공민철, 노명일, 한인수, 최성원, 김미진, 김정연, 이현승, 이인석, "실적 데이터, 배관 설계 특성 및 전문가 지식을 고려한 선박의 자동 배관 배치 방법", 2025년도 대한조선학회 추계학술발표회, 창원, pp. 442-443, 2025.11.13-11.14
Domestic Conference
2025.11.11 12:40
공민철, 노명일, 한인수, 최성원, 김미진, 김정연, 이현승, 이인석, "실적 데이터, 배관 설계 특성 및 전문가 지식을 고려한 선박의 자동 배관 배치 방법", 2025년도 대한조선학회 추계학술발표회, 창원, pp. 442-443, 2025.11.13-11.14
조회 수 531
| 첨부 '1' |
|---|
| Abstract | 선박의 배관 배치는 협소한 3차원 공간 배치, 복잡한 장비 배치, 다양한 기능적 요구 사항 만족을 동시에 고려해야 하는 고난도의 작업이다. 전통적으로 설계자는 규정과 경험적 지식을 기반으로 접근성, 유지 보수성, 안전성을 확보하며 배관 경로를 설정해 왔으나, 이 과정은 많은 설계 공수와 주관적 판단에 크게 의존한다. 본 연구에서는 이러한 문제를 해결하기 위하여 실적 데이터, 배관 설계 특성, 전문가 지식을 통합한 자동 배관 배치 방법을 제안하였다. 실적 데이터를 활용하기 위해, P&ID (Piping and Instrumentation Diagram)를 그래프 구조로 변환하여 시스템 간 연결성을 정의하고, 과거 설계와의 그래프 매칭 및 유사도 계산을 통해 활용 가능한 실적 데이터를 선별하였다. 이 데이터는 정규화와 클러스터링 과정을 거쳐 설계 패턴으로 추출되며, 배치 대상 선박의 공간 제약 조건에 맞춰 재조정된다. 다음으로, 실제 선체의 3D 모델과 배치된 장비를 장애물로 설정하고, 노즐 위치와 연결 관계를 입력 데이터로 활용하여 경로 탐색을 수행하였다. 경로 탐색은 A* 알고리즘을 기반으로 하되 전문가의 판단 기준을 정량화한 점수 체계를 결합하였다. 마지막으로, 자동 생성된 배관 경로는 대규모 언어 모델 (Large Language Model, LLM)을 활용하여 설계 품질을 정성적으로 평가하였다. 제안된 방법은 설계 반복을 줄이고 효율성과 일관성을 향상시킬 수 있으며, 향후 데이터 기반의 자동 배관 배치시스템을 위한 기반 기술로 활용 가능함을 확인하였다. |
|---|---|
| Publication Date | 2025-11-14 |
Prev 한인수, 노명일, 공민철, 최성원, 장화섭, 조연화, 이갑헌, "...
한인수, 노명일, 공민철, 최성원, 장화섭, 조연화, 이갑헌, "...
2025.11.11by
Do-Hyeok Ahn, Myung-Il Roh, In-Chang Yeo, Hye-Won Lee, Seung-Ho Ham, "A Control Method Based on Safe Reinforcement Learning for Cranes in Shipyards", Proceedings of OMAE 2026, Tokyo, Japan, 2026.06.07-12 Next
Do-Hyeok Ahn, Myung-Il Roh, In-Chang Yeo, Hye-Won Lee, Seung-Ho Ham, "A Control Method Based on Safe Reinforcement Learning for Cranes in Shipyards", Proceedings of OMAE 2026, Tokyo, Japan, 2026.06.07-12
2025.11.11by SyDLab
