20220071880A (ko) | 지하공동구 맞춤형 디지털트윈 재난 관리 시스템 | |
| CN116453307A (zh) | 一种在线检测管道安全预警系统及其方法 | |
| KR101806467B1 (ko) | 다수의 지역 발전소들의 통합관리 운영시스템 | |
| KR102238764B1 (ko) | 위해도 평가를 이용한 실시간 사고 예측 시스템 및 그 방법 | |
| CN110031152B (zh) | 一种热力供热系统及相邻日温度偏移累积泄漏检测的方法 | |
| KR102631563B1 (ko) | 가스 사고 위험도 분석 방법 및 플랫폼 | |
| CN112348419B (zh) | 一种物联网处理系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |