The seawater pipes in the engine rooms of ships are surrounded by severely corrosive environments caused by fast flowing seawater containing chloride ions, high conductivity, etc. Therefore, it has been reported that seawater leakage often occurs at a seawater pipe because of local corrosion. In addition, the leakage area is usually welded using shielded metal arc welding with various electrodes. In this study, when seawater pipes were welded with four types of electrodes(E4311, E4301, E4313, and E4316), the difference between the corrosion resistance values in their welding zones was investigated using an electrochemical method. Although the corrosion potential of a weld metal zone welded with the E4316 electrode showed the lowest value compared to the other electrodes, its corrosion resistance exhibited the best value compared to the other electrodes. In addition, a heat affected zone welded with the E4316 electrode also appeared to have the best corrosion resistance among the electrodes. Furthermore, the corrosion resistance of the weld metal zone and heat affected zone exhibited relatively better properties than that of the base metal zone in all of the cases welded with the four types of electrodes. Furthermore, the hardness values of all the weld metal zones were higher than the base metal zone.
In resistance spot welding process, size of molten nuggest have been utilized to assess the integrity of the weld quality. However real-time monitoring of the nugget size is an extremely difficult problem. This paper describes the design of an artificial neural networks(ANN) estimator to predict the nugget size for on-line use of weld quality monitoring. The main task of the ANN estimator is to realize the mapping characteristics from the sampled dynamic resistance signal to the actual negget size through training. The structure of the ANN estimator including the number of hidden layers and nodes in a layer is determined by an estimation error analysis. A series of welding experiments are performed to assess the performance of the ANN estimator. The results are quite promissing in that real-time estimation of the invisible nugget size can be achieved by analyzing the dynamic resistance signal without any conventional destructive testing of welds.
A neural network approach has been developed to determine the depth of a surface breaking crack in a steel plate from ultrasonic backscattering data. The network is trained by the use of feedforward three-layered network together with a back-scattering algorithm for error correction. The signal used for crack insonification is a mode converted 70$^{\circ}$transverse wave. A numerical analysis of back scattered field is carried out based on elastic wave theory, by the use of the boundary element method. The numerical data are calibrated by comparison with experimental data. The numerical analysis provides synthetic data for the training of the network. The training data have been calculated for cracks with specified increments of the crack depth. The performance of the network has been tested on other synthetic data and experimental data which are different from the training data.
The estimation of nugget sizes was attempted by utilizing the artificial neural networks method. Artificial neural networks is a highly simplified model of the biological nervous system. Artificial neural networks is composed of a large number of elemental processors connected like biological neurons. Although the elemental processors have only simple computation functions, because they are connected massively, they can describe any complex functional relationship between an input-output pair in an autonomous manner. The electrode head movement signal, which is a good indicator of corresponding nugget size was determined by measuring the each test specimen. The sampled electrode movement data and the corresponding nugget sizes were fed into the artificial neural networks as input-output pairs to train the networks. In the training phase for the networks, the artificial neural networks constructs a fuctional relationship between the input-output pairs autonomusly by adjusting the set of weights. In the production(estimation) phase when new inputs are sampled and presented, the artificial neural networks produces appropriate outputs(the estimates of the nugget size) based upon the transfer characteristics learned during the training mode. Experimental verification of the proposed estimation method using artificial neural networks was done by actual destructive testing of welds. The predicted result by the artifficial neural networks were found to be in a good agreement with the actual nugget size. The results are quite promising in that the real-time estimation of the invisible nugget size can be achieved by analyzing the process variable without any conventional destructive testing of welds.
용접은 산업계의 기계 조립 및 접합을 위한 공정의 주요한 작업으로 조선, 중공업, 건설 등 산업현장에서 사람에 의한 수동적인 작업으로 대부분 수행된다. 이러한 용접 작업을 수행하는 용접 기술자는 산업 현장 훈련원과 직업 교육 학교에서 양성되지만 용접 훈련 과정은 실습 초보자에게 위험하고, 장시간 교육하기에 어려울 뿐 아니라 재료 낭비, 의사 소통의 한계, 즉석 결과 평가의 한계, 공간부족 등 다양한 문제가 있다. 그러므로, 안전하고 반복적인 실습 환경 제공하고 장시간 및 다수 교육참여 지원 등이 가능한 시스템을 구축하여 숙련된 우수 인력 조기 확보와 훈련 비용을 절감할 필요가 있다. 본 논문에서는 실제와 동일한 상호작용을 제공할 뿐만 아니라 고품질로 훈련 환경을 가시화하여 용접 상황을 동일하게 모사하는 가상 현실 기반 용접 훈련 시뮬레이터를 제시한다. 이 시스템은 용접의 형상과 환경의 고품질 가시화, 경험 DB를 통한 용접의 비드 형상 데이터 획득, 용접 토치를 이용하는 사용자 상호작용, 용접 훈련 결과 평가 및 최적 작업 가이드, 용접 콘텐츠 저작, 다양한 용접 훈련을 가시화하는 하드웨어 플랫폼으로 구성된다. 고품질 가상 용접 가시화는 경험 DB 기반 비드 형상 데이터와 신경회로망을 이용한 비드 형상 예측을 통해 실시간 비드 표현이 이루어지며 쉐이더 기반 고품질 모재 및 비드 표현, 아크 불꽃 효과 표현을 포함한다. 사용자 상호작용은 현장 작업 도구와 일치된 토치 인터페이스와 위치추적을 이용하여 토치의 작업각, 진행각, 속도, 거리 등을 반영할 수 있으며 진동과 소리 등 용접 훈련의 사실적 상호작용도 재현하였다. 용접 훈련 평가 및 최적 작업 가이드는 훈련자의 용접속도, 거리, 각도 등의 사용자 작업 결과를 그래픽으로 표현하고, 애니메이션을 통한 훈련 자세를 추후 분석할 수 있도록 하였고, 가상토치, 기준선, 수치계기 등을 이용한 최적 작업 훈련 가이드 제시하였다. 훈련 콘텐츠 저작은 메뉴UI 기반으로 용접의 전류, 전압 등의 조건과 상황을 선택하도록 제시하였고, 하드웨어 플랫폼은 워크벤치형 입체 디스플레이 방식으로 용접 환경을 가시화하였고, 위, 정면, 아래보기 등 다양한 용접 자세 변경을 지원 할 수 있도록 구축하였다. 이러한 가상현실 기반 훈련 시뮬레이터는 아크열 발생에 따른 장시간 훈련의 어려움을 극복할 수 있고, 다양한 실습 환경을 바꾸어 가며 반복적인 훈련이 가능하고, 실 재료를 사용하지 않아 재료의 낭비를 줄일 수 있는 환경 친화적인 안전하고 효율적인 훈련 실습 환경을 제공할 수 있다.
자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정에서 생산된 제품의 샘플링 인장검사를 대체하기 위해 현재 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 이러한 문제점들을 해결하기 위해 최근 딥러닝 기술을 적용하는 사례들이 발생하고 있다. 본 논문도 그런 사례 중 하나로 기존 제품 검사에 딥러닝 기술 중 하나인 Faster R-CNN을 적용하여 그 유용성을 파악하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하여 Faster R-CNN ResNet101 V1 1024x1024 모델을 사용하여 학습하였다. 검사 기준인 미검률 0%, 과검률 10%의 기준으로 기존 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 기존 비전검사에서 34.5%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 비전검사에서 100%, Faster R-CNN에서 6.9%였다. 결론적으로 자동차용 배터리 리드탭 암흔 오류 검출에 딥러닝 기술이 매우 유용함을 확인할 수 있었다.
본 논문은 국내 조선산업의 요양 재해 현황에 나타난 미숙련 기술인력들의 높은 재해 발생률을 낮추기 위한 방안으로 XR(Extended reality) 기술을 활용한 훈련 콘텐츠 도입의 필요성을 윈치를 활용한 케이블 포설을 중심으로 제시하였다. 국내 조선산업의 요양재해율은 타 제조업에 비해 평균 97.4%(2017~2020)나 높았으며, 특히 조선산업요양 재해의 31.8% 이상이 근속 기간 6개월 미만의 근로자들에게 발생하여 이는 신규입사자들이 업무에 대한 정보 부족과 미숙련도 및 작업환경에 익숙하지 못한 것이 그 원인으로 보인다. 최근 조선산업은 경기 회복으로 많은 신규인력이 유입되고 있으며, 이로 인해 재해 발생률이 높아질 가능성이 있다. 이런 점은 단기간에 신규인력들을 작업환경에 익숙해지는 데 도움이 되는 훈련방법을 도입할 필요가 있음을 말해준다. 국내 조선소의 교육훈련은 용접, 도장, 기계설치, 전기설치 등 특정 기술의 숙련에 치우쳐 있으며 작업환경에 익숙해질 수 있는 훈련은 작업용 2D 도면을 이용하여 선박 건조방법 등을 설명하는 단편적인 교육에 머무르고 있다. 이러한 이유로 현장에서는 다시 OJT(On-the-Job Traning)를 반복 실시하고 있는 실정이다. 본 논문에서는 XR 기술을 활용한 훈련의 도입을 제안하고 구체적인 예로 Unity로 선박에서 윈치를 활용한 케이블 포설(Pulling) 작업 과정을 XR 기반 훈련 콘텐츠로 구현하였다. 개발된 콘텐츠를 활용하면 신규작업자들이 가상공간에서 시뮬레이션을 통해 실제 작업 과정을 미리 경험하고, 이를 통해 신규인력이 작업환경에 익숙해지는 데 도움을 줄 수 있는 보다 효과적인 훈련 콘텐츠가 될 수 있음을 예증하였다.
Welding and cutting, which are representative tasks in handling firearms at industrial sites, are the basis for production and maintenance processes across all industries. They are also essential in the root industry. Specifically, they are widely used in the manufacturing industry, including equipment industries such as shipbuilding, automobiles, and chemicals, and subsequent maintenance work and general facility repair. However, such hot work carries a high fire risk owing to sparks scattering and inadequate management, resulting in a high occurrence of accidents. In response, the government and relevant organizations have recently revised the Occupational Safety and Health Act to prevent accidents during hot work. These revisions impose more stringent regulations than before, which are expected to help prevent actual fire accidents. However, whether the fire observer system, which is the core element of the revision, would be practically applied and maintained is unclear. Therefore, this study compared the fire observer system in the revised Occupational Safety and Health Act with those in the laws and systems of developed countries, conducted interviews with safety and health experts to assess the suitability of the new system for fire observer operations, and improvement plans were derived accordingly. Therefore, the laws and systems of developed countries grant more authority to fire observers compared with those of Korea. Moreover, professional training in handling emergency is required. Interviews with safety and health experts revealed that regardless of company size, the same operating standards were applied, and standards for deploying fire observers in various locations were unclear. Furthermore, there was a lack of professional education and training, and the role and authority of fire observers were limited. These findings revealed a problem in this sector. The results of this study are expected to serve as basic data for establishing a practical system for placing fire observers and supplementing laws, guidelines, and systems for preventing fire accidents.
이 연구는 소규모 건설현장 근로자의 화재안전관리 운영실태를 분석하고 문제점을 도출하여 개선방안을 제시함으로써, 향후 이들이 효율적으로 활용하기 위한 실무적 기초자료를 제시함을 목적으로 연구를 수행한 결과, 다음과 같은 결론을 얻었다. 첫째, 소규모 건설공사현장 근로자는 건설기능인력의 연령대가 고령자이고, 종사경력은 건설기능력이 짧았으며, 직종은 대다수가 건축공종에 작업을 하고 있으며, 고용형태는 비정규직 일당제로 근무를 하고 있는 것으로 분석 되었다. 둘째, 소규모 건설공사현장 근로자들의 화재안전관리 개선방안으로 화재 위험성 요인에 대한 허가와 관리를 체계화하고, 화재위험관리를 위해 소방안전관리자를 배치하여 관리감독하는 장치가 필요하겠으며, 화재시 다양한 피난통로 확보와 화재 발생을 건설공사 현장 내 모든 작업자들에게 알릴 수 있는 비상경보설비를 갖추고, 피난경로 접근과 시야 확보가 취약한 지하공간에 대해서는 간이피난유도선과 비상조명등을 임시소방시설로 설치를 강화하는 방안을 제시하였다. 또한, 현실적인 대피훈련, 화재VR훈련, 흥미있는 교육프로그램 개발을 통해 산업재해를 줄이는 방안이 필요하다.
초음파탐상시험을 통해 용접 결함의 종류를 정확히 구분하는 것은 정량적 비파괴시험을 위한 기본적인 단계로서 매우 중요한 문제인데, 이 문제는 최근 활발한 연구가 진행중인 초음파 형상 인식 기법의 적용에 의해 해결할 수 있다. 여기에서는 특징 추출, 특징 선택 그리고 결함 분류 등 초음파 형상 인식 기법의 세부 기술과 함께, 특히 최근 효율적인 분류기로 관심을 모으고 있는 확률 신경 회로망의 적용에 대해 논의하였다. 그리고 강 용접부 내부에 존재하는 결함을 균열, 기공, 슬래그 혼입의 3 종류로 분류하는 문제에 확률 신경 회로망을 적용한 예를 통하여, 초음파 형상 인식 기법의 효용성을 검증하였다. 또한 민감한 특징을 효율적으로 선별하는데 널리 사용되는 전방 특징 선택법과 그 적용에 대해서도 논의하였다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.