2023 라온엑스 유저 컨퍼런스 [TRACK2] AI&CAE 발표 자료

발표자: 박준범 (한국해양대학교)

‍

Keywods

pSeven,Surrogate model, Ship roll motion, Real-time monitoring

‍

‍

최근 조선 및 해운사업의 주요한 키워드는 자율운항선박, 디지털  트윈 그리고 친환경 선박이라고 할 수 있다. 특히, 자율운항선박  및 디지털 트윈은 해상통신의 확대와 데이터 기반의 인공지능 기술이 발전함에 따라 선박의 상태를 실시간 모니터링할 수 있기 때문에 가능한 요소들이다.  

인공지능 기술은 인공신경망의 발전에 따라 급속도로 발전하게 되었고, 인공신경망  층을 많이 생성한 DNN(Deep Neural Netwrok), 이미지 분석에 높은 성능을 내는  CNN(Convolution Neural Network)등은 인공지능 기술의 핵심 알고리즘이 되어  있다.

이러한 알고리즘들은 원하는 만큼 쉽게 자유도를 높여서 학습하는 데이터들을 모두 만족하는 모델을 생성할  수 있지만, 높은 자유도는 과적합 문제를 발생시켜 인공지능 모델 개발의 신뢰성 문제를 늘 안고 있다. 이러한 문제는 학습하지 않은 구간에서 사용자가 해를 요구하였을 때, 발생할  수도 없는 과도한 값을 예측하여 제공할 수 있다. 이를 피하기 위해 다양한 기법들이 제시되고 있지만, 과적합을 완전히 해결했다고 보기 어렵다.

안전에 대한 인공지능 모델을 개발할 경우 이러한 과적합은 오히려 신뢰성을 잃을 수 있으며, 상대적으로 정확성 및 유연성이 다소 떨어지더라도 결과값의 신뢰도가 높은 Surrogate모델과같은 기계학습 모델이 현실적으로 적용가능한 방법이 될 수 있다. 선박의 안전에 관련된 요소들 중 선박의전복 위험성과 매우 관련이 높은 것이 선박의 횡동요이다. 이 횡동요는 보통 주어진 선박상태에서 선박운동해석을 수행하는 것이 일반적이며, 이는 선박의 실시간 전복 위험성을 경고하기에는 현실적으로 불가능하다. 이를 극복하기 위하여, 본 연구는 선박의 전복 위험성을 실시간으로경고하는 시스템을 구성하는 선박 횡동요 RAO를 예측하는 Surrogate모델을pSeven을 사용하여 구축하였다. 이를 위하여 체계적인선박운동해석을 수행하여 횡동요 RAO 데이터를 취득하였으며, 학습되지않은 조건에 대하여 생성된 Surrogate모델과 선박운동해석 결과를 비교함으로써 Surrogate모델의 신뢰성을 검증하였다.