상세정보
소개글
"캡스톤 연구"에 대한 내용입니다.목차
1. 서론1.1. 화학산업 및 화학물질 사고 현황
1.2. 화학물질 사고의 특성과 대응의 필요성
2. 화학물질 사고 대응을 위한 인공지능 기술 적용
2.1. 강화학습 기반의 사전 대응
2.2. 컴퓨터 비전 기반의 사후 대응
2.3. 데이터 댐과 연계 기반의 모니터링 시스템
3. 화학물질 사고 대응을 위한 모니터링 시스템
3.1. 작업 현장에의 실제적 영향 검증
3.2. 센서 융합을 통한 데이터 수집 및 인공지능 기술 적용
3.3. 모니터링 시스템의 제도화
4. 노인 운전면허 자진반납제도 개선방안
4.1. 보상금
4.2. 노인 이동권
4.3. 제도의 간소화 및 통합
5. 결론
5.1. 연구 결과의 요약
5.2. 연구의 한계 및 후속 연구의 필요성
6. 참고 문헌
본문내용
1. 서론1.1. 화학산업 및 화학물질 사고 현황
세계 화학산업 시장은 2018년 3조 3,470억 유로(2조 8,340억 달러) 규모의 거대한 시장이다. 이는 세계 GDP의 4.2%에 해당하는 수준이다. 국가별로는 중국이 매출액 기준 1위를 차지하며, 세계 화학산업 시장의 35.8%를 차지하고 있다. 국내 화학산업 시장은 세계 매출액의 3.5% 수준인 1,220억 유로(약 254조 원) 규모이며, 한국 제조업 분야의 16.7%를 차지하는 주요 산업이다.
국내 화학산업 시장에서 가장 큰 비중을 차지하는 업종은 '화학물질 및 화학제품 제조업(정밀화학)'으로, 전체 매출액의 약 164조 원 규모이다. 정밀화학 업종은 2014년 국제 유가 하락 이후 2018년까지 연간 9%의 성장을 지속하고 있다.
그러나 화학산업의 빠른 성장에 따라 화학물질 사고 사례도 증가하고 있다. 화학물질안전원의 통계에 따르면, 화학물질 사고는 2014년부터 2019년까지 지속적으로 감소하는 추세였으나, 2019년을 기점으로 2년 연속 증가하였다. 이는 화학물질 취급이 증가하는 한편, 노후화된 시설과 안전기준 미준수로 인한 것으로 분석된다. 최근 7년간 발생한 전체 화학 사고 720건 중 '시설 결함'으로 인한 사고가 276건(38.3%), '안전기준 미 준수'로 인한 사고가 287건(39.9%)으로 나타났다.화학제품의 취급 증가는 신기술 발전에 따라 필수적이다. 전통 정밀화학 업종부터 반도체, 나노, 무기소재, 의약품 등 모든 신기술의 소재와 원료가 화학 제품에서 비롯되기 때문이다. 따라서 화학물질 사고를 예방하고 대응하기 위한 방안 마련이 중요해지고 있다.
1.2. 화학물질 사고의 특성과 대응의 필요성
화학물질 사고는 대규모 피해를 야기할 가능성이 매우 크다. 폭발과 화재 유형의 사고는 짧은 순간 강렬한 화학반응을 통해 일어나기 때문에 치명상을 입힐 수 있으며, 유독 가스가 유출되는 유형의 사고는 초기 대응이 어려운 특성을 동시에 갖고 있다. 대부분의 화학물질이 무색·무취의 특성을 가지고 있어 누출 등의 사고 발생을 인지하고 대응하기 어려운 점이 있다. 또한 화학물질들이 각기 다른 반응성을 가지고 있어 다양한 조건과 상황을 고려한 체계적인 대응 마련이 필요하다. 이처럼 화학물질 사고의 특성은 사고 대응을 어렵게 하는 요소이자 동시에 필수적으로 충족되어야 하는 요소이다. 따라서 이러한 화학물질 사고의 특성을 고려한 사고 대응 시스템의 설계가 필요하다.화학산업의 빠른 성장에 따라 화학 사고 사례가 증가하고 있다. 화학물질의 취급이 증가하고 작업 시설의 노후화가 함께 진행되면서 화학사고에 대한 대응의 필요성이 더욱 커지고 있다. 화학물질 사고로 인한 인적·물적 차원의 사회적 손실을 최소화하기 위해서는 국내 실정에 맞는 제도적 개선이 요구된다. 화학물질 사고에 대한 정보를 실시간으로 공개하고, 사고 발생 시 유관 기관에 신속히 전달되는 모니터링 시스템의 구축이 필요하다. 이를 통해 기관과 기업들이 사고를 예방하고 비상 대책을 마련할 수 있도록 해야 한다.
2. 화학물질 사고 대응을 위한 인공지능 기술 적용
2.1. 강화학습 기반의 사전 대응
강화학습 기반의 사전 대응은 화학물질 측정 장치와 센서의 고도화에 활용될 수 있는 인공지능 기술이다. 강화학습은 시스템과 상호작용하며 목표를 달성하는 에이전트를 다루는 머신러닝의 한 분야이다. 학습 과정에서 얻은 데이터를 기반으로 에이전트가 보상의 총합을 최대로 획득하게 되는 방향으로 학습되도록 하는 알고리즘을 통해, 에이전트로 하여금 최적의 의사결정을 제안할 수 있게 한다.
이를 화학물질 측정 장치와 센서의 고도화에 적용하면, 화학물질 측정에 필요한 시스템과 환경의 여러 의사결정에서 최적의 전략을 결정하며 측정 장치의 학습을 기반으로 고도화가 이루어질 수 있다. 즉, 유해화학물질과 관련된 축적된 데이터를 활용하여 '화학물질과 작업 현장의 특성에 따른 측정 방식을 다양화'하는 목표의 달성을 기대할 수 있다.
기존에도 유해화학물질의 측정 및 분석을 위해 데이터를 활용하는 연구가 지속되어 왔지만, 학습 데이터(Raw Data)가 부족한 어려움을 겪고 있는 실정이다. 따라서 향후 영상, 물질, 환경 데이터 등 화학물질과 직접 관련된 데이터와 날씨 등의 메타데이터를 확보한 이후에, 강화학습 기술을 접목하여 운영성과 사용 편의성 측면에서도 실 사용이 가능한 수준으로의 개선이 필요할 것이다. 이를 통해 측정 장치와 센서가 화학물질 측정에 필요한 시스템과 환경의 여러 의사결정에서 최적의 전략을 결정하고, 데이터 학습 기반의 고도화가 가능해질 것으로 기대된다.
2.2. 컴퓨터 비전 기반의 사후 대응
컴퓨터 비전 기반의 사후 대응은 화학 사고 발생 시 영상 판독 분석과 관련된 대응 솔루션을 개발하는 분야이다. 이를 위해서는 먼저 '유해화학물질과 관련한 영상 데이터'와 '사고 유형에 따른 속성 데이터'를 확보하는 데이터 구축이 필요하다. 수집된 데이터를 전처리하고 라벨링하여 인공지능 학습용 데이터를 마련한 뒤, 판독 알고리즘을 제작하게 된다. 이를 통해 화학사고의 유형에 따른 연...
참고 자료
2020년도 화학・바이오분야 산업인력현황 자료 조사·분석 보고서, 화학산업인적자원개발위원회, p.1–148 (2020).2019년도 화학・바이오분야 산업인력현황 자료 조사·분석 보고서, 화학산업인적자원개발위원회, p.1–113 (2019).
김연진, 박봉섭, 김경배, 인공지능기술 기반의 유해화학물질 사고 대응에 관한 연구, 한국통신학회 학술대회논문집, 한국통신학회, p.359-360 (2022).
화학물질안전원 (https://nics.me.go.kr/)
국가화재정보시스템 (http://www.nfds.go.kr/stat/general.do)
화학물질정보 (http://msds.kosha.or.kr/MSDSInfo/m/msds/main.mdo)
김지한, 인공지능 기술과 화학공학, NICE (News & Information for Chemical Engineers) Vol.39, No.2, 한국화학공학회, p.179-195 (2021).
CS234: Reinforcement Learning Winter 2022, Stanford, 2022 (http://web.stanford.edu/class/cs234/index.html)
CS131 Computer Vision: Foundations and Applications, Stanford, 2017 (http://vision.stanford.edu/teaching/cs131_fall1718/)
이슬기, 김은희, 마병철, 화학물질 누출 원격 모니터링 시스템 신뢰도 향상 방안 연구, 학술대회 발표논문집 Vol.28, No.1, 한국화학공학회, p.270 (2022).
유지선, 정영진, 유해화학물질 유출의 사례 분석, 한국화재소방학회논문지 Vol.28, No.6, 한국화재소방학회, 2014
강대선. (2011). 노인복지측면에서의 노인운전 규제조항의 쟁점과 개선방안. 사회복지법제연구, 2(1), 21-31.
김대환, 허태영. (2015). 고령자의 자동차사고 위험도 분석. 대한교통학회지, 33(1), 100-111.
김용렬, 이정민, 우성휘. (2019). 고령 운전자 운전면허 관리 강화에 대한 농촌의 의견. 한국농촌경제연구원.
김인석. (2014). 고령운전자 교통사고 예방대책: 운전면허제도를 중심으로. 한국노년학연구, 23(), 151-169.
김정란. (2020). 지역사회 노인의 자가운전 현황과 운전면허관리제도에 대한 인식 조사. 한국운전재활학회, 2(1), 11-18.
김주영, 정헌영. (2022). 고령운전자의 운전면허증 반납 의사에 인센티브 정책이 미치는 영향 연구, 대한토목학회논문집, 42(2), 219-227
김지승. (2018), 『100세 수업: 우리 미래가 여기에 있다: EBS 다큐프라임 특별기획』, 윌북
김훈주, 감경윤, 신중일. (2014). 노인운전자들의 인지기능과 운전실태에 대한 연구. 한국산학기술학회 논문지, 15(5), 2946-2952.
백옥선. (2015). 고령자 운전규제에 관한 법적 고찰. 중앙법학, 17(4), 165-199.
성수영, 김상운. (2020). 노인교통사고 실태 및 감소방안에 관한 연구. 한국콘텐츠학회논문지, 20(1), 437-447.
송창순, 이안나, 임현준, 박수진, 조진민, 온형민. (2018). 운전운동평가-기반 연령별 운전자 행태 분석 연구. 한국산학기술학회 논문지, 19(10), 483-489.
이경준, 서문진희. (2013). 농촌지역 노인들의 이동권 증진을 위한 교통복지적 대안 연구. 한국자치행정학보, 27(1), 247-269.
정상기. (2020). 고령운전자의 교통안전의식 분석 및 교통사고 예방 방안: 초고령사회에 진입한 경상북도를 중심으로. 한국지방자치연구, 22(1), 89-110.
HPLC를 이용한 방역약품성분 동시분석에 관한 연구(부산광역시 보건환경연구원 폐기물분석과), 박정옥 외 1, 2003
EAG Lavoboratories 초 고성능 액체 크로마토 그래피 - https://www.eag.com/ko/techniques/chromatography/ultra-high-performance-liquid-chromatography-uhplc/
[HPLC] 분석 시 baseline 안정화 방법 및 baseline 과 관련된 truoble shooting(㈜라이프사이언스래보러토리 기초지식코너) - http://www.emass.co.kr/y4/bbs/board.php?bo_table=ms_ms&wr_id=131&page=3
스마트아이랩 HPLC Troubleshooting3((주)웅기과학)- https://smartilab.com/m/board.html?code=wksc_board1&page=33&type=v&board_cate=&num1=999986&num2=00000&number=14&lock=N
첨단메디컬융합섬유센터 초고성능 액체크로마토그래피 장비 현황-http://meditex.gbtp.or.kr/pages/equipment/page.html?mc=0104&no=57&mode=detail
고성능액체크로마토그래피 ZEUS- http://www.zeus.go.kr/resv/equip/read/Z-NTIS-0023051
주의사항
저작권
EasyAI로 생성된 자료입니다.
EasyAI 자료는 참고 자료로 활용하시고, 추가 검증을 권장 드립니다. 결과물 사용에 대한 책임은 사용자에게 있습니다.
AI자료의 경우 별도의 저작권이 없으므로 구매하신 회원님에게도 저작권이 없습니다.
다른 해피캠퍼스 판매 자료와 마찬가지로 개인적 용도로만 이용해 주셔야 하며, 수정 후 재판매 하시는 등의 상업적인 용도로는 활용 불가합니다.
EasyAI 자료는 참고 자료로 활용하시고, 추가 검증을 권장 드립니다. 결과물 사용에 대한 책임은 사용자에게 있습니다.
AI자료의 경우 별도의 저작권이 없으므로 구매하신 회원님에게도 저작권이 없습니다.
다른 해피캠퍼스 판매 자료와 마찬가지로 개인적 용도로만 이용해 주셔야 하며, 수정 후 재판매 하시는 등의 상업적인 용도로는 활용 불가합니다.
환불정책
해피캠퍼스는 구매자와 판매자 모두가 만족하는 서비스가 되도록 노력하고 있으며, 아래의 4가지 자료환불 조건을 꼭 확인해주시기 바랍니다.
| 파일오류 | 중복자료 | 저작권 없음 | 설명과 실제 내용 불일치 |
|---|---|---|---|
| 파일의 다운로드가 제대로 되지 않거나 파일형식에 맞는 프로그램으로 정상 작동하지 않는 경우 | 다른 자료와 70% 이상 내용이 일치하는 경우 (중복임을 확인할 수 있는 근거 필요함) | 인터넷의 다른 사이트, 연구기관, 학교, 서적 등의 자료를 도용한 경우 | 자료의 설명과 실제 자료의 내용이 일치하지 않는 경우 |