일본산업뉴스요약

AI로 부식 진행 예측
물질∙재료연구기구, 부식 지도 개발

-- 정밀도 50%, 내륙지역의 평가 향상이 과제 --
물질∙재료연구기구의 가타야마(片山) 부식특성그룹리더와 마쓰나미(松波) 참사역(參事役)팀은 인공지능(AI)기술을 이용해 부식의 진행을 측정한 부식 지도를 개발한다. 1km 메시(Mesh)의 농업용 기상 데이터와 철재의 부식 데이터를 AI에게 학습시켰다. 측정 정밀도는 약 50%. 해안지역의 정밀도가 높고, 내륙지역은 부식의 진행도를 과대 평가했다. 연구팀은 앞으로 부식 데이터를 늘려 정밀도를 높여나갈 계획이다.

연구팀은 오키나와 현 미야코지마(宮古島)과 시즈오카(靜岡) 현 시미즈(清水) 시, 지바(千葉) 현 조시(銚子) 시, 이바라키(茨城) 현 쓰쿠바(筑波) 시 등 6개 지점에서 시행된 철재의 부식 시험으로 얻은 71개 데이터를 AI가 학습하는 해답 데이터로 삼았다. 여기에 농업∙식품산업기술종합연구기구가 보유한 1km 메시의 기상 데이터를 조합해 AI에 학습시켰다.

부식 지도 개발을 위해 최고 기온과 최저 기온, 강수량, 일사량, 일조 시간 등의 9개 인자를 기반으로 연간 부식 양을 측정. AI는 기온 등의 인자 별로 많은 조건 분기를 만들어 그 중에서 올바르다고 판단되는 것을 골라낸다.

조시 시에서 새롭게 한 달 간의 부식 데이터를 얻어 비교해본 결과, 해안지역에서는 연간 추정치는 470g, 관측치는 440g이었다. 내륙지역에는 추정치가 470g, 관측치는 223g으로 과하게 평가되었다.

현재는 AI 활용이 효과가 있는지를 검증하는 단계. 인프라 관리기술자들로부터 충분히 참고할만하다는 평가를 받았다. 하지만 이번에는 비래(飛來)염분 양을 평균 풍속을 2승한 값으로 대신했다. 자동차의 교통량에서 대기중의 유황산화물 양을 대체하는 등, 데이터를 계속 수집해나간다면 정밀도가 향상될 것이다. 부식 지도는 폭 넓은 인프라 설비의 유지보수 관리에 이용할 수 있기 때문에 연구팀은 전국 시(市)∙구(区)∙정(町)∙촌(村) 등과 연대를 모색해나갈 계획이다.

 -- 끝 --