KR20220072608A - 배관의 서포트 타입을 최적화하는 설계 지원 장치 및 방법 - Google Patents

Abstract

배관의 서포트 타입을 최적화하는 설계 지원 장치 및 방법이 개시된다. 설계 지원 장치는, 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 특성정보 생성부; 미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 노드 선택부; 및 위험 노드로 선택된 노드에 대해, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 신규 서포트 타입을 선정하는 타입 갱신부를 포함한다.

Description

배관의 서포트 타입을 최적화하는 설계 지원 장치 및 방법{Design aiding device and method for optimizing pipe support type}

본 발명은 배관의 서포트 타입을 최적화하는 설계 지원 장치 및 방법에 관한 것이다.

선박이나 FPSO (Floating, Production, Storage and Offloading) 등과 같은 해양 구조물에는 배관(piping)과 서포트(support), 노즐(nozzle), 드럼(drum) 등을 포함하는 배관 시스템이 구비된다.

해양 구조물에 구비되는 배관 시스템은 많은 수의 배관으로 구성될 뿐 아니라, 직경이 다른 배관 사이의 연결 구조가 복잡하며, 배관을 지지하는 서포트의 타입에 따라 서포트가 받는 하중과 배관에 발생하는 응력 등이 서로 연성되어 있기 때문에 적합한 서포트 타입의 결정이 중요하다.

이를 위해, 설계자는 상용 소프트웨어인 CAESARII를 사용하여, 3차원으로 표현되는 배관과 배관 관련 아이템들, 그리고 구속 조건들을 수작업으로 변경하고 그에 따른 해석 결과 도출하는 작업을 반복적으로 수행하여야 한다. 이러한 작업은 배관 시스템의 노드(node)들에 대한 결과값이 미리 지정된 배관 설계 규준에 부합할 때까지 순환 반복된다.

그러나, 배관 시스템의 규모가 커지고 또한 복잡해질수록, 노드들의 구속 조건을 변경하고 해석하는 순환 반복 작업에 소요되는 공수와 시수가 지나치게 커져 많은 비용과 작업 시간이 소요되는 문제점이 있다.

또한, 배관 시스템에 대한 종래의 해석 방법은 안전성에 직접 관련된 것들에 높은 우선 순위가 설정되고 있어, 배관 하중값 등에 대한 고려는 상대적으로 부족한 실정이다. 이로 인해, 배관 서포트 및 서포트를 지지하는 하부 구조물에 대한 불필요한 보강 작업 물량이 증가되고 있으며, 작업성 저해, 물량 비용 증가 및 공정 지연의 원인이 되고 있다.

한국공개특허 제10-2013-0096775호

본 발명은 배관 시스템의 각 노드별 구속 조건의 선정에 소요되는 시간을 현저히 단축하여 원가 절감을 도모할 수 있을 뿐 아니라, 최적의 구속 조건 선정을 통해 최고의 설계 품질을 기대할 수 있는 배관의 서포트 타입을 최적화하는 설계 지원 장치 및 방법을 제공하기 위한 것이다.

본 발명의 이외의 목적들은 하기의 설명을 통해 쉽게 이해될 수 있을 것이다.

본 발명의 일 측면에 따르면, 배관의 서포트 타입을 최적화하는 설계 지원 방법을 수행하도록 하기 위해 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은, (a) 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 단계; (b) 미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 단계; (c) 어느 하나의 위험 노드를 대상 노드로 하여, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 대상 노드에 대한 신규 서포트 타입을 선정하는 단계; (d) 상기 목적 함수를 이용하여, 상기 대상 노드에 선정된 신규 서포트 타입에 기반한 신규 정규화 합산값을 산출하는 단계; (e) 상기 신규 정규화 합산값이 상기 현재 정규화 합산값보다 작은 경우에만 상기 신규 서포트 타입과 상기 신규 정규화 합산값이 상기 현재 서포트 타입과 상기 현재 정규화 합산값을 대체하도록 설정하는 단계; 및 (f) 미리 지정된 횟수만큼 상기 단계 (c) 내지 (e)가 반복되도록 하고, 미리 지정된 횟수만큼 반복된 시점에서의 현재 서포트 타입을 상기 위험 노드에 대한 서포트 타입으로 결정하는 단계를 포함하되, 상기 단계 (c) 내지 (f)는 상기 단계 (b)에서 위험 노드로 선택된 각각의 노드에 대해 개별적으로 수행되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램이 제공된다.

위험 노드로 선택된 각각의 노드에 대해 서포트 타입이 결정된 후, 상기 단계 (b)에서 위험 노드가 다시 선택되고, 위험 노드로 다시 선택된 각각의 노드에 대해 개별적으로 상기 단계 (c) 내지 (f)가 수행될 수도 있다.

위험 노드를 선택하도록 설정되는 상기 미리 지정된 기준은, 배관 시스템의 노드들 중에서 미리 지정된 개수 또는 랜덤 선택된 개수의 노드를 위험 노드로 선택하되, 배관 시스템의 노드들 중에서 배관 응력값이 가장 큰 노드, 변위값이 가장 큰 노드, 하중값이 가장 큰 노드, 고유 진동수값이 미리 지정된 기준값보다 작은 노드, 현재 정규화 합산값이 가장 큰 노드 중 하나 이상이 포함되도록 위험 노드가 선택되도록 설정되는 것일 수 있다.

상기 제1 선정 기법은, 미리 강화 학습된 학습 모델을 이용하여, 현재 서포트 타입에 따른 현재 정규화 합산값보다 상대적으로 작은 신규 정규화 합산값이 산출될 것으로 예상되는 신규 서포트 타입을 선택하도록 하는 선정 기법일 수 있다.

상기 학습 모델은 상기 신규 정규화 합산값과 상기 현재 정규화 합산값의 비교 결과를 참조하여 강화 학습될 수 있다.

상기 제2 선정 기법은, 대상 노드에 대해 선정될 수 있도록 미리 설정된 서포트 타입들 각각의 적용 빈도에 따른 확률 분포 정보에 기반한 랜덤 선택 방식으로 현재 서포트 타입과 상이한 어느 하나의 서포트 타입을 신규 서포트 타입으로 선택하도록 하는 선정 기법일 수 있다.

위험 노드로 선택된 각각의 대상 노드에 대해, 상기 단계 (c) 내지 (f)는 멀티쓰레드 구조에서 대상 노드별로 개별 수행될 수도 있다.

본 발명의 다른 측면에 따르면, 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 특성정보 생성부; 미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 노드 선택부; 및 위험 노드로 선택된 노드에 대해, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 신규 서포트 타입을 선정하는 타입 갱신부를 포함하되, 상기 특성 정보 생성부는 위험 노드로 선택된 노드에 대해 상기 목적 함수를 이용하여 신규 서포트 타입에 기반한 신규 정규화 합산값을 산출하여 현재 정규화 합산값과 비교하고, 신규 정규화 합산값이 현재 정규화 합산값보다 작은 경우에만 신규 서포트 타입과 신규 정규화 합산값이 현재 서포트 타입과 현재 정규화 합산값을 대체하도록 설정하는, 설계 지원 장치가 제공된다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 청구범위 및 발명의 상세한 설명으로부터 명확해질 것이다.

본 발명의 실시예에 따르면, 배관 시스템의 각 노드별 구속 조건의 선정에 소요되는 시간을 현저히 단축하여 원가 절감을 도모할 수 있을 뿐 아니라, 최적의 구속 조건 선정을 통해 최고의 설계 품질을 기대할 수 있는 효과가 있다.

도 1은 본 발명의 일 실시예에 따른 설계 지원 장치의 개략적인 블록 구성도.
도 2는 본 발명의 일 실시예에 따른 10가지 유형의 서포트 타입을 예시한 도면.
도 3은 본 발명의 일 실시예에 따른 배관 시스템의 위험 노드 선정 기법을 설명하기 위한 도면.
도 4는 본 발명의 일 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법을 나타낸 순서도.
도 5는 본 발명의 다른 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법을 나타낸 순서도.
도 6은 본 발명의 또 다른 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법을 나타낸 순서도.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

도 1은 본 발명의 일 실시예에 따른 설계 지원 장치의 개략적인 블록 구성도이고, 도 2는 본 발명의 일 실시예에 따른 10가지 유형의 서포트 타입을 예시한 도면이며, 도 3은 본 발명의 일 실시예에 따른 배관 시스템의 위험 노드 선정 기법을 설명하기 위한 도면이다.

도 1을 참조하면, 설계 지원 장치(110)는 특성정보 생성부(111), 노드 선택부(113), 타입 갱신부(115) 및 기계 학습부(117)를 포함할 수 있다.

설계 지원 장치(110)는 배관 시스템의 각 노드(node)에 걸리는 배관 응력값, 하중값(또는 노즐 하중값), 변위값 등인 위험 요소값들과 고유 진동수를 고려하여 최적의 서포트 타입이 선정될 수 있도록 하는 장치이다.

설계 지원 장치(110)에 포함된 특성정보 생성부(111) 등은 소프트웨어 프로그램의 형태, 또는 소프트웨어 프로그램과 하드웨어 장치가 결합된 형태로 구현될 수 있다. 설계 지원 장치(110)는 전술한 기능을 수행하도록 구현된 소프트웨어 프로그램이 설치된 사용자 장치(예를 들어 퍼스널 컴퓨터, 태블릿 피씨, 스마트폰 등)이거나, 사용자 장치와 통신 가능하고 전술한 소프트웨어 프로그램이 설치되어 구동되는 서버 장치 등으로 다양할 수 있다.

설계 지원 장치(110)의 특성정보 생성부(111)는 미리 설정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드(node)들 각각에 지정된 구속 조건인 현재 서포트 타입에 기반하여 각 노드별 현재 특성 정보를 생성한다.

배관 시스템에서 노드들은 서포트 타입이 결정될 위치로 미리 각각 특정될 수 있으며, 각 노드에 대한 현재 서포트 타입은 동일하거나 상이하게 미리 지정될 수 있다.

목적 함수는 각 노드에 대해 현재 특성 정보를 생성하며, 노드에 지정된 현재 서포트 타입에 기반한 배관 응력값, 하중값(또는 노즐 하중값이며, 이하 하중값으로 통칭함) 및 변위값 등인 위험 요소값들과 고유 진동수값을 이용하여 현재 특성 정보를 생성하도록 미리 설정될 수 있다.

여기서, 해당 노드에 지정된 현재 서포트 타입에 기반한 위험 요소값들 각각은 예를 들어 상용 소프트웨어인 CAESARII 등을 이용하여 산출될 수 있다. 각 노드에 대해 산출된 위험 요소값들은 저장부(도시되지 않음)에 저장될 수 있다. 또한, 배관 응력값, 하중값 및 변위값 등인 위험 요소값들을 합산하기 위해 각각 합리적인 수준의 값으로 변환한 정규화값(normalized value)들도 저장부에 저장될 수 있다.

해당 노드에 대한 현재 특성 정보는 위험 요소값들 각각에 대한 정규화값을 합산한 정규화 합산값(normalized sum)을 포함하도록 생성될 수 있다. 현재 특성 정보에는 해당 노드에 대한 고유 진동수 값이 더 포함될 수도 있다.

후술되는 바와 같이, 타입 갱신부(115)는 배관 시스템에 포함된 하나 이상의 노드들 중 노드 선택부(113)에 의해 위험 노드로 선택된 노드의 서포트 타입을 변경하는 과정을 미리 지정된 횟수만큼 반복하여 설계 지원 장치(110)가 특성정보 생성부(111)에 의해 산출된 정규화 합산값이 상대적으로 감소된 서포트 타입을 최종적으로 출력할 수 있도록 구동된다. 이때, 해당 위험 노드에 대해, 배관 시스템에서 공진(resonance)될 수 있는 기준값이 되는 고유 진동수값은 상대적으로 커지는 서포트 타입이 최종적으로 출력되도록 할 수도 있을 것이다.

타입 갱신부(115)에 의해 임의의 노드에 대한 구속 조건이 현재 서포트 타입으로부터 다른 서포트 타입(즉, 신규 서포트 타입)으로 변경되면, 특성정보 생성부(111)는 전술한 목적 함수를 이용하여 신규 서포트 타입에 기반한 해당 노드의 신규 특성 정보를 다시 생성할 수 있다. 물론, 구속 조건이 신규 서포트 타입으로 변경될 때, 해당 노드에 대한 배관 응력값 등의 위험 요소값들 각각은 예를 들어 상용 소프트웨어인 CAESARII 등에 의해 다시 산출될 수 있을 것이다.

노드 선택부(113)는 배관 시스템의 노드들 각각에 대한 위험 요소값들, 정규화 합산값 등을 참조하여 n개의 노드를 위험 노드로 선택하고(도 3 참조), 선택된 각 위험 노드에 대한 노드 정보를 수집한다.

여기서, 노드 선택부(113)는 위험 노드로 선택할 노드들의 수량 n은 예를 들어 10개 내외의 수량으로 랜덤 선택된 값이거나, 미리 지정된 자연수값일 수 있다.

또한, 노드 선택부(113)는 예를 들어 배관 응력값, 변위값, 하중값 등 위험 요소값이 가장 큰 노드를 위험 노드로 선택하거나, 정규화 합산값이 큰 순서로 특정 수량의 노드를 위험 노드로 선택하도록 미리 설정될 수 있다. 또한, 이와 별개로, 노드 선택부(113)는 고유 진동수값이 미리 지정된 임계값 이하인 노드도 위험 노드로 더 선택하도록 설정될 수도 있다.

그리고, 노드 선택부(113)는 위험 노드로 선택한 노드들 각각에 대해, 해당 노드의 현재 서포트 타입에 따른 서포트 타입 정보와, 배관 응력값, 하중값 및 변위값인 위험 요소값들 각각에 대한 정규화값들을 노드 정보로 수집할 수 있다.

특정 노드에 대한 서포트 타입 정보는 배관을 지지하는 구속 조건에 따라 특정 정수값으로 특정되도록 미리 규정될 수 있다. 도 2에 예시된 바와 같이, 적용되는 구속 조건에 따라 서포트 타입이 1 내지 10 중 임의의 자연수로 표현되고, 아무런 구속 조건이 적용되지 않으면 0으로 표현되도록 미리 규정될 수 있다. 물론, 서포트 타입 정보를 구성하기 위한 표현 방식은 전술한 11가지 경우에 비해 다양해지도록 규정될 수도 있음은 당연하다.

서포트 타입은 예를 들어 X, Y 또는/및 Z 방향의 선형 구속과 회전 구속 여부의 조합인 (X, Y, Z, RX, RY, RZ)으로 표현될 수도 있다. 이 경우, 예를 들어 X 방향의 선형 구속만 설정되는 경우라면 (X, 0, 0, 0, 0, 0) 등의 형태로 표현될 수 있을 것이다.

노드 선택부(113)에 의해 위험 노드로 선택된 노드들 각각에 대한 노드 정보(즉, 서포트 타입 정보와 위험 요소값들에 상응하는 정규화값들)은 저장부에 저장될 수 있다.

타입 갱신부(115)는 미리 지정된 제1 선정 기법과 제2 선정 기법 중 어느 하나를 랜덤 선택하여, 각각의 위험 노드에 대해 새로운 구속 조건으로서 신규 서포트 타입을 선정한다.

여기서, 위험 노드들 각각에 대한 신규 서포트 타입을 선정하기 위해 랜덤 선택할 수 있는 제1 선정 기법은, 다양한 형상과 결합 구조를 가지는 다양한 배관 시스템의 각 노드에서의 서포트 타입과 위험 요소값들의 정규화값에 대한 데이터 등을 이용하여 미리 강화 학습(reinforcement learning)된 학습 모델을 이용하여, 현재 서포트 타입에 비해 위험 요소값들의 정규화 합산값이 상대적으로 작을 것으로 예상되는 신규 서포트 타입을 선택하는 방식일 수 있다.

또한, 위험 노드들 각각에 대한 신규 서포트 타입을 선정하기 위해 랜덤 선택할 수 있는 제2 선정 기법은, 위험 노드에 대해 선정 가능하도록 미리 설정된 서포트 타입들(예를 들어, 전술한 11가지의 서포트 타입들) 각각의 적용 빈도에 따른 확률 분포 정보를 이용하여 현재 서포트 타입과 상이한 어느 하나의 신규 서포트 타입을 랜덤 선택하는 방식이다. 이때, 어느 하나의 서포트 타입을 랜덤 선택할 때 상대적으로 적용 빈도가 높은 서포트 타입이 신규 서포트 타입으로 선택될 가능성이 높아진다.

이와 같이, 타입 갱신부(115)는 위험 노드들에 대해 신규 서포트 타입을 선정함에 있어, 제1 선정 기법과 제2 선정 기법 중 어느 하나를 랜덤 선택하여 이용할 수 있도록 함으로써 신규 서포트 타입의 선정 다양성의 범위를 확대시키는 장점이 있다.

타입 갱신부(115)에 의해 임의의 위험 노드에 대해 신규 서포트 타입이 선정되면, 특성정보 생성부(111)는 해당 위험 노드에 대해 선정된 신규 서포트 타입에 따른 위험 요소값들의 정규화 합산값을 다시 산출한다.

만일, 산출된 신규 서포트 타입에 따른 위험 요소값들의 정규화 합산값(즉, 신규 정규화 합산값)이 앞서 산출한 현재 서포트 타입에 따른 위험 요소값들의 정규화 합산값(즉, 현재 정규화 합산값)보다 작은 경우(즉, 개선된 경우), 특성정보 생성부(111)는 신규 서포트 타입과 신규 정규화 합산값이 현재 서포트 타입과 현재 정규화 합산값을 대체하도록 설정한다.

그러나, 만일 재산출된 신규 서포트 타입에 따른 신규 정규화 합산값이 현재 정규화 합산값보다 큰 경우(즉, 악화된 경우), 특성정보 생성부(111)는 앞서 적용된 현재 서포트 타입과 현재 정규화 합산값이 유지되도록 설정한다.

노드 선택부(113)에 의해 선택된 위험 노드들 각각에 대해 타입 갱신부(115)에 의한 신규 서포트 타입의 선정, 특성정보 생성부(111)에 의한 위험 요소값의 산출 등은 미리 지정된 횟수만큼 반복하여 수행된다.

이때, 만일 신규 서포트 타입이 현재 서포트 타입에 비해 개선된 것으로 판단되어 신규 서포트 타입이 현재 서포트 타입으로 대체되었다면, 반복 수행되는 직후의 신규 서포트 타입을 선정하는 과정에서는 새롭게 대체된 현재 서포트 타입의 위험 요소값들의 정규화값들이 이용될 것임은 당연하다.

이후, 미리 지정된 횟수만큼의 반복이 종료되면, 최종 단계에서 설정된 현재 서포트 타입을 해당 위험 노드에 대한 최종의 서포트 타입으로 미리 지정된 표시 수단(130)을 통해 표시되도록 할 수 있다. 배관 시스템의 노드들 각각에 대한 서포트 타입을 결정하고자 하는 설계자는 배관 시스템의 각 노드에 대해 각각 제시되는 서포트 타입을 조합하여 배관 시스템의 설계에 반영할 수 있을 것이다.

물론, 노드 선택부(113)에 의해 선택된 위험 노드들 각각에 대해 타입 갱신부(115)와 특성정보 생성부(111)에 의한 미리 지정된 횟수의 반복 작업이 완료되면, 노드 선택부(113)가 위험 노드를 다시 선택하여 타입 갱신부(115)와 특성정보 생성부(111)의 반복 작업이 다시 수행되도록 하는 과정을 미리 지정된 횟수만큼 반복할 수도 있음은 당연하다.

전술한 반복 작업은 위험 노드들 각각에 대해 개별적으로 수행될 수 있다. 이때, 설계 지원 장치(110)는 하나의 위험 노드에 대한 반복 처리가 완료된 후 다른 위험 노드에 대한 반복 처리를 수행하도록 싱글 쓰레드 구조로 구현될 수도 있으나, 각각의 위험 노드에 대해 개별적이고 독립적으로 반복 처리가 수행될 수 있도록 멀티 쓰레드 구조로 구현될 수도 있음은 당연하다.

기계 학습부(117)는 위험 노드들 각각에 의해 선정된 신규 서포트 타입에 따른 신규 정규화 합산값이 현재 서포트 타입에 따른 현재 정규화 합산값에 비해 개선되었는지 또는 악화되었는지의 결과값을 이용하여 학습 모델에 대한 강화 학습을 수행할 수 있다.

기계 학습부(117)는 현재 서포트 타입과 신규 서포트 타입에 대한 비교 정보가 생성될 때마다 학습 모델을 강화 학습하거나, 미리 지정된 횟수만큼의 비교 정보가 누적된 이후 한꺼번에 학습 모델을 강화 학습하도록 미리 설정될 수 있을 것이다.

도 4는 본 발명의 일 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법을 나타낸 순서도이다.

도 4를 참조하면, 단계 410에서 설계 지원 장치(110)는 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드(node)들 각각에 구속 조건으로 지정된 현재 서포트 타입에 기반하여 각 노드별 현재 정규화 합산값을 산출한다.

여기서, 목적 함수는 노드에 대해 구속 조건으로 지정된 현재 서포트 타입에 기반한 배관 응력값, 하중값 및 변위값 등인 위험 요소값들 각각의 정규화값을 합산하여 현재 정규화 합산값을 산출하도록 미리 설정될 수 있다. 앞서 설명한 바와 같이, 목적 함수는 해당 노드의 고유 진동수값을 더 산출하도록 설정될 수도 있다.

위험 요소값들 각각은 예를 들어 상용 소프트웨어인 CAESARII 등을 이용하여 산출될 수 있고, 각 노드에 대해 산출된 위험 요소값들과 위험 요소값의 정규화값들은 저장부에 저장될 수 있다. 위험 요소들 각각에 대한 정규화값은 정규화 합산값을 산출하기 위해 위험 요소값들 각각이 합리적인 수준의 값으로 변환된 값일 수 있다.

설계 지원 장치(110)는 해당 노드에 대한 현재 정규화 합산값과 고유 진동수값을 포함하여 해당 노드에 대한 현재 특성 정보를 생성할 수도 있다.

단계 415에서, 설계 지원 장치(110)는 배관 시스템의 노드들 중에서 n개의 노드를 위험 노드로 선택하고, 선택된 각 위험 노드에 대한 노드 정보를 수집한다.

여기서, 위험 노드는 예를 들어 배관 시스템의 노드들 중에서 배관 응력값, 변위값, 하중값 등 위험 요소값이 가장 큰 노드로 선택되거나, 정규화 합산값이 큰 순서로 선택되도록 미리 설정될 수 있다.

또한, 위험 노드로 선택되는 노드들의 수량 n은 예를 들어 10개 내외의 수량으로 랜덤 선택된 값이거나, 미리 지정된 자연수값일 수 있다.

위험 노드로 선택된 노드들 각각에 대해 수집되는 노드 정보는, 해당 노드의 현재 서포트 타입에 따른 서포트 타입 정보와, 배관 응력값, 하중값 및 변위값인 위험 요소값들 각각에 대한 정규화값을 포함할 수 있다.

위험 노드로 선택된 노드들 각각에 대해 설계 지원 장치(110)는 후술되는 단계 420 내지 단계 445의 과정을 개별적으로 수행하여, 해당 노드에 대해 최종 선정된 서포트 타입에 관한 정보를 출력한다.

설계 지원 장치(110)가 싱글 쓰레드 구조로 구현되는 경우, 제1 위험 노드에 대해 단계 420 내지 단계 445의 과정이 수행된 후, 제2 위험 노드에 대해서도 동일한 과정이 수행되는 등으로 각 노드에 대한 최종의 서포트 타입에 관한 정보가 순차적으로 출력될 수 있다. 이에 비해, 설계 지원 장치(110)가 멀티 쓰레드 구조로 구현되는 경우에는, 복수의 위험 노드에 대해 단계 420 내지 단계 445의 과정이 개별적이며 또한 동시에 수행될 수 있을 것이다.

단계 420에서, 설계 지원 장치(110)는 선택된 어느 하나의 위험 노드를 대상 노드로 하여, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 대상 노드에 대한 신규 서포트 타입을 선정한다.

여기서, 제1 선정 기법은 미리 강화 학습된 학습 모델을 이용하여, 현재 서포트 타입에 비해 위험 요소값들의 정규화 합산값이 상대적으로 작을 것으로 예상되는 신규 서포트 타입을 선택하도록 하는 방식일 수 있다.

학습 모델은 다양한 형상과 결합 구조를 가지는 다양한 배관 시스템의 각 노드에서의 서포트 타입과 위험 요소값들의 정규화값에 대한 데이터를 이용하여 미리 강화 학습될 수 있다.

이에 비해, 제2 선정 기법은 위험 노드에 대해 선정될 수 있도록 미리 설정된 서포트 타입들 각각의 적용 빈도에 따른 확률 분포 정보를 이용하여 현재 서포트 타입과 상이한 어느 하나의 신규 서포트 타입을 랜덤 선택하는 방식이다.

단계 425에서, 설계 지원 장치(110)는 대상 노드에 대해 선정된 신규 서포트 타입에 따른 신규 정규화 합산값을 산출한다.

신규 정규화 합산값은 예를 들어 대상 노드의 신규 서포트 타입에 기반하여 배관 응력값 등 위험 요소값들이 산출되면, 위험 요소값들의 정규화값을 산출 및 합산함으로써 산출될 수 있다.

단계 430에서, 설계 지원 장치(110)는 대상 노드에 대해 산출된 신규 정규화 합산값이 단계 410에서 산출된 현재 정규화 합산값보다 작은 경우(즉, 개선된 경우)라면, 신규 정규화 합산값이 현재 정규화 합산값을 대체하도록 설정한다. 이 경우, 대상 노드의 서포트 타입 역시 신규 서포트 타입이 현재 서포트 타입을 대체하도록 설정될 것이다.

그러나, 만일 신규 정규화 합산값이 현재 정규화 합산값보다 큰 경우(즉, 악화된 경우)라면, 현재 정규화 합산값과 현재 서포트 타입이 유지되도록 설정된다.

설계 지원 장치(110)는 단계 430에서 신규 서포트 타입과 현재 서포트 타입 중 개선된 결과를 나타내는 서포트 타입이 대상 노드의 구속 조건으로 설정될 수 있도록 함으로써, 배관 시스템의 안정성을 도모할 수 있고, 또한 설계 품질을 향상시킬 수 있는 특징이 있다.

단계 435에서, 설계 지원 장치(110)는 대상 노드에 대해 신규 서포트 타입 도출에 관한 정보, 즉 현재 서포트 타입과 신규 서포트 타입에 대한 비교 정보를 이용하여 학습 모델에 대한 강화 기계 학습을 수행한다. 단계 435에서 수행되는 학습 모델에 대한 기계 학습은, 신규 서포트 타입에 대한 비교 정보가 생성될 때마다 실시되거나, 미리 지정된 횟수만큼의 비교 정보가 누적된 이후 한꺼번에 실시되도록 설정될 수 있음은 당연하다.

단계 440에서, 설계 지원 장치(110)는 대상 노드에 대해 최적의 서포트 타입을 선정하기 위해, 신규 서포트 타입의 선정을 반복하도록 미리 지정된 횟수만큼 반복되었는지 여부를 판단한다.

만일 미리 지정된 횟수만큼 반복되지 않았다면, 단계 420으로 다시 진행하여 대상 노드에 대한 신규 서포트 타입을 다시 선정한다. 그러나 만일 미리 지정된 횟수만큼 반복되었다면 단계 445로 진행하여 현재 서포트 타입으로 지정된 서포트 타입을 대상 노드에 대한 서포트 타입으로 표시 수단(130)을 통해 출력한다.

물론, 대상 노드에 대한 위험 요소들에 대해 목표값(target value)들이 설정되어 있는 경우, 미리 지정된 횟수까지 반복되는 도중에 위험 노드에 대해 설정된 목표값을 만족하는 결과가 나왔다면 지정된 횟수만큼의 반복을 완료하지 않고, 해당 위험 노드에 대해 선정된 현재 서포트 타입을 최종의 서포트 타입으로 출력할 수도 있음은 당연하다.

단계 415에서 선택된 n개의 위험 노드들 각각에 대해 전술한 단계 420 내지 단계 445가 개별적으로 수행되며, 각 위험 노드에 대한 서포트 타입에 대한 정보는 설계자에게 제공될 수 있다.

추가적으로, 선택된 n개의 위험 노드들 각각에 대해 전술한 단계 420 내지 단계 445가 수행되어 서포트 타입이 최종 결정되면, 다시 단계 415에서 n개의 위험 노드들이 다시 선택되어 각 위험 노드에 대해 전술한 단계 420 내지 단계 445가 수행되는 과정이 미리 지정된 횟수만큼 반복되도록 할 수도 있음은 당연하다.

이제까지 도 1 내지 도 4를 참조하여, 배관 시스템 내의 노드들에 대해 서포트 타입을 재선정하고 앞서 선정된 서포트 타입보다 개선되었는지 비교하는 과정을 반복하여 최적의 서포트 타입이 최종 선정되도록 하는 일련의 과정이 선택된 n개의 위험 노드들 각각에 대해 개별적이며 독립적으로(즉, 위험 노드에 대한 개별적 관점에서) 수행되는 장치 구성과 방법을 중심으로 설명하였다.

그러나, 배관 시스템에서는 노드들 중 어느 하나에 대한 서포트 타입의 변경에 따른 영향이 배관 시스템 전체에 미칠 수 있기 때문에, 선택된 n개의 위험 노드들 각각에 대한 서포트 타입을 변경한 후, 위험 노드들 각각에서의 위험 요소값들이 개선되었는지에 대한 비교 판단이 배관 시스템 전체에 대해 한꺼번에 실시될 수도 있다.

이하, 배관 시스템의 전체적인 관점에서, 선택된 n개의 위험 노드들의 서포트 타입 변경에 따른 개선 여부를 비교 판단하는 방법에 대해 설명한다. 다만, 앞서 도 1 내지 도 4를 참조하여 설명한 사항과 공통되는 사항에 대해서는 설명을 생략하거나 간략히 설명하기로 한다.

도 5는 본 발명의 다른 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법을 나타낸 순서도이다.

앞서 도 1을 참조하여 설명한 바와 마찬가지로, 설계 지원 장치(110)는 특성정보 생성부(111), 노드 선택부(113), 타입 갱신부(115) 및 기계 학습부(117)를 포함할 수 있다.

특성정보 생성부(111)는 미리 설정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드(node)들 각각에 지정된 구속 조건인 현재 서포트 타입에 기반하여 각 노드별 현재 특성 정보를 생성한다.

각 노드별 현재 특성 정보는 각 노드에 지정된 현재 서포트 타입에 기반한 배관 응력값, 하중값(또는 노즐 하중값이며, 이하 하중값으로 통칭함) 및 변위값 등인 위험 요소값들, 고유 진동수값, 위험 요소값들 각각에 대한 정규화값을 합산한 정규화 합산값(normalized sum) 중 하나 이상을 포함하도록 생성될 수 있다.

노드 선택부(113)는 배관 시스템의 노드들 각각에 대한 위험 요소값들, 정규화 합산값 등을 참조하여 n개의 노드를 위험 노드로 선택하고(도 3 참조), 선택된 각 위험 노드에 대한 노드 정보를 수집한다.

노드 정보는 예를 들어, 위험 노드로 선택한 노드들 각각에 대해, 해당 노드의 현재 서포트 타입에 따른 서포트 타입 정보와, 배관 응력값, 하중값 및 변위값인 위험 요소값들 각각에 대한 정규화값들일 수 있다.

타입 갱신부(115)는 학습 모델을 이용하는 제1 선정 기법과 확률 분포 정보를 이용하는 제2 선정 기법 중 어느 하나를 랜덤 선택하여, n개의 위험 노드들 각각에 대해 새로운 구속 조건으로서 신규 서포트 타입을 개별적으로 선정한다.

선정된 n개의 위험 노드들에 대해 타입 갱신부(115)에 의해 신규 서포트 타입이 각각 선정되면, 특성정보 생성부(111)는 위험 노드들 각각에 대해 신규 서포트 타입에 따른 위험 요소값들의 정규화 합산값을 다시 산출한다.

특성 정보 생성부(111)는 n개의 위험 노드들 중에서 신규 정규화 합산값이 현재 정규화 합산값보다 개선된 위험 노드가 존재하면, 해당 위험 노드에 대해서는 신규 서포트 타입과 신규 정규화 합산값이 현재 서포트 타입과 현재 정규화 합산값을 대체하도록 설정한다.

n개의 위험 노드 선정 및 정규화 합산값의 비교 과정은 미리 지정된 횟수만큼 반복되며, 미리 지정된 횟수만큼의 반복이 종료된 시점에서 배관 시스템의 각 노드에 대해 선정된 현재 서포트 타입이 최종의 서포트 타입으로 각각 출력된다.

물론, 배관 시스템의 각 노드에 대한 위험 요소들에 대해 목표값(target value)들이 설정되어 있는 경우, n개의 위험 노드 선정 및 정규화 합산값의 비교 과정이 반복되는 도중에 노드들 모두에 대해 목표값을 만족하는 결과가 나왔다면 지정된 횟수만큼의 반복을 완료하지 않고, 배관 시스템의 각 노드에 대해 선정된 현재 서포트 타입을 최종의 서포트 타입으로 각각 출력할 수도 있음은 당연하다.

배관 시스템의 노드들 각각에 대한 서포트 타입을 결정하고자 하는 설계자는 배관 시스템의 각 노드에 대해 각각 제시되는 서포트 타입을 조합하여 배관 시스템의 설계에 반영할 수 있을 것이다.

본 발명의 다른 실시예에 따른 배관의 서포트 타입을 최적화하는 설계 지원 방법에 대해 도 5를 참조하여 설명하면, 단계 510에서 설계 지원 장치(110)는 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드(node)들 각각에 구속 조건으로 지정된 현재 서포트 타입에 기반하여 각 노드별 현재 정규화 합산값을 산출한다.

단계 515에서, 설계 지원 장치(110)는 배관 시스템의 노드들 중에서 n개의 노드를 위험 노드로 선택하고, 선택된 각 위험 노드에 대한 노드 정보를 수집한다.

단계 520에서, 설계 지원 장치(110)는 선택된 n개의 위험 노드들 모두에 대해, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 신규 서포트 타입을 각각 선정한다.

단계 525에서, 설계 지원 장치(110)는 n개의 위험 노드들에 대해 선정된 신규 서포트 타입에 따른 신규 정규화 합산값을 각각 산출한다.

단계 530에서, 설계 지원 장치(110)는 n개의 위험 노드들 중 신규 정규화 합산값이 현재 정규화 합산값보다 작은(즉, 개선된) 위험 노드가 존재하면, 해당 위험 노드에 대해서만 신규 정규화 합산값이 현재 정규화 합산값을 대체하도록 설정한다. 이 경우, 해당 위험 노드의 서포트 타입 역시 신규 서포트 타입이 현재 서포트 타입을 대체하도록 설정될 것이다.

그러나, 만일 모든 위험 노드들에 대해 신규 정규화 합산값이 현재 정규화 합산값보다 큰 경우(즉, 악화된 경우)라면, 위험 노드들 모두에 대해 현재 정규화 합산값과 현재 서포트 타입이 유지되도록 설정된다.

이와 같이, 설계 지원 장치(110)는 배관 시스템에 대한 전체적인 관점에서 각 노드의 서포트 타입을 선정함에 있어, 신규 서포트 타입과 현재 서포트 타입을 비교하여 개선된 결과를 나타내는 서포트 타입이 해당 노드의 구속 조건으로 설정될 수 있도록 함으로써, 배관 시스템의 안정성을 도모할 수 있고, 또한 설계 품질을 향상시킬 수 있는 특징이 있다.

단계 535에서, 설계 지원 장치(110)는 위험 노드들에 대한 신규 서포트 타입 도출에 관한 정보, 즉 현재 서포트 타입과 신규 서포트 타입에 대한 비교 정보를 이용하여 학습 모델에 대한 강화 기계 학습을 수행한다.

단계 535에서 수행되는 학습 모델에 대한 기계 학습은, 신규 서포트 타입에 대한 비교 정보가 생성될 때마다 실시되거나, 미리 지정된 횟수만큼의 비교 정보가 누적된 이후 한꺼번에 실시되도록 설정될 수 있음은 당연하다.

단계 540에서, 설계 지원 장치(110)는 배관 시스템의 노드들 각각에 대한 최적의 서포트 타입을 선정하기 위해, 신규 서포트 타입의 선정을 반복하도록 미리 지정된 횟수만큼 반복되었는지 여부를 판단한다.

만일 미리 지정된 횟수만큼 반복되지 않았다면, 단계 515로 다시 진행하여 n개의 위험 노드를 다시 선정한다. 그러나 만일 미리 지정된 횟수만큼 반복되었다면 단계 545로 진행하여 배관 시스템의 각 노드에 대해 현재 서포트 타입으로 지정된 서포트 타입을 최종의 서포트 타입으로 표시 수단(130)을 통해 출력한다.

물론, 배관 시스템의 각 노드에 대한 위험 요소들에 대해 목표값(target value)들이 설정되어 있는 경우, n개의 위험 노드 선정 및 정규화 합산값의 비교 과정이 반복되는 도중에 노드들 모두에 대해 목표값을 만족하는 결과가 나왔다면 지정된 횟수만큼의 반복을 완료하지 않고, 배관 시스템의 각 노드에 대해 선정된 현재 서포트 타입을 최종의 서포트 타입으로 각각 출력할 수도 있음은 당연하다.

도 5를 참조하여 설명한 설계 지원 방법은 설계 지원 장치(110)가 싱글 쓰레드 구조하에서 n개의 위험 노드들의 선택을 반복하여 배관 시스템의 노드들 각각에 대해 최적의 서포트 타입을 선정하는 방법에 관한 것이다.

그러나, 도 6에 예시된 바와 같이, 설계 지원 장치(110)가 멀티 쓰레드 구조로 구현되고, 각각의 개별 쓰레드에서 개별적으로 n개의 위험 노드들의 선택을 반복하여 배관 시스템의 노드들 각각에 대해 최적의 서포트 타입을 선정하도록 구현될 수도 있다. 이를 통해, 배관 시스템의 각 노드에 대해 선정될 수 있는 신규 서포트 타입의 선정 다양성의 범위를 극대화시킬 수 있다.

멀티 쓰레드 구조 하에서, 각각의 개별 쓰레드에서 배관 시스템의 각 노드에 대해 최종의 서포트 타입이 각각 출력되면, 예를 들어 개별 쓰레드들에서 각각 출력된 노드들의 서포트 타입 조합들 중 노드들의 현재 정규화 합산값의 평균값이 가장 작거나 위험 요소값들이 상대적으로 낮은 값들로 분포된 서포트 타입 조합이 배관 시스템의 각 노드들에 대한 최적의 서포트 타입 조합으로 결정될 수도 있을 것이다.

앞서 설명한 바와 같이, 개별 위험 노드 관점 또는/및 배관 시스템에 대한 전체적인 관점에서 배관의 서포트 타입을 최적화하는 설계 지원 방법은 디지털 처리 장치에 내장된 소프트웨어 프로그램, 어플리케이션 등으로 구현되어 시계열적 순서에 따른 자동화된 절차로 수행될 수도 있음은 당연하다. 상기 프로그램 등을 구성하는 코드들 및 코드 세그먼트들은 당해 분야의 컴퓨터 프로그래머에 의하여 용이하게 추론될 수 있다. 또한, 상기 프로그램은 컴퓨터가 읽을 수 있는 정보저장매체(computer readable media)에 저장되고, 컴퓨터에 의하여 읽혀지고 실행됨으로써 상기 방법을 구현한다.

상기에서는 본 발명의 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.

110 : 설계 지원 장치 111 : 특성정보 생성부
113 : 노드 선택부 115 : 타입 갱신부
117 : 기계 학습부 130 : 표시 수단

Claims (10)

1. 배관의 서포트 타입을 최적화하는 설계 지원 방법을 수행하도록 하기 위해 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은,
   (a) 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 단계;
   (b) 미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 단계;
   (c) 어느 하나의 위험 노드를 대상 노드로 하여, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 대상 노드에 대한 신규 서포트 타입을 선정하는 단계;
   (d) 상기 목적 함수를 이용하여, 상기 대상 노드에 선정된 신규 서포트 타입에 기반한 신규 정규화 합산값을 산출하는 단계;
   (e) 상기 신규 정규화 합산값이 상기 현재 정규화 합산값보다 작은 경우에만, 상기 신규 서포트 타입과 상기 신규 정규화 합산값이 상기 현재 서포트 타입과 상기 현재 정규화 합산값을 대체하도록 설정하는 단계; 및
   (f) 미리 지정된 횟수만큼 상기 단계 (c) 내지 (e)가 반복되도록 하고, 미리 지정된 횟수만큼 반복된 시점에서의 현재 서포트 타입을 상기 위험 노드에 대한 서포트 타입으로 결정하는 단계를 포함하되,
   상기 단계 (c) 내지 (f)는 상기 단계 (b)에서 위험 노드로 선택된 각각의 노드에 대해 개별적으로 수행되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
2. 제1항에 있어서,
   위험 노드로 선택된 각각의 노드에 대해 서포트 타입이 결정된 후, 상기 단계 (b)에서 위험 노드가 다시 선택되고, 위험 노드로 다시 선택된 각각의 노드에 대해 개별적으로 상기 단계 (c) 내지 (f)가 수행되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
3. 제1항에 있어서,
   위험 노드로 선택된 각각의 대상 노드에 대해, 상기 단계 (c) 내지 (f)는 멀티쓰레드 구조에서 대상 노드별로 개별 수행되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
4. 배관의 서포트 타입을 최적화하는 설계 지원 방법을 수행하도록 하기 위해 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 컴퓨터로 하여금 이하의 단계들을 수행하도록 하며, 상기 단계들은,
   (a) 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 단계;
   (b) 미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 단계;
   (c) 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여, 상기 선택된 하나 이상의 위험 노드 각각에 대한 신규 서포트 타입을 선정하는 단계;
   (d) 상기 목적 함수를 이용하여, 각 위험 노드에 대해 신규 서포트 타입에 기반한 신규 정규화 합산값을 산출하는 단계;
   (e) 신규 정규화 합산값이 현재 정규화 합산값보다 작게 산출된 위험 노드에 대해서만, 상응하는 위험 노드의 신규 서포트 타입과 신규 정규화 합산값이 현재 서포트 타입과 현재 정규화 합산값을 대체하도록 설정하는 단계; 및
   (f) 미리 지정된 횟수만큼 상기 단계 (b) 내지 (e)가 반복되도록 하고, 미리 지정된 횟수만큼 반복된 시점에서의 각 노드별 현재 서포트 타입을 각 노드에 대한 서포트 타입으로 결정하는 단계를 포함하는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
5. 제1항 또는 제4항에 있어서,
   위험 노드를 선택하도록 설정되는 상기 미리 지정된 기준은,
   배관 시스템의 노드들 중에서 미리 지정된 개수 또는 랜덤 선택된 개수의 노드를 위험 노드로 선택하되,
   배관 시스템의 노드들 중에서 배관 응력값이 가장 큰 노드, 변위값이 가장 큰 노드, 하중값이 가장 큰 노드, 고유 진동수값이 미리 지정된 기준값보다 작은 노드, 현재 정규화 합산값이 가장 큰 노드 중 하나 이상이 포함되도록 위험 노드가 선택되도록 설정되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
6. 제1항 또는 제4항에 있어서,
   상기 제1 선정 기법은,
   미리 강화 학습된 학습 모델을 이용하여, 현재 서포트 타입에 따른 현재 정규화 합산값보다 상대적으로 작은 신규 정규화 합산값이 산출될 것으로 예상되는 신규 서포트 타입을 선택하도록 하는 선정 기법인, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
7. 제6항에 있어서,
   상기 학습 모델은 상기 신규 정규화 합산값과 상기 현재 정규화 합산값의 비교 결과를 참조하여 강화 학습되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
8. 제1항 또는 제4항에 있어서,
   상기 제2 선정 기법은,
   대상 노드에 대해 선정될 수 있도록 미리 설정된 서포트 타입들 각각의 적용 빈도에 따른 확률 분포 정보에 기반한 랜덤 선택 방식으로 현재 서포트 타입과 상이한 어느 하나의 서포트 타입을 신규 서포트 타입으로 선택하도록 하는 선정 기법인, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
9. 제4항에 있어서,
   멀티쓰레드 구조에서, 상기 단계 (a) 내지 (f)는 개별 쓰레드별로 개별 수행되는, 컴퓨터-판독 가능 매체에 저장된 컴퓨터 프로그램.
10. 미리 지정된 목적 함수를 이용하여, 배관 시스템의 미리 지정된 노드들 각각에 지정된 현재 서포트 타입에 기반한 각 노드별 현재 정규화 합산값을 산출하는 특성정보 생성부;
    미리 설정된 기준에 따라 상기 배관 시스템의 노드들 중 하나 이상의 노드를 위험 노드로 선택하는 노드 선택부; 및
    위험 노드로 선택된 노드에 대해, 미리 지정된 제1 선정 기법과 제2 선정 기법 중에서 랜덤 선택한 어느 하나의 선정 기법을 이용하여 신규 서포트 타입을 선정하는 타입 갱신부를 포함하되,
    상기 특성 정보 생성부는 위험 노드로 선택된 노드에 대해 상기 목적 함수를 이용하여 신규 서포트 타입에 기반한 신규 정규화 합산값을 산출하여 현재 정규화 합산값과 비교하고, 신규 정규화 합산값이 현재 정규화 합산값보다 작은 위험 노드에 대해서는 신규 서포트 타입과 신규 정규화 합산값이 현재 서포트 타입과 현재 정규화 합산값을 대체하도록 설정하는, 설계 지원 장치.

Images