• 해양환경안전학회지
• /
• 제27권2호
• /
• pp.387-393
• /
• 2021

본 연구에서는 해양플랫폼의 탑사이드 구조에서 주로 채택하고 있는 파이프 연결 구조의 피로 수명 증가를 위한 방안을 찾기 위하여, 유한요소해석을 수행하였다. 상용해석프로그램인 MSC Patran/Nastran을 적용하였으며, 대표적인 중앙부 구조 형상을 해석모델로 선정하였다. 하중에 따른 응력집중 현상을 구현하기 위하여, 8 절점 솔리드 요소를 이용한 모델링을 구현하였다. 주요하중은 횡방향 하중 2가지와 대각선 파이프에 인장 하중을 고려하였다. 주요 위치에서의 Hot spot 응력을 확인하기 위하여, 0.01 mm dummy 쉘 요소를 적용하였으며, 0.5 t와 1.5 t 위치에서의 주응력을 계산한 후 외삽법에 따라 용접부에 발생하는 응력을 추정하였다. 일부 구간에서는 만족해야 하는 피로 수명 이하로 평가되어, 보강이 필요하였다. 보강은 기존 설계된 파이프의 두께나 지름을 변경하지 않고, 피로수명이 부족한 부위에 응력집중계수를 낮출 수 있도록 브래킷을 추가하였다. 인장 하중에 대해서는 bracket toe에서 응력은 23 % 증가하였고, 기존에 문제가 된 파이프의 내측, 외측에서의 응력은 약 8 % 감소하였다. 휨 하중에 대해서는 bracket toe에서 응력은 3 % 증가하였고, 기존에 문제가 된 파이프의 내측, 외측에서의 응력은 약 48 % 감소하였다. 신규 브래킷 보강으로 인하여, bracket toe의 응력증가가 발생하였지만, S-N 커브 자체가 파이프 조인트에 비해 좋으므로 큰 문제가 되지는 않는다. 본 연구에서 적용한 국부 보강을 통한 피로 수명 개선 방법은 기존 설계안의 변경을 최소화하면서 피로 수명 증가를 효율적으로 할 수 있다는 점에서 관련 산업에서 유용하게 활용될 수 있을 것으로 기대된다.

• 한국항해항만학회지
• /
• 제46권1호
• /
• pp.1-10
• /
• 2022

본 연구는 제4차 산업혁명 기술에 의해 선박의 자동화와 지능화가 진전되면서 자율운항선박이 도입되게 됨에 따라 해기사 인력수요축소와 직능 전환 등의 문제가 대두되는 상황에서 해기사의 직무변화와 이에 따른 요구 역량을 분석하고 이를 배양하기 위한 인력양성 방향을 제시하였다. 선행연구 검토와 전문가 집단의 브레인스토밍과 AHP 설문조사를 통해 자율운항선박의 해기사 직무와 역량 요인을 도출하고 그 중요도를 평가하였다. 해기사 승선 자율운항선박의 해기사 직무 중에서 안전 운항과 비상시 대응 그리고 화물의 안전운송 관련 직무요인이 중요한 것으로 나타났으며, 자율운항시스템의 제어 및 운용 역량의 중요성이 매우 높으며 이를 뒷받침하기 위한 육·해상 커뮤니케이션과 AI 및 Big Data 분석 역량이 필요한 것으로 나타났다. 완전자율운항선박의 해기사 직무는 예상하지 못한 비상상황에 대비하여 선박을 안전하게 원격운항시키는 비상상황대처, 원격운항제어, 선박정비·관리 직무 순으로 중요도가 높으며, 해기사 역량에서는 자율운항시스템 제어와 운용 그리고 이를 수행하기 위한 Big Data 와 AI 활용 역량들의 중요도가 매우 높은 것으로 분석되었다, 이러한 요인들의 직무역량 함양을 위한 해기인력 양성 방향과 규모는 기술의 진보에 따라 크게 달라질 수 있는 점을 고려하여 자율운항선박 도입단계별로 필요한 해기사 교육 프로그램과 직무교육 내용 그리고 핵심역량 함양을 위한 교육인프라 구축 방안을 제시하였다. 이 연구는 자율운항선박의 해기사 직무 및 역량 요인을 실무적 관점에서 체계적으로 도출하였으며, 관련 전문가별 인식도를 분석함으로써 자율운항선박 도입에 대한 전문가 차원의 대응 방안을 진단하였다는데 연구의 의의가 있다.

• 대한원격탐사학회지
• /
• 제39권6_2호
• /
• pp.1651-1669
• /
• 2023

해빙(sea ice)은 현재 전 세계 해양 면적의 약 7%를 차지하고 있으며 계절적, 연간 변화를 보이고 주로 극지방과 고위도 지역에 나타난다. 해빙은 대규모 공간 규모에서 다양한 종류로 형성되며 석유 및 가스탐사, 기타 해양활동이 급속히 증가하는 발해해는 해양 구조물 피해 및 해상 운송, 해양 생태계에 심각한 영향을 미치기 때문에 시계열 모니터링을 통해 해빙의 면적 및 유형 분류를 분석하는 것이 매우 중요하다. 현재 고해상도 위성영상 및 현장 실측 자료를 바탕으로 해빙의 종류 및 영역에 대한 연구가 진행되고 있지만 현장 실측자료를 획득하여 해빙 모니터링에는 한계가 있다. 고해상도 광학 위성영상은 광범위에서 해빙의 유형을 육안으로 탐지하고 식별할 수 있고, 짧은 시간해상도를 갖는 해양위성인 천리안 2B호(Geostationary Ocean Color Imager-II, GOCI-II)를 이용하여 해빙 모니터링의 공백을 보완할 수 있다. 이 연구에서는 고해상도 광학위성영상을 이용하여 생산된 학습자료를 기반으로 규칙기반 기계학습 모델을 훈련시키고 이를 GOCI-II 영상에서 탐지를 수행함으로써, 해빙 모니터링 활용 가능성을 알아보고자 하였다. 학습 자료는 발해(Bohai Sea)의 2021-2022년 랴오둥만(Liaodong Bay)을 대상으로 추출하였으며, GOCI-II를 활용한 Random Forest (RF) 모델을 구축하여 기존 normalized difference snow index (NDSI) 지수 기반 및 고해상도 위성영상에서 획득된 해빙 영역과 정성적 및 정량적 비교 분석하였다. 본 연구 결과 해빙의 영역을 과소평가한 NDSI 지수 기반 결과와 달리 비교적 자세한 해빙 영역을 탐지하였으며 유형별 해빙을 분류할 수 있어 해빙 모니터링이 가능함을 확인하였다. 향후 지속적인 학습 자료 및 해빙형성에 영향인자 구축을 통해 탐지 모델의 정확도를 향상시킨다면 고위도 해양 지역에서 해빙 모니터링 분야에 활용할 수 있을 것으로 기대된다.