ASLAN
조선해양공학과
박영일
ASLAN 연구실은 동아대학교 조선해양공학과에 소속된 AI 기반 구조 해석 및 안전성 평가 전문 연구실입니다. 본 연구실은 선박, 해양 구조물, 해상풍력발전소, 극지 응용, 토목공학 등 다양한 분야에서 구조물의 안전성과 신뢰성을 확보하기 위한 첨단 연구를 수행하고 있습니다. 특히, 인공지능(AI), 딥러닝, 머신러닝 등 최신 데이터 기반 기술을 전통적인 구조해석 및 실험적 방법론과 융합하여, 복잡한 해양 환경 및 극한 조건에서의 구조물 거동을 정밀하게 분석하고 예측하는 데 중점을 두고 있습니다.
연구실의 주요 연구 분야는 AI 기반 구조 안전성 평가, LNG 및 극저온 화물창 시스템의 구조해석, 해상풍력 및 해양플랜트 구조물의 설계 및 인증, 위험도 평가, 실시간 구조 모니터링 시스템 개발 등입니다. 유한요소해석(FEM), 실험적 평가, AI 기반 예측 모델 등 다양한 방법론을 통합적으로 활용하여, 구조물의 설계 최적화, 유지관리 비용 절감, 수명 연장 등 실질적인 산업적 효과를 창출하고 있습니다.
또한, 연구실은 국내외 조선소, 에너지 기업, 인증기관 등과의 산학협력을 통해 실질적인 기술 이전과 산업화 성과를 이루고 있습니다. 다양한 정부 및 산업체 과제 수행, 특허 출원, 국제 학술지 논문 발표, 학술대회 발표 등 활발한 연구 활동을 통해 국내외 해양공학 및 에너지 산업 발전에 기여하고 있습니다.
연구실은 IMO Type C, Membrane type LNG 탱크, 극저온 저장탱크, 해상풍력발전소 기초 구조물 등 다양한 해양 및 에너지 산업 분야에서 요구되는 구조 신뢰성 평가, 위험도 분석, 인증 및 기술 자문 서비스를 제공하고 있습니다. 또한, AI 기반의 실시간 구조 모니터링 시스템, 설계 최적화, 신뢰성 중심 유지보수 등 4차 산업혁명 시대에 부합하는 첨단 기술 개발에도 앞장서고 있습니다.
ASLAN 연구실은 앞으로도 AI와 공학적 전문성을 바탕으로, 안전하고 친환경적인 해양플랜트 및 선박, 신재생에너지 구조물의 설계와 운영을 위한 혁신적인 연구를 지속적으로 추진할 계획입니다. 이를 통해 해양공학 및 에너지 산업의 미래를 선도하는 연구실로 자리매김하고자 합니다.
AI 기반 구조 안전성 평가 및 예측
ASLAN 연구실은 인공지능(AI) 기술을 활용한 구조 안전성 평가 및 예측 기법 개발에 중점을 두고 있습니다. 선박과 해양 구조물, 해상풍력발전소, 극지 응용, 그리고 토목공학 분야 등 다양한 공학적 문제에 AI를 접목하여 구조물의 안전성을 정량적으로 평가하고, 위험 요인을 사전에 예측할 수 있는 시스템을 구축하고 있습니다. 특히, 인공신경망, 딥러닝, 머신러닝 등 최신 AI 기법을 활용하여 기존의 수치해석 및 실험적 방법론과 융합함으로써, 복잡한 구조물의 거동을 정밀하게 분석하고 있습니다.
이러한 연구는 실제 해양환경에서 발생할 수 있는 다양한 하중 조건, 예를 들어 빙해역에서의 선박-빙하-수역 상호작용, 슬래밍 충격, 부유식 구조물의 동적 응답 등 복합적인 상황에서 구조물의 안전성을 평가하는 데 큰 역할을 하고 있습니다. AI 기반의 데이터 분석 및 예측 모델은 실시간 구조 모니터링 시스템과 연계되어, 구조물의 결함이나 이상 징후를 조기에 감지하고 유지보수 전략을 최적화하는 데 기여하고 있습니다.
연구실은 또한 AI를 활용한 설계 최적화, 신뢰성 평가, 위험도 분석 등 다양한 응용 연구를 수행하고 있습니다. 이를 통해 구조물의 수명 연장, 유지관리 비용 절감, 환경적·경제적 경쟁력 강화 등 실질적인 산업적 효과를 창출하고 있으며, 미래의 스마트 해양플랜트 및 친환경 선박 개발에도 중요한 역할을 하고 있습니다.
LNG 및 극저온 화물창 시스템의 구조해석 및 안전성 평가
ASLAN 연구실은 LNG(액화천연가스) 및 극저온 화물창 시스템의 구조해석과 안전성 평가 분야에서 국내외적으로 선도적인 연구를 수행하고 있습니다. IMO Type C, Membrane type 등 다양한 LNG 탱크 및 화물창 시스템의 기본 설계, 극한 하중(슬로싱, 충격, 진동 등) 하에서의 극한강도(ULS/FLS) 평가, 그리고 국제 규정(IGF Code 등)에 부합하는 구조 신뢰성 검증을 중점적으로 다루고 있습니다.
연구실은 유한요소해석(FEM), 실험적 평가, 그리고 AI 기반 예측 기법을 통합적으로 활용하여, LNG 화물창의 국부 및 전체 구조 거동을 정밀하게 분석합니다. 슬로싱 하중에 의한 구조 손상, 부식 및 피로에 의한 장기 신뢰성 저하, 다양한 재료(스테인리스강, 알루미늄 등)의 적용성 검증 등 실제 산업 현장에서 요구되는 다양한 문제를 해결하기 위한 연구를 진행하고 있습니다. 또한, 초저온 충격 시험 시스템 및 관련 특허 기술을 바탕으로 극저온 환경에서의 재료 및 구조물의 성능 평가도 활발히 이루어지고 있습니다.
이러한 연구는 LNG 운반선, 연료탱크, 극저온 저장탱크 등 해양 및 에너지 산업 전반에 걸쳐 안전하고 효율적인 설계 및 운영을 가능하게 하며, 친환경 에너지 운송 및 저장 기술의 발전에도 크게 기여하고 있습니다. 연구실은 국내외 조선소, 에너지 기업, 인증기관 등과의 산학협력을 통해 실질적인 기술 이전과 산업화 성과를 창출하고 있습니다.
해상풍력 및 해양플랜트 구조물의 설계, 인증 및 위험도 평가
ASLAN 연구실은 해상풍력발전소 및 해양플랜트 구조물의 설계, 인증, 위험도 평가 분야에서 다양한 연구와 기술 자문을 수행하고 있습니다. 해상풍력발전소의 기초 구조물(재킷, 플로터 등) 설계, 프로젝트 인증, 기술 실사(Technical Due Diligence), 경제성 분석(CapEX/OpEX), 현장 설치 및 운영 단계의 기술 지원 등 해상풍력 사업의 전 주기에 걸친 연구와 서비스를 제공하고 있습니다.
특히, 국제 인증체계(IECRE, DNV, TÜV-SÜD 등)와 국내외 규정에 부합하는 설계 및 평가 기법을 개발하고, 실제 프로젝트에 적용하여 신뢰성 높은 구조물 설계와 안전성 확보를 지원하고 있습니다. 위험도 평가(RISK Assessment), 위험원 식별(HAZID, HAZOP), 신뢰성 중심 유지보수(RCM, CBM) 등 선진 위험관리 기법을 도입하여, 해상풍력 및 해양플랜트의 운영 안정성과 경제성을 동시에 확보할 수 있도록 연구를 진행하고 있습니다.
이와 함께, 해상풍력발전소의 부유식 구조물, 해양플랜트, 극지 응용 등 다양한 환경 조건에서의 구조물 거동 분석, 설계 최적화, 실시간 모니터링 시스템 개발 등 첨단 연구를 수행하고 있습니다. 이러한 연구는 친환경 에너지 전환, 해양 신재생에너지 산업의 성장, 그리고 글로벌 에너지 시장에서의 경쟁력 확보에 중요한 역할을 하고 있습니다.
1
Estimation of Relative Sea Level Change in Locations Without Tide Gauges Using Artificial Neural Networks
박영일, 김희륜, 고완식, 윤태현, 김정환
Journal of Marine Science and Engineering, 2026
2
Inverse Neural Network Approach for Optimizing Chemical Composition in Shielded Metal Arc Weld Metals
박영일, 윤태현, 김정환, 김재웅
Materials, 2025
3
Identification of Natural Sloshing Frequency in a Rectangular Tank Under Surge Excitation Using Coupled Eulerian？ Lagrangian Method and Impulse Excitation Method
박영일, 박수현, 윤태현, 김정환
Applied Science, 2025
1
Design of LNG cargo containment system
2
Research for structural integrity monitoring system
3
Regulatory Compliance of Gap Analysis in Korea
