Digital shipbuilding and yard operation optimization: hierarchical block modeling and reinforcement learning scheduling
연구 내용
중립 CAD 기반 구조부재 연결정보로 계층형 블록 모델을 자동 생성하고, 야드의 강재 투입 순서를 강화학습으로 최적화하는 연구
조선 공정에서는 CAD 데이터의 계층 구조 일관성과 야드 운영 효율이 생산성과 직결됩니다. 연구실은 neutral computer-aided design 포맷에서 추출한 geometric information과 structural member interconnection 관계를 비용 산정에 활용해 computerized ship block model의 hierarchical structure를 자동 생성합니다. 동시에 steel stock yard에서는 강재 투입 타이밍이 랜덤하다는 현실 제약을 고려해 reinforcement learning 기반 scheduling 전략을 적용하고, A3C 계열 알고리즘으로 실제 규모 야드 문제에서 효율 개선 가능성을 검증합니다. 이를 통해 디지털 설계-생산 운영의 연계 기반을 구축합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 ship block model의 계층 구조가 전문가 수작업에 의존해 표준화와 플랫폼 전환 시 문제가 발생한다는 점을 해결 대상으로 삼았습니다. 이후 neutral CAD로부터 연결 관계와 기하 정보를 추출해 자동 계층을 구성하고, 블록 분할 전문가 검증으로 정확도를 확인하는 흐름을 확립했습니다. 병행하여 야드에서는 강재 입력 랜덤성을 반영한 reinforcement learning 스케줄링 접근을 적용하고, A3C 기반 학습으로 실제 야드 운영의 비효율을 줄이는 방향으로 확장했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Machine Learning (Reinforcement Learning)-Based Steel Stock Yard Planning Algorithm
Creation of hierarchical structure for computerized ship block model based on interconnection relationship of structural members and shipyard environment