한국원자력환경공단이 수행한 빅데이터 분석을 통한 예비검사 대상 선별 과제를 소개해 주세요.
김기태
제가 기획한 빅데이터 분석을 통한 예비검사 대상 선별 과제는 방폐물 예비검사를 위해 검사 대상 방폐물 드럼을 선별할 때, 처분 불합격 확률이 높은 방폐물 드럼을 우선 선별할 수 있는 모델을 구축하는 것입니다.
방폐물은 원전처럼 방폐물이 발생하는 발생지의 자체검사에 이어 ‘발생지 예비검사 → 처분시설 인수검사 → 규제기관 처분검사’를 거쳐야만 처분시설(방폐장)에 최종 처분될 수 있습니다. 이처럼 일련의 과정을 통해 방폐물이 처분할 수 있는 상태인지를 꼼꼼히 확인하고, 검사 기준을 통과하지 못한 불합격 방폐물은 다시 발생지로 돌아갑니다.
발생지 예비검사는 공단 직원이 발생지에 가서 서류검사와 육안검사, 실측검사를 수행하는 과정을 말합니다. 이때 서류검사와 육안검사는 방폐물이 담긴 모든 드럼을 대상으로 하지만, 실측검사는 방폐물 드럼 16개 중 무작위로 2개를 선정해 핵종농도, 채움률, 유리수, 유해물질 포함 여부 등을 검사(표본검사)합니다. 발생지 예비검사를 통과한 방폐물은 한국원자력환경공단이 인수한 후 인수 기준 적합 여부를 검사하고요.
방폐물 인수 전 발생지 예비검사 단계에서부터 불합격 확률이 높다고 예상되는 방폐물 드럼을 우선 선별하고 이러한 방폐물 드럼을 대상으로 예비검사를 진행한다면, 인수 후 최종 처분되지 못하고 발생지로 돌아가는 방폐물 반송률을 줄일 수 있다고 생각했습니다. 좋은 성과를 낼 수 있도록 동기 부여를 위해 KORAD 공공빅데이터 추진계획에 이 과제를 포함시켰습니다. 시스템 개발을 담당한 중소기업체와는 대·중소기업·농어업협력재단을 통해 협력이익공유제를 체결해 중소기업체가 인센티브를 받을 수 있는 기반도 조성했습니다.
이태훈
원전의 자체검사 데이터(핵종농도 데이터)와 처분검사 데이터(합격여부 데이터)를 분석해 6가지 모델을 구축하고, 이 중 가장 효과적인 모델을 찾아낼 수 있었습니다. 무엇보다 효율적인 자동화 시스템 구현에 중점을 뒀습니다.
자체검사에서 나오는 데이터를 프로그램에 넣으면 처분 시 불합격 확률이 높은 방폐물 드럼 순으로 정렬되도록 만들었습니다. 불합격 확률이 높은 방폐물 드럼을 쉽게 확인할 수 있어 신속하고 편리하게 발생지 예비검사 대상을 선별할 수 있도록 했습니다.