신제품/혁신
공동주택 방화문 하자 텍스트 데이터를 머신러닝·딥러닝으로 자동 분류하는 연구가 KCI 등재 학술지에 게재됐다. N-gram과 로지스틱 회귀(LR)를 결합한 모델이 평균 82.18%의 분류 정확도를 기록했다. 방화문 하자 진단의 자동화·체계화 가능성을 처음으로 실증한 연구로 업계의 주목을 받고 있다.
동주택 방화문 하자리스트의 텍스트 마이닝을 이용한 하자유형 분류」가 그 주인공이다. 해당 논문은 KCI 등재 학술지에 2025년 11월 27일 등록됐으며, DOI는 10.5659/JAIK.2025.41.11.353이다. 이 연구는 방화문 하자 텍스트 데이터를 대상으로 머신러닝 및 딥러닝 기반의 다양한 분류 방법을 제안하고 비교 분석했다. 연구에 따르면, 방화문 결함 데이터는 작업자의 작업 관리, 보수 작업의 우선순위 선정 등 실무에서 폭넓게 활용될 수 있음에도 불구하고, 기존 연구에서 방화문…
신제품/혁신
AI 멀티센서 화재감지 기술이 딥러닝 분석으로 비화재보를 크게 줄여 방화셔터 오작동 문제 해결이 기대된다. 감지 정확도 향상으로 연동 시스템 신뢰성이 높아지고, 셔터 하강의 불필요한 작동과 유지관리 부담 감소가 전망된다.
한 오작동 문제를 근본적으로 해결할 것으로 기대된다. Emergent Technology에 따르면, 기존 단일센서(연기 또는 열) 방식의 감지기는 먼지·수증기·조리 연기 등에 의한 비화재보율이 높아 현장에서 감지기 연동을 해제하는 사례가 빈번했다. AI 기반 멀티센서 감지기는 연기·열·일산화탄소(CO)·화염(적외선) 등 복수의 센서 데이터를 딥러닝 알고리즘으로 융합 분석하여, 실제 화재와 비화재 상황을 정확히 구별한다. 미국 시장에서는 AI 감지기 도입 후 비화재보율이 95% 이상 감소한 사례가 보고되고 있다.…
