본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

요약

ABSTRACT

목차

1. 서론 17

1.1. 연구 배경 17

1.2. 블록 물류 19

1.3. 연구 내용 22

2. 관련 연구 동향 23

2.1. 블록 물류 운영 23

2.2. 운영 계획 동향 27

2.3. 트랜스포터 운행 지원 동향 32

3. 지능형 블록 물류 데이터 순환 체계 정의 36

3.1. 블록 물류 데이터 허브 40

3.2. 트랜스포터 운영 계획 시스템 42

3.3. 블록 적치장 모니터링 43

3.4. 트랜스포터 독립모듈 45

4. 데이터 기반 지능형 블록 물류 운영 환경 정의 및 개발 47

4.1. 블록 물류 데이터 허브 48

4.1.1. 블록 물류 데이터베이스 48

4.1.2. 블록 물류 시뮬레이터 52

4.2. 적치장 모니터링 57

4.3. 트랜스포터 독립모듈 65

4.3.1. 블록 물류 환경에서의 위치 데이터 활용성 검증 71

4.3.2. 장애물 판별 75

4.3.3. 장애물 거리 계측 82

4.3.4. 안전 영역 기반 충돌 방지 88

4.3.5. 위치정보 기반 자동 상·하차 90

5. 지능형 블록 물류 데이터 순환 체계 구현 및 테스트 91

5.1. 지능형 블록 물류 운영 체계 구현 91

5.1.1. 지능형 블록 물류 운영 체계 구현 91

5.1.2. 블록 물류 시뮬레이터 94

5.1.2. 블록 적치장 모니터링 97

5.1.3. 트랜스포터 독립모듈 98

5.2. 지능형 블록 물류 운영 체계 테스트 개요 101

5.2.1. 테스트 목적 101

5.2.2. 테스트 구성 101

5.3. 지능형 블록 물류 운영 체계 테스트 결과 105

5.3.1. 현장 데이터 생성 결과 105

5.3.2. 블록 물류 운영 데이터 순환 테스트 결과 109

5.3.3. 안전 주행 보조 기술 활용성 검증 결과 109

6. 결론 111

7. 참고문헌 115

표목차

표 1. 블록 물류 운영 단계 별 관련 데이터 24

표 2. 블록 물류 운영 계획 생성을 위해 필요한 데이터 40

표 3. 블록 물류 운영 계획의 세부 데이터 구성 42

표 4. 트랜스포터 일일 작업 계획 테이블의 주요 데이터 구성 및 내용 49

표 5. 적치 현황 테이블의 레코드 구성 50

표 6. 트랜스포터 현황 테이블의 레코드 구성 51

표 7. GIS 데이터 테이블 52

표 8. TM 좌표계 변환 결과 예시 53

표 9. 가상 모델 구축 자동화에 사용된 좌표 수량 54

표 10. 트랜스포터 주행 거동 모사를 위한 변수 정의 56

표 11. 영상 내 블록 적치 여부 파악을 위한 필요 데이터 57

표 12. 블록 단면 인식 학습 모델 검출 성능 검토를 위한 설정 및 결과 60

표 13. 트랜스포터 독립모듈의 세부 기능 및 관련 데이터 65

표 14. GPS 위치 데이터 활용 가능성 테스트 73

표 15. Fater R-CNN 기반 장애물 검출 모델 구성 77

표 16. YOLO V3 기반 장애물 검출 모델 구성 79

표 17. 거리 계측 장치 별 장·단점 82

표 18. 장애물 거리 계측 성능 테스트 구성 및 결과 87

표 19. 안전 영역 설정을 위해 사용되는 데이터 89

표 20. 블록 물류 데이터베이스 서버 구성 93

표 21. 블록 물류 시뮬레이터 구현 환경 94

표 22. 트랜스포터 독립모듈 구현 환경 99

표 23. 실 운행 환경 테스트 개요 102

표 24. 조선소 내 현장 데이터 생성 테스트 결과 106

그림목차

그림 1. 스마트선박과 자율운항 선박의 개념 17

그림 2. 블록물류와 관련된 시설, 설비 및 데이터 예시 19

그림 3. 트랜스포터와 신호수의 수신호 예시 20

그림 4. 일일 블록 운송 계획 프로세스 23

그림 5. 대형 조선사의 조선소 디지털화 사례 25

그림 6. 조선소 블록 물류 시뮬레이션을 위한 GIS 정보 체계 연구 28

그림 7. 의사결정트리를 활용한 적치장 선정 29

그림 8. 손상 절점을 고려한 비용 최소화 경로 탐색 사례 30

그림 9. 네트워크 흐름모형 기반의 트랜스포터 일정계획 수립 31

그림 10. GNSS와 IMU를 활용한 트랜스포터 위치 정확도 개선 사례 32

그림 11. 트랜스포터 모니터링 시스템 구현 사례 33

그림 12. 최신 기종 트랜스포터[25]의 지원 기능 34

그림 13. 블록 물류 운영 단계별 데이터 정의 36

그림 14. 부정확한 데이터로 인해 발생한 블록 운송 사고 사례 38

그림 15. 데이터 순환 기반의 블록 물류 핵심 구성 요소 정의 39

그림 16. 블록 물류 데이터베이스의 주요 구성 요소 41

그림 17. 블록 물류 데이터베이스 구성 48

그림 18. 간트 차트 개념을 적용한 시계열 블록 적치 현황 분석 55

그림 19. 트랜스포터의 특수 주행 모드 55

그림 20. 드론 기반 적치장 모니터링 기술 개요 58

그림 21. YOLO V3의 검출 성능 비교 59

그림 22. 적치 블록 검출 학습 데이터 예시 60

그림 23. 측면 및 수직 촬영 영상 구성 비율을 다르게 학습한 결과 61

그림 24. 데크 베이스 적치 블록 검출 불가 사례 62

그림 25. 적치장 지번 기반 세그멘테이션을 활용한 지번 별 영상 분리 63

그림 26. 드론 영상 기반 적치 블록 검출 결과 64

그림 27. 승용차에 적용된 증강현실 기반 주행 보조 정보 가시화 66

그림 28. 모바일 기기 기반 증강현실 네비게이션 67

그림 29. 트랜스포터 주행 지원 다중 정보 가시화 파이프라인 69

그림 30. 테스트에 사용된 DGPS 기반의 Garmin 18X 71

그림 31. 조선소 내 GPS 활용성 테스트 위치 72

그림 32. 딥러닝 기반 개체 분류 기법 및 추출 기법에 따른 정확도 76

그림 33. Faster R-CNN(Resnet101) 개체 검출 테스트 결과 78

그림 34. 장애물 분류 모델 구축을 위한 파라미터 테스트 결과 80

그림 35. YOLO V3 개체 검출 테스트 결과 81

그림 36. 라이다 기반 장애물 거리 계측 프로세스 84

그림 37. 라이다 포인트 클라우드의 군집화 예시 84

그림 38. 라이다 기반 장애물 거리 계측 프로세스 실시간 검출 테스트 85

그림 39. 포인트 클라우드 경량화를 적용한 장애물 거리 계측 프로세스 86

그림 40. 포인트 클라우드 경량화 적용 장애물 거리 계측 성능 개선 87

그림 41. 안전 영역 기반 충돌 방지 프로세스 88

그림 42. 공차 주행 상태의 200MT 급 트랜스포터의 안전 영역 89

그림 43. 위치 데이터 기반 자동 상·하차 방안 90

그림 44. BLOCKDAYPLAN 테이블의 속성 92

그림 45. 적치 현황 테이블의 레코드 구성 92

그림 46. 트랜스포터 현황 테이블의 레코드 구성 93

그림 47. 블록 물류 시뮬레이터 구현 94

그림 48. 적치 시뮬레이션 가시화 구현 결과 95

그림 49. 트랜스포터 주행 시뮬레이션 구현 결과 96

그림 50. 블록 적치장 모니터링 시스템 구현 결과 97

그림 51. 트랜스포터 독립모듈 센서 모듈 프로토타입 및 사용자 화면 98

그림 52. 트랜스포터 독립모듈 사용자 화면 개발 및 개선 결과 100

그림 53. 트랜스포터 독립모듈 야드 테스트 용 차량 102

그림 54. 센서 모듈 미설치 트랜스포터 용 안드로이드 화면 103

그림 55. 테스트 대상 블록 운송 경로 정보 예시 - 부수 이동 104

그림 56. 테스트 대상 블록 운송 경로 정보 예시 - 폐쇄 경로 대체 104

그림 57. 블록 물류 데이터베이스의 일일 작업 계획 테이블 108

그림 58. 블록물류 데이터허브의 데이터 순환을 통해 모니터링 및 가상증강된 트랜스포터 108

그림 59. 안전 주행 데이터 분류 오류 사례 110

초록보기

 선박 및 해양구조물의 건조는 생산 계획에 따라 다양한 크기의 블록을 제작하고 조립하는 과정을 통해 진행된다. 생산 계획에 따라 선각 공장, 도장 공장, 적치장, 선행 탑재장 등으로 블록을 운송하기 위해 트랜스포터라는 대형 화물 운송 전용 특수 차량을 사용하며 트랜스포터의 주행 특성으로 인해 많은 데이터를 활용해야 한다.

계획된 일정과 위치에 블록을 운송하기 위해 블록 생산 일정, 적치장 운영 계획, 트랜스포터 운영 계획, 트랜스포터 주행 정보 등 많은 데이터가 연계되어야 하지만 현행 블록물류 운영은 많은 부분이 인력 중심으로 운영되고 이로 인한 데이터의 누락, 단절에 기인하는 공정 지연 및 사고로 인한 손실이 발생하는 경우도 존재한다.

본 논문에서는 블록 물류 전 과정에서의 데이터 순환이 가능한 지능형 블록 물류 운영 체계를 정의하고 이에 대한 핵심 구성 요소로 블록 물류 각 단계 별 필요 데이터를 순환하기 위한 블록 물류 데이터 허브, 트랜스포터 작업 현황과 실시간 적치 현황 파악이 가능한 블록 물류 현황 모니터링, 트랜스포터의 정확한 운송과 안전 주행 지원을 위한 다중 데이터 센서퓨전 기반의 증강현실 트랜스포터 독립모듈 및 블록 적치 가시화 시뮬레이션과 트랜스포터 운송 시뮬레이션이 가능한 디지털트윈 기반 블록 물류 시뮬레이터 핵심 기술에 관한 연구를 수행하였다. 마지막으로 앞서 정의한 지능형 블록물류 운영 체계의 구성 요소들을 구현하여 조선소 내 실 운용 환경 테스트를 통하여 활용성을 검토하였다.

본 논문에서 제시하고 있는 지능형 블록 물류 운영 체계는 안전한 작업 수행, 작업 모니터링을 통한 현황 파악 및 돌발 상황에 대한 빠른 조치를 지원하여 직접적으로는 블록 물류 운영 비용 절감과 간접적으로는 작업 안전성을 높이고 디지털 조선소 등의 새로운 제조환경 대응에 기여할 수 있을 것이다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차