KR101830295B1 - IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 - Google Patents
IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 Download PDFInfo
- Publication number
- KR101830295B1 KR101830295B1 KR1020170079776A KR20170079776A KR101830295B1 KR 101830295 B1 KR101830295 B1 KR 101830295B1 KR 1020170079776 A KR1020170079776 A KR 1020170079776A KR 20170079776 A KR20170079776 A KR 20170079776A KR 101830295 B1 KR101830295 B1 KR 101830295B1
- Authority
- KR
- South Korea
- Prior art keywords
- accident
- module
- training
- facility
- type pattern
- Prior art date
Links
- 238000012549 training Methods 0.000 title claims abstract description 141
- 230000002265 prevention Effects 0.000 title claims abstract description 44
- 239000003440 toxic substance Substances 0.000 title claims description 4
- 231100000167 toxic agent Toxicity 0.000 title 1
- 238000012544 monitoring process Methods 0.000 claims abstract description 80
- 239000000463 material Substances 0.000 claims abstract description 29
- 238000002360 preparation method Methods 0.000 claims abstract description 27
- 239000000126 substance Substances 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 46
- 239000000383 hazardous chemical Substances 0.000 claims description 28
- 238000013480 data collection Methods 0.000 claims description 24
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000004880 explosion Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 231100000614 poison Toxicity 0.000 claims description 2
- 230000005855 radiation Effects 0.000 claims description 2
- 230000002093 peripheral effect Effects 0.000 claims 1
- 230000009471 action Effects 0.000 abstract description 4
- 239000000428 dust Substances 0.000 abstract description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 26
- 229910021529 ammonia Inorganic materials 0.000 description 13
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 12
- 229910052757 nitrogen Inorganic materials 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000000470 constituent Substances 0.000 description 3
- 239000013056 hazardous product Substances 0.000 description 3
- 230000003449 preventive effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008520 organization Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 231100000481 chemical toxicant Toxicity 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W2203/00—Real-time site-specific personalized weather information, e.g. nowcasting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Environmental & Geological Engineering (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Educational Technology (AREA)
- Computer Security & Cryptography (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 유해화학물질 취급 사업장 사고 예방 및 사고 대응 훈련을 위하여 현장 IoT 센서의 실시간 데이터를 이용하여 사고 설비유형패턴을 추론하고, 설비 사고율을 실시간으로 예측하며, 예측률이 높을 경우에는 즉시 사고예방 등을 조치하고, 사고 유형패턴의 사고율이 높은 추론에 대해서는 실질적인 예방훈련을 함으로써 사고대비에 적극 대응하여 사고 예방 및 대비 훈련을 제시하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템에 관한 것이다.
본 발명에 의하면, 다양한 사업장의 인적/대내외적인 환경변화(폭염, 한파, 미세먼지 등)에 대한 다양하고 광의적인 사고원인 데이터를 예측하여 사고원인 중심의 훈련 대상 선정이 가능하며, 시계열 가중치 분류 요소별 실시간 및 예측 환경변화에 따른 가중치와 사고 추론 모니터링부의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴 규칙우선순위를 자동으로 변경하고, 이를 반영하여 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인하고 결정하여 추론할 수가 있다.
본 발명에 의하면, 다양한 사업장의 인적/대내외적인 환경변화(폭염, 한파, 미세먼지 등)에 대한 다양하고 광의적인 사고원인 데이터를 예측하여 사고원인 중심의 훈련 대상 선정이 가능하며, 시계열 가중치 분류 요소별 실시간 및 예측 환경변화에 따른 가중치와 사고 추론 모니터링부의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴 규칙우선순위를 자동으로 변경하고, 이를 반영하여 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인하고 결정하여 추론할 수가 있다.
Description
본 발명은 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템에 관한 것으로, 더욱 상세하게는 사업장 현장의 IoT 센서의 실시간 데이터와 예측 데이터를 이용하여 사고유형 패턴을 추론하여 사고유형에 대한 예방과 사고대응 훈련을 실시함으로써, 유해물질의 사고율을 낮추는 지능형 사고대비 훈련선정 의사결정시스템에 관한 것이다.
사업장의 폭발, 가스 누출과 같은 재난 발생시 재난이 주변으로 확산되는 것을 방지하기 위하여 신속한 조치가 이루어져야 하므로 고도의 훈련이 요구된다. 뿐만 아니라 재난의 종류에 따라 접하게 되는 상황이 다르므로 각각 다른 매뉴얼이 정해져야 하며 철저한 반복 연습이 중요하다.
따라서 이러한 재난에 대한 훈련은 유사한 상황을 가정해 모의훈련을 실시하고, 훈련 경험에 기초하여 실제 재난 발생시 신속하고 적절하게 작전을 수행하게 된다.
도 1은 종래의 사업장 사고대비 예방 훈련 시스템의 구성도를 나타낸다.
도 1을 참고하면, 사업장 IoT 데이터 수집부가 수집하는 데이터의 종류에 한계가 있다. 즉, 장외영향에서 최대 및 대안 사고의 영향범위 및 시나리오는 한가지 유해물질과 한가지 누출, 화재, 폭발의 시나리오와 단순 평균의 기상조건 그리고 지형 및 피복을 고려하지 않은 상태에서 대기확산(ALOHA) 로직에 의해 시나리오는 작성하여 진정한 대안 사고 시나리오라고 할 수 없다.
사업장 데이터 관리부가 관리하는 사업장 설비 데이터의 내용이 부족하고, 사업장 대기확산 예측부는 사업장의 단순한 정보만으로 사고 영향범위 및 시나리오를 작성하고, 다양한 환경변화 및 실시간 변화에 대한 대응을 적절하게 하지 못하는 문제가 있다.
또한, 유해물질 누출량 예측을 하지 못하며, 사업장 설비 및 이력 정보를 연계하지 못하는 문제가 있다.
결국, 사고대비 훈련을 하더라도 범용적이고 반복적인 형태의 시나리오만 반복할 뿐이며, 다양한 사고대비 훈련을 실행할 수 없는 한계가 있다.
현재의 사업장 재난.재해 훈련은 재난 발생 시점부터 시.도 ‘긴급구조대응계획’등에 의거하여 관련 유관기관 및 지역 산업단지 ‘합동방재센터’와 협업중심의 현장재난대응지원 등의 외적인 사후 처리에 중점으로 재난.재해 훈련이 집중되어 있다.
따라서, 다양한 사업장의 인적/대내외적인 다양한 유해화학물질의 증가와 취급량의 증가 및 기상/대기 환경변화(폭염/한파/미세먼지/대기오염) 등에 대한 다양하고 광의적인 사고원인의 데이터를 예측하여 사고원인 중심의 훈련 대상 선정이 필요하다.
본 발명은 상기와 같은 문제점을 개선하기 위하여 발명된 것으로, 유해화학물질 취급 사업장 사고 예방 및 사고 대응 훈련을 위하여 현장 IoT 센서의 실시간 데이터를 이용하여 사고 설비유형패턴을 추론하고, 설비 사고율을 실시간으로 예측하며, 예측률이 높을 경우에는 즉시 사고예방 등을 조치하고, 사고 유형패턴의 사고율이 높은 추론에 대해서는 실질적인 예방훈련을 함으로써 사고대비에 적극 대응하여 사고 예방 및 대비 훈련을 제시하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템을 제공하기 위한 것이다.
상기와 같은 목적을 달성하기 위하여, 본 발명은 사업장 내/외에 설치되어 현장의 유해물질 누출, 실내/외 산소, 이산화탄소, 일산화탄소, 화재발생, 설비운전 및 운영상태, 풍향/풍속, 온도/습도, 기압, 강수량을 포함하는 사업장의 각종 정보 수집기능을 수행하는 IoT 센서부; 상기 IoT 센서부에서 수신한 사업장 내/외의 관련 정보와 유관기관으로부터 기상정보, 지형정보 및 대기 배출량 정보를 수신하고, 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성하고, 생성된 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성하는 사업장 IoT 데이터 수집부; 사업장 일반사항, 사업장 취급 유해 화학물질정보 및 사업장 설비정보를 등록 관리하고, 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록 관리하는 사업장 설비 관리부; 상기 사업장 설비 관리부에 등록된 설비의 사고 내역을 등록 관리하고, 하기의 사고대비 예방 훈련부로부터 사업장의 사고대비 설비 훈련 결과 내역을 전달 받아 사업장 사고 훈련 이력 내역으로 자동 생성하는 사업장 사고/훈련 이력부; 상기 사업장 사고/훈련 이력부로부터 신규 사고 내역을 전달 받아 사업장 설비 기준, 안전규칙, 업무규칙에 의한 신규 사고유형 패턴을 생성하고, 상기 신규 사고유형 패턴의 상세규칙 우선순위에 대해 시계열 가중치 분류 요소별 실시간 및 예측 환경변화에 따른 가중치를 생성하는 신규 사고유형 패턴 생성부; 상기 신규 사고유형 패턴 생성부에서 생성된 사고유형 패턴을 세부 항목별로 등록 관리하고, 상기 시계열 가중치 분류별 요소와 하기 사고 추론 모니터링부의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴의 규칙우선순위를 자동으로 변경하는 사고유형 패턴 관리부; 상기 사업장 IoT 데이터 수집부에서 수집된 데이터의 사고유형 패턴을 상기 사고유형 패턴 관리부를 통해서 확인하고, 상기 사고유형 패턴 관리부에서 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정하는 사고 패턴 결정 추론부; 상기 사고 패턴 결정 추론부에서 결정된 설비사고, 인적사고, 물적사고 추론 결과를 실시간/예측 모니터링하고, 실시간/예측 모니터링 결과를 시계열로 통합하여 모니터링하는 사고 추론 모니터링부; 및 상기 사고 추론 모니터링부의 결과를 바탕으로 사고대비 훈련을 실시할 설비를 선정하고, 선정된 설비에 대한 사고를 예방하는 사고대비 훈련 실행 결과를 평가/등록 관리하며, 평가한 사고대비 훈련 및 훈련 결과를 상기 사업장 사고/훈련 이력부에 전달하는 사고대비 예방 훈련부를 포함하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템을 제공한다.
그리고, 상기 사업장 IoT 데이터 수집부는, 유해화학물질을 다루는 사업장 내의 정보와 기상 및 대기 관련 사업장 외의 정보를 수집하는 사업장 IoT 데이터 수집 모듈; 기상청에서 실시간으로 제공하는 AWS(Automatic Weather System, 자동기상관측시스템) 측정정보, 지형정보와 중장기 기상정보를 수신하고, 환경부에서 실시간으로 제공하는 대기 배출량 정보를 수신하는 유관기관 데이터 수집 모듈; 상기 사업장 IoT 데이터 수집 모듈에서 수집한 기상 및 대기 관련 사업장 외의 정보, 상기 유관기관 데이터 수집 모듈의 AWS 측정정보, 지형정보와 중장기 기상정보를 가지고 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성하는 바람장 실시간/예측 모듈; 및 상기 유관기관 데이터 수집 모듈에서 수집한 대기 배출량 정보와 상기 바람장 실시간/예측 모듈에서 생성한 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성하는 대기질 실시간/예측 모듈을 구비한다.
또한, 상기 사업장 설비 관리부는, 사업장 일반사항 정보, 사업장 취급 유해 화학물질정보, 사업장 주변 관심 보호대상정보를 포함하는 사업장의 일반적인 정보를 등록 관리하고, 사업장 장치 설비, 동력기계, 배관을 포함하는 사업장의 공정 및 설비정보를 등록 관리하는 사업장 설비 기준 모듈; 및 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록하는 사업장 설비 안전규칙 모듈을 구비한다.
또한, 사업장 사고/훈련 이력부는, 상기 사업장 설비 기준 모듈과 사업장 설비 안전규칙 모듈에 등록된 설비의 누출, 화재, 폭발 사고 내역을 등록 관리하는 사업장 사고 이력 모듈; 사업장의 동일업종 관련 사고 내역을 지역환경, 기상조건, 인적 관리조건, 설비 노후상태를 포함하는 사업장의 일반적인 내용과 사고의 직접적인 원인, 사업장 내외의 인적/물적 피해 정도, 사고로 인한 조치 사항을 포함하는 내역을 관리하는 동일업종 사고 이력 모듈; 사업장 상위 관리 유관기관에서 재난대비 훈련 계획, 재난 안전관리 계획 및 소방훈련 계획을 포함하는 일정 계획 및 결과를 관리하는 유관기관 사고 대비 훈련 모듈; 및 상기 사고대비 예방 훈련부로부터 사업장의 사고대비 훈련 및 훈련 결과를 전달받아 사업장 사고 훈련 이력 내역으로 자동 생성하는 사업장 사고 훈련 이력 모듈을 구비한다.
또한, 상기 신규 사고유형 패턴 생성부는, 상기 사업장 사고 이력 모듈로부터 신규 사고내역을 전달 받아 사업장 설비 기준, 안전규칙, 업무규칙에 의한 신규 사고유형 패턴을 생성하고, 유해물질 누출, 폭발, 화재로 인한 피해 등급에 따른 상세 규칙 및 우선순위를 생성하고, 상기 동일업종 사고 이력 모듈로부터 동일업종 관련 사고 내역을 전달 받아 사고유형 패턴 및 상세 규칙을 생성하여 상기 사고유형 패턴 관리부의 신규 유형 패턴에 추가 변경하는 신규 사고유형 패턴 생성 모듈; 및 상기 사업장 사고 이력 모듈로부터 전달 받은 신규 사고유형 패턴의 시계열 가중치 분류별 요소에 해당하는 기본요소, 설비요소, 운영요소, 인적요소, 기상요소, 대기요소 및 주변피해요소 각각의 실시간 및 예측 환경변화에 따른 가중치를 생성하는 시계열 사고 가중치 생성 모듈을 구비한다.
그리고, 상기 사고유형 패턴 관리부는, 상기 신규 사고유형 패턴 생성 모듈에서 전달 받은 신규 사고유형 패턴을 세부 항목별로 등록 관리하고, 상기 사고 패턴 결정 추론부에 적용하는 사고유형 패턴 모듈; 상기 사고유형 패턴 모듈에 등록된 사고유형 패턴 규칙들의 설비, 인적, 물적, 시계열별 우선순위를 상기 사고 패턴 결정 추론부에 적용하는 사고유형 패턴 경합 모듈; 및 상기 시계열 사고 가중치 생성 모듈에서 전달 받은 시계열 사고 가중치와 상기 사고 추론 모니터링부에서 시계열로 통합하여 모니터링 결과로 나타나는 시계열 사고 가중치를 이용하여 상기 사고유형 패턴 경합 모듈의 사고유형 패턴 규칙들에 대한 우선순위를 자동을 변경시키는 시계열 사고 가중치 모듈을 구비한다.
또한, 상기 사고 패턴 결정 추론부는, 상기 사업장 IoT 데이터 수집부에서 실시간 기상, 대기, 유해센서 감지농도, 예측농도, 격자별 대기확산농도, 설비운전 및 운영상태 정보를 수신하는 사고유형 패턴 데이터 수신 모듈; 상기 사고유형 패턴 데이터 수신 모듈에서 수신된 데이터를 상기 사고유형 패턴 관리부를 통해 사고유형 패턴을 확인하는 사고유형 패턴 확인 모듈; 상기 사고유형 패턴 확인 모듈에서 확인된 사고유형 패턴별 상기 사고유형 패턴 관리부에서 변경된 경합 규칙 우선순위에 의해 설비, 인적, 물적 피해 우선순위를 설정하는 사고유형 패턴 경합 적용 모듈; 상기 사고유형 패턴 경합 적용 모듈에서 선정된 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정하는 사고유형 패턴 규칙 선택 모듈; 및 상기 사고유형 패턴 규칙 선택 모듈에 의해 결정된 사고 피해 추론 패턴규칙을 상기 사고 추론 모니터링부에 전달하는 사고유형 패턴 규칙 실행 모듈을 구비한다.
또한, 상기 사고 추론 모니터링부는, 상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 설비 사고 추론을 실시간/예측 모니터링하는 설비사고 추론 모니터링 모듈; 상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 인적 사고 추론을 실시간/예측 모니터링하는 인적사고 추론 모니터링 모듈; 상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 물적 사고 추론을 실시간/예측 모니터링하는 물적사고 추론 모니터링 모듈; 및 상기 설비사고 추론 모니터링 모듈, 인적사고 추론 모니터링 모듈 및 물적사고 추론 모니터링 모듈의 실시간/예측 모니터링 결과를 시계열로 통합하는 시계열 추론 모니터링 모듈을 구비한다.
나아가, 상기 사고대비 예방 훈련부는, 상기 시계열 추론 모니터링 모듈의 시계열 추론 결과 중에서 사고대비 훈련이 필요한 설비를 선정하는 사고대비 설비 훈련 선정 모듈; 상기 사고대비 설비 훈련 선정 모듈에서 선정된 사고대비 설비에 대한 사고 예방 훈련을 실행하는 사고대비 설비 훈련 실행 모듈; 상기 사고대비 설비 훈련 실행 모듈에서 실행한 사고 예방 훈련의 평가 결과를 등록 관리하는 사고대비 설비 훈련 평가 모듈; 및 상기 사고대비 설비 훈련 평가 모듈에서 평가한 훈련 및 훈련 결과 정보를 상기 사업장 사고/훈련 이력부에 반영하는 사고대비 설비 훈련 이력 반영 모듈을 구비한다.
상기와 같은 구성의 본 발명에 따르면, 다음과 같은 효과를 도모할 수 있다.
우선, 현장 IoT 센서의 실시간 데이터를 이용하여 사고설비 유형 패턴을 추론하여 실시간으로 예측하고, 예측율이 높을 경우에는 즉시 사고예방 등을 조치하며, 사고 유형 패턴의 사고율이 높은 추론에 대해서는 실질적인 예방훈련을 함으로써, 사고 예방에 만전을 기할 수가 있다.
종래 시스템과 달리 다양한 사업장의 인적/대내외적인 환경변화(폭염, 한파, 미세먼지 등)에 대한 다양하고 광의적인 사고원인 데이터를 예측하여 사고원인 중심의 훈련 대상 선정이 가능하며, 시계열 가중치 분류 요소별 실시간 및 예측 환경변화에 따른 가중치와 사고 추론 모니터링부의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴 규칙우선순위를 자동으로 변경하고, 이를 반영하여 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인하고 결정하여 추론할 수가 있다.
도 1은 종래의 사업장 사고대비 예방 훈련 시스템의 구성도를 나타낸다.
도 2는 본 발명에 따른 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템의 기본 구성도이다.
도 3은 본 발명에 따른 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템의 상세 구성도이다.
도 2는 본 발명에 따른 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템의 기본 구성도이다.
도 3은 본 발명에 따른 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템의 상세 구성도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예를 참조하면 명확해질 것이다.
그러나, 본 발명은 이하에서 개시되는 실시 예로 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이다.
본 명세서에서 본 실시 예는 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이다.
그리고 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
따라서, 몇몇 실시 예에서, 잘 알려진 구성 요소, 잘 알려진 동작 및 잘 알려진 기술들은 본 발명이 모호하게 해석되는 것을 피하기 위하여 구체적으로 설명되지 않는다.
또한, 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하고, 본 명세서에서 사용된(언급된) 용어들은 실시 예를 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다.
본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함하며, '포함(또는, 구비)한다'로 언급된 구성 요소 및 동작은 하나 이상의 다른 구성요소 및 동작의 존재 또는 추가를 배제하지 않는다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다.
또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 정의되어 있지 않은 한 이상적으로 또는 과도하게 해석되지 않는다.
이하, 첨부된 도면을 참고로 본 발명의 바람직한 실시 예에 대하여 설명한다.
도 2 및 도 3을 참고하면, 본 발명에 따른 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템(100)은 사업장 IoT 데이터 수집부(110), 사업장 설비 관리부(120), 사업장 사고/훈련 이력부(130), 신규 사고 유형 패턴 생성부(140), 사고 유형 패턴 관리부(150), 사고 패턴 결정 추론부(160), 사고추론 모니터링부(170) 및 사고대비 예방 훈련부(180)를 포함한다.
또한, IoT 센서부(200)로부터 각종 데이터를 수집하고, 관리자로부터 사업장의 설비 기준정보, 설비 안전규칙정보, 신규 사고유형 패턴 결정, 사업장 사고/유지보수 등에 대한 자료를 입력(300) 받을 수 있으며, 사고 추론 모니터링부(170)의 모니터링 결과에 대한 관리자의 사고대비훈련 의사결정을 입력(400) 받을 수 있다.
IoT 센서부(200)는 사업장 내/외에 설치되어 현장의 유해물질 누출, 실내/외 산소, 이산화탄소, 일산화탄소, 화재발생, 설비운전 및 운영상태, 풍향/풍속, 온도/습도, 기압, 강수량을 포함하는 사업장의 각종 정보 수집기능을 수행한다.
사업장 IoT 데이터 수집부(110)는 상기 IoT 센서부(200)에서 수신한 사업장 내/외의 관련 정보와 유관기관으로부터 기상정보, 지형정보 및 대기 배출량 정보를 수신하고, 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성하고, 생성된 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성한다.
사업장 설비 관리부(120)는 사업장 일반사항, 사업장 취급 유해 화학물질정보 및 사업장 설비정보를 등록 관리하고, 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록 관리한다.
사업장 사고/훈련 이력부(130)는 상기 사업장 설비 관리부(120)에 등록된 설비의 사고 내역을 등록 관리하고, 하기의 사고대비 예방 훈련부(180)로부터 사업장의 사고대비 설비 훈련 결과 내역을 전달 받아 사업장 사고 훈련 이력 내역으로 자동 생성한다.
신규 사고유형 패턴 생성부(140)는 상기 사업장 사고/훈련 이력부(130)로부터 신규 사고 내역을 전달 받아 사업장 설비 기준, 안전규칙, 업무규칙에 의한 신규 사고유형 패턴을 생성하고, 상기 신규 사고유형 패턴의 상세규칙 우선순위에 대해 시계열 가중치 분류 요소별 실시간 및 예측 환경변화에 따른 가중치를 생성한다.
사고유형 패턴 관리부(150)는 상기 신규 사고유형 패턴 생성부(140)에서 생성된 사고유형 패턴을 세부 항목별로 등록 관리하고, 상기 시계열 가중치 분류별 요소와 하기 사고 추론 모니터링부(170)의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴의 규칙우선순위를 자동으로 변경한다.
사고 패턴 결정 추론부(160)는 상기 사업장 IoT 데이터 수집부(110)에서 수집된 데이터의 사고유형 패턴을 상기 사고유형 패턴 관리부(150)를 통해서 확인하고, 상기 사고유형 패턴 관리부(150)에서 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정한다.
사고 추론 모니터링부(170)는 상기 사고 패턴 결정 추론부(160)에서 결정된 설비사고, 인적사고, 물적사고 추론 결과를 실시간/예측 모니터링하고, 실시간/예측 모니터링 결과를 시계열로 통합하여 모니터링한다.
사고대비 예방 훈련부(180)는 상기 사고 추론 모니터링부(170)의 결과를 바탕으로 사고대비 훈련을 실시할 설비를 선정하고, 선정된 설비에 대한 사고를 예방하는 사고대비 훈련 실행 결과를 평가/등록 관리하며, 평가한 사고대비 훈련 및 훈련 결과를 상기 사업장 사고/훈련 이력부(130)에 전달한다.
상기의 구체적인 구성요소들에 대해 아래에서 더욱 구체적으로 설명한다.
사업장 IoT 데이터 수집부(110)는 사업장 IoT 데이터 수집 모듈(111), 유관기관 데이터 수집 모듈(112), 바람장 실시간/예측 모듈(113) 및 대기질 실시간/예측 모듈(114)을 구비한다.
사업장 IoT 데이터 수집 모듈(111)은 유해화학물질을 다루는 사업장 내의 정보와 기상 및 대기 관련 사업장 외의 정보를 수집한다.
구체적으로, 사업장내 수집은 생산 설비운전 및 운영상태의 정보와 실내에서의 근무자 유해인자에 관련된 산소, 이산화탄소, 일산화탄소, 온도/습도, 화재센서 그리고 사업장 실외에서 사업장에서 취급하는 유해화학물질 등을 IoT 센서 설치하여 데이터를 수집한다.
또한, 사업장 실외에는 사업장의 주변 기상정보인 풍향/풍속, 온도/습도, 기압, 강수량, 외부설비에 대한 각종 누출센서 설치하여 데이터를 수집한다.
유관기관 데이터 수집 모듈(112)은 기상청에서 실시간으로 제공하는 AWS(Automatic Weather System, 자동기상관측시스템) 측정정보, 지형정보와 중장기 기상정보를 수신하고, 환경부에서 실시간으로 제공하는 대기 배출량 정보를 수신한다.
구체적으로, 기상정보로서는 기상청에서 실시간으로 제공하는 AWS와 고층정보 그리고 동네예보, 중장기 기상정보와 대기관련정보로서는 환경부에서 실시간으로 제공하는 SO2, CO, O3, NO2, PM10, PM2.5 등이 있으며, 환경부에서 제공하는 화학물질배출, 이동량정보(PRTR)와 국립환경과학원에서 제공하는 대기오염물질별로 배출계수산정에 의한 배출량 정보를 수집한다.
바람장 실시간/예측 모듈(113)은 상기 사업장 IoT 데이터 수집 모듈(111)에서 수집한 기상 및 대기 관련 사업장 외의 정보, 상기 유관기관 데이터 수집 모듈(112)의 AWS 측정정보, 지형정보와 중장기 기상정보를 가지고 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성한다.
대기질 실시간/예측 모듈(114)은 상기 유관기관 데이터 수집 모듈(112)에서 수집한 대기 배출량 정보와 상기 바람장 실시간/예측 모듈(113)에서 생성한 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성한다.
사업장 설비 관리부(120)는 사업장 설비 기준 모듈(121)과 사업장 설비 안전규칙 모듈(122)을 구비한다.
사업장 설비 기준 모듈(121)은 사업장 일반사항 정보, 사업장 취급 유해 화학물질정보, 사업장 주변 관심 보호대상정보를 포함하는 사업장의 일반적인 정보를 등록 관리하고, 사업장 장치 설비, 동력기계, 배관을 포함하는 사업장의 공정 및 설비정보를 등록 관리한다.
구체적으로, 시스템 관리자가 사업장 일반사항정보, 사업장 취급유해화학물질정보, 사업장 주변관심 보호대상정보 등 사업장 일반적인 정보를 등록하고, 사업장 장치설비, 동력기계, 배관 등 사업장의 공정 및 설비정보 등록 관리한다.
Direct, Puddle, Tank, Gas Pipeline 등에 대한 누출량 및 폭발 등의 정도를 예측하기 위한 설비의 누출형태, 누출속도, 누출위치, PUDDLE 형태, 크기, 온도, 지표면타입, 지표면온도, Tank 형태, 물질상태, 물질량, 누출발생형태, 누출높이, Pipeline 누출 형태, 직경, 길이, 압력, 온도 등을 관리한다.
사업장 설비 안전규칙 모듈(122)은 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록한다.
구체적으로, 사업장 설비 부식장치, 덮개 등의 접합부의 적절한 개스킷, 밸브 등의 개폐방향의 표시, 밸브 재질, 안전밸브 및 파열판 설치, 작동요건, 배출용량, 고정식 유해감지시설 등 사업장 유해물질 관리를 위한 안전 장치 등록 및 관리한다.
그리고, 사고형태별 피해를 규정한다. 예를 들면, 폭발할 수 있는 농도, 복사열에 의한 피해값, 과압위험영역 등을 규정할 수 있다.
사업장 사고/훈련 이력부(130)는 사업장 사고 이력 모듈(131), 동일업종 사고 이력 모듈(132), 유관기관 사고 대비 훈련 모듈(133) 및 사업장 사고 훈련 이력 모듈(134)을 구비한다.
사업장 사고 이력 모듈(131)은 상기 사업장 설비 기준 모듈(121)과 사업장 설비 안전규칙 모듈(122)에 등록된 설비의 누출, 화재, 폭발 사고 내역을 등록 관리한다.
동일업종 사고 이력 모듈(132)은 사업장의 동일업종 관련 사고 내역을 지역환경, 기상조건, 인적 관리조건, 설비 노후상태를 포함하는 사업장의 일반적인 내용과 사고의 직접적인 원인, 사업장 내외의 인적/물적 피해 정도, 사고로 인한 조치 사항을 포함하는 내역을 관리한다.
유관기관 사고 대비 훈련 모듈(133)은 사업장 상위 관리 유관기관에서 재난대비 훈련 계획, 재난 안전관리 계획 및 소방훈련 계획을 포함하는 일정 계획 및 결과를 관리한다.
사업장 사고 훈련 이력 모듈(134)은 상기 사고대비 예방 훈련부(180)의 사고대비 설비 훈련 이력 반영 모듈(184)로부터 사업장의 사고대비 훈련 및 훈련 결과를 전달받아 사업장 사고 훈련 이력 내역으로 자동 생성한다.
신규 사고유형 패턴 생성부(140)는 신규 사고유형 패턴 생성 모듈(141) 및 시계열 사고 가중치 생성 모듈(142)을 구비한다.
신규 사고유형 패턴 생성 모듈(141)은 상기 사업장 사고 이력 모듈(131)로부터 신규 사고내역을 전달 받아 사업장 설비 기준, 안전규칙, 업무규칙에 의한 신규 사고유형 패턴을 생성하고, 상기 신규 사고유형 패턴에 대해 유해물질 누출, 폭발, 화재로 인한 피해 등급에 따른 상세 규칙 및 우선순위를 생성한다. 또한, 상기 동일업종 사고 이력 모듈(132)로부터 동일업종 관련 사고 내역을 전달 받아 사고유형 패턴 및 상세 규칙을 생성하여 상기 사고유형 패턴 관리부(150)의 신규 유형 패턴에 추가 및 변경한다.
시계열 사고 가중치 생성 모듈(142)은 상기 사업장 사고 이력 모듈(131)로부터 전달 받은 신규 사고유형 패턴의 시계열 가중치 분류별 요소에 해당하는 기본요소, 설비요소, 운영요소, 인적요소, 기상요소, 대기요소 및 주변피해요소 각각의 실시간 및 예측 환경변화에 따른 가중치를 생성한다.
시계열 가중치 분류별 요소에는 다음과 같은 것들이 있다.
ㆍ 기본요소 : 설비 안전규칙 및 업무규칙의 시계열 요소
ㆍ 설비요소 : 유해물질 취급용량, 위해성 등급, 설비 내용년수
ㆍ 운영요소 : 사고/고장, 유지보수, 사고대비훈련
ㆍ 인적요소 : 취급담당자 경력, 취급담당자 수
ㆍ 기상요소 : 기온, 습도, 풍속, 풍향, 강우량, 일사량, 동네예보
ㆍ 대기요소 : SO2, CO, O3, NO2, PM10, PM2.5
ㆍ 주변피해요소 : 사업장 주변 시설 ( 주거지, 아파트, 병원, 학교, 교통, 관공서, 체육시설, 노약자 취약시설 )
시계열 가중치 분류별 요소 각각의 실시간 및 예측 환경변화에 따른 가중치를 생성하는 방법은 간단하다.
사업장 사고 이력 모듈(131)로부터 전달 받은 신규 사고유형 패턴의 기본요소, 설비요소, 운영요소, 인적요소, 기상요소, 대기요소, 주변피해요소 각각에 대한 환경변화를 나타내는 측정값 또는 수치의 증가 또는 감소가 있는 경우 해당 요소의 실시간 및 예측 환경변화에 따른 가중치의 수치를 증가 또는 감소시킨다.
시계열 가중치 분류별 요소 각각의 실시간 및 예측 환경변화에 따른 가중치를 생성하는 방법은 간단하다.
사업장 사고 이력 모듈(131)로부터 전달 받은 신규 사고유형 패턴의 기본요소, 설비요소, 운영요소, 인적요소, 기상요소, 대기요소, 주변피해요소 각각에 대한 환경변화를 나타내는 측정값 또는 수치의 증가 또는 감소가 있는 경우 해당 요소의 실시간 및 예측 환경변화에 따른 가중치의 수치를 증가 또는 감소시킨다.
시계열 사고 가중치 생성 모듈(142)은 시계열 가중치 분류별 요소에 의해 시계열 사고 가중치 모듈(153)을 실시간으로 변경 및 반영한다.
사고유형 패턴 관리부(150)는 사고유형 패턴 모듈(151), 사고유형 패턴 경합 모듈(152) 및 시계열 사고 가중치 모듈(153)을 구비한다.
사고유형 패턴 모듈(151)은 상기 신규 사고유형 패턴 생성 모듈(141)에서 전달 받은 신규 사고유형 패턴을 세부 항목별로 등록 관리하고, 상기 사고 패턴 결정 추론부(160)의 사고유형 패턴 확인 모듈(162)에 적용한다. 사업장 설비 기준 모듈(121)과 사업장 설비 안전규칙 모듈(122)에 등록된 시설의 누출, 화재, 폭발 등의 사고유형 패턴을 세부 항목별로 등록 관리하는 것이다.
사고유형 패턴 경합 모듈(152)은 상기 사고유형 패턴 모듈(151)에 등록된 사고유형 패턴 규칙들의 설비, 인적, 물적, 시계열별 우선순위를 상기 사고 패턴 결정 추론부(160)의 사고유형 패턴 경합 적용 모듈(163)에 적용한다.
예를 들어, 사업장의 암모니아 탱크 설비, 질소 탱크 설비, 수소 탱크 설비 각각에 대한 설비, 인적, 물적, 시계열별 우선순위를 사고유형 패턴 경합 적용 모듈(163)에 적용한다.
시계열 사고 가중치 모듈(153)은 상기 시계열 사고 가중치 생성 모듈(142)에서 전달 받은 시계열 사고 가중치와 상기 사고 추론 모니터링부(170)에서 시계열로 통합하여 모니터링 결과로 나타나는 시계열 사고 가중치를 이용하여 상기 사고유형 패턴 경합 모듈(152)의 사고유형 패턴 규칙들에 대한 우선순위를 자동을 변경시킨다.
예를 들어, 암모니아 탱크 설비에 대한 기본/설비/운영/인적/기상/대기/주변피해요소 각각에 대한 시계열 사고 가중치를 생성하고, 질소 탱크 설비에 대한 기본/설비/운영/인적/기상/대기/주변피해요소 각각에 대한 시계열 사고 가중치를 생성하고, 수소 탱크 설비에 대한 기본/설비/운영/인적/기상/대기/주변피해요소 각각에 대한 시계열 사고 가중치를 생성한다. 생성된 가중치를 이용하여 사고유형 패턴 경합 모듈(152)의 사고유형 패턴 규칙들에 대한 우선순위를 자동을 변경시키면, 기존에는 암모니아 탱크 설비에 대한 인적, 기상 요소가 우선순위에 있다가, 수소 탱크 설비에 대한 기상, 주변피해요소의 우선순위가 상승할 수 있다.
사고 패턴 결정 추론부(160)는 사고유형 패턴 데이터 수신 모듈(161), 사고유형 패턴 확인 모듈(162), 사고유형 패턴 경합 적용 모듈(163), 사고유형 패턴 규칙 선택 모듈(164) 및 사고유형 패턴 규칙 실행 모듈(165)을 구비한다.
사고유형 패턴 데이터 수신 모듈(161)은 상기 사업장 IoT 데이터 수집부(110)에서 실시간 기상, 대기, 유해센서 감지농도, 예측농도, 격자별 대기확산농도, 설비운전 및 운영상태 정보를 수신한다.
사고유형 패턴 확인 모듈(162)은 상기 사고유형 패턴 데이터 수신 모듈(161)에서 수신된 데이터를 상기 사고유형 패턴 관리부(150)의 사고유형 패턴 모듈(151)을 통해 사고유형 패턴을 확인한다.
사고유형 패턴 경합 적용 모듈(163)은 상기 사고유형 패턴 확인 모듈(162)에서 확인된 사고유형 패턴별 상기 사고유형 패턴 관리부(150)에서 변경된 경합 규칙 우선순위에 의해 설비, 인적, 물적 피해 우선순위를 설정한다.
예를 들면, 암모니아 탱크에 대한 설비, 인적, 물적 피해 우선순위를 설정하고, 질소 탱크에 대한 설비, 인적, 물적 피해 우선순위를 설정한다. 주변 환경과 기상 및 대기 요소 그리고 사고대비 훈련 이력 반영 등 다양한 요소에 의해서 암모니아 탱크와 질소 탱크에 대한 우선순위가 변경될 수 있다.
또한, 암모니아 탱크와 질소 탱크 각각의 설비, 인적, 물적 피해 우선순위가 변경될 수 있다.
사고유형 패턴 규칙 선택 모듈(164)은 상기 사고유형 패턴 경합 적용 모듈(163)에서 선정된 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정한다.
사고유형 패턴 규칙 실행 모듈(165)은 상기 사고유형 패턴 규칙 선택 모듈(164)에 의해 결정된 사고 피해 추론 패턴규칙을 상기 사고 추론 모니터링부(170)에 전달한다.
사고 추론 모니터링부(170)는 설비사고 추론 모니터링 모듈(171), 인적사고 추론 모니터링 모듈(172), 물적사고 추론 모니터링 모듈(173) 및 시계열 추론 모니터링 모듈(174)을 구비한다.
설비사고 추론 모니터링 모듈(171)은 상기 사고유형 패턴 규칙 실행 모듈(165)에 의해 결정된 설비 사고 추론을 실시간/예측 모니터링한다.
예를 들어, 암모니아 탱크에 대한 설비 사고 추론을 실시간/예측 모니터링한다.
인적사고 추론 모니터링 모듈(172)은 상기 사고유형 패턴 규칙 실행 모듈(165)에 의해 결정된 인적 사고 추론을 실시간/예측 모니터링한다.
암모니아 탱크의 사고 발생으로 인해 인적 사고 추론을 실시간/예측 모니터링 할 수 있다.
물적사고 추론 모니터링 모듈(173)은 상기 사고유형 패턴 규칙 실행 모듈(165)에 의해 결정된 물적 사고 추론을 실시간/예측 모니터링한다.
또한, 암모니아 탱크의 사고 발생으로 인한 물적 사고 추론을 실시간/예측 모니터링할 수 있다. 물론, 질소 탱크 및 수소 탱크에 대해서도 실시간/예측 모니터링을 하게 된다.
시계열 추론 모니터링 모듈(174)은 상기 설비사고 추론 모니터링 모듈(171), 인적사고 추론 모니터링 모듈(172) 및 물적사고 추론 모니터링 모듈(173)의 실시간/예측 모니터링 결과를 시계열로 통합한다.
상기의 암모니아 탱크, 질소 탱크, 수소 탱크에 대한 설비, 인적, 물적사고 모니터링 결과를 시계열로 통합하는 것이다. 시계열 통합 결과, 유해물질 탱크 각각에 대한 설비, 인적, 물적 실시간/예측 모니터링 결과가 반영되어 나타난다.
사고대비 예방 훈련부(180)는 사고대비 설비 훈련 선정 모듈(181), 사고대비 설비 훈련 실행 모듈(182), 사고대비 설비 훈련 평가 모듈(183) 및 사고대비 설비 훈련 이력 반영 모듈(184)을 구비한다.
사고대비 설비 훈련 선정 모듈(181)은 상기 시계열 추론 모니터링 모듈(174)의 시계열 추론 결과 중에서 사고대비 훈련이 필요한 설비를 선정한다.
관리자는 시계열 추론 모니터링(174)의 결과, 사고대비 훈련이 필요한 설비를 선정한다. 예를 들어, 암모니아 탱크에 대한 인적사고 대비 훈련을 선정할 수 있다.
사고대비 설비 훈련 실행 모듈(182)은 상기 사고대비 설비 훈련 선정 모듈(181)에서 선정된 사고대비 설비에 대한 사고 예방 훈련을 실행한다.
사고대비 설비 훈련 평가 모듈(183)은 상기 사고대비 설비 훈련 실행 모듈(182)에서 실행한 사고 예방 훈련의 평가 결과를 등록 관리한다.
사고대비 설비 훈련 이력 반영 모듈(184)은 상기 사고대비 설비 훈련 평가 모듈(183)에서 평가한 훈련 및 훈련 결과 정보를 상기 사업장 사고/훈련 이력부(130)의 사업장 사고 훈련 이력 모듈(134)에 반영한다.
암모니아 탱크에 대한 인적사고 대비 훈련 이력을 사업장 사고 훈련 이력 모듈(134)에 반영함으로써, 암모니아 탱크에 대한 인적사고 가중치는 종전보다 낮아지도록 변경될 수 있다.
본 발명에 의하면, 사업장 IoT 데이터 수집부(110)에서 수집되는 정보에 따라 어떠한 유형의 사고가 발생할 것인지 실시간/예측이 가능하고, 이를 시계열 추론 모니터링하며, 관리자의 선택에 의해 사고대비 훈련을 실시하게 된다.
사고대비 설비 훈련 이력과 사업장 사고 이력을 통해 시계열 사고 가중치를 생성하고, 설비/인적/물적 사고에 대한 시계열 추론 모니터링 결과 생성되는 시계열 사고 가중치를 생성하여 시계열 사고 가중치로 반영한다.
반영된 시계열 사고 가중치를 통해 사고유형 패턴을 경합시키고, 이를 다시 사고 패턴 결정 추론부(160)에 반영시키게 된다. 이와 같은 구조로 순환됨으로써, 사고유형 패턴에 따른 시계열 모니터링 결과, 우선순위가 변동이 생기게 되고 중요하고 긴급한 우선순위로 나타나는 사고유형 패턴에 대해서는 사고대비 설비 훈련을 실시하게 되는 것이다.
이상과 같이 본 발명은 현장 IoT 센서의 실시간 데이터를 이용하여 사고설비 유형 패턴을 추론하여 실시간으로 예측하고, 예측율이 높을 경우에는 즉시 사고예방 등을 조치하며, 사고 유형 패턴의 사고율이 높은 추론에 대해서는 실질적인 예방훈련을 함으로써, 사고 예방에 만전을 기할 수가 있다.
그리고, 본 발명의 기본적인 기술적 사상의 범주 내에서 당해 업계 통상의 지식을 가진 자에게 있어서는 다른 많은 변형 및 응용 또한 가능함은 물론이다.
100...지능형 사고대비 훈련선정 의사결정시스템
110...사업장 IoT 데이터 수집부
111...사업장 IoT 데이터 수집 모듈
112...유관기관 데이터 수집 모듈
113...바람장 실시간/예측 모듈
114...대기질 실시간/예측 모듈
120...사업장 설비 관리부
121...사업장 설비 기준 모듈
122...사업장 설비 안전규칙 모듈
130...사업장 사고/훈련 이력부
131...사업장 사고 이력 모듈
132...동일업종 사고 이력 모듈
133...유관기관 사고 대비 훈련 모듈
134...사업장 사고 훈련 이력 모듈
140...신규 사고 유형패턴 생성부
141...신규 사고 유형패턴 생성 모듈
142...시계열 사고 가중치 생성 모듈
150...사고유형 패턴 관리부
151...사고유형 패턴 모듈
152...사고유형 패턴 경합 모듈
153...시계열 사고 가중치 모듈
160...사고 패턴 결정 추론부
161...사고유형 패턴 데이터 수신 모듈
162...사고유형 패턴 확인 모듈
163...사고유형 패턴 경합 적용 모듈
164...사고유형 패턴 규칙 선택 모듈
165...사고유형 패턴 규칙 실행 모듈
170...사고추론 모니터링부
171...설비사고 추론 모니터링 모듈
172...인적사고 추론 모니터링 모듈
173...물적사고 추론 모니터링 모듈
174...시계열 추론 모니터링 모듈
180...사고 대비 예방 훈련부
181...사고 대비 설비 훈련 설정 모듈
182...사고 대비 설비 훈련 실행 모듈
183...사고 대비 설비 훈련 평가 모듈
184...사고 대비 설비 훈련 이력반영 모듈
200...IoT 센서부
300...관리자 입력
400...관리자 선택
110...사업장 IoT 데이터 수집부
111...사업장 IoT 데이터 수집 모듈
112...유관기관 데이터 수집 모듈
113...바람장 실시간/예측 모듈
114...대기질 실시간/예측 모듈
120...사업장 설비 관리부
121...사업장 설비 기준 모듈
122...사업장 설비 안전규칙 모듈
130...사업장 사고/훈련 이력부
131...사업장 사고 이력 모듈
132...동일업종 사고 이력 모듈
133...유관기관 사고 대비 훈련 모듈
134...사업장 사고 훈련 이력 모듈
140...신규 사고 유형패턴 생성부
141...신규 사고 유형패턴 생성 모듈
142...시계열 사고 가중치 생성 모듈
150...사고유형 패턴 관리부
151...사고유형 패턴 모듈
152...사고유형 패턴 경합 모듈
153...시계열 사고 가중치 모듈
160...사고 패턴 결정 추론부
161...사고유형 패턴 데이터 수신 모듈
162...사고유형 패턴 확인 모듈
163...사고유형 패턴 경합 적용 모듈
164...사고유형 패턴 규칙 선택 모듈
165...사고유형 패턴 규칙 실행 모듈
170...사고추론 모니터링부
171...설비사고 추론 모니터링 모듈
172...인적사고 추론 모니터링 모듈
173...물적사고 추론 모니터링 모듈
174...시계열 추론 모니터링 모듈
180...사고 대비 예방 훈련부
181...사고 대비 설비 훈련 설정 모듈
182...사고 대비 설비 훈련 실행 모듈
183...사고 대비 설비 훈련 평가 모듈
184...사고 대비 설비 훈련 이력반영 모듈
200...IoT 센서부
300...관리자 입력
400...관리자 선택
Claims (9)
- 사업장 내/외에 설치되어 현장의 유해물질 누출, 실내/외 산소, 이상화탄소, 일산화탄소, 화재발생, 설비운전 및 운영상태, 풍향/풍속, 온도/습도, 기압, 강수량을 포함하는 사업장의 각종 정보 수집기능을 수행하는 IoT 센서부;
상기 IoT 센서부에서 수신한 사업장 내/외의 관련 정보와 유관기관으로부터 기상정보, 지형정보 및 대기 배출량 정보를 수신하고, 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성하고, 생성된 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성하는 사업장 IoT 데이터 수집부;
사업장 일반사항, 사업장 취급 유해 화학물질정보 및 사업장 설비정보를 등록 관리하고, 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록 관리하는 사업장 설비 관리부 - 상기 사업장 설비 관리부는 사업장 일반사항 정보, 사업장 취급 유해 화학물질정보, 사업장 주변 관심 보호대상정보를 포함하는 사업장의 일반적인 정보를 등록 관리하고, 사업장 장치 설비, 동력기계, 배관을 포함하는 사업장의 공정 및 설비정보를 등록 관리하는 사업장 설비 기준 모듈 및 사업장 유해물질 관리를 위한 안전장치에 대한 정보를 등록하는 사업장 설비 안전규칙 모듈을 구비함 -;
상기 사업장 설비 관리부에 등록된 설비의 사고 내역을 등록 관리하고, 하기의 사고대비 예방 훈련부로부터 사업장의 사고대비 설비 훈련 결과 내역을 전달 받아 사업장 사고 훈련 이력 내역으로 자동 생성하는 사업장 사고/훈련 이력부 - 상기 사업장 사고/훈련 이력부는 상기 사업장 설비 기준 모듈과 사업장 설비 안전규칙 모듈에 등록된 설비의 누출, 화재, 폭발 사고 내역을 등록 관리하는 사업장 사고 이력 모듈, 사업장의 동일업종 관련 사고 내역을 지역환경, 기상조건, 인적 관리조건, 설비 노후상태를 포함하는 사업장의 일반적인 내용과 사고의 직접적인 원인, 사업장 내외의 인적/물적 피해 정도, 사고로 인한 조치 사항을 포함하는 내역을 관리하는 동일업종 사고 이력 모듈, 사업장 상위 관리 유관기관에서 재난대비 훈련 계획, 재난 안전관리 계획 및 소방훈련 계획을 포함하는 일정 계획 및 결과를 관리하는 유관기관 사고 대비 훈련 모듈 및 하기의 사고대비 예방 훈련부로부터 사업장의 사고대비 훈련 및 훈련 결과를 전달받아 사업장 사고 훈련 이력 내역으로 자동 생성하는 사업장 사고 훈련 이력 모듈을 구비함 -;
상기 사업장 사고 이력 모듈로부터 신규 사고내역을 전달 받아 사업장 설비 기준, 안전규칙, 업무규칙에 의한 신규 사고유형 패턴을 생성하여 하기 사고유형 패턴 관리부의 신규 유형 패턴에 추가 변경하는 신규 사고유형 패턴 생성 모듈과, 상기 사업장 사고 이력 모듈로부터 전달 받은 신규 사고유형 패턴의 시계열 가중치 분류별 요소에 해당하는 기본요소, 설비요소, 운영요소, 인적요소, 기상요소, 대기요소 및 주변피해요소 각각에 대한 환경변화를 나타내는 측정값 또는 수치의 증가 또는 감소가 있는 경우 해당 요소의 실시간 및 예측 환경변화에 따른 가중치의 수치를 증가 또는 감소시켜 생성하는 시계열 사고 가중치 생성 모듈 - 기본요소는 설비 안전규칙 및 업무규칙의 시계열 요소를 포함하고, 설비요소는 유해물질 취급용량, 위해성 등급, 설비 내용년수를 포함하고, 운영요소는 사고/고장, 유지보수, 사고대비훈련을 포함하고, 인적요소는 취급담당자 경력, 취급담당자 수를 포함하고, 기상요소는 기온, 습도, 풍속, 풍향, 강우량, 일사량, 동네예보를 포함하고, 대기요소는 SO2, CO, O3, NO2, PM10, PM2.5를 포함하며, 주변피해요소는 사업장 주변 시설을 포함함 - 을 구비하는 신규 사고유형 패턴 생성부;
상기 신규 사고유형 패턴 생성부에서 생성된 사고유형 패턴을 세부 항목별로 등록 관리하고, 상기 시계열 가중치 분류별 요소와 하기 사고 추론 모니터링부의 시계열 통합 모니터링 결과에 의해 사고유형 패턴 규칙의 시계열별 규칙우선순위에 가중치를 반영하여 사고유형 패턴의 규칙우선순위를 자동으로 변경하는 사고유형 패턴 관리부 - 상기 사고유형 패턴 관리부는 상기 신규 사고유형 패턴 생성 모듈에서 전달 받은 신규 사고유형 패턴을 세부 항목별로 등록 관리하고, 하기 사고 패턴 결정 추론부에 적용하는 사고유형 패턴 모듈; 상기 사고유형 패턴 모듈에 등록된 사고유형 패턴 규칙들의 설비, 인적, 물적, 시계열별 우선순위를 하기 사고 패턴 결정 추론부에 적용하는 사고유형 패턴 경합 모듈; 및 상기 시계열 사고 가중치 생성 모듈에서 전달 받은 시계열 사고 가중치와 상기 사고 추론 모니터링부에서 시계열로 통합하여 모니터링 결과로 나타나는 시계열 사고 가중치를 이용하여 상기 사고유형 패턴 경합 모듈의 사고유형 패턴 규칙들에 대한 우선순위를 자동을 변경시키는 시계열 사고 가중치 모듈을 구비함 -;
상기 사업장 IoT 데이터 수집부에서 수집된 데이터의 사고유형 패턴을 상기 사고유형 패턴 관리부를 통해서 확인하고, 상기 사고유형 패턴 관리부에서 변경된 규칙우선순위에 의해 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정하는 사고 패턴 결정 추론부;
상기 사고 패턴 결정 추론부에서 결정된 설비사고, 인적사고, 물적사고 추론 결과를 실시간/예측 모니터링하고, 실시간/예측 모니터링 결과를 시계열로 통합하여 모니터링하는 사고 추론 모니터링부; 및
상기 사고 추론 모니터링부의 결과를 바탕으로 사고대비 훈련을 실시할 설비를 선정하고, 선정된 설비에 대한 사고를 예방하는 사고대비 훈련 실행 결과를 평가/등록 관리하며, 평가한 사고대비 훈련 및 훈련 결과를 상기 사업장 사고/훈련 이력부에 전달하는 사고대비 예방 훈련부를 포함하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템.
- 청구항 1에 있어서,
상기 사업장 IoT 데이터 수집부는,
유해화학물질을 다루는 사업장 내의 정보와 기상 및 대기 관련 사업장 외의 정보를 수집하는 사업장 IoT 데이터 수집 모듈;
기상청에서 실시간으로 제공하는 AWS(Automatic Weather System, 자동기상관측시스템) 측정정보, 지형정보와 중장기 기상정보를 수신하고, 환경부에서 실시간으로 제공하는 대기 배출량 정보를 수신하는 유관기관 데이터 수집 모듈;
상기 사업장 IoT 데이터 수집 모듈에서 수집한 기상 및 대기 관련 사업장 외의 정보, 상기 유관기관 데이터 수집 모듈의 AWS 측정정보, 지형정보와 중장기 기상정보를 가지고 바람장 모델링을 수행하여 3차원 격자 모델링 실시간/예측 바람장 정보를 생성하는 바람장 실시간/예측 모듈; 및
상기 유관기관 데이터 수집 모듈에서 수집한 대기 배출량 정보와 상기 바람장 실시간/예측 모듈에서 생성한 3차원 격자 모델링 실시간/예측 바람장 정보를 가지고 대기질 모델링을 수행하여 3차원 격자 모델링 실시간/예측 대기질 정보를 생성하는 대기질 실시간/예측 모듈을 구비하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템.
- 삭제
- 삭제
- 삭제
- 삭제
- 청구항 1에 있어서,
상기 사고 패턴 결정 추론부는,
상기 사업장 IoT 데이터 수집부에서 실시간 기상, 대기, 유해센서 감지농도, 예측농도, 격자별 대기확산농도, 설비운전 및 운영상태 정보를 수신하는 사고유형 패턴 데이터 수신 모듈;
상기 사고유형 패턴 데이터 수신 모듈에서 수신된 데이터를 상기 사고유형 패턴 관리부를 통해 사고유형 패턴을 확인하는 사고유형 패턴 확인 모듈;
상기 사고유형 패턴 확인 모듈에서 확인된 사고유형 패턴별 상기 사고유형 패턴 관리부에서 변경된 경합 규칙 우선순위에 의해 설비, 인적, 물적 피해 우선순위를 설정하는 사고유형 패턴 경합 적용 모듈;
상기 사고유형 패턴 경합 적용 모듈에서 선정된 사고유형 패턴의 설비, 인적, 물적 피해 순의 내역을 확인 및 결정하는 사고유형 패턴 규칙 선택 모듈; 및
상기 사고유형 패턴 규칙 선택 모듈에 의해 결정된 사고 피해 추론 패턴규칙을 상기 사고 추론 모니터링부에 전달하는 사고유형 패턴 규칙 실행 모듈을 구비하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템.
- 청구항 7에 있어서,
상기 사고 추론 모니터링부는,
상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 설비 사고 추론을 실시간/예측 모니터링하는 설비사고 추론 모니터링 모듈;
상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 인적 사고 추론을 실시간/예측 모니터링하는 인적사고 추론 모니터링 모듈;
상기 사고유형 패턴 규칙 실행 모듈에 의해 결정된 물적 사고 추론을 실시간/예측 모니터링하는 물적사고 추론 모니터링 모듈; 및
상기 설비사고 추론 모니터링 모듈, 인적사고 추론 모니터링 모듈 및 물적사고 추론 모니터링 모듈의 실시간/예측 모니터링 결과를 시계열로 통합하는 시계열 추론 모니터링 모듈을 구비하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템.
- 청구항 8에 있어서,
상기 사고대비 예방 훈련부는,
상기 시계열 추론 모니터링 모듈의 시계열 추론 결과 중에서 사고대비 훈련이 필요한 설비를 선정하는 사고대비 설비 훈련 선정 모듈;
상기 사고대비 설비 훈련 선정 모듈에서 선정된 사고대비 설비에 대한 사고 예방 훈련을 실행하는 사고대비 설비 훈련 실행 모듈;
상기 사고대비 설비 훈련 실행 모듈에서 실행한 사고 예방 훈련의 평가 결과를 등록 관리하는 사고대비 설비 훈련 평가 모듈; 및
상기 사고대비 설비 훈련 평가 모듈에서 평가한 훈련 및 훈련 결과 정보를 상기 사업장 사고/훈련 이력부에 반영하는 사고대비 설비 훈련 이력 반영 모듈을 구비하는 것을 특징으로 하는 IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170079776A KR101830295B1 (ko) | 2017-06-23 | 2017-06-23 | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170079776A KR101830295B1 (ko) | 2017-06-23 | 2017-06-23 | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101830295B1 true KR101830295B1 (ko) | 2018-03-29 |
Family
ID=61907188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170079776A KR101830295B1 (ko) | 2017-06-23 | 2017-06-23 | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101830295B1 (ko) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564193A (zh) * | 2018-01-05 | 2018-09-21 | 广东电网有限责任公司中山供电局 | 基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法 |
KR101926368B1 (ko) | 2018-06-08 | 2018-12-07 | 주식회사 주빅스 | 유해 화학물질 누출 시 실시간 피해 예측 모니터링 시스템 |
CN109523421A (zh) * | 2018-11-14 | 2019-03-26 | 遵义华正电缆桥架有限公司 | 一种电力施工维护培训*** |
KR102260591B1 (ko) | 2020-10-12 | 2021-06-08 | 동국대학교 산학협력단 | 데이터 기반의 의사결정 지원시스템 및 동작 방법 |
KR102275986B1 (ko) | 2020-10-12 | 2021-07-13 | 동국대학교 산학협력단 | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 |
KR102339691B1 (ko) * | 2020-09-10 | 2021-12-16 | 김원국 | 산업단지를 위한 지능형 통합 재난 관제 플랫폼 서버 |
CN113821993A (zh) * | 2020-06-18 | 2021-12-21 | 中国石油化工股份有限公司 | 设备的伤害感知方法、装置及存储介质 |
KR20220086767A (ko) | 2020-12-16 | 2022-06-24 | 대한민국(관리부서: 행정안전부 국립과학수사연구원장) | 화재폭발분야 지능형 의사결정 지원 시스템 |
KR20220116865A (ko) | 2021-02-16 | 2022-08-23 | 엄수진 | Vr 콘텐츠를 활용한 긴급 구조 대응 훈련 시스템 |
KR20220142134A (ko) * | 2021-04-14 | 2022-10-21 | 도병국 | 이상 상황 발생에 따른 세이프 알람 서비스 제공 시스템 |
KR102490062B1 (ko) * | 2022-03-10 | 2023-01-18 | (주)큐브더모먼트 | Ai 기반 사용자 맞춤형 재난 위험예측 및 안전관리 방법, 장치 및 컴퓨터프로그램 |
KR102522766B1 (ko) * | 2022-07-26 | 2023-04-18 | 삼일데이타시스템 주식회사 | IoT를 이용한 유해화학물질 취급시설 관리 시스템 점검 방법 및 시스템 |
KR102557961B1 (ko) * | 2023-02-02 | 2023-07-24 | 한국환경안전관리주식회사 | 사물인터넷 센서 및 빅 데이터를 이용한 사업장의 대기환경 오염 물질 관리 방법 및 장치 |
KR20240098638A (ko) | 2022-12-21 | 2024-06-28 | 동국대학교 산학협력단 | 데이터 기반의 중도포기 예측시스템 및 동작 방법 |
KR102689131B1 (ko) | 2023-08-02 | 2024-07-29 | 조남열 | 사업주 맞춤형 중대재해 예방 방법, 장치 및 컴퓨터프로그램 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101329395B1 (ko) | 2012-06-04 | 2013-11-14 | 한국남동발전 주식회사 | 발전설비 관리 시스템 및 그 제어방법 |
KR101621434B1 (ko) | 2015-10-14 | 2016-05-17 | 주식회사 한빛파워 | 원자력 발전소 교육 훈련용 모의제어반 발전운전원 운전오류 경보시스템 및 원자력 발전소 모의제어반 교육 훈련 방법 |
KR101666820B1 (ko) | 2015-02-10 | 2016-10-17 | 주식회사 주빅스 | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 |
-
2017
- 2017-06-23 KR KR1020170079776A patent/KR101830295B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101329395B1 (ko) | 2012-06-04 | 2013-11-14 | 한국남동발전 주식회사 | 발전설비 관리 시스템 및 그 제어방법 |
KR101666820B1 (ko) | 2015-02-10 | 2016-10-17 | 주식회사 주빅스 | 환경 재난, 재해 조기감지를 위한 대기질 예측 및 관리 시스템 |
KR101621434B1 (ko) | 2015-10-14 | 2016-05-17 | 주식회사 한빛파워 | 원자력 발전소 교육 훈련용 모의제어반 발전운전원 운전오류 경보시스템 및 원자력 발전소 모의제어반 교육 훈련 방법 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564193A (zh) * | 2018-01-05 | 2018-09-21 | 广东电网有限责任公司中山供电局 | 基于神经网络的电力人身事故、误操作事故与违章操作事故的预测方法 |
KR101926368B1 (ko) | 2018-06-08 | 2018-12-07 | 주식회사 주빅스 | 유해 화학물질 누출 시 실시간 피해 예측 모니터링 시스템 |
CN109523421A (zh) * | 2018-11-14 | 2019-03-26 | 遵义华正电缆桥架有限公司 | 一种电力施工维护培训*** |
CN113821993A (zh) * | 2020-06-18 | 2021-12-21 | 中国石油化工股份有限公司 | 设备的伤害感知方法、装置及存储介质 |
KR102339691B1 (ko) * | 2020-09-10 | 2021-12-16 | 김원국 | 산업단지를 위한 지능형 통합 재난 관제 플랫폼 서버 |
KR102260591B1 (ko) | 2020-10-12 | 2021-06-08 | 동국대학교 산학협력단 | 데이터 기반의 의사결정 지원시스템 및 동작 방법 |
KR102275986B1 (ko) | 2020-10-12 | 2021-07-13 | 동국대학교 산학협력단 | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 |
KR20220086767A (ko) | 2020-12-16 | 2022-06-24 | 대한민국(관리부서: 행정안전부 국립과학수사연구원장) | 화재폭발분야 지능형 의사결정 지원 시스템 |
KR20220116865A (ko) | 2021-02-16 | 2022-08-23 | 엄수진 | Vr 콘텐츠를 활용한 긴급 구조 대응 훈련 시스템 |
KR20220142134A (ko) * | 2021-04-14 | 2022-10-21 | 도병국 | 이상 상황 발생에 따른 세이프 알람 서비스 제공 시스템 |
KR102620064B1 (ko) * | 2021-04-14 | 2023-12-29 | 도병국 | 이상 상황 발생에 따른 세이프 알람 서비스 제공 시스템 |
KR102490062B1 (ko) * | 2022-03-10 | 2023-01-18 | (주)큐브더모먼트 | Ai 기반 사용자 맞춤형 재난 위험예측 및 안전관리 방법, 장치 및 컴퓨터프로그램 |
KR102522766B1 (ko) * | 2022-07-26 | 2023-04-18 | 삼일데이타시스템 주식회사 | IoT를 이용한 유해화학물질 취급시설 관리 시스템 점검 방법 및 시스템 |
KR20240098638A (ko) | 2022-12-21 | 2024-06-28 | 동국대학교 산학협력단 | 데이터 기반의 중도포기 예측시스템 및 동작 방법 |
KR102557961B1 (ko) * | 2023-02-02 | 2023-07-24 | 한국환경안전관리주식회사 | 사물인터넷 센서 및 빅 데이터를 이용한 사업장의 대기환경 오염 물질 관리 방법 및 장치 |
KR102689131B1 (ko) | 2023-08-02 | 2024-07-29 | 조남열 | 사업주 맞춤형 중대재해 예방 방법, 장치 및 컴퓨터프로그램 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101830295B1 (ko) | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 | |
Hosseinnia et al. | Multi-plant emergency response for tackling major accidents in chemical industrial areas | |
Fabbrocino et al. | Quantitative risk analysis of oil storage facilities in seismic areas | |
Misuri et al. | Assessment of safety barrier performance in Natech scenarios | |
KR101675733B1 (ko) | 원전사고 통합 대응 시스템 | |
Benavides-Serrano et al. | A quantitative assessment on the placement practices of gas detectors in the process industries | |
CN103268109A (zh) | 基于gis的化工园区风险管理信息*** | |
KR102284747B1 (ko) | 재난 감시 및 대응 시스템 | |
CN105825320A (zh) | 一种石油化工企业承灾体脆弱性评估方法 | |
Ding et al. | IoT sensor-based BIM system for smart safety barriers of hazardous energy in petrochemical construction | |
KR20220067152A (ko) | 전문가 평가를 이용하여 재난대응시스템의 성능을 평가하는 시스템 | |
Qi et al. | Flexible alarming mechanism of a general GDS deployment for explosive accidents caused by gas leakage | |
CN115689281A (zh) | 一种厂区危险源风险管控方法和装置 | |
Galderisi et al. | A method for na-tech risk assessment as supporting tool for land use planning mitigation strategies | |
Salvi et al. | Risk assessment and risk decision-making process related to hazardous installation in France | |
Jiang et al. | Emergency response for tackling major accidental toxic gas releases: What should be done and when? | |
Guo et al. | Development of an interval-based evacuation management model in response to nuclear-power plant accident | |
Papadakis et al. | The exposure–damage approach in the quantification of occupational risk in workplaces involving dangerous substances | |
Bui et al. | Spatiotemporal integration of an agent-based first responder performance model with a fire hazard propagation model for probabilistic risk assessment of nuclear power plants | |
Zhang et al. | Formal probabilistic risk analysis of accidental air pollution in a development zone using Bayesian networks | |
CN110619459A (zh) | 一种尾矿库事故隐患及风险演化的表征方法 | |
Barry | Risk-informed industrial fire protection engineering | |
Shojaee Barjoee et al. | Modeling the consequences of benzene leakage from tank using ALOHA in tar refining industrial of Kerman, Iran | |
Necci | Cascading events triggering industrial accidents: quantitative assessment of NaTech and domino scenarios | |
Prashanth Kumar Reddy et al. | Design of fire and gas detection system for a process plant: a review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GRNT | Written decision to grant |