KR20200086446A - Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 - Google Patents
Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 Download PDFInfo
- Publication number
- KR20200086446A KR20200086446A KR1020190002615A KR20190002615A KR20200086446A KR 20200086446 A KR20200086446 A KR 20200086446A KR 1020190002615 A KR1020190002615 A KR 1020190002615A KR 20190002615 A KR20190002615 A KR 20190002615A KR 20200086446 A KR20200086446 A KR 20200086446A
- Authority
- KR
- South Korea
- Prior art keywords
- maintenance
- priority
- lng
- text data
- preventive
- Prior art date
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 269
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000003449 preventive effect Effects 0.000 claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 45
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007726 management method Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 8
- 238000012098 association analyses Methods 0.000 claims description 6
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 2
- 238000003032 molecular docking Methods 0.000 abstract 2
- 239000003949 liquefied natural gas Substances 0.000 description 72
- 238000007689 inspection Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000002265 prevention Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 239000000969 carrier Substances 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명에 따른 LNG 선박의 예방 정비 모델 생성 방법은, LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 정보 입력 단계와, 입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 정비 대상 특정 단계와, 특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와, 특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화 단계와, 입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 상기 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 단계를 포함할 수 있다.
Description
본 발명은 LNG(액화천연가스) 선박의 예방 정비 모델에 관한 것으로, 더욱 상세하게는 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 운반선에 설치된 초저온 화물설비의 예방 정비 모델을 선령별로 생성할 수 있는 LNG 선박의 예방 정비 모델 생성 방법 및 그 장치에 관한 것이다.
알려진 바와 같이, LNG 선박은 LNG 탱크(화물창)에 초저온(예컨대, 영하 160도 이하)의 LNG를 액화상태로 싣고 운반하는 선박인 것으로, 이러한 LNG 선박은 특히 외부적 충격 요인으로 인한 폭발 위험 등이 매우 크기 때문에 정비 대상 항목(예컨대, LNG 탱크, 각종 밸브 등)별로 안전을 위한 예방 정비를 시행하는 것이 매우 중요하다.
따라서, LNG 선박은 각 국가마다 법으로 규정하고 있는 기 설정된 일정 주기(예컨대, 2.5년)마다 도크에 입거하여 입거 정비를 받고 있다.
그리고, LNG 선박은, 여타의 다른 선박들과 마찬가지로, 안전운항 주기와 설계수명 주기가 각각 다르게 설정되는 것이 일반적인데, 예컨대, 대한민국의 경우에는 안전운항 주기를 20년으로 하고, 설계수명 주기를 40년으로 하는 것을 법으로 규정하고 있다.
한편, LNG 선박의 경우 안전운항 주기 이내(예컨대, 20년 이내)일 때의 예방 정비 주기와 중요 정비 항목은 설계수명 주기 이내(예컨대, 20년 내지 40년)일 때의 예방 정비 주기와 중요 정비 항목과는 각각 다르게 설정되는데, 이것은 LNG 선박의 선령을 기반으로 하여 실효적인 예방 정비를 시행하기 위한 것이다.
여기에서, LNG 선박의 예방 정비는 작업자 경험에 기반하여 작성된 정비 매뉴얼에 따라 이루어지는 것이 일반적인데, 이러한 방식의 예방 정비는 LNG 선박의 운용 효율성을 저하시킬 뿐만 아니라 LNG 선박의 유지 관리를 위한 운용비용을 증가시키는 요인으로 작용하고 있다.
따라서, 선령별 LNG 선박의 예방 정비 주기와 중요 정비 항목을 자동 모델링하여 LNG 선박의 예방 정비에 적용시키는 새로운 기법이 필요한 실정이나 현재로서는 자동 모델링을 통해 LNG 선박의 예방 정비를 시행하는 어떠한 기법도 없는 실정이다.
본 발명은 LNG 선박의 선령에 따른 예방 정비 이력에 기반한 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 통해 LNG 선박에 설치된 초저온 화물설비의 예방 정비 모델을 선령별로 생성할 수 있는 LNG 선박의 예방 정비 모델 생성 방법 및 그 장치를 제공하고자 한다.
본 발명은 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 선박의 예방 정비 모델을 생성하는 방법을 프로세서가 수행하도록 하는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체를 제공하고자 한다.
본 발명은 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 선박의 예방 정비 모델을 생성하는 방법을 프로세서가 수행할 수 있도록 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램을 제공하고자 한다.
본 발명이 해결하고자 하는 과제는 상기에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재들로부터 본 발명이 속하는 통상의 지식을 가진 자에 의해 명확하게 이해될 수 있을 것이다.
본 발명은, 일 관점에 따라, LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 정보 입력 단계와, 입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 정비 대상 특정 단계와, 특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와, 특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화 단계와, 입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 상기 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 단계를 포함하는 LNG 선박의 예방 정비 모델 생성 방법을 제공할 수 있다.
본 발명의 상기 정비 대상 특정 단계는, 텍스트 마이닝 기법을 통해 상기 텍스트 데이터들을 추출할 수 있다.
본 발명의 상기 텍스트 데이터들은, 화물창 계통, 밸브 관리 계통, 선급 관리 계통에 대한 텍스트 데이터들을 포함할 수 있다.
본 발명의 상기 정비 대상 특정 단계는, 자연어 분석법을 통해 상기 정비 대상을 특정할 수 있다.
본 발명의 상기 구조화 단계는, 텍스트 데이터들 간의 동시 출현 빈도를 통해 텍스트 데이터들 간의 연관성을 분석하는 연관성 분석 과정을 더 포함할 수 있다.
본 발명의 상기 연관성 분석 과정은, 상기 텍스트 데이터들이 동일 문장에 출현하는 것이, 상기 텍스트 데이터들이 다른 문장에 출현하는 것보다 더 높은 연관성을 가지는 것으로 판단할 수 있다.
본 발명은, 다른 관점에 따라, LNG 선박의 예방 정비 모델 생성 방법을 프로세서가 수행하도록 하는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체로서, 상기 예방 정비 모델 생성 방법은, 상기 LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 단계와, 입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 단계와, 특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와, 특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화 단계와, 입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 단계를 포함하는 컴퓨터 판독 가능한 기록매체를 제공할 수 있다.
본 발명은, 또 다른 관점에 따라, LNG 선박의 예방 정비 모델 생성 방법을 프로세서가 수행할 수 있도록 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로서, 상기 예방 정비 모델 생성 방법은, 상기 LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 단계와, 입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 단계와, 특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와, 특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화하는 구조화 단계와, 입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 핵심 LNG 선박의 초저온 화물설비 예방 정비 모델을 생성하는 단계를 포함하는 컴퓨터 프로그램을 제공할 수 있다.
본 발명은, 또 다른 관점에 따라, 외부로부터 제공되는 LNG 선박의 입거 정비 내역 및 선령 정보를 저장하는 데이터 저장부와, 상기 데이터 저장부에 저장된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 정비 대상 특정부와, 특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석부와, 특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 정비 항목 구조화부와, 입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 상기 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 모델 생성부를 포함하는 LNG 선박의 예방 정비 모델 생성 장치를 제공할 수 있다.
본 발명의 실시예에 따르면, LNG 선박의 선령에 따른 예방 정비 이력에 기반하여 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 통해 LNG 운반선에 설치된 초저온 화물설비의 예방 정비 모델을 선령별로 생성함으로써, LNG 선박의 운용 효율성을 증진시킬 수 있을 뿐만 아니라 LNG 선박의 유지 관리를 위한 운용비용을 효과적으로 절감할 수 있다.
본 발명의 실시예에 따르면, LNG 선박의 초저온 화물설비의 예방 정비를 위한 객관적 근거를 제공할 수 있으며, 이를 통해 LNG 선박의 유지 관리를 위한 운용비용을 더욱 절감할 수 있다.
도 1은 본 발명의 실시 예에 따른 LNG 선박의 예방 정비 모델 생성 장치에 대한 블록 구성도이다.
도 2는 본 발명의 실시 예에 따라 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 선박의 예방 정비 모델을 생성하는 주요 과정을 도시한 순서도이다.
도 3은 LNG 선박의 입거 정비 항목을 1차 분석하여 시각화한 화면의 예시도이다.
도 4는 LNG 선박의 정비 관련 텍스트의 출현 빈도 및 우선순위 분석에 필요한 정비 항목 히스토그램의 예시도이다.
도 5는 신조선과 노후선 각각에 대해 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 통해 정비 우선 항목을 분석하여 시각화한 화면의 예시도이다.
도 2는 본 발명의 실시 예에 따라 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 선박의 예방 정비 모델을 생성하는 주요 과정을 도시한 순서도이다.
도 3은 LNG 선박의 입거 정비 항목을 1차 분석하여 시각화한 화면의 예시도이다.
도 4는 LNG 선박의 정비 관련 텍스트의 출현 빈도 및 우선순위 분석에 필요한 정비 항목 히스토그램의 예시도이다.
도 5는 신조선과 노후선 각각에 대해 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 통해 정비 우선 항목을 분석하여 시각화한 화면의 예시도이다.
먼저, 본 발명의 장점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시 예들을 참조하면 명확해질 것이다. 여기에서, 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 발명의 범주를 명확하게 이해할 수 있도록 하기 위해 예시적으로 제공되는 것이므로, 본 발명의 기술적 범위는 청구항들에 의해 정의되어야 할 것이다.
아울러, 아래의 본 발명을 설명함에 있어서 공지 기능 또는 구성 등에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들인 것으로, 이는 사용자, 운용자 등의 의도 또는 관례 등에 따라 달라질 수 있음은 물론이다. 그러므로, 그 정의는 본 명세서의 전반에 걸쳐 기술되는 기술사상을 토대로 이루어져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시 예에 대하여 상세하게 설명한다.
도 1은 본 발명의 실시 예에 따른 LNG 선박의 예방 정비 모델 생성 장치에 대한 블록 구성도로서, 크게 구분해 볼 때, 입거 정비 정보 처리 모듈(110) 및 DB 모듈(120) 등을 포함할 수 있다.
여기에서, 입거 정비 정보 처리 모듈(110)은 데이터 수신부(111), 정비 대상 특정부(112), 출현 빈도 분석부(113), 정비 항목 구조화부(114), 및 모델 생성부(115) 등을 포함할 수 있고, DB 모듈(120)은 데이터 저장부(122) 및 모델 저장부(124) 등을 포함할 수 있다.
도 1을 참조하면, 데이터 수신부(111)는 도시 생략된 데이터 입력부(예컨대, 키보드, 마우스, 네트워크 송수신부 등을 선택적으로 포함할 수 있는 입력 인터페이스부)로부터 사용자 인터페이스에 따라 입력(제공)되는 LNG 선박(LNG 운반선)의 입거 정비 내역(입거 예방 정비 내역) 데이터와 각 선박의 선령 정보를 수신(수집)하여 DB 모듈(120) 내의 데이터 저장부(122)에 저장하는 등의 기능을 제공할 수 있다.
여기에서, 입거 정비 내역은, 예컨대 기존에 입거 예방 정비가 수행된 선령별 LNG 선박의 입거 예방 정비 수리서 또는 입거 예방 정비 계획서 등을 의미할 수 있으며, 이러한 입거 정비 내역은 데이터 파일(예컨대, 엑셀 파일 등) 형태로 제공될 수 있다.
그리고, 입거 정비 내역에 포함되는 정비 대상 항목(입거 정비 항목)은, 일반 선박에 포함된 선체 장치나 기관실 장비가 아닌, LNG 선박에 특별히 설치된 초저온 화물 관련 장치를 의미할 수 있는데, 이러한 초저온 화물 관련 장치로서는, 예컨대 초저온 액체화물(LNG)을 저장하는 화물창, LNG 화물 펌프, 화물 이송 파이프(pipe), 파이프에 설치된 밸브, 기화된 액화가스 압력을 조절하는 컴프레서 등이 있다.
즉, DB 모듈(120) 내의 정보 DB(122)에는 기존에 입거 예방 정비가 수행된 수십 내지 수백 혹은 수천 개의 선령별 LNG 선박들의 입거 정비 내역들(각 선령별 LNG 선박에 대한 입거 정비 항목 관련의 빅 데이터)이 저장될 수 있다.
한편, 정비 대상 특정부(112)는 정보 DB(122)에 저장되어 있는 다수의 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고, 추출된 텍스트 데이터들로부터 정비 대상을 특정하는 등의 기능을 제공할 수 있는데, 텍스트 데이터의 추출은, 예컨대 텍스트 마이닝 기법을 통해 수행될 수 있다.
여기에서, 텍스트 데이터들은, 예컨대 화물창 계통, 밸브 관리 계통, 선급 관리 계통 등에 대한 텍스트 데이터들을 포함할 수 있으며, 화물창 계통은, 예컨대 탱크 압력, 탱크 밀폐 검사, 예비품 보유 검사 등을 포함할 수 있고, 밸브 관리 계통은, 예컨대 메이커 검사, 압력 배출 밸브 검사, 안전 압력 설정 검사 등을 포함할 수 있으며, 선급 관리 계통은, 예컨대 선급 검사원 검사, 안전 설비 기간 연장 검사, 화물창 및 밸브 압력 설정 검사 등을 포함할 수 있다.
다음에, 출현 빈도 분석부(113)는 정비 대상 특정부(112)를 통해 특정된 정비 대상들에 대한 출현 빈도 분석을 수행하는 등의 기능을 제공할 수 있다.
여기에서, 각 정비 대상들에 대한 출현 빈도 분석은, 예컨대 자연어 분석법 등을 통해 수행될 수 있으며, 이를 통해 선령별 LNG 선박의 초저온 화물설비들에 대한 예방 정비 대상들이 특정될 수 있다.
그리고, 정비 항목 구조화부(114)는 출현 빈도 분석부(113)를 통해 분석된 각 정비 대상의 출현 빈도를 토대로 정비 대상의 우선순위를 설정하는 등의 기능을 제공할 수 있다. 여기에서, 우선순위의 설정은, 예컨대 자연어 분석법 등을 통해 수행될 수 있다.
또한, 정비 항목 구조화부(114)가 수행하는 연관성 분석은 텍스트 데이터들 간의 동시 출현 빈도를 통해 텍스트 데이터들 간의 연관성을 분석하는 과정을 더 수행할 수 있으며, 이를 위해 연관성 분석부(1141)를 포함할 수 있다.
여기에서, 연관성 분석부(1141)는, 텍스트 데이터들이 동일 문장에 출현하는 것이, 텍스트 데이터들이 다른 문장에 출현하는 것보다 더 높은 연관성을 갖는 것으로 판단할 수 있다. 또한, 정비 항목 구조화부(114)는 텍스트 데이터들이 다른 문장에 출현할 때에는, 텍스트 데이터들이 인접하는 문장들에 출현한 것이 텍스트 데이터들이 인접하지 않고 서로 떨어진 문장들에 출현하는 것보다 더 높은 연관성을 갖는 것으로 판단할 수 있다.
여기에서, 각 정비 대상의 출현 빈도를 토대로 정비 대상의 우선순위를 설정하는 것은, 예컨대 클러스터링 기법(군집화 기법)을 활용하여 예방 정비를 하게 되는 원인별로 예방 정비 항목을 구분하는 방식으로 실현될 수 있다.
다음에, 모델 생성부(115)는 정비 항목 구조화부(114)를 통해 입력된 선령 정보 및 우선순위 설정된 예방 정비 대상을 토대로 선령에 따라 정비 핵심 항목을 설정함으로써, LNG 선박의 예방 정비 모델 (즉, LNG 선박의 생애주기 맞춤형 예방 정비 모델)을 생성하는 등의 기능을 제공할 수 있다.
여기에서, 정비 원인별로 분류된 각 클러스터는 다시 정비 원인을 발생시킨 텍스트(단어)에 대하여 의미 해석(Semantic analysis)을 수행하여, 텍스트(단어)의 의미별로 통상적인 정비인지 혹은 심각한 문제를 초래하는 정비인지를 구분할 수 있다. 예컨대 정기 점검을 위한 분해 검사는 통상적인 정비 항목으로 분류될 수 있고, 파손 등에 기인하는 교체 정비는 심각한 손상으로 인한 정비로 분류될 수 있다.
그리고, 모델 생성부(115)를 통해 생성된 선령별 LNG 선박의 예방 정비 모델은 모델 DB(124)에 저장될 수 있는데, 이러한 선령별 LNG 선박의 예방 정비 모델은 선령별 LNG 선박의 예방 정비를 위한 객관적 근거를 마련할 수 있는 예방 정비 시뮬레이션 등에 효과적으로 활용될 수 있다.
도 3은 LNG 선박의 입거 정비 항목을 1차 분석하여 시각화한 화면의 예시도이다. 도 3을 참조하면, 입거 정비 항목 내에 출현하는 텍스트의 시각화 크기가 클수록 출현 빈도가 상대적으로 많고, 텍스트의 시각화 크기가 적을수록 출현 빈도가 상대적으로 적음을 나타낸다.
도 4는 LNG 선박의 정비 관련 텍스트의 출현 빈도 및 우선순위 분석에 필요한 정비 항목 히스토그램의 예시도이다. 도 4를 참조하면, 텍스트의 출현 빈도에 따라 정비 대상 항목별의 우선순위가 다르게 나타나는 것을 분명하게 알 수 있다.
도 5는 신조선과 노후선 각각에 대해 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 통해 정비 우선 항목을 분석하여 시각화한 예시도이다. 도 5를 참조하면, 선령 3연차인 LNG 선박의 정비 우선 항목과 선령 18연차인 LNG 선박의 정비 우선 항목이 확연하게 달라지는 것을 분명하게 알 수 있다. 도 5에 있어서, 선령별 정비 대상의 출현 빈도 분석 결과에 따라 텍스트의 시각화 크기가 달라지는 것을 분명하게 할 수 있다.
다음에, 상술한 바와 같은 구성을 갖는 본 실시예의 LNG 선박의 정비 모델 생성 장치를 이용하여 입거 정비 항목의 연관성 분석을 기반으로 LNG 선박의 정비 모델을 생성하는 일련의 과정들에 대하여 상세하게 설명한다.
도 2는 본 발명의 실시 예에 따라 입거 정비 항목에 대한 정비 관련 텍스트의 출현 빈도 분석을 기반으로 LNG 선박의 예방 정비 모델을 생성하는 주요 과정을 도시한 순서도이다.
도 2를 참조하면, 데이터 수신부(111)는 도시 생략된 데이터 입력부로부터 사용자 인터페이스에 따라 입력(제공)되는 LNG 선박(LNG 운반선)의 입거 정비 내역(입거 예방 정비 내역) 데이터와 선박의 선령 정보를 수신(수집)하여 DB 모듈(120) 내의 데이터 저장부(122)에 저장한다(단계 202, 정보 입력 단계). 여기에서, 입거 정비 내역은, 예컨대 기존에 입거 예방 정비가 수행된 선령별 LNG 선박의 입거 예방 정비 수리서 또는 입거 예방 정비 계획서 등을 의미할 수 있다.
다음에, 정비 대상 특정부(112)에서는 정보 DB(122)에 저장되어 있는 다수의 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고, 추출된 텍스트 데이터들로부터 정비 대상을 특정하는데(단계 204, 정비 대상 특정 단계), 이러한 텍스트 데이터들은, 예컨대 화물창 계통, 밸브 관리 계통, 선급 관리 계통 등에 대한 텍스트 데이터들을 포함할 수 있다.
여기에서, 화물창 계통은, 예컨대 탱크 압력, 탱크 밀폐 검사, 예비품 보유 검사 등을 포함할 수 있고, 밸브 관리 계통은, 예컨대 메이커 검사, 압력 배출 밸브 검사, 안전 압력 설정 검사 등을 포함할 수 있으며, 선급 관리 계통은, 예컨대 선급 검사원 검사, 안전 설비 기간 연장 검사, 화물창 및 밸브 압력 설정 검사 등을 포함할 수 있다.
이후, 출현 빈도 분석부(113)에서는 정비 대상 특정부(112)를 통해 특정된 정비 대상들에 대한 출현 빈도 분석을 수행한다(단계 206, 출현 빈도 분석 단계). 여기에서, 각 정비 대상들에 대한 출현 빈도 분석은, 예컨대 자연어 분석법 등을 통해 수행될 수 있으며, 이를 통해 선령별 LNG 선박의 초저온 화물설비들에 대한 예방 정비 대상들이 특정될 수 있다.
다시, 정비 항목 구조화부(114)에서는 출현 빈도 분석부(113)를 통해 분석된 각 정비 대상의 출현 빈도를 토대로 정비 대상의 우선순위를 설정하고(우선순위 설정 과정), 텍스트 데이터들 간의 연관성을 분석한다(단계 208, 구조화 단계). 여기에서, 우선순위의 설정 및 연관성 분석은, 예컨대 자연어 분석법 등을 통해 수행될 수 있다.
정비 항목 구조화부(114)가 수행하는 연관성 분석은 텍스트 데이터들 간의 동시 출현 빈도를 통해 텍스트 데이터들 간의 연관성을 분석할 수 있다. 예를 들어, 이러한 정비 항목 구조화부(114)는, 텍스트 데이터들이 동일 문장에 출현하는 것이, 텍스트 데이터들이 다른 문장에 출현하는 것보다 더 높은 연관성을 갖는 것으로 판단할 수 있다.
이후, 모델 생성부(115)에서는 정비 항목 구조화부(114)를 통해 입력된 선령 정보 및 우선순위 설정된 예방 정비 대상을 토대로 선박의 선령에 따라 정비 핵심 항목을 설정함으로써, LNG 선박의 예방 정비 모델(즉, LNG 선박의 생애주기 맞춤형 예방 정비 모델)을 생성한다(단계 210,예방 정비 모델을 생성하는 단계).
이때, 모델 생성부(115)를 통해 생성된 LNG 선박의 예방 정비 모델은 모델 저장부(124)에 저장될 수 있다.
한편, 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리 등에 저장되는 것도 가능하므로, 그 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.
그리고, 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 적어도 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경 등이 가능함을 쉽게 알 수 있을 것이다. 즉, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것으로서, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
따라서, 본 발명의 보호 범위는 후술되는 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
110 : 입거 정비 정보 처리 모듈
111 : 데이터 수신부
112 : 정비 대상 특정부
113 : 출현 빈도 분석부
114 : 정비 항목 구조화부
115 : 모델 생성부
120 : DB 모듈
122 : 데이터 저장부
124 : 모델 저장부
111 : 데이터 수신부
112 : 정비 대상 특정부
113 : 출현 빈도 분석부
114 : 정비 항목 구조화부
115 : 모델 생성부
120 : DB 모듈
122 : 데이터 저장부
124 : 모델 저장부
Claims (9)
- LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 정보 입력 단계와,
입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 정비 대상 특정 단계와,
특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와,
특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화 단계와,
입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 상기 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 단계를 포함하는
LNG 선박의 예방 정비 모델 생성 방법. - 제 1 항에 있어서,
상기 정비 대상 특정 단계는,
텍스트 마이닝 기법을 통해 상기 텍스트 데이터들을 추출하는
LNG 선박의 예방 정비 모델 생성 방법. - 제 1 항에 있어서,
상기 텍스트 데이터들은,
화물창 계통, 밸브 관리 계통, 선급 관리 계통에 대한 텍스트 데이터들을 포함하는
LNG 선박의 예방 정비 모델 생성 방법. - 제 1 항에 있어서,
상기 정비 대상 특정 단계는,
자연어 분석법을 통해 상기 정비 대상을 특정하는
LNG 선박의 예방 정비 모델 생성 방법. - 제 1 항에 있어서,
상기 구조화 단계는,
텍스트 데이터들 간의 동시 출현 빈도를 통해 텍스트 데이터들 간의 연관성을 분석하는 연관성 분석 과정을 더 포함하는
LNG 선박의 예방 정비 모델 생성 방법. - 제 5 항에 있어서,
상기 연관성 분석 과정은,
상기 텍스트 데이터들이 동일 문장에 출현하는 것이, 상기 텍스트 데이터들이 다른 문장에 출현하는 것보다 더 높은 연관성을 가지는 것으로 판단하는
LNG 선박의 예방 정비 모델 생성 방법. - LNG 선박의 예방 정비 모델 생성 방법을 프로세서가 수행하도록 하는 컴퓨터 프로그램이 저장된 컴퓨터 판독 가능한 기록매체로서,
상기 예방 정비 모델 생성 방법은,
상기 LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 단계와,
입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 단계와,
특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와,
특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화 단계와,
입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 단계를 포함하는
컴퓨터 판독 가능한 기록매체. - LNG 선박의 예방 정비 모델 생성 방법을 프로세서가 수행할 수 있도록 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램으로서,
상기 예방 정비 모델 생성 방법은,
상기 LNG 선박의 입거 정비 내역 및 선령 정보를 입력받는 단계와,
입력된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 단계와,
특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석 단계와,
특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 구조화하는 구조화 단계와,
입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 핵심 LNG 선박의 초저온 화물설비 예방 정비 모델을 생성하는 단계를 포함하는
컴퓨터 프로그램. - 외부로부터 제공되는 LNG 선박의 입거 정비 내역 및 선령 정보를 저장하는 데이터 저장부와,
상기 데이터 저장부에 저장된 상기 입거 정비 내역으로부터 정비와 관련된 텍스트 데이터들을 추출하고 상기 텍스트 데이터들로부터 정비 대상을 특정하는 정비 대상 특정부와,
특정된 상기 정비 대상에 대한 출현 빈도 분석을 수행하는 출현 빈도 분석부와,
특정된 상기 정비 대상의 출현 빈도를 토대로 상기 정비 대상의 우선순위를 설정하는 우선순위 설정 과정을 포함하는 정비 항목 구조화부와,
입력된 상기 선령 정보 및 우선순위 설정된 정비 대상을 토대로 상기 선령에 따라 상기 정비 핵심 항목을 설정함으로써 LNG 선박의 예방 정비 모델을 생성하는 모델 생성부를 포함하는
LNG 선박의 예방 정비 모델 생성 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190002615A KR20200086446A (ko) | 2019-01-09 | 2019-01-09 | Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190002615A KR20200086446A (ko) | 2019-01-09 | 2019-01-09 | Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200086446A true KR20200086446A (ko) | 2020-07-17 |
Family
ID=71832448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190002615A KR20200086446A (ko) | 2019-01-09 | 2019-01-09 | Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20200086446A (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837712A (zh) * | 2021-08-10 | 2021-12-24 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120105626A (ko) | 2011-03-16 | 2012-09-26 | 성균관대학교산학협력단 | Lng플랜트 유지관리 시스템 및 방법 |
-
2019
- 2019-01-09 KR KR1020190002615A patent/KR20200086446A/ko not_active Application Discontinuation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120105626A (ko) | 2011-03-16 | 2012-09-26 | 성균관대학교산학협력단 | Lng플랜트 유지관리 시스템 및 방법 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837712A (zh) * | 2021-08-10 | 2021-12-24 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
CN113837712B (zh) * | 2021-08-10 | 2023-08-22 | 中国海洋石油集团有限公司 | 一种大型陆地液化天然气生产工艺模块划分与布置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mosleh | PRA: a perspective on strengths, current limitations, and possible improvements | |
CN110502361B (zh) | 面向bug报告的细粒度缺陷定位方法 | |
Dangut et al. | An integrated machine learning model for aircraft components rare failure prognostics with log-based dataset | |
US10372872B2 (en) | Providing early warning and assessment of vehicle design problems with potential operational impact | |
Bulut et al. | A new approach to determine maintenance periods of the most critical hydroelectric power plant equipment | |
CN107038484A (zh) | 用于处理服务请求的方法和设备 | |
JP2019145091A (ja) | 予測されるサイバー防御 | |
US20170090729A1 (en) | Organization and Visualization of Content from Multiple Media Sources | |
Kim et al. | Application of natural language processing (NLP) and text-mining of big-data to engineering-procurement-construction (EPC) bid and contract documents | |
US20180365216A1 (en) | Text mining a dataset of electronic documents to discover terms of interest | |
CN104077371B (zh) | 监测数据库异常数据的方法及*** | |
CN113158695A (zh) | 一种面向多语言混合文本的语义审核方法与*** | |
KR20200086446A (ko) | Lng 선박의 예방 정비 모델 생성 방법 및 그 장치 | |
Chochlov et al. | Using a nearest-neighbour, BERT-based approach for scalable clone detection | |
CN106156181B (zh) | 一种别名获取方法及装置 | |
US20170140010A1 (en) | Automatically Determining a Recommended Set of Actions from Operational Data | |
CN112084323B (zh) | 一种适航审定协同工作平台及方法 | |
US20210027189A1 (en) | Method and Apparatus for Creating Tests for Execution in a Storage Environment | |
Christopher Pereira | Text-mining maintenance records to automate the identification and grouping of failure modes | |
KR102359033B1 (ko) | Lng 선박 정비 연관성을 이용한 예방 정비 모델 생성 방법 및 그 시스템 | |
CN110096532A (zh) | 一种安全生产大数据分析挖掘方法和*** | |
Hamouri et al. | Predicting Bug Severity Using Machine Learning and Ensemble Learning Techniques | |
CN115129896A (zh) | 基于对比学习的网络安全应急响应知识图谱关系提取方法 | |
Hong et al. | A novel application approach for anomaly detection and fault determination process based on machine learning | |
CN113221556A (zh) | 安全生产隐患的识别方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E601 | Decision to refuse application |