⚡ 전기공학

Quantum Spherical Fuzzy Decision Framework with Golden Cut and ARTASI for Sustainable Mining Method Selection in Geologically Complex Thin Seams

본 연구는 메갈라야 지역의 지질학적으로 복잡한 박탄층을 안전하고 지속 가능하게 채굴하기 위한 최적의 방법으로 자동화된 3D 궤적 셰리어 마이닝을 체계적으로 식별하기 위해, 골든 컷(Golden Cut), 합의 기반 전문가 가중치 부여(Consensus-Based Expert Weighting), 개미 군집 최적화(Ant Colony Optimization), 그리고 ARTASI를 통합한 새로운 양자 구형 퍼지 대규모 의사결정 프레임워크를 제안한다.

원저자: Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

게시일 2026-10-29

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Nidahamteinsar Papang, Bishal Gurung, Priya Sharma

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

석탄층이 얇고 균열이 많으며 지질학적으로 복잡한 지구 깊은 곳에서, 연료를 추출하는 방법을 선택하는 것은 위험 부담이 큰 도박이다. 석탄층이 불과 몇 인치 정도로 얇을 수 있는 인도의 메갈라야와 같은 지역에서, 전통적인 방식은 종종 노동자를 위험에 빠뜨리고 지형을 훼ks는 조잡하고 비과학적인 굴착에 의존해 왔다. 엔지니어와 계획가들의 핵심 과제는 단순히 석탄을 찾는 것이 아니라, 안전, 비용, 환경적 영향, 그리고 기술적 타당성 사이의 균형을 맞추는 채굴 기법을 선택하는 것이다. 이 결정은 결코 단순하지 않은데, 그 이유는 관련된 요인들이 종 often 서로 상충하는 방향으로 움직이기 때문이다. 저렴한 방법은 안전하지 않을 수 있고, 매우 효율적인 방법은 특정 현장에는 너무 비쌀 수 있다. 이러한 상충하는 요구 사항을 헤쳐 나가기 위해, 연구자들은 인간의 불확정성을 다루기 위해 설계된 수학 분야, 즉 판단이 경직된 숫자로 강제되지 않고 전문가 의견에 수반되는 망설임과 의구심을 포착하여 회색의 농담(shades of gray)으로 존재할 수 있게 하는 분야로 눈을 돌린다.

한 연구팀은 이 특정한 문제를 해결하기 위해, 추측을 구조적이고 과학적인 접근 방식으로 대체하는 것을 목표로 하는 새롭고 정교한 시스템을 개발했다. 그들은 전문가의 의견을 단순한 "예/아니오" 투표가 아니라, 합의, 불일치, 그리고 불확정성의 층위가 포함된 복합적인 평가로 취급하는 의사결정 프레임워크를 만들었다. 정보가 파동처럼 크기와 위상을 모두 가질 수 있다는 "양자(quantum)" 개념을 활용함으로써, 그들은 전문가의 망설임이 가진 온전한 뉘앙스를 표현할 수 있었다. 시스템의 근거를 확립하고 일관성을 유지하기 위해, 연구자들은 자연에서 발견되는 유명한 수학적 비율인 황금비에 기반한 원리를 적용하여, 이러한 복잡한 평가에 필요한 매개변수를 자동으로 생성함으로써 임의적인 선택의 필요성을 제거했다.

연구는 석탄층 두께가 0.30에서 2.12미터에 이르는 메갈라야의 탄광에 초점을 맞추었다. 연구진은 전통적인 드릴링 및 발파부터 첨단 자동화 기계에 이르기까지 12가지의 다양한 채굴 방법을 평가하기 위해 전문가 그룹을 구성했다. 이 방법들은 석탄의 두께와 깊이, 상부 암석의 안정성, 환기 필요성, 안전 기록, 환경적 결과 등 12가지의 뚜렷한 기준에 따라 테스트되었다. 새로운 시스템은 단순히 전문가들의 점수를 평균 내는 대신, 전문가들이 서로 얼마나 일치하는지를 살펴보았다. 집단의 합의와 밀접하게 일치하는 판단을 내린 이들에게는 최종 계산에서 더 많은 영향력을 부여함으로써, 단 한 명의 개인적인 예외적 의견이 아닌 팀의 집단적 지혜가 결과에 의해 유도되도록 보장했다.

전문가들의 견해가 결합된 후, 시스템은 어떤 기준이 가장 중요한지를 결정해야 했다. 연구진은 전문가들에게 각 요소의 중요성을 추측하게 하는 대신, 개미가 먹이를 찾는 방식에서 영감을 얻은 컴퓨터 알고리즘을 사용했다. 개미 군집 최적화(Ant Colony Optimization)라고 알려진 이 알고리즘은 수천 개의 시나리오를 시뮬레이션하여 서로 다른 채굴 방법들을 가장 잘 구별해낼 수 있는 최적의 가중치 균형을 찾아냈다. 이 알고리즘은 옵션 간의 차이를 최대한 명확하게 만들어 줄 수 있는 우선순위 세트를 검색했다. 마지막 단계에서는 각 옵션을 이상적인 최선의 시나리오 및 최악의 시나리오와 비교하여, 각 방법이 완벽함에 얼마나 근접했는지를 나타내는 단일 점수를 산출하는 기법을 사용하여 순위를 매겼다.

엄격한 분석 결과, 한 가지 명확한 승자가 가리켜졌다: 바로 자동 3D 궤적 셰어러 채굴(automated 3D-trajectory shearer mining)이다. 정밀한 컴퓨터 제어 경로를 따라 석탄을 절삭하는 첨단 기계를 사용하는 이 방법은 0.674의 효용 점수를 기록하며 최고의 선택지로 부상했다. 그 뒤를 이어 셰어러 기반 박층 롱월(longwall) 채굴과 연속 채굴기 보드 앤 필러(bord-and-pillar) 채굴이 근소한 차이로 뒤를 이었다. 연구는 기계화 가능성이 지층 깊이나 지질학적 연속성과 같은 다른 우려 사항보다 더 중요한 결정 요인이었다는 것을 발견했다. 연구진은 기준의 중요도와 데이터 입력을 무작위로 변화시키며 결과의 안정성을 테스트했으며, 상위 순위의 방법들이 일관되게 유지됨을 확인하여 이 결과가 계산상의 우연이 아닌 견고한 것임을 시사했다.

이 연구는 모든 채굴 문제를 해결하거나 모든 탄광에 적용되는 보편적인 규칙을 주장하는 것이 아니다. 대신, 메갈라야의 위험하고 규제되지 않은 추출 관행으로부터 벗어나기 위한 신뢰할 수 있는 과학적 토대를 제공한다. 가용한 기술들에 대한 명확하고 데이터에 기반한 순위를 제공함으로써, 이 프레임워크는 의사 결정자들이 더 쉬워 보일 수는 있지만 숨겨진 위험을 수반하는 방법 대신, 더 안전하고 지속 가능한 방법을 선택하는 것에 대해 정당성을 부여할 수 있는 방법을 제시한다. 이 연구는 인간의 불확정성을 적절한 수학적 도구로 다룰 때, 지질학 및 경제학의 복잡성을 뚫고 안전하고 지속 가능한 미래를 위한 최선의 길을 찾을 수 있음을 보여준다.

기술 요약: 지속 가능한 채굴 방법 선택을 위한 황금 분할(Golden Cut) 및 ARTASI를 적용한 양자 구형 퍼지 의사결정 프레임워크

문제 정의
지질학적으로 복잡하고 얇은 탄층(특히 두께 0.30 ~ 2.12m 범위)에 적합한 채굴 방법을 선택하는 것은 특히 인도 메갈라야(Meghalaya)와 같은 지역에서 매우 중요한 과제이다. 이러한 지역의 기존 추출 관행(예: 구멍 채굴/rat-hole mining)은 심각한 안전 위험, 자원 손실 및 환경 파괴를 초와한다. 의사결정 과정은 지질학적 특성, 기술적 타당성, 경제적 생존 가능성, 안전성 및 환경적 영향과 같이 서로 상충할 수 있는 다수의 기준을 동시에 평가해야 하는 상황에서 복잡해진다. 기존 방식들은 인간의 평가에 내재된 망설임과 모호함을 충분히 표현하지 못하거나, 고정된 분석 규칙에 의존하지 않고 기준 가중치를 객관적으로 결정하는 데 어려움을 겪는 경우가 많다.

방법론
본 연구는 다차원적 불확실성과 전문가의 주관성을 해결하기 위해 설계된 양자 구형 퍼지 대규모 의사결정(QSF-LSDM) 프레임워크를 제안한다. 방법론은 다음과 같은 구조화된 다단계 과정을 따른다:

양자 구형 퍼지 집합(QSFS) 표현: 전문가의 판단은 진폭(amplitude)과 위상(phase) 정보를 포함하여 기존의 구형 퍼지 집합을 확장한 QSFS를 사용하여 모델링된다. 이를 통해 소속도, 비소속도, 망설임 진폭과 그에 대응하는 위상 매개변수를 동시에 표현함으로써, 불확실한 정보를 더욱 풍부하게 묘-사할 수 있다.
황금 분할(Golden Cut) 메커니즘: 매개변수 선택의 주관성을 줄이기 위해 황금비( $\approx 1.618$ )에 기반한 황금 분할 절차를 사용한다. 이 메커니즘은 초기 언어적 평가(예: "매우 높음", "낮음")로부터 비소속도, 망설임 및 위상 매개변수를 체계적으로 도출하여 임의적인 스케일링 선택을 제거한다.
합의 기반 전문가 가중치(CBEW): 모든 전문가를 동일하게 취급하는 대신, 본 프레임워크는 의사결정 그룹 간의 일치도(합의)를 기반으로 전문가 가중치를 계산한다. 개별 결정 행렬 간의 유사도 측정을 통해 집단 의견과 더 밀접하게 일치하는 평가에 더 높은 가 가중치를 부여함으로써 개별 전문가의 중요도를 결정한다.
QSFWBM을 통한 집계: 개별 전문가의 평가는 양자 구형 퍼지 가중 보네로니 평균(QSFWBM) 연산자를 사용하여 집계된다. 표준 산술 또는 기하 평균과 달리, 이 연산자는 정보 융합 과정에서 기준과 전문가 의견 사이의 비선형적 쌍별 상호작용 및 의존성을 명시적으로 포착한다.
ACO를 통한 객관적 기준 가중치 결정: 기준 가중치 결정의 주관적 편향을 피하기 위해, 본 연구는 기준 가중치 결정을 연속 최적화 문제로 정식화한다. 연속 개미 군집 최적화(ACO) 알고리즘을 사용하여 후보 대안들 사이의 전체적인 쌍별 점수 편차를 최대화하는 최적 가중치 벡터를 탐색하며, 이를 통해 결정 행렬 자체의 변별력으로부터 직접 가중치를 도출한다.
ARTASI를 통한 순위 결정: 최종 순위는 **적응형 표준화 구간 기반 대안 순위 결정 기술(ARTASI)**을 사용하여 확립된다. 이 방법은 다양한 이득(benefit) 및 비용(cost) 속성을 상대적 배치를 유지하면서 통일된 표준화 구간으로 변환한다. 또한 이상적(ideal) 및 반이상적(anti-ideal) 조건으로부터의 거리를 평가하여 효용 지수를 산출한다.

주요 기여
본 논문은 다기준 의사결정(MCDM) 및 광업 공학 분야에 대한 여섯 가지 주요 기여를 설명한다:

프레임워크 개발: QSFS를 위상 매개변수와 결합하고 체계적인 매개변수 구축을 위한 황금 분할 메커니즘을 통합함으로써, 복잡한 인지적 불확실성과 인간의 망설임을 모델링하는 QSF-LSDM 프레임워크를 구축하였다.
객관적 전문가 가중치: 집단 합의 수준에 따라 가중치를 할당하는 합의 기반 전문가 가중치(CBEW) 모델을 도입하여, 개별 편향이 집단 평가를 왜곡하는 것을 방지하였다.
상호작용 인식 집계: 기준 및 전문가 의견 간의 상호 관계를 포착하기 위해 QSFWBM 연산자를 적용하여, 기존의 집계 방식에 존재하는 독립성 가정을 넘어섰다.
최적화 기반 가중치 결정: 고정된 분석 규칙에 의존하지 않고 점수 변별력을 최대화하도록 ACO를 통해 기준 가중치 결정을 연속 최적화 문제로 정식화하였다.
적응형 순위 결정: 적응형 표준화를 통해 이득 및 비용 기준을 일관되게 처리하는 유연한 순위 결정 프레임워크인 ARTASI를 활용하였다.
실무적 검증: 12개의 다양한 기준에 대해 12개의 채굴 방법( $M_1$ ~ $M_{12}$ )을 평가하기 위해 메갈라야의 실제 사례 연구에 프레임워크를 적용하였으며, 비과학적 추출에서 지속 가능한 채굴 방식으로의 전환을 지원하였다.

결과
프레임워크는 12개의 기준에 걸쳐 12개의 채굴 방법( $M_1$ ~ $M_{12}$ )을 평가하는 데 적용되었다. Python 3.11을 사용한 계산 구현 결과는 다음과 같다:

최고 순위 방법: **자동 3D 궤적 셰러 마이닝( $M_{10}$ )**이 효용 지수( $\Omega$ ) 0.674로 가장 높은 순위의 대안으로 선정되었다.
후속 순위: 이어 **셰러 기반 박층 롱월 마이닝( $M_5$ , $\Omega = 0.662$ )**과 **연속 채굴기 보드 앤 필러 마이닝( $M_3$ , $\Omega = 0.632$ )**이 뒤를 이었다.
최저 순위: **오거 마이닝( $M_7$ )**과 **스톱 앤 필러 마이닝( $M_9$ )**이 가장 낮은 효용 값을 받았다.
기준 중요도: ACO 기반 가중치 결정 결과, **기계화 잠재력( $C_{11}$ )**이 가장 영향력 있는 기준( $w_{11} = 0.529$ )으로 나타났으며, 이어 탄층 기하학적 구조 및 연속성( $C_4$ ), 탄층 깊이( $C_3$ ), 석탄 회수율( $C_{10}$ ) 순이었다.
강건성: 몬테카를로 시뮬레이션 및 COMSAM 섭동(perturbation)을 통한 민감도 분석 결과, 기준 가중치와 입력 데이터의 변화에도 상위 대안들의 순위가 매우 안정적임을 입증하였다.
비교 분석: QSF-ARTASI 결과는 EDAS 및 MARCOS 방법과 완벽한 일치(Spearman 상관계수 1.000)를 보였으며, TOPSIS와는 강한 일치를 보였다. VIKOR와의 경우, 결정 정보 처리 방식의 방법론적 차이로 인해 유의미한 차이가 관찰되었다.

의의 및 주장
본 논문은 제안된 QSF-LSDM 프레임워크가 지질학적으로 복잡한 박층 탄층에 대한 채굴 방법을 평가하는 데 있어 체계적이고 과학적인 근거를 제공한다고 주장한다. 양자 영감을 받은 퍼지 로직을 최적화 및 합의 메커니즘과 통합함으로써, 본 프레임워크는 전문가 평가에 내재된 불확실성과 망설임을 효과적으로 처리하는 동시에 매개변수 및 가중치 선택의 주관적 편향을 최소화한다.

본 연구는 결과가 모든 채굴 조건에 대한 보편적인 권고 사항이 아니라, 메갈라야의 얇은 탄층이라는 특정 지질적, 기술적, 운영적 맥락에 맞춤화된 의사결정 지원 결과임을 명시한다. 주요 의의는 비과학적인 추출 관행에 대한 구조적인 대안을 제시함으로써 더 안전하고 규제된 지속 가능한 채굴 작업으로의 전환을 지원하는 데 있다. 저자들은 본 프레임워크가 가장 적합한 방법을 식별하지만, 실제 구현을 위해서는 추가적인 현장 중심의 지질 조사, 공학적 검증, 안전 평가 및 규제 승인이 필요함을 강조한다.

유사한 논문