센서와 머신러닝을 활용해 유·가스전에서 누출 지점을 정밀 탐지하는 천연가스 누출 탐지 도구가 개발되었습니다. 자율형 저비용 고속 누출 탐지 시스템(ALFaLDS)은 강력한 온실가스인 메탄의 의도치 않은 방출을 발견하기 위해 만들어졌습니다.
ALFaLDS는 실시간 메탄·에테인(천연가스 성분) 측정치와 대기 풍향·풍속 데이터를 머신러닝 코드로 분석해 누출을 탐지·위치 파악·정량화합니다. 이 코드는 고농도 플룸 확산 모델로 훈련되고 현장 통제 방출 실험으로 미세 조정됩니다.
테스트 결과 ALFaLDS는 인위적 메탄 누출을 정밀하게 위치 파악하고 크기를 정량화했습니다. 높은 기술·속도·정확성으로 저비용 누출 탐지가 가능해져 유전·가스전에서 휘발성 가스 누출의 경제적 샘플링이 가능해집니다. 업계 도입 시 메탄 배출을 90% 줄일 수 있을 것으로 기대됩니다.
ALFaLDS는 소형 센서를 사용해 차량과 드론 탑재에 적합합니다. 팀은 테스트에 사용된 미니 3D 음파 풍속계와 강력한 머신러닝 코드를 통합한 센서를 개발 중입니다. 코드는 자율적으로 어떤 가스·풍속 센서 데이터든 읽어 누출을 빠르게 찾고 방대한 천연가스 채굴·생산·소비 네트워크에서 휘발성 배출을 최소화합니다.
감지기
머신러닝(Machine Learning)은 인공지능(AI) 한 갈래로, 기계가 명시적 프로그래밍 없이 실제 데이터로부터 학습하는 기술입니다. 산업 현장에서 이 알고리즘이 주는 이점과 활용법을 살펴봅니다. 머신러닝 기초 AI 분파로, 알고리즘이 실데이터 학습 → 모델 생성 → 신규 데이터 클래스/유형 예측. 두 주요 패러다임: 지도 학습(Supervised Learning): 정답 레이블 붙은 데이터셋 필요 비지도 학습(Unsupervised Learning): 레이블 없이 데이터 특성 기반 자율 군집화·분류 핵심 역량: 패
이제 누구나 머신러닝과 그것이 모든 것을 바꿀 것이라는 이야기를 들어봤을 것입니다. 하지만 어떻게 시작해야 할지 아는 사람은 드뭅니다. 이 블로그의 단계를 따라하거나 읽어보는 것만으로도 PLCnext 컨트롤러로 머신러닝을 시작하는 방법을 이해하는 데 도움이 되길 바랍니다. 여기서는 첫 ML 모델 훈련, ONNX 표준으로 변환, PLCnext 컨트롤러에서 모델 추론까지 다룹니다. 유명한 아이리스 데이터셋을 사용해 모델을 구축하겠습니다. 머신러닝 소개 머신러닝이란? 머신러닝의 핵심은 통계와 알고리즘을 사용해 데이터셋에서 패턴을 찾는
