Nothing Special   »   [go: up one dir, main page]

KR20220060890A - 배관 상태 모니터링 시스템 - Google Patents

배관 상태 모니터링 시스템 Download PDF

Info

Publication number
KR20220060890A
KR20220060890A KR1020200147025A KR20200147025A KR20220060890A KR 20220060890 A KR20220060890 A KR 20220060890A KR 1020200147025 A KR1020200147025 A KR 1020200147025A KR 20200147025 A KR20200147025 A KR 20200147025A KR 20220060890 A KR20220060890 A KR 20220060890A
Authority
KR
South Korea
Prior art keywords
pipe
information
condition
neural network
deep neural
Prior art date
Application number
KR1020200147025A
Other languages
English (en)
Inventor
김동오
최장원
윤승식
정민중
Original Assignee
주식회사 코너스
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 코너스 filed Critical 주식회사 코너스
Priority to KR1020200147025A priority Critical patent/KR20220060890A/ko
Publication of KR20220060890A publication Critical patent/KR20220060890A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/04—Analysing solids
    • G01N29/048—Marking the faulty objects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/22—Details, e.g. general constructional or apparatus details
    • G01N29/222—Constructional or flow details for analysing fluids
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4445—Classification of defects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4481—Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Acoustics & Sound (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

화학 플랜트 등에 설치된 복잡한 구조의 배관에 센서를 사용하여 배관 상태를 측정하고, 관리 서버에서 배관의 상태와 관련된 정보를 분석하여 해당 배관의 고장 발생 가능성 등을 판단하는 배관 상태 모니터링 시스템이 개시된다. 개시된 배관 상태 모니터링 시스템은 수집된 배관 상태 정보에 심층 신경망을 적용하여 해당 배관의 상태를 판단하고, 그 결과를 사용자 친화적인 UI를 통해 화학 플랜트의 관리자에게 제공한다.

Description

배관 상태 모니터링 시스템{SYSTEM FOR MONITORING PIPELINE}
하기의 실시예들은 화학공장 등에서 사용되는 배관의 상태를 모니터링하는 시스템에 관한 것으로, 구체적으로는 초음파 센서를 이용하여 수집된 데이터를 심층신경망(DNN: Deep Neural Network)을 이용해 분석하여 배관의 두께 감소, 균열이 발생하였는지 또는 배관에 유지 보수가 필요한지 여부 등을 판단하는 시스템에 관한 것이다.
화학 플랜트는 여러가지 화학 물질의 흐름을 제어하기 위해 수많은 배관, 밸브, 펌프 등을 사용함. 배관, 밸브, 펌프 등의 내부에는 유독 물질 등이 흐를 수 있으며, 시간이 지남에 따라 균열이 발생하거나, 내부의 압력을 이기지 못해 유독 물질이 유출되는 사고도 종종 발생한다.
화학 플랜트를 운영하는 기업은 이러한 사고를 방지하기 위해 주기적으로 배관의 여러 부분을 점검하고 있으나, 배관을 점검하는 운영 요원간의 측정 방법의 차이 등으로 인하여 균일한 측정이 힘들고, 손이 닿지 않거나 높은 곳에 위치한 배관은 현실적으로 측정이 불가능한 문제가 있었다.
하기의 실시예들은 고온의 액체, 기체가 통과하는 배관에 두께가 감소하였는지, 배관에 균열이 발생하였는지 등을 효과적으로 판단하는 것을 목적으로 한다.
하기의 실시예들은 사람이 쉽게 접근하기 어려운 곳에 위치한 곳의 배관의 상태를 측정하고, 측정된 결과를 원격으로 수집하여 배관의 상태를 분석하는 것을 목적으로 한다.
예시적 실시예에 따르면, 초음파를 이용하여 배관을 통과하는 유체에 대한 정보 및 상기 배관에 대한 정보를 포함하는 배관 상태 정보를 수집하는 초음파 센서, 온도 센서(ThermoCouple)상기 수집된 배관 상태 정보를 무선으로 전송하는 무선 전송 장치 및 상기 전송된 배관 상태 정보를 수신하고, 수신된 배관 상태 정보에 기반하고, 제1 심층신경망을 이용하여 상기 배관의 상태를 판단하는 관리 서버를 포함하는 배관 상태 모니터링 시스템이 제공된다.
여기서, 상기 배관 상태 정보는 상기 유체의 유량, 속도, 상기 배관의 두께, 온도 중에서 적어도 하나를 포함할 수 있다.
그리고, 상기 관리 서버는, 상기 수신된 배관 상태 정보를 데이터 필터 모듈에 통과시켜 학습과 평가를 위한 특성을 강화시키고, 상기 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 상기 배관의 상태를 판단할 수 있다.
또한, 상기 관리 서버는 상기 판단된 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현할 수 있다.
여기서, 상기 관리 서버는 관리자의 선택에 따라서, 상기 수신된 배관 상태 정보를 제2 심층신경망을 학습시키기 위해 사용할 수 있다.
그리고, 상기 관리 서버는 상기 제2 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 상기 제2 심층신경망의 학습이 완료된 것으로 판단할 수 있다.
또 다른 예시적 실시예에 따르면, 초음파를 이용하여 배관을 통과하는 유체에 대한 정보 및 상기 배관에 대한 정보를 포함하는 배관 상태 정보를 수집하는 단계, 상기 수집된 배관 상태 정보를 무선으로 전송하는 단계, 상기 전송된 배관 상태 정보를 수신하고, 수신된 배관 상태 정보에 기반하고, 제1 심층신경망을 이용하여 상기 배관의 상태를 판단하는 단계를 포함하는 배관 상태 모니터링 방법이 제공된다.
여기서, 상기 배관 상태 정보는 상기 유체의 유량, 속도, 상기 배관의 두께, 온도 중에서 적어도 하나를 포함할 수 있다.
그리고, 상기 수신된 배관 상태 정보를 데이터 필터 모듈에 통과시켜 학습과 평가를 위한 특성을 강화하는 단계를 더 포함하고, 상기 배관의 상태를 판단하는 단계는, 상기 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 상기 배관의 상태를 판단하는 배관 상태 모니터링 방법.
또한, 상기 배관의 상태를 판단하는 단계는 상기 판단된 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현할 수 있다.
여기서, 관리자의 선택에 따라서, 상기 수신된 배관 상태 정보를 상기 심층신경망을 학습시키기 위해 사용하는 단계를 더 포함할 수 있다.
그리고, 상기 심칭신경망을 학습시키기 위해 사용하는 단계는, 상기 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 상기 심층신경망의 학습이 완료된 것으로 판단할 수 있다.
하기의 실시예들에 따르면, 고온의 액체, 기체가 통과하는 배관에 두께가 감소하였는지, 배관에 균열이 발생하였는지 등을 효과적으로 판단할 수 있다.
하기의 실시예들에 따르면, 사람이 쉽게 접근하기 어려운 곳에 위치한 곳의 배관의 상태를 측정하고, 측정된 결과를 원격으로 수집하여 배관의 상태를 분석할 수 있다.
도 1은 배관의 상태를 무선으로 수집하여 분석하는 예시적 실시예들 도시한 개념도이다.
도 2는 배관의 상태를 수집하는 센서 및 센서가 수집한 배관 상태 정보를 전송하는 무선 전송 장치를 도시한 도면이다.
도 3은 배관의 상태를 분석하여 배관의 상태를 판단하는 관리 서버의 구조를 도시한 블록도이다.
도 4는 배관 상태를 모니터링 하는 방법을 단계별로 도시한 순서도이다.
도 5는 사용자 친화적인 UI를 이용하여 배관의 상태를 제공하는 화면을 도시한 도면이다.
도 6은 사용자 친화적인 UI를 이용하여 배관의 전체적인 형상과 함께 각 배관의 상태를 제공하는 화면을 도시한 도면이다,
도 7은 사용자 친화적인 UI를 이용하여 운영요원의 유지보수 작업 결과를 확인할 수 있는 화면을 도시한 도면이다.
이하, 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 배관의 상태를 무선으로 수집하여 분석하는 예시적 실시예들 도시한 개념도이다.
화학 플랜트는 화학물질을 정제하거나, 합성하며, 이를 위해 다양한 화학물질을 펌프와 배관을 이용하여 이동시킨다. 화학 플랜트에서 사용하는 화학물질 중에서는 매우 고온 상태인 물질도 있고, 산성도가 높은 물질도 있다.
화학 물질을 이동하기 위해 사용되는 배관(110, 120)은 이러한 고온의 화학 물질을 견딜 수 있는 금속 재질 등으로 제작되지만, 시간이 지남에 따라 배관(110, 120)의 일부가 화학물질에 녹아 배관(110, 120)의 두께가 얇아질 수 있고, 또는 배관(110, 120)의 일부에 균열이 생길 수 있다.
따라서, 화학 플랜트를 운영하는 기업은 주기적으로 배관(110, 120)의 상태를 파악하고, 배관(110, 120)의 두께가 임계값 이하로 내려가거나, 배관(110, 120)에 균열이 발생하면 배관(110,120)의 해당 부분을 수리, 정비하거나 교체하는 작업을 정기적으로 수행하고 있다.
그러나, 이를 위해서는 배관(110, 120)의 상태를 파악하는 모니터링 요원이 배관에 접근해야 하는데, 위험물질을 운반하는 배관(110, 120)의 주변은 유증기로 가득차 있어 계측기, 센서 등의 전자 장비를 사용하기조차 어려울 수 있다.
뿐만 아니라, 화학 플랜트 등의 배관(110, 120)은 높은 곳에 설치되거나, 사람의 손길이 닿기 어려운 곳에 설치되는 경우도 많아 모니터링 요원이 접근하기 어려운 경우도 많았다.
따라서, 도 1에 도시된 바와 같이, 배관(110, 120)에 대한 정보를 수집하는 센서(130) 및 센서(130)에서 수집된 정보를 전달하는 무선 전송 장치(140)를 이용하여 배관(110, 120)에 대한 정보를 수집하고, 분석하는 기술이 개발되고 있음.
도 2는 배관의 상태를 수집하는 센서 및 센서가 수집한 배관 상태 정보를 전송하는 무선 전송 장치를 도시한 도면이다.
센서(230, 232)는 초음파, 레이저 등 여러가지 수단을 이용하여 배관(210)에 대한 정보 또는 배관(210)을 통과하는 유체(220)에 대한 정보를 수집한다.
일측에 따르면, 배관 상태 정보는 배관(210)에 대한 정보 또는 배관(210)을 통과하는 유체(220)에 대한 정보를 모두 포함할 수 있다. 배관 상태 정보는 배관(210)을 통과하는 유체(220)의 유량, 속도, 배관(210)의 두께, 온도 등에 대한 정보 중에서 어느 하나를 포함할 수 있다.
일측에 따르면, 센서(230)는 초음파 센서일 수 있다. 이 경우, 센서(230)는 트랜스듀서(231)를 이용하여 초음파를 배관(210)의 내부로 전송하고, 배관(210) 또는 내부의 유체(220)에 반사되어 수신된 초음파의 응답을 측정할 수 있다. 이 경우에, 배관 상태 정보는 초음파의 응답을 포함할 수 있다.
일측에 따르면, 센서(232)는 온도 센서일 수 있다. 이 경우, 센서(230)는 배관(210) 내부의 온도 또는 외부의 온도를 측정하고, 배관 상태 정보는 배관 내부의 온도 또는 외부의 온도를 포함할 수 있다.
일측에 따르면, 센서(230, 232)는 제1 무선 전송 장치(240)와 결합될 수 있다. 제1 무선 전송 장치(240)는 센서(230, 232)와 일체형으로 제작되거나, 센서(230, 232)의 일부에 모듈형으로 탑재될 수 있다. 제1 무선 전송 장치(240)은 최대 n개의 센서(230, 232)와 멀티로 연결하여 배관의 상태 정보를 전송할 수 있다. 또는 센서(230, 232)와 유선으로 연결될 수도 있다. 센서(230, 232)가 수집한 배관 상태 정보는 제1 무선 전송 장치(240)에 의해 제2 무선 전송 장치(280)로 전송될 수 있다.
제2 무선 전송 장치(280)는 제1 무선 전송 장치(240) 뿐만 아니라 제3 무선 전송 장치(270)로부터 배관 상태 정보를 수신하고, 수신된 배관 상태 정보들을 관리 서버(미도시)로 전송할 수 있다.
제3 무선 전송 장치(270)는 배관(210)과는 다른 곳에 위치한 배관(250)의 배관 상태 정보를 센서(260)으로부터 수신하고, 배관(250)의 배관 상태 정보를 제2 무선 전송 장치(280)로 전송한다.
일측에 따르면, 제2 무선 전송 장치(280)로 배관 상태 정보를 전송하는 제1 무선 전송 장치(230) 및 제3 무선 전송 장치(250)는 LoRA와 같은 저전력통신방식을 이용하여 배관 상태 정보를 전송할 수 있다. 이 경우에, 제1 무선 전송 장치(230), 제3 무선 전송 장치(260)는 일반적인 LoRa 단말기이고, 제2 무선 전송 장치(280)은 LoRa 중계기 일 수 있다. 유증기가 존재할 수도 있는 화학 플랜트에서는 저전력통신 방식을 이용하여 데이터를 전송하면 좀더 안전할 수 있다.
제2 무선 전송 장치(280)는 복수의 무선 전송 장치(230, 270)로부터 배관 상태 정보를 수신하여 관리 서버(미도시)로 전송한다.
도 3은 배관의 상태를 분석하여 배관의 상태를 판단하는 관리 서버의 구조를 도시한 블록도이다. 예시적 실시예에 따른 관리 서버(300)는 배관 상태 정보 수신부(310), 데이터 필터 모듈(320), 배관 상태 판단부(330), 심층신경망 학습부(340)를 포함한다.
배관 상태 정보 수신부(310)는 무선 전송 장치에서 전송된 배관 상태 정보를 수신한다. 일측에 따르면, 배관 상태 정보 수신부(310)는 LoRa 등의 저전력 통신 방식을 이용하여 배관 상태 정보를 수신할 수 있다.
데이터 필터 모듈(320)은 수신된 배관 상태 정보를 통과시켜 심층신경망(DNN: Deep Neural Network)의 학습과 평가를 위한 특성을 강화시킨다. 일측에 따르면, 데이터 필터로는 PCA(Principle Component Analysis)를 수행하는 필터가 사용될 수 있으며, 특히 선형 PCA(Linear PCA)를 수행하는 필터가 배관 상태 정보에서 학습과 평가를 위한 특성을 강화시키기 위해 사용될 수 있다.
일측에 따르면, 데이터 필터 모듈(320)은 수신된 배관 상태 정보 중에서 일정 시간(예를 들면 0.5초 또는 1초 등)동안 수신된 배관 상태 정보들을 데이터 윈도우로 선별하여 사용할 수 있다. 이 경우에, 데이터 필터 모듈은 선형 PCA에 의해 가공된 배관 상태 정보에 데이터 윈도우를 적용할 수 있다.
데이터 필터 모듈(320)은 배관의 여러 곳에서 서로 다른 센서에서 수신된 배관 상태 정보 등을 분석하여 측정값 들의 유사성, 상이성을 비교하고, 배관 상태를 판단하기 위해 적합하도록 이를 각각 증폭시킬 수 있다.
배관 상태 판단부(330)는 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 배관의 상태를 판단한다. 일측에 따르면, 배관 상태 판단부는 제1 심층신경망을 이용하여 배관의 상태를 판단할 수 있다.
일측에 따르면, 배관 상태 판단부는 배관 상태 정보를 해석하여 배관 상태 정보를 배관의 두께, 균열의 존재 여부 또는 균열의 크기 등 배관의 특성으로 변환할 수 있다.
일측에 따르면, 배관 상태 판단부는 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현할 수 있다. 예를 들어 배관 상태 판단부는 0 에서 1 사이의 값으로 배관 상태를 표현하며, 1 이면 100%의 배관 상태이고, 0이면 사전에 설정된 한계 수준으로 배관 상태가 악화된 것(배관의 두께가 얇아지거나, 배관의 균열이 심해진 것)으로 나타낼 수 있다.
심층신경망 학습부(340)는 수신된 배관 상태 정보를 이용하여 제2 심층 신경망을 학습시킬 수 있다. 일측에 따르면, 관리 서버(300)의 관리자는 수신된 배관 상태 정보를 배관의 상태를 판단하기 위해 사용할 지, 또는 심층신경망을 학습시키기 위해 사용할지 여부를 결정할 수 있다.
심층신경망 학습부(340)는 관리자의 선택에 따라, 수신된 배관 상태 정보를 제2 심층신경망을 학습시키기 위해 사용할 수 있다. 이 경우에, 심층신경망 업데이트부(340)는 제2 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 제2 심층신경망의 학습이 완료된 것으로 판단할 수 있다.
심층 신경망 학습부(340)는 제2 심층신경망의 학습이 완료되면, 제2 심층신경망을 이용하여 제1 심층신경망을 업데이트 할 수 있다.
배관 상태 정보 제공부(350)는 배관 상태 판단부(330)가 판단한 배관 상태를 사용자 친화적인 UI를 이용하여 관리자에게 제공할 수 있다.
도 4는 배관 상태를 모니터링 하는 방법을 단계별로 도시한 순서도이다.
단계(410)에서, 배관 상태 모니터링 시스템은 배관 상태 모니터링 시스템에 포함된 센서를 이용하여 배관 상태 정보를 수집한다. 배관 상태 정보는 배관을 통과하는 유체의 유량, 속도, 배관의 두께 등에 대한 정보 중에서 어느 하나를 포함할 수 있다. 일측에 따르면, 센서는 초음파 센서일 수 있고, 배관 상태 정보는 배관 또는 내부의 유체에 반사되어 수신된 초음파의 응답을 포함할 수 있다.
단계(420)에서, 배관 상태 모니터링 시스템은 배관 상태 모니터링 시스템에 포함된 무선 통신 장치를 이용하여 배관 상태 정보를 전송할 수 있다. 일측에 따르면, 배관 상태 모니터링 시스템은 LoRa 등과 같은 저전력 통신 방식을 이용하여 배관 상태 정보를 전송할 수 있다.
단계(430)에서, 배관 상태 모니터링 시스템은 배관 상태 모니터링 시스템에 포함된 관리서버를 이용하여 무선 전송 장치에서 전송된 배관 상태 정보를 수신한다.
단계(440)에서, 배관 상태 모니터링 시스템은 배관 상태 모니터링 시스템에 포함된 관리 서버를 이용하여 심층신경망(DNN: Deep Neural Network)의 학습과 평가를 위한 특성을 강화시킨다. 일측에 따르면, 관리 서버는 PCA(Principle Component Analysis)를 수행하는 필터 등을 포함하는 데이터 필터 모듈에 배관 상태 모니터링 정보를 통과시킬 수 있으며, 특히 선형 PCA(Linear PCA)를 수행하는 필터가 배관 상태 정보에서 학습과 평가를 위한 특성을 강화시키기 위해 사용될 수 있다.
일측에 따르면, 관리 서버는 수신된 배관 상태 정보 중에서 일정 시간(예를 들면 0.5초 또는 1초 등)동안 수신된 배관 상태 정보들을 데이터 윈도우로 선별하여 사용할 수 있다. 이 경우에, 관리 서버는 선형 PCA에 의해 가공된 배관 상태 정보에 데이터 윈도우를 적용할 수 있다.
관리 서버는 배관의 여러 곳에서 서로 다른 센서에서 수신된 배관 상태 정보 등을 분석하여 측정값 들의 유사성, 상이성을 비교하고, 배관 상태를 판단하기 위해 적합하도록 이를 각각 증폭시킬 수 있다.
단계(450)에서, 관리 서버는 배관 모니터링 시스템의 관리자가 수신된 배관 상태 정보를 이용하여 배관의 상태를 판단하는 것으로 선택하였는지, 또는 심층 신경망을 학습하는 것으로 선택하는 여부를 판단한다.
만약, 배관 모니터링 시스템의 관리자가 수신된 배관 상태 정보를 이용하여 배관의 상태를 판단하는 것으로 선택하였다면,
단계(460)에서, 관리 서버는 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 배관의 상태를 판단한다. 일측에 따르면, 관리 서버는 제1 심층신경망을 이용하여 배관의 상태를 판단할 수 있다.
일측에 따르면, 관리 서버는 배관 상태 정보를 해석하여 배관 상태 정보를 배관의 두께, 균열의 존재 여부 또는 균열의 크기 등 배관의 특성으로 변환할 수 있다.
일측에 따르면, 관리 서버는 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현할 수 있다. 예를 들어 배관 상태 판단부는 0 에서 1 사이의 값으로 배관 상태를 표현하며, 1 이면 100%의 배관 상태이고, 0이면 사전에 설정된 한계 수준으로 배관 상태가 악화된 것(배관의 두께가 얇아지거나, 배관의 균열이 심해진 것)으로 나타낼 수 있다.
단계(490)에서, 관리 서버는 배관 상태를 사용자 친화적인 UI를 이용하여 관리자에게 제공할 수 있다.
만약, 배관 모니터링 시스템의 관리자가 수신된 배관 상태 정보를 이용하여 심층신경망을 학습하는 것으로 선택하였다면,
단계(470)에서, 관리 서버는 수신된 배관 상태 정보를 이용하여 제2 심층 신경망을 학습시킬 수 있다. 이 경우에, 관리 서버는 제2 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 제2 심층신경망의 학습이 완료된 것으로 판단할 수 있다.
단계(480)에서, 관리 서버는 제2 심층신경망의 학습이 완료되면, 제2 심층신경망을 이용하여 제1 심층신경망을 업데이트 할 수 있다.
도 5는 사용자 친화적인 UI를 이용하여 배관의 상태를 제공하는 화면을 도시한 도면이다.
도 5의 좌측은 제1 센서가 측정한 배관 상태 정보를 도시한 도면이고, 도 5의 우측은 제2 센서가 측정한 배관 상태 정보를 도시한 도면이다.
도 5에서, 상단의 도면은 특정 센서가 특정한 배관의 두께가 시간이 변경됨에 따라 점차 얇아지는 것을 도시한 것이다. 상단의 도면에서 배경의 색깔은 해당 두께에서 배관의 상태가 양호한지, 위험한지 여부를 나타내는데, 배관의 상태가 양호한지, 위험한지 여부는 심층신경망을 이용하여 판단될 수 있다.
도 5에서, 하단의 도면은 센서에서 측정된 배관의 두께를 숫자로 나타내고, 배관의 상태는 색깔을 이용하여 표시한 것이다.
도 6은 사용자 친화적인 UI를 이용하여 배관의 전체적인 형상과 함께 각 배관의 상태를 제공하는 화면을 도시한 도면이다,
일측에 따르면, 관리 서버는 실제 배관의 길이, 높이, 방향, 연결 관계와 동일하게 구성된 3차원 공간상의 배관 구조에 각 센서의 위치를 표시하고, 해당 센서에서 측정된 배관 상태 정보 및 해당 배관 상태 정보를 이용하여 판단된 배관 상태를 도시할 수 있다. 화학 플랜트의 관리자는 3차원 공간상의 배관 구조를 바라보는 방향과 위치를 변경하여 복잡한 3차원 공간상의 배관 구조를 손쉽게 파악할 수 있다.
화학 플랜트의 관리자가, 3차원 공간상의 배관 구조를 구성하는 어느 배관을 선택하면, 해당 배관에 대한 정보, 해당 정보를 측정한 센서에 대한 정보, 전체 배관에서 해당 배관의 위치에 대한 정보가 디스플레이 되며, 관리자가 해당 배관 또는 해당 센서에 대한 메시지를 입력하면, 해당 메시지는 해당 배관 또는 해당 센서가 위치한 구역을 담당하는 운영요원에게 전달될 수 있다.
도 7은 사용자 친화적인 UI를 이용하여 운영요원의 유지보수 작업 결과를 확인할 수 있는 화면을 도시한 도면이다.
화학 플랜트의 운영 요원은 휴대하는 단말기를 통해 도 6에 도시된 메시지 창에 기재된 메시지를 수신할 수 있다. 운영 요원은 메시지에 기재된 바에 따라 배관 또는 센서에 대한 유지 보수를 수행하고, 그 결과를 사진으로 촬영하여 관리 서버에 업로드 할 수 있다.
화학 플랜트의 관리자는 관리 서버에 업로드된 사진을 통해 메시지에 기재된 유지보수 명령이 성공적으로 수행되었음을 확인할 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
　
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
300: 관리 서버
310: 배관 상태 정보 수신부
320: 데이터 필터 모듈
330: 배관 상태 판단부
340: 심층신경망 학습부
350: 배관 상태 정보 제공부

Claims (13)

  1. 초음파를 이용하여 배관을 통과하는 유체에 대한 정보 및 상기 배관에 대한 정보를 포함하는 배관 상태 정보를 수집하는 배관 센서;
    상기 수집된 배관 상태 정보를 무선으로 전송하는 무선 전송 장치; 및
    상기 전송된 배관 상태 정보를 수신하고, 수신된 배관 상태 정보에 기반하고, 제1 심층신경망을 이용하여 상기 배관의 상태를 판단하는 관리 서버
    를 포함하는 배관 상태 모니터링 시스템.
  2. 제1항에 있어서,
    상기 배관 센서는 초음파 센서 또는 온도 센서를 포함하고,
    상기 배관 상태 정보는 상기 유체의 유량, 속도, 상기 배관의 두께, 온도 중에서 적어도 하나를 포함하는 배관 상태 모니터링 시스템.
  3. 제1항에 있어서, 상기 관리 서버는,
    상기 수신된 배관 상태 정보를 데이터 필터 모듈에 통과시켜 학습과 평가를 위한 특성을 강화시키고,
    상기 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 상기 배관의 상태를 판단하는 배관 상태 모니터링 시스템.
  4. 제1항에 있어서, 상기 관리 서버는
    상기 판단된 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현하는 배관 상태 모니터링 시스템.
  5. 제1항에 있어서, 상기 관리 서버는
    관리자의 선택에 따라서, 상기 수신된 배관 상태 정보를 제2 심층신경망을 학습시키기 위해 사용하는 배관 상태 모니터링 시스템.
  6. 제5항에 있어서, 상기 관리 서버는
    상기 제2 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 상기 제2 심층신경망의 학습이 완료된 것으로 판단하는 배관 상태 모니터링 시스템.
  7. 초음파를 이용하여 배관을 통과하는 유체에 대한 정보 및 상기 배관에 대한 정보를 포함하는 배관 상태 정보를 수집하는 단계;
    상기 수집된 배관 상태 정보를 무선으로 전송하는 단계;
    상기 전송된 배관 상태 정보를 수신하고, 수신된 배관 상태 정보에 기반하고, 제1 심층신경망을 이용하여 상기 배관의 상태를 판단하는 단계
    를 포함하는 배관 상태 모니터링 방법.
  8. 제7항에 있어서,
    상기 배관 상태 정보는 상기 유체의 유량, 속도, 상기 배관의 두께, 상기 배관의 온도 중에서 적어도 하나를 포함하는 배관 상태 모니터링 방법.
  9. 제7항에 있어서,
    상기 수신된 배관 상태 정보를 데이터 필터 모듈에 통과시켜 학습과 평가를 위한 특성을 강화하는 단계
    를 더 포함하고,
    상기 배관의 상태를 판단하는 단계는, 상기 학습과 평가를 위한 특성이 강화된 배관 상태 정보에 기반하여 상기 배관의 상태를 판단하는 배관 상태 모니터링 방법.
  10. 제1항에 있어서, 상기 배관의 상태를 판단하는 단계는,
    상기 판단된 배관의 상태를 미리 정해진 숫자에 대응시켜 직관적으로 표현하는 배관 상태 모니터링 방법.
  11. 제1항에 있어서,
    관리자의 선택에 따라서, 상기 수신된 배관 상태 정보를 상기 심층신경망을 학습시키기 위해 사용하는 단계;
    를 더 포함하는 배관 상태 모니터링 방법.
  12. 제11항에 있어서, 상기 심칭신경망을 학습시키기 위해 사용하는 단계는,
    상기 심층신경망의 오차율이 미리 설정된 임계치 이하인 경우에, 상기 심층신경망의 학습이 완료된 것으로 판단하는 배관 상태 모니터링 방법.
  13. 제7항 내지 제12항 중에서 어느 하나의 항의 방법을 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
KR1020200147025A 2020-11-05 2020-11-05 배관 상태 모니터링 시스템 KR20220060890A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200147025A KR20220060890A (ko) 2020-11-05 2020-11-05 배관 상태 모니터링 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200147025A KR20220060890A (ko) 2020-11-05 2020-11-05 배관 상태 모니터링 시스템

Publications (1)

Publication Number Publication Date
KR20220060890A true KR20220060890A (ko) 2022-05-12

Family

ID=81590646

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200147025A KR20220060890A (ko) 2020-11-05 2020-11-05 배관 상태 모니터링 시스템

Country Status (1)

Country Link
KR (1) KR20220060890A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102716454B1 (ko) * 2024-02-22 2024-10-11 에이치이티엔 주식회사 배관의 유지보수를 위한 센서 기반 배관 모니터링 및 유지보수 알람 시스템

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102716454B1 (ko) * 2024-02-22 2024-10-11 에이치이티엔 주식회사 배관의 유지보수를 위한 센서 기반 배관 모니터링 및 유지보수 알람 시스템

Similar Documents

Publication Publication Date Title
US11131419B2 (en) Computational risk modeling system and method for pipeline operation and integrity management
Xie et al. A review on pipeline integrity management utilizing in-line inspection data
Waleed et al. An in-pipe leak detection robot with a neural-network-based leak verification system
US11346815B2 (en) Predictive integrity analysis
US12111007B2 (en) Intelligent data acquisition system and method for pipelines
US6970808B2 (en) Realtime computer assisted leak detection/location reporting and inventory loss monitoring system of pipeline network systems
US7222048B2 (en) Methods and systems for diagnosing machinery
EP3049873B1 (en) Non-intrusive sensor system
EP3392636B1 (en) Sound propagation comparison with automated frequency selection for pipe condition assessment
JPH02114149A (ja) 格納完全性の評価方法及び装置
US7546224B2 (en) Method for assessing the integrity of a structure
US20240019086A1 (en) System for providing integrated pipeline integrity data
US20200166398A1 (en) Flow metering system condition-based monitoring and failure to predictive mode
CN116539128B (zh) 智慧燃气超声波计量仪表准确度诊断方法及物联网系统
CN111611677A (zh) 用于管道运行和完整性管理的风险计算建模系统和方法
RU2459136C2 (ru) Способ мониторинга коррозии трубопровода и устройство для его осуществления
KR20220060890A (ko) 배관 상태 모니터링 시스템
KR102560270B1 (ko) 자산으로서의 유량계
Al Rashdan et al. Development of a Technology Roadmap for Online Monitoring of Nuclear Power Plants
WO2021034901A1 (en) Localized metal loss estimation across piping structure
Hedges et al. Monitoring and inspection techniques for corrosion in oil and gas production
Madeira et al. Leak Detection of Pipelines
Ansaldi et al. Reducing accident hazard in chemical and petrol industries, through smart safety systems
JP2020190994A (ja) 設備保全管理システム
Mattioli et al. New frontiers for pipeline integrity management

Legal Events

Date Code Title Description
E601 Decision to refuse application