925 research outputs found
원전 신형주제어실 내 소프트제어 인적 오류평가를 위한 인간신뢰도 분석 방법 개발
No full text학위논문(박사) - 한국과학기술원 : 원자력및양자공학과, 2015.2
,[ix, 128 p. :]인적 오류가 기인한 과거 수 십 년간의 사고 기록을 살펴온 가운데, 원자력 발전소와 같은 큰 규모의 시스템이 무엇으로 인해 잘못 될 수 있는지를 평가하는 것이 현재의 관심사로 떠오르고 있다. 잠재적으로 위험한 시스템에 대하여 형식적이고 기술적으로 그 위험도를 평가하는 것을 확률론적 안전성 평가라고 부르며, 오늘날 확률론적 안전성 평가는 기계적 실패, 그리고 환경적 위험을 평가할 뿐만 아니라 인적 오류에 의한 위험도 또한 평가하고 있다. 특히, 스리마일 섬 원자력 발전소 사고 이후에 인적 실수가 원자력 발전소 사고의 중요 요인으로 알려져 왔으며, 그 이후 인적 오류 확률을 평가하기 위하여 다양한 인간 신뢰도 분석기법이 개발되었다. 또한 이 때 개발된 대부분의 인간 신뢰도 분석기법은 아날로그 형태의 주제어실에서의 인간 신뢰도 분석을 위한 기법으로 적용되었다.
하지만, 컴퓨터화 된 기술을 기반으로 한 새로운 인간 기기 연계의 도입으로 원자력 발전소 주제어실의 운전환경은 변화되어 왔다. 이러한 디지털 기술과 컴퓨터 기술을 기반으로 한 주제어실을 신형 주제어실이라고 하며, 신형 주제어실은 대형 디스플레이 패널, 전산화 절차서, 소프트 제어기 라는 컴퓨터 기술을 도입하였다. 신형 주제어실의 많은 특징 중 소프트제어는 특히 중요한데, 이는 신형 주제어실에서의 모든 수행 직무는 소프트 제어기를 사용하여 이루어지기 때문이다. 원자력 발전소 신형 주제어실 운전원은 소프트제어기를 사용하여 운전화면을 선택, 제어기기를 클릭한 후 마지막으로 장치를 제어할 수 있다. 이는 기존의 주제어실과 신형 주제어실의 가장 큰 차이점이기도 하다.
하드와이어드 기존 제어 방식과 컴퓨터 기반의 소프트 제어 방식의 차이로 인해 기존의 인간 신뢰도 분석방법을 신형주제어실에 적용하기에는 무리가 따른다. 즉, 신형 주제어실에의 인적 오류 확률 값은 기존과 다르게 적용되어야 하며, 새로운 인간 신뢰도 분석체계가 고려되어야 한다. 기존에 개발된 많은 인간 신뢰도 분석기법 (예를 들어, Technique for Human Error Rate Prediction (THERP), Human Error Assessment and Reduction Technique (HEART), Success Likelihood Index Method-ology (SLIM), A Technique for Human Event Analysis (ATHEANA), Cognitive Reliability and Error Analysis Method (CREAM), Simplified Plant Analysis Risk Human Reliability Assessment (SPAR-H)) 들이 존재하지만, 이러한 인간 신뢰도 기법들은 기존의 주제어실에서의 인간 신뢰도 분석을 위해 개발되었으며, 또한 디지털 시스템이 도입된 주제어실에서의 인적 수행도를 어떻게 평가하여야 하는지의 보충 설명 또한 제공해주고 있지 못하고 있다. 그렇기 때문에 신형 주제어실어서 발생 가능한 새로운 인적 오류 유형 (예를 들어, 화면선택직무, 화면 내에서의 기기선택직무)을 고려하고, 이러한 인적 오류 유형을 설명할 수 있는 인간 신뢰도 분석 체계가 필요하다.
이에 본 연구에서는 소프트제어 직무 분석과 널리 수용된 인적 오류 분류에 관한 문헌 검토를 기반으로 소프트제어 수행 오류 평가를 위한 인간 신뢰도 분석 체계를 제안한다. 먼저 소프트 제어 직무분석과 문헌 검토를 통하여 신형 주제어실 내 인간 신뢰도 분석 체계에 필요한 요소를 확인하였다. 요소의 대표적인 항목은 2차 직무, 직무 수행을 위한 순차적인 인적 행위, 하위 직무 사이의 종속성 등이 존재하였다. 이러한 항목을 기반으로 좀 더 심층적으로 소프트제어를 고려한 인간 신뢰도 분석 체계가 제안된다.
또한, 현재의 인간 신뢰도 분석 데이터 베이스는 기존 주제이실에서의 운전만 다루고 있는 실정이고, 이는 디지털 환경에서의 인간 기기 연계에 대해서는 설명될 수 없기 때문에 신형 주제어실을 모사한 시뮬레이터를 이용하여 인적 오류 확률과 인적 오류 회복 실패 확률을 실험적으로 분석하였다...한국과학기술원 :원자력및양자공학과
Comparison of Deep Reinforcement Learning and PID Controllers for Automatic Cold Shutdown Operation
No full textMany industries apply traditional controllers to automate manual control. In recent years, artificial intelligence controllers applied with deep-learning techniques have been suggested as advanced controllers that can achieve goals from many industrial domains, such as humans. Deep reinforcement learning (DRL) is a powerful method for these controllers to learn how to achieve their specific operational goals. As DRL controllers learn through sampling from a target system, they can overcome the limitations of traditional controllers, such as proportional-integral-derivative (PID) controllers. In nuclear power plants (NPPs), automatic systems can manage components during full-power operation. In contrast, startup and shutdown operations are less automated and are typically performed by operators. This study suggests DRL-based and PID-based controllers for cold shutdown operations, which are a part of startup operations. By comparing the suggested controllers, this study aims to verify that learning-based controllers can overcome the limitations of traditional controllers and achieve operational goals with minimal manipulation. First, to identify the required components, operational goals, and inputs/outputs of operations, this study analyzed the general operating procedures for cold shutdown operations. Then, PID- and DRL-based controllers are designed. The PID-based controller consists of PID controllers that are well-tuned using the Ziegler–Nichols rule. The DRL-based controller with long short-term memory (LSTM) is trained with a soft actor-critic algorithm that can reduce the training time by using distributed prioritized experience replay and distributed learning. The LSTM can process a plant time-series data to generate control signals. Subsequently, the suggested controllers were validated using an NPP simulator during the cold shutdown operation. Finally, this study discusses the operational performance by comparing PID- and DRL-based controllers
Human Error Recovery Failure Probability When Using Soft Controls in Computerized Control Rooms
No full text
Study on Diagnosis Error Assessment of Operators in Nuclear Power Plants
No full textThe purpose of this study is to suggest a framework to assess diagnosis error of operators in nuclear power plants. In nuclear power plants, human error caused by inappropriate performance due to inadequate diagnosis of situation by operators have been considered to be critical since it may lead serious problems. In order to identify and estimate the human errors, various human error analysis methods were developed so far. Most human error analysis methods estimate diagnosis error through time reliability curve or expert judgments. In this study, a new framework to assess diagnosis error was suggested. It is assumed that diagnosis error is caused by inadequate quality of data and diagnosis error can be observed by using information processing model of human operators. Based on this assumption, we derived the assessment items for the quality of data and diagnosis error taxonomy here
A framework to estimate probability of diagnosis error in NPP advanced MCR
No full textRecently, a new type of main control room (MCR) has been adopted in nuclear power plants (NPPs). The new MCR, known as the advanced MCR, consists of digitalized human-system interfaces (HSIs), computer-based procedures (CPS), and soft controls while the conventional MCR includes many alarm tiles, analog indicators, hard-wired control devices, and paper-based procedures. These changes significantly affect the generic activities of the MCR operators, in relation to diagnostic activities. The aim of this paper is to suggest a framework to estimate the probabilities of diagnosis errors in the advanced MCR by updating a time reliability correlation (TRC) model. Using Bayesian inference, the TRC model was updated with the probabilities of diagnosis errors. Here, the diagnosis error data were collected from a full-scope simulator of the advanced MCR. To do this, diagnosis errors were determined based on an information processing model and their probabilities were calculated. However, these calculated probabilities of diagnosis errors were largely affected by context factors such as procedures, HSI, training, and others, known as PSFs (Performance Shaping Factors). In order to obtain the nominal diagnosis error probabilities, the weightings of PSFs were also evaluated. Then, with the nominal diagnosis error probabilities, the TRC model was updated. This led to the proposal of a framework to estimate the nominal probabilities of diagnosis errors in the advanced MCR. (C) 2017 Elsevier Ltd. All rights reserved.
A Conceptual Framework of Human Reliability Analysis for Execution Human Error in NPP Advanced MCRs
No full textExploring inter-child behavioral relativity in a shared social environment: A field study in a kindergarten
No full text
A Framework of Human Reliability Analysis Method Considering Soft Control in Digital Main Control Rooms
No full text- …
