DOI: https://doi.org/10.13161/kibim.2018.8.4.013
교량의 장기성능 예측을 위한 디지털 트윈모델 정의
Definition of Digital Twin Models for Prediction of Future Performance of Bridges
심창수1), 전치호2), 강휘랑3), 당고손4), 소칸야5)
Shim, Chang-Su1) · Jeon, Chi Ho2) · Kang, Hwi Rang3) · Dang Ngoc Son4) · Lon Sokanya5) Received September 22, 2018; Received November 12, 2018 / Accepted November 14, 2018
ABSTRACT: Future performance prediction of bridges is challenging task for structural engineers. Well-organized information from design, construction and operation stages is essential for the assessment of structures. Digital twin model is a new concept to realize more reliable data platform for management of infrastructures. Damage history including degradation of material, cracking, corrosion, etc. needs to be accumulated in the digital model. The digital model is linked to the analysis model for the assessment of structural performance considering changed mechanical properties of structural components. In this paper, initial definition digital twin model of a PSC-I girder bridge is proposed.
KEYWORDS: Performance prediction, Assessment, Digital twin model, Damage, Mechanical property 키 워 드: 장기성능 예측, 평가, 디지털 트윈모델, 손상, 역학적 특성
1. 서 론
1.1 연구의 배경 및 목적
교통 인프라의 핵심적인 구조물이 교량이고 우리나라에서 교 량을 많이 건설한 시기를 근거로 볼 때 짧은 기간에 상당수의 교 량이 유사한 노후도를 보일 것으로 예상된다. 이러한 사항은 미 국, 일본, 유럽을 비롯한 많은 선진국들에서 이미 경험하고 있는 사항이고 2007년의 미국 미네소타 교량의 붕괴나 2013년 I-5 교 량의 붕괴에서도 잘 볼 수 있다. 이미 진단을 통해서 구조적 결함 이 있음을 알았지만 예산상의 문제로 적절한 대처가 미루어지면 서 벌어진 붕괴이다. 국내에서도 정릉천고가교의 긴장재 부식에 의한 파단 사례를 통해서 장기적인 성능의 추적 관리의 중요성이 부각되고 있다.
경제 발전이 급격하게 이루어지는 시기에 건설된 교통 인프라 의 노후화는 필연적이며 기능을 유지하기 위하여 점검과 보수보 강이 지속적 이루어져야하며 자원이 투입되어야한다. 설계 수명
에 도달하는 교량이 급증하는 시기가 되면 자원 투입량을 결정하 기 위해서 교량의 정확한 상태를 파악할 수 있어야 한다. 현재는 국가적으로 BMS가 관리되고 있고 각 교량의 관리주체가 수행하 는 정기점검이나 안전진단이 보고서 형태로 작성되어 정보의 접 근, 수집, 가공이 어려운 상황이다. 교량의 생애주기 동안의 정보 가 아날로그 방식으로 관리되어 지속적으로 노후화되는 교량의 현재 상태와 성능 및 앞으로 발휘할 수 있는 기능의 수준을 알 수 없게 되면 의사결정이 어려워지고 적절한 대처가 늦어져 붕괴로 이어지는 위험성을 안게 된다.
BIM(Building Information Modeling)이 설계와 시공단계 뿐 아 니라 유지관리 단계에서 효율적으로 사용될 수 있다는 것은 일반 적으로 알려진 사실이지만 실제 개발되어 운영되는 사례는 많지 않다. 국내에서 지하철 유지관리를 위해 BIM을 이용하는 사례 연 구는 수행되었다 (Shim et al., 2011). 레이저스캐닝을 통한 포인 트 클라우드 기반의 3차원 모델 생성과 해석 연동으로 안전성을 평가하는 시스템에 대한 연구가 수행되었다 (Kim et al., 2014).
1)정회원, 중앙대학교 토목공학과 교수 공학박사 ([email protected]) (교신저자)
2)학생회원, 중앙대학교 토목공학과 박사과정 ([email protected])
3)학생회원, 중앙대학교 토목공학과 연구원 ([email protected])
4)학생회원, 중앙대학교 토목공학과 박사과정 ([email protected])
5)학생회원, 중앙대학교 토목공학과 석사과정 ([email protected])
특수교량에 대한 BIM 기반의 유지관리시스템을 개발하여 현재 제2진도대교에서 실제 적용 및 보완이 이루어지고 있다 (Shim et al., 2017). 이러한 시스템은 생애주기 정보를 관리하기 위한 3차 원 부재 인벤토리, 관련 속성 및 문서정보 정의, 점검 결과의 표 출 등에 주안점을 두고 있다. 현재까지는 단일 시설물에 국한하 여 구축되고 있는 기술이고 네트워크 단위 혹은 국가 단위의 빅 데이터 생성을 위한 정보체계가 반영되고 있지는 못하다.
Digital Twin Model(이하 DTM)은 제조업 분야에서 제품이나 설비를 설계 생산하는 기업이 이후의 운영 기간동안에도 지속적 인 모니터링을 통해서 상태를 평가하고 교체나 안전관리를 수행 해주기 위해 사용되는 개념이다. 운영단계에서 분석된 자료를 기 반으로 성능을 개선하는 설계 개선으로의 피드백이 즉시 이루어 지는 장점을 가지고 있다. GE나 벡텔 등의 다국적 기업에서 최 근에 가장 중요한 비즈니스 모델로 부각되고 있는 기술 개념이다 (Aron and Lane, 2017).
Digital Twin Model의 개념은 노후 교량의 유지관리를 위한 새 로운 형태의 시스템 개발에서 중요한 기반이 될 수 있다. 다차원 정보모델을 기반으로 유사한 교량의 손상이나 열화 정보를 수집 하고 가공할 수 있는 정보체계를 갖추는 것이 필요하다. 이러한 정보는 역학적 모델로 연계되어 교량의 평가를 위한 일련의 연 동된 해석 모델로 반영된다. 실물 교량의 상태를 그대로 시각화 하는 3D 모델과 디지털 형태로 보관되는 교량정보 모델, 영상 및 레이저 스캐닝으로 획득되는 실물 외관 모델, 마지막으로 준공상 태의 교량 해석 모델이 요구된다. DTM을 활용하여 교량 점검활 동에서 발생하는 데이터를 관리하고, 레이저 스캐닝과 점검 사진 을 바탕으로 교량상태를 업데이트하여 해석모델에 반영함에 따 라 현재 상황을 구조계산하고 장기평가에 사용할 수 있을 것이 다. DTM은 합리적인 교량 평가와 자원 투입 등 교량의 생애주기 적 의사결정에 사용될 수 있다.
이 논문에서는 가장 많이 시공되고 운영중에 있는 PSC-I 거더 교량에 대한 DTM을 정의하고 이를 활용하여 데이터 수집을 국가 적인 차원에서 수행하여 유사 교량의 장기적인 성능을 예측할 수 있는 방안을 제시하였다. 현재의 유지관리 실무를 최대한 반영하 여 이미 구축된 정보의 활용성을 높이고 필요한 정보를 모델 기 반으로 디지털화하는 방안이 되도록 하였다. 점검 및 진단 업무 의 내용을 유지관리 의사결정에 유용한 형태로 디지털 데이터화 하는 방법론을 제시하였다.
2. PSC-I 거더 교량의 디지털 트윈 모델 정의
2.1 디지털 모델 정의
교량의 디지털 정보 모델을 구성하기 위해서 두 가지 정의가
선행되어야 한다. 교량을 구성하는 하위구조 단위의 인벤토리와 이런 구조물을 표현하기 위한 수치가 디지털 모델에 요구된다.
인벤토리 구성의 목적은 교량이 이루어진 부분에 대해 이해하며 점검과 보수보강이 이루어지는 하나의 단위 구조물이기 때문이 다. 변수는 인벤토리로 구분된 구조물을 모델링하기 위해 필요하 다. 대부분의 구조물은 형태적으로 유사성을 보이기 때문에 특정 변수를 이용하면 유사한 구조물에 대하며 신속하게 모델을 생성 할 수 있다. Fig. 1에 PSC I 거더 교량의 인벤토리를 실제 교량을 대상으로 정의하였다. 모델의 구분은 실제 유지관리 업무에서의 점검 단위를 고려하였다.
공용중인 구조물의 DTM을 정의할 때 이미 구축된 정보를 탑 재하기 위한 고려를 반드시 해야 한다. 이는 점검에 관한 지침에 서 제시하고 있는 점검 부위 및 점검 단위를 반영하여 해결할 수 있다.
2.2 손상의 빅데이터화를 위한 코드체계
현재의 BMS나 정기점검 및 안전진단 보고서는 개별적인 시 설물의 이력을 파악할 수 있고 이러한 사항도 상당한 시간이 소 요되는 형태로 구성되어 있다. 교량의 노후화가 진전되어 긴급한 상황이 발생할 경우에 엔지니어가 신속하게 정보를 취득하고 판 단과 대처를 하는데 어려움이 있는 체계로 판단된다. 또한, 유지 관리에 관한 여러 가지 의사결정을 수행할 때 네트워크 수준 혹 은 국가적인 수준에서 이력 데이터를 수집하거나 공유할 수 있는 정보 체계가 정의되어 있지 않다.
교량에 대한 설계시에 유지관리를 위한 지침을 별도로 작성하 는 경우가 있고 점검에 관한 지침이 존재한다. 이러한 지침에서 제시하는 구조부재에 대한 식별을 위한 코드 체계는 그대로 채용 할 필요가 있다. Fig. 2에 손상의 유형과 정도를 포함하는 코드체 계를 제안하였다. 각각의 숫자에 관한 정의는 Table 1~3에 설명
Figure 1. Inventory of a PSC I girder bridge
하였다. 손상이 발생한 부재 위치, 손상의 종류, 정도, 시기를 한 번에 표현할 수 있는 코드 체계이기 때문에 이를 기반으로 일괄 적인 정보 수집, 분석이 가능하게 될 것이다.
교량의 노후화가 진전되면 다양한 전문가들이 평가에 기여할 수 있도록 정보의 개방과 공개가 필요하다. 이를 위해서는 현재 보안 문제로 외부로 개방되지 않고 있는 유지관리에 관한 정보 중에서 학술적으로 활용이 가능한 손상, 보수 후 이력 등에 대한 정보가 공유되어야 한다. 코드 시스템으로 정의된 연계 정보를 공개할 수 있도록 하여 국가 단위의 신뢰성 있는 평가 기술을 확 보할 수 있다.
예를 들면, 구조물 점검시 발견되는 다양한 형태의 손상을 점 검자가 판단하여 즉시 대처하는데 어려움을 겪는 경우가 다수 있 다. 이는 동일 구조물을 서로 다른 점검자가 점검하는 경우가 많 을 뿐 아니라 이에 대한 판단 능력을 갖출 필요가 없는 현재의 실 무 관행의 한계로 인한 것이다. 최근에 기술적으로 대두되고 있 는 인공지능 기술을 활용하여 어떤 형태의 손상이고 의미인지를 판단하는데 도움이 되는 데이터베이스를 구축할 수 있다. 손상 의 코드와 사진만을 개방하고 공개하면 이를 수집하는 손상 플랫
폼이 존재할 수 있고 연구자는 다량의 데이터를 학습에 활용하여 신뢰도가 높은 형태의 손상 판정 기술을 개발할 수 있다.
육안 관찰 혹은 영상 기록에 의해 손상이 수집되면 이를 분석 하여 상태 평가 혹은 역학적 모델의 반영 여부를 결정해야 한다.
Fig. 3에 나타난 절차의 예시를 보면 손상이 관찰되고 취득되면 코드가 부여된다. 이 과정에서는 기술자의 판단이나 NDE 장비 등이 사용될 수 있다. 손상의 종류, 부재 및 위치가 주어지면 역 학적으로 해석 모델에 반영해야 하는지를 판단하는 과정이 필요 하다. 이 과정은 기계학습을 통해 이루어질 수도 있고 기술자의 판단이 개입될 수도 있다. 사진 이미지 데이터가 손상 코드라는 속성과 함께 수집되고 공유되면 특정 환경과 조건하에서의 손상 이 진전을 평가하는 성능 예측 기술의 기반을 제공할 수 있다. 데 이터가 축적될수록 이 예측기술의 신뢰도는 높아질 것이다.
일반적으로 2년~4년 정도 주기로 이루어지는 점검의 결과 혹 은 상시적으로 이루어지는 점검에서 발견되는 이러한 손상 형태 가 기록되고 축적되면 특정 조건에서 구조물의 노후화를 예측할 수 있는 모델을 구축할 수 있다. DTM 모델이 구조물의 형태별로 정의되고 구축되면 축적되는 데이터베이스에 기반하여 장기 성 능을 예측할 수 있는 기술이 구현될 수 있다.
Fig. 4에서 나타낸 것처럼 교량을 구성하는 각 구성 부재별로 현재 점검 항목에 기반하여 재료 성질의 변화, 손상의 유형별 상 태가 정보로 입력되면 교량의 DTM이 구성될 수 있다. 이러한 모 델로부터 교량 평가에 필요한 사항들을 별도로 추출하고 성능별 평가를 수행하는 절차가 개발될 수 있다. 예를 들어 상태 평가, 안 전성, 사용성, 내구성, 피로 등의 항목을 정량적으로 계산하는데 필요한 수치와 부재, 위치 정보를 XML 혹은 텍스트 형태로 추출 하여 이를 평가하는 프로그램의 입력 데이터로 연동시킬 수 있다.
047-G01S 1L F-
E00D00S D00A S 00-180901
1 2
3 4
1 2 3 4
5 6 7 8 9
Figure 2. Code definition of damages
Figure 3. Network-level data collection and uses
Figure 4. Code system of PSC-I girder bridge
Classification Item Notation Remark
Section ① Bridge Identification Three digits
Section ② Inspection Element Member, location Structural part
Section ③ Damage Types Member, type, details Including material
Section ④ Inspection Data Year, Month, Day
Table 1. Definition of code numbers
Classification Item Detail Remark
Class Bridge Identification
Class Structural Member (Part) Inventory class + Number Table 3 Class Structural Member (Position) Rough representation of position Table 3
Class Inspection Member Abbreviation of a member Table 3
Class Damaged Member (E)Elment + number Table 4
Class Damage Type (D)Damage + number Table 4
Class Specific Damage (SD)Specific Damage + number Table 4
Class Assessment Standard (AS)Assessment Standard + number Figure 2&3
Class Inspection date 00-00-00
Table 2. Details of the code system
PSC 보의 경우에 대표적인 균열의 형태는 6개로 구분할 수 있 다. 이러한 균열의 구분은 손상의 세부 손상 코드 SD01~SD06으 로 구분한다. Fig. 5에 대표적인 손상의 형태와 위치를 표시하였 다. 구조적으로 의미가 있는 손상은 균열, 재료의 열화 (콘크리트 열화 및 강연선/철근 부식)로 볼 수 있다. 이를 코드화한 사례가 Table 4에 제시되어 있다.
구조적인 이유로 인한 균열은 발생 시기와 위치, 진전 여부에 따라 다른 의미를 지니게 된다. 초기에 발생한 균열은 원인 평가 가 반드시 이루어져야 하고 이에 맞는 보수나 보강 방안이 적절 하게 도출되어야 한다. 단순한 균열 보수로 대처한 경우에는 장기 성능이 좋지 않게 되어 교량의 수명을 단축시키는 주된 요인이 되 고 있다. 점검 시기별로 동일 위치의 균열의 진전이나 열화의 심 화 정도를 평가하면 적절한 보수 방안을 도출하는데 중요한 근거 가 될 수 있다.
PSC 보의 하부 플랜지 휨 균열의 발생은 공용중에 일정 기간 이후에 발생하는 사례가 있는데 이는 크게 두 가지 원인으로 볼 수 있다. 첫 번째는 도입한 프리스트레스의 손실이 원래 설계에서 계산된 값보다 크거나 외부 하중이 초과하여 재하된 경우이다. 프
리스트레스 손실은 장기적인 거동의 결과이기 때문에 휨 균열의 발생 이후에 지속적으로 증가될 수 있고 일시적인 과하중에 의한 휨 균열은 제어가 될 수 있다. 각각의 경우에 대해서 보수나 보강 방안은 달라야 한다. 이러한 부분을 교량 유지관리 의사결정을 하 는 기술자가 판단할 수 있도록 정보가 제공될 수 있다.
두 번째 원인은 내부 긴장재의 부식이다. 철근의 부식은 주로 표면에서 관찰 가능한 수준이 되면 확인이 가능하지만 내부 긴장 재는 육안으로 관찰이 어렵다. 내부 긴장재의 부식은 긴장재 단면 을 감소시키게 되고 이로 인해 인장강도의 감소와 함께 연신율을 감소시키기 때문에 사전에 대비하지 않으면 심각한 사태를 초래 할 수 있다. 시간에 따라 부식은 진전되기 때문에 휨 균열 발생시 긴장력 추정과 함께 부식 가능성에 대해서도 고려를 해야 한다.
고속도로 교량에 대한 점검 결과로 판단하면 대부분의 PSC 보 부재의 재료 열화는 육안으로 관찰된 수준에서 구조적 거동에 영 향을 미치는 사례는 거의 없다. 상당히 오래된 교량의 경우에도 상태 등급이 구조적 보강이나 교체를 고려할 수준으로는 나타나 지 않는다. 이는 직접적으로 하중이나 제설재 등의 환경적 유해요 인에 노출되지 않는 특성에 기인한다.
Member Division Subdivision Notation
Member Classification
Major member Slab, Girder, Abutment, Pier, Foundation, Bearing, Tendon, Expansion joint, Drainage, Guard, Pavement
Minor member Cross beam
Girder
G Girder in a span Outside/Inside G
Cross beam
CB Span - CB
SlabSL Span - SL
Expansion joint
EXP Location
Sliding plate/ Rolling plate EXPS
Ramp EXPR
Body EXPB
Bearing BE
Abutment side A
Wind Shoe WS
Elastic Bearing BP
Pier side P
Wind Shoe WS
Elastic Bearing BP
Pier P Location Stem concrete CB
Abutment A Location Stem concrete CB
Table 3. Definition of code for inventory
DTM 모델을 구축하고 이에 기반한 구조물 유지관리 정보체계 가 가질 수 있는 큰 장점은 정보의 접근성 뿐 아니라 기존에 분석 에서 고려하기 힘든 손상요인의 상호 작용에 관한 분석이 가능하 다는 점이다. 예를 들어 바닥판의 손상은 초기 균열 여부, 포장의 종류 및 손상 시기, 방수층의 종류 및 손상 시기, 신축이음의 종류 및 손상 시기 등에 영향을 받는다. 이러한 손상의 종류별 시기와 원인에 대한 데이터 수집이 가능하면 신뢰성 있는 손상 시기 추정 이 가능할 뿐 아니라 설계 단계에서부터 좀 더 개선된 성능을 가 진 설계안을 도출할 수 있는 피드백이 가능하게 된다.
PSC 거더의 프리스트레스 정착부의 부식에 관한 사항은 초기 의 품질 관리와 함께 신축이음부의 손상, 제설재, 염분 등의 환경 적 요인이 영향을 주게 된다. 거더 단부의 정착구 상세나 제품의 성능을 많은 이력 데이터에 기반해서 평가하고 best practice로 정립하여 전파할 수 있는 기반을 구축할 수 있다.
최근에 교량 구조물의 노후화가 진전되면서 보이지 않는 구성 요소에 대한 장기적인 거동을 평가하는데 어려움이 있어 이에 대 한 다양한 노력이 이루어지고 있다. 재료의 열화와 이에 미치는 영향 인자, 부식 환경의 영향, 부식 속도, 부식에 따른 프리스트레 스 긴장력의 변화, 전체 구조계에 미치는 영향에 따라 하중 재분 배 등이 이루어지는 과정을 종합적으로 평가하기 위한 정보가 부 족하다. 변동성이 높은 조건들을 고려하면 DTM 모델이 최소한 네 트워크 혹은 국가단위에서 구축되고 정보가 수집 및 공유되어야 예측의 신뢰성을 높일 수 있다.
2.3 실사 모델과 손상 표현
노후 구조물의 증가는 현재 수행하고 있는 인력에 의한 육안점 검의 한계를 극복할 수 있는 대안을 요구하게 될 것이다. 현재 외 부인 경우에는 무인기를 이용한 photo scanning 기술로 이를 해 결하려는 연구가 수행중에 있다. 스캐닝에 의한 모델 구축은 외 부의 면을 구성하게 되지만 이 면 모델로부터 손상을 추출하는데 는 해결해야 하는 문제점들이 존재한다. 단면 손실과 같이 형상 에 대한 허용 오차가 큰 손상은 충분하게 활용할 수 있지만 균열 이나 재료 열화는 일정 거리와 해상도를 만족하는 환경하에서 영 상 데이터를 얻지 않으면 원하는 수준의 손상 추출이 불가능하게 된다.
이 연구에서 실사 모델 (reality model)의 구축은 촬영을 위해 노출된 면에 대해서만 대상으로 하고 이외에는 외관조사망도의 손상을 모델의 면에 매핑하는 형태로 이루어졌다. Fig.6 의 실사 모델 예시에서 교량의 측면과 상면, 하면의 일부는 드론 촬영을 통해서 취득된 영상 자료로부터 후처리 과정을 거쳐 얻어진 것 이다. 현재의 점검 외관조사망도에서 규정하고 있는 표현 방식을 그대로 활용하고 사진으로부터 후처리된 면에서 직접 손상이 표 현되는 경우에는 실사모델을 그대로 활용한다.
포인트 클라우드 데이터를 이용한 후처리에서 면 모델을 구성 하면 이 면을 3차원 교량 모델에 매핑하는 절차가 필요하다. 일 반적인 경우에는 좌표 기반으로 수행할 수 있지만 포인트 클라우 드가 가지는 오차 범위로 인해서 조정할 수 있는 근거가 되는 참 조 타겟을 설치하게 된다. 이 연구에서는 Fig. 6에 나타낸 바와 같이 부재의 인식 표와 QR 코드, 3차원 표식자를 함께 활용하여 Figure 5. Damage evaluation of a PSC I girder
후처리과정의 유효성을 높이는 시도를 하였다. 현재 일반적으로 사용하는 드론 스캐닝의 조건에서는 균열폭을 검출하는 것은 현 실적으로 불가능하고 일정 거리 조건을 만족시킬 수 있는 비행이 가능한 장비가 요구되는 것으로 평가되었다.
점검 업무에서 중요한 성과물이 외관조사망도이기 때문에 3차 원 실사모델과 외관조사망도를 연동시키는 것은 업무의 효율성 을 높이는데 효과가 있다. 이 연구에서는 3차원 모델의 면 정의 에 활용된 변수와 좌표를 이용하여 2차원 외관조사망도를 생성하 고 기록된 손상을 상호 연계하는 시도를 하였다. 이로부터 손상 기록과 실사 모델의 연동이 점검시마다 이루어지고 이전 점검 기 록의 확인이 용이하도록 하였다.
Member Code Damage Code Detail damage Code Total code
Concrete
Slab E01
Crack D01 One-way crack SD01 E01D01SD01
Two-way crack SD02 E01D01SD02
Deterioration and Damage D02
Concrete Deterioration and
Damage SD03 E01D02SD03
Corrosion SD04 E01D02SD04
Prestressed Concrete
Girder E04
Crack D01
Flexural crack SD01 E04D01SD01
Longitudinal crack SD02 E04D01SD02
Web shear crack SD03 E04D01SD03
Diagonal crack SD04 E04D01SD04
Bearing part crack SD05 E04D01SD05
Split crack SD06 E04D01SD06
Deterioration and Damage D02
Concrete deterioration and
damage SD07 E04D02SD07
Tendon deterioration and
damage SD08 E04D02SD08
Concrete
Cross Beam E05
Crack D01 - SD01 E05D01SD01
Deterioration, Damage,
Corrosion D02 - SD02 E05D02SD02
Abutment E08 Crack, Displacement D01 - SD01 E08D01SD01
Deterioration and Damage D02 - SD02 E08D02SD02
Concrete Pier E09 Crack, Displacement D01 - SD01 E09D01SD01
Deterioration and Damage D02 - SD02 E09D02SD02
Foundation E10 Damage D01 - SD01 E10D01SD01
Ground Stability D02 - SD02 E10D02SD02
Table 4. Code system of damages in PSC I-girder bridges
Figure 6. Reality model definition
3. 손상 데이터 분석을 통한 장기성능 예측 방안
3.1 손상 데이터의 수집 및 분석 체계
국토교통부에서 새로 제시한 종합성능평가의 안전 및 유 지관리 세부지침에서는 성능항목으로 시설물이 고유의 목적 및 기능 등에 따라 보유하여야 하는 성능으로서 안전성, 내구 성 및 사용성(기능성 포함)을 규정하고 있다.(Ministry of Land, Infrastructure and Transport, 2018) 안전성은 사용자 및 주변 시설물 등의 안전을 보장하는 성능으로서 상태적 안전성과 구조 적 안전성으로 나누어 평가된다. 이중에서 상태적 안전성은 시설 물의 외관을 조사하여 결함의 정도를 포함한 시설물에 대한 상태 평가를 통해 이루어지고 구조적 안전성은 현장조사를 통하여 수 집된 자료를 기초로 하고 설계도서 및 기존 안전점검 및 정밀안 전진단 실시결과를 참고하여 시설물의 구조해석 등을 통하여 평 가된다. 내구성은 시간경과에 따른 내구적 성능저하로부터 요구 되는 수준을 지속시킬 수 있는 성능을 말한다.
코드체계로 정의된 손상은 시설물정보의 보안과 무관하게 연 구 목적으로 개방될 수 있다. 특히, 다양한 조건하에서의 재료 열 화, 손상의 진전에 대한 데이터가 수집될 수 있으면 이를 분석하 여 실증 기반의 경험식이 도출되거나 장기 성능을 예측하는 기계 학습의 근거 데이터로 이용될 수 있다.
PSC 거더교에서 긴장재의 부식은 내구성 및 안전성에 큰 영 향을 미칠 수 있다. 장기성능 평가의 척도 중 하나로 부식 속도를 들 수 있는데, 그 이유는 부식 속도를 통해 향후 잔류 단면적을 구하여 잔류 강도를 추정할 수 있기 때문이다. 강연선의 부식 속 도는 전기화학적으로 주변 산소, 수분, 염화물, 황산화물 등의 요 인으로 인해 결정되지만 하나의 강연선마저도 길이방향에 따라 조건이 다 다르기 때문에 현실적으로 적용이 어렵다. 따라서 교 량 점검 시 측정된 부식 깊이(d)를 해당 교량의 점검 시점(tm)에 서 교량의 준공시점(ti)을 뺀 시간으로 나눈 식(1)로 구하는 것이 일반적이다.
(1)
3.2 데이터에 기반한 장기 성능 예측
PSC교량의 현재 상태 손상으로부터 미래의 성능을 예측하는 것은 해석적 접근방법으로는 어렵다. 실험을 통한 경험적 접근 법은 실제 상황의 다양성을 반영할 수 없는 한계를 지니게 된다.
FIg. 7에 PSC I-girder 교량의 바닥판 손상 진전을 DTM에 반영 하여 주어진 환경적 조건, 하중조건, 공용 기간 등을 근거로 하여
많은 수의 외관조사망도를 정량화하고 이를 기계학습의 데이터 로 활용할 수 있으면 교량 점검 결과로부터 일정 기간 이후의 성 능을 예측하도록 하는 방법론을 개발할 수 있다. 주요 노출환경 요인 데이터는 제설제 사용량, 강설량, 중차량 통행량, 비산염분 이다.
한국도로공사에서 분석한 자료에 의하면 바닥판 손상 유형은 균열, 백태/누수가 가장 많고 균열의 가장 큰 원인은 건조수축, 철근부식, 휨으로 나타났다. (Korea Expressway Corporation, 2013) 물론, 건조수축은 시공시 품질관리의 문제가 크기 때문에 초기 점검에서의 균열 양상이 이후의 바닥판 수명에 미치는 영향 이 매우 크다는 것을 알 수 있다. 초기에 발생하는 미세균열이 이 후의 우수 유입으로 인해 손상을 확대하는 역할을 하게 된다. 또 한, 바닥판의 열화 속도가 제설제 사용이 많은 영동 고속도로 상 의 교량이 빠른 것을 확인할 수 있고 이는 환경적 요인에 따른 열 화 속도 예측을 정량화할 수 있다는 의미이다.
점검에서 획득되는 외관조사망도나 사진 혹은 라이다 스캐닝 데이터는 3차원 모델에 입혀서 실사 모델을 구축할 수 있다. Fig.
8에 예시로 나타낸 바와 같이 시기별 Aging model과 외관조사 망도를 연동시켜서 구조물의 손상이력을 독립적으로 관리하고 분석에 활용할 수 있다. 영상자료를 직접 활용하는 실사 모델에 서는 영상 분석을 통한 손상 검출 기능을 활용해서 외관조사망도 에 독립적인 벡터 형태의 손상을 정량화해서 연계할 수 있다.
Figure 7. Prediction of concrete slab damages
Figure 8. Damage recording on a digital model
현재의 유지관리시스템에서 축적되는 엄청난 양의 데이터는 제대로 활용되기 힘든 분절되고 분산된 정보 체계를 갖고 있다.
국가단위나 관리주체별 네트워크 단위에서 미래 성능 예측을 위 한 모델 구축을 하기 위해서는 연구자들에게 이러한 데이터를 개 방하여 활용할 수 있도록 해야 한다. Fig. 9에 나타낸 바와 같이 BMS에서 교량에 대한 일반 정보는 특정 교량에 대한 식별 정보 를 제외하고 일반정보로 정의하고 각 부재별 손상 및 보수 정보 는 시기별로 저장될 수 있는 정보 템플릿을 점검 혹은 보수 활동 이 있을 때 마다 BMS에서 자동으로 생성되어 외부에 별도로 개 방형 데이터서버에 이관되어 연구자가 접근할 수 있도록 할 수 있다.
4. 결론
이 논문에서는 현재의 점검 및 안전진단에 따라 생성되는 정보의 축적, 분석, 활용을 통한 교량의 장기 성능 예측을 할 수 있도록 하 는 디지털 트윈 모델의 정의를 제안하였다. 점검단위와 점검 항목 을 고려하여 3차원 모델의 인벤토리와 그에 필요한 정보 사항을 설 정하였다. 네트워크 수준에서 손상의 원인을 분석하고 환경 조건에 따라 장기적인 거동 예측을 위한 데이터를 축적하기 위해서는 개별
손상을 식별할 수 있어야 한다. 이 논문에서는 부재 및 손상에 대한 코드체계를 제안하였다. 이 코드 체계를 통해서 PSC 교량의 손상 들이 기록되고 정보로 가공될 수 있는 토대를 제공하였다.
감사의 글
이 연구는 국토교통부 건설기술연구개발사업의 연구비지원(과제 번호 18SCIP-B128570-02 공동)에 의해 수행되었습니다.
References
Aron, P., Lane, W. (2017). Industry 4.0 and the Digital Twin, Deloitte Anjin Review No. 9, pp. 64-72.
Kim, D.Y., Shim, C.S., Moon, H.C., Lee, B.J. (2014). Safety evaluation of corrugated steel culvert using cloud data, Proceeding of KSSC, pp. 163-164.
Korea Expressway Corporation (2013). Research on Effective Inspection through Analysis of Bridge Damages.
Figure 9. New BMS with open data model
Ministry of Land, Infrastructure and Transport (2018).
Guidelines of Safety and Maintenance of infrastructures.
Shim, C. S., Kang, H. R., Dang, N. S., Lee, D. K. (2017).
Development of BIM-based bridge maintenance system for cable-stayed bridges, Smart Structures Systems, 20(6), pp. 697-708.
Shim, C.S., Kim, S.W., Song, H.H., Yoon, N.R. (2011).
Development of BIM for a Maintenance System of Subway infrastructures, Journal of KIBIM, 1(1), pp. 6-12.
