펄스와전류 측정 데이터의 인공지능 학습을 통한 보온재 배관의 결함 예측 = Predictions of Insulated Pipe Flaws by AI Learning of Pulsed Eddy Current Measurement Data

다국어 초록 (Multilingual Abstract)

Flaw detection signals in the thermally insulated pipes are classified using artificial intelligence (AI). Nondestructive testing technology using pulsed eddy current (PEC) is a non-contact method for detecting surface flaws with high sensitivity; however, the inspector is required to be highly skilled in signal reading. To replace the skill level of the inspector by AI, the measurement data were compared with the results of AI processing. A flaw with a depth of 50% of the thickness of the pipe was processed into diameters of 30, 60, and 90 mm in a 10-inch pipe, and these internal flaws were measured from the outside of the insulation material with a thickness of 50 mm using PEC. The PEC signals alone make it difficult to determine defect for flaws of 60 mm or less; however, AI processing data confirmed the presence or absence of defect. This study shows that even with seemingly meaningless experiments, useful results can be obtained by employing AI.

국문 초록 (Abstract)

인공지능을 이용하여 보온재로 덮혀 있는 배관에서의 결함 신호를 구분하였다. 펄스와전류를 이용한보온재 비해체 방식의 와전류탐상은 비접촉으로 높은 감도로 표면 결함을 검출할 수 있지만, 신호 판독에 있어서 검사자의 높은 숙련도가 요구된다. 인공지능을 도입하여 검사자의 숙련도를 대체하기 위하여 실험결과와 데이터를 인공지능으로 처리한 결과를 비교하였다. 10인치 배관에 각각 배관 두께 대비 깊이 50%의 결함을 직경 30 mm, 60 mm, 90 mm로 가공하여 펄스와전류를 이용하여 50 mm 두께를 가진 보온재 외부에서 내부결함을 측정하였다. 펄스와전류 신호만으로는 60 mm 이하의 결함에서는 결함 여부를 확인하기 어렵지만, 데이터를 인공지능으로 처리한 결과에서는 결함 여부를 확인할 수 있었다. 본 연구는 의미 없어 보이는 실험결과일지라도 인공지능을 이용하면 유용한 결과를 얻을 수 있음을 보여준다.