서 론
연구방법
문헌 검색 및 선택
ICT 기술 수준 분류
연구결과
출판 연도에 따른 IoT 기술 적용 논문 현황
ICT 기술 수준에 따른 IoT 기술 적용 논문 현황
IoT 기술 적용 연구의 적용 분야별 센싱 기술 현황
결 론
서 론
광산업은 전통적으로 위험하고 노동 집약적인 산업으로(Tripathy and Ala, 2018) 높은 초기 투자 비용(Nourali and Osanloo, 2020), 원자재 가격 변동성(Tilton and Guzman, 2016), 극한의 채굴 조건(Li and Zhan, 2018), 지질학적 불확실성(Adhikary and Guo, 2014), 지정학적 위기(Spitz and Trudinger, 2019) 등 복합적인 문제에 직면해 있다. 이러한 문제를 해결하기 위해 광산업계에서는 사물인터넷(Internet of Things, IoT), 인공지능(Artificial Intelligence, AI) 등 다양한 첨단 기술을 현장에 도입하는 스마트마이닝이 주목받고 있다. 스마트마이닝은 광물 산업의 디지털 전환을 이끄는 핵심 기술로 자동화, 지능화, 자율화를 통해 안전성, 효율성, 지속 가능성을 향상시키는 것을 목표로 한다(Choi, 2023).
사물인터넷이라는 용어는 1999년 Procter & Gamble 회사 발표에서 처음 사용되었으며(Ogórek and Zaskórski, 2018), 다양한 정의를 포함하는 광범위한 개념이다. Kim(2016)은 사물인터넷을 사람의 개입 없이 사물 간의 자동적 통신과 상호작용을 가능하게 하는 기술로 정의하며, 이를 통해 다양한 산업 분야에서 스마트 서비스 제공이 가능하고 디지털 트윈의 핵심 기술로 간주된다고 설명한다. 사물인터넷의 주요 구성요소는 크게 정보를 수집하는 센서 기술, 네트워크를 구성하는 통신 기술, 정보를 저장·변환·처리하는 데이터 처리 기술로 나눌 수 있다. 사물인터넷 플랫폼을 활용하면 사용자는 실시간으로 데이터를 모니터링하고, 사물이 인터넷과 연결되어 언제 어디서든 장치를 제어할 수 있다. 또한, 다양한 센서 기술을 통해 정확한 데이터 기반 의사결정을 지원받을 수 있다.
해외 연구 사례를 살펴보면, Dey et al.(2021)은 지하 광산 작업자의 안전성과 생산성 향상을 위해 인공지능과 IoT 시스템을 결합한 예측 모델을 개발하였다. Porselvi et al. (2021)은 광산 작업자의 건강 상태 및 주변 환경 인자를 실시간으로 모니터링하고 위험 상황 발생 시 경보를 통해 작업자의 안전을 보장하는 시스템을 개발하였다. Ali et al. (2022)은 지하 광산의 온도, 습도, 유해 가스 농도 등 환경 모니터링을 위한 동적 센서 정보 제어 시스템을 제안하였다. Zhang et al.(2023)은 지하 광산에 도입된 기존 IoT 기반 안전 모니터링 시스템에 분산 지능 최적화를 통한 안전 모니터링 솔루션을 제안하였다. Zhang et al.(2025)은 지하 석탄 광산에 IoT 시스템을 적용하여 고정밀 계산을 통한 효율적인 이미지 처리로 작업자의 동작과 사물을 감지하고 안전을 보장하는 시스템을 개발하고 검증하였다.
광산에 적용되는 IoT 시스템의 기술 트렌드를 분석하고 효율적인 도입 방안을 모색하기 위해 다양한 광산 IoT 시스템 사례 분석 연구가 수행되었다. Gackowiec and Podobińska-Staniec(2021)는 광업 회사에 적용된 IoT 솔루션을 데이터 시각화, 상호 운용성, 인공지능 또는 머신러닝 알고리즘 구현, 원격 장치 관리 및 클라우드 기반 기술을 기준으로 평가하였다. Duarte et al.(2022)는 광산에 적용된 IoT 센싱 기술 관련 논문들을 프로토타입, 개념 제시, 구현됨의 세 가지 실행 단계로 구분하여 체계적으로 검토하고 메타분석을 수행하였다. Molaei et al.(2020)은 광산업 IoT 시스템의 주요 도전 과제를 조사하고, 무선 센서 네트워크 및 글로벌 데이터 관리 도입과 같은 기술을 고려하여 탐사, 운영, 안전 등 다양한 광업 분야에 적합한 포괄적 모델 개발을 위한 권장 사항을 제시하였다. Naik et al.(2024b)는 지하 광산에 적용된 IoT 시스템을 방법론 및 센서 설치 구조에 따라 분석하였으며, 지하 광산에 IoT를 적용하기 위한 무선 센서 네트워크 기술인 Zigbee와 LoRa(Long Range)를 평가하였다. Aziz et al.(2020)는 광산 산업에 적용되는 산업용 사물인터넷을 표준 지침에 따라 분석하고, 스마트마이닝 실현을 위한 광산 산업에 적합한 고수준 산업용 사물인터넷 모델을 종합하여 제시하였다.
이처럼 광산업에서 안전성과 효율성을 높이기 위해 사물인터넷을 활용한 다양한 연구가 활발히 진행되어 왔다(Gackowiec and Podobińska-Staniec, 2021). 이러한 기술들을 적용할 때 광산의 규모를 파악하고 현장의 특성을 파악하는 것은 중요하다. Maus et al.(2020)는 글로벌 광산 면적을 폴리곤 형식으로 구축하여 국가별 광산 규모와 특성을 비교하고 구분하였다. 중소규모 광산은 대규모 광산에 비해 자본과 기술력이 부족하여 제한된 예산 내에서 효율적인 디지털 전환 전략 수립이 필수적이다. 또한, 중소규모 광산에 기존 장비와의 호환 문제와 낮은 ICT(Information and Communications Technology) 인프라로 인해 현장 맞춤형 데이터 수집 및 분석이 요구된다. 대규모 광산에 비해 디지털 전환이 미흡한 중소규모 광산에서는 운영 인력의 디지털 역량 또한 부족하므로, 스마트마이닝 도입 시 운영 인력의 개입이 최소화된 시스템 도입이 필요한 실정이다. 이를 위해서는 광산에 적용된 IoT 시스템을 ICT 기술 수준(Level, Lv)에 따라 분류하고, 수준별로 적용 사례를 분석할 필요가 있다.
본 연구에서는 중소규모 광산의 제한된 자본과 낮은 ICT 인프라 환경에서 스마트마이닝 도입을 지원하고자, 광산 현장에 적용된 IoT 기술의 최신 연구 동향을 체계적으로 분석하였다. 광산 현장에 적용된 IoT 기술의 ICT 기술 수준을 5단계(점검, 실시간 모니터링, 실시간 제어, 최적화, 자율화)로 정의하고, 광산 유형, 적용 분야, 무선 통신 기술, 센서 네트워크, 데이터 처리 기법 등에 따라 분류 및 분석하였다. 이를 통해 중소규모 광산의 디지털 자료 교환 및 실시간 데이터 공유 체계 설계를 위한 기초 자료를 확보하고자 한다.
연구방법
문헌 검색 및 선택
본 연구의 문헌 수집은 체계적 문헌 고찰 및 메타분석을 위한 PRISMA(Preferred Reporting Items for Systematic Reviews and Metaanalyses) 가이드라인(Page et al., 2021)에 따라 수행되었다. 첫 번째 단계에서는 검색을 위한 적절한 키워드와 데이터베이스를 선정하였다. 데이터베이스는 Web of Science, Scopus, Google Scholar를 활용하였다. 초기 검색에서는 ‘사물인터넷(Internet of Things)’ 키워드를 사용하여 총 233편의 논문을 검색하였다. 이후 ‘무선 통신 기술(Wireless Communication Technology)’, ‘센서 네트워크(Sensor Network)’, ‘노천 광산(Surface Mine)’, ‘지하 광산(Underground Mine)’ 등의 추가 키워드를 활용하여 검색을 정교화하였고, 그 결과 총 103편의 논문을 1차 선정하였다. 두 번째 단계에서는 1차 선정된 103편의 논문을 대상으로 제목과 초록을 검토하여 연구 대상, 방법, 도구가 명확히 명시되지 않은 논문들을 제외하였다. 이 과정을 통해 총 45편의 논문을 2차 선정하였다. 마지막으로 2차 선정된 45편의 논문 중 저자나 저널 문제 등으로 인해 Full-text 확보가 불가능한 5편을 제외하고, 최종적으로 40편의 참고문헌을 확보하여 사례 분석을 진행하였다. Fig. 1은 문헌 선정 과정의 흐름도를 보여준다.
ICT 기술 수준 분류
문헌 선정에서 확보한 40편의 논문에서 사용된 ICT 기술 수준을 체계적으로 분석하고자, ICT 기술 수준을 Fig. 2와 같이 Lv1부터 Lv5(점검, 실시간 모니터링, 실시간 제어, 최적화, 자율화)까지 총 5단계로 분류하였다. ICT 기술 수준의 분류는 2016년에 제정된 국가표준인 스마트 공장 진단평가모델(Korean Agency for Technology and Standard, 2016)의 내용을 참고하였다. 각 수준은 다음과 같다.
Lv1(점검): 현장에서 수집되는 데이터를 실시간이 아닌 특정 주기로 수집하여 점검 및 유지보수에 활용하는 경우에 해당한다.
Lv2(실시간 모니터링): 현장에서 데이터를 실시간으로 수집 및 저장하는 실시간 모니터링 시스템을 구현한 경우에 해당한다.
Lv3(실시간 제어): 현장에서 실시간으로 수집되는 데이터를 기반으로 현장을 제어하는 시스템까지 구현한 경우에 해당한다.
Lv4(최적화): AI 기반 데이터 분석 및 예측 시스템을 개발하고 현장에 맞게 최적화하여 검증한 경우에 해당한다.
Lv5(자율화): 현장에서 발생하는 각종 이벤트를 AI가 판단하여 처리하고 자율주행 장비를 운영하는 등 사람의 개입이 필요 없는 시스템을 개발하는 수준이다.
각 수준에 포함된 논문들은 데이터 처리 방식, 연구 목적, 무선 통신 종류에 따라 체계적으로 분석하였다. 단, 현재까지 Lv5(자율화) 수준에 해당하는 논문은 없었다.
연구결과
출판 연도에 따른 IoT 기술 적용 논문 현황
연도별 연구 트렌드를 분석하고자 광산 유형을 지하 광산과 노천 광산으로 구분하고, 연도별 논문 출판 수를 Fig. 3과 같이 제시하였다. 총 40건의 연구 중 35건으로 대다수의 연구가 지하 광산에 집중되어 있었다. 이는 지하 광산 환경이 안전 및 환경 모니터링 측면에서 더 많은 도전 과제를 안고 있으며 관련 기술 도입의 필요성이 높기 때문으로 판단된다. 노천 광산에서 수행된 IoT 기술 적용 연구는 총 5건으로, 2003년을 시작으로 2012년, 2016년, 2021년, 2024년, 2025년에 각각 1건씩 발표되었다. 지하 광산에서 수행된 IoT 기술 적용 연구는 2010년에 시작되었으며, 초기 4년간(2010~2014)은 연평균 1.2건으로 연구 건수가 적었다. 이후 2016년을 기점으로 2023년까지 8년간 연평균 3.25건으로 두 배 이상 증가하는 추세를 보였다. 특히 2021년에는 5건으로 가장 많은 연구가 진행되었다.
ICT 기술 수준에 따른 IoT 기술 적용 논문 현황
본 연구에서는 IoT 기술 적용 논문들에 사용된 ICT 기술 수준을 체계적으로 분석하고자, 앞서 정의한 Lv1부터 Lv5까지의 기술 수준을 기준으로 논문들을 분류하고 분석하였다. Fig. 4는 이러한 ICT 기술 수준에 따른 연구 트렌드를 보여주며, 각 수준에 포함된 논문 수를 연도별 누적 그래프로 나타낸 것이다. 각 수준별 포함된 논문 수는 다음과 같다.
Lv1 점검 수준에는 광산 현장 데이터를 실시간이 아닌 특정 주기로 수집하여 점검 및 유지보수에 활용하는 시스템을 개발 및 검증한 연구 14편이 포함되었다.
Lv2 실시간 모니터링 수준에는 다양한 현장 데이터를 실시간으로 수집하는 시스템을 개발 및 현장 검증한 연구 11편이 포함되었다.
Lv3 실시간 제어 수준에는 실시간으로 수집되는 현장 데이터를 기반으로 현장을 제어하는 시스템을 개발 및 검증한 연구 7편이 포함되었다.
Lv4 최적화 수준에는 AI 학습 모델이나 이벤트 기반 메커니즘을 통해 현장 최적화 솔루션을 제공하는 시스템을 개발 및 검증한 연구 8편이 포함되었다.
현재까지는 Lv1~Lv2와 같은 낮은 수준의 연구가 다수를 차지하지만, Lv3~Lv4와 같은 고도화된 연구들이 최근 10년간 꾸준히 증가하며 점진적인 발전 추세를 보이고 있다. 향후에는 더 많은 문헌들을 조사하여 정확한 연구 동향을 파악할 필요가 있다.
각 ICT 기술 수준에 포함된 논문들의 기술 트렌드를 분석하기 위해 광산 유형, 사용된 무선 통신 종류, 연구 목적, 데이터 처리 방식에 따라 분류 및 분석을 수행하였다. Fig. 5는 Lv1 점검 수준에 속한 논문들의 ICT 기술 트렌드를 보여준다. Lv1에 해당하는 논문들의 분석 결과는 다음과 같다. 데이터 처리 방식은 엣지 컴퓨팅 8건, 클라우드 컴퓨팅 6건이 사용되었다. 광산 유형별로는 지하 광산 관련 연구가 13건, 노천 광산 관련 연구가 1건으로, 대부분 지하 광산 환경에 중점을 둔 연구가 수행되었다. 연구 목적은 가스 감지, 환경 모니터링, 작업자 안전 연구가 각각 6건으로 가장 많았으며, 장비 점검 연구는 1건이었다. 사용된 무선 통신 종류는 Wi-Fi가 6건으로 가장 빈번하게 사용되었고, LoRa 5건, Zigbee 3건, RFID(Radio-Frequency Identification) 2건 순으로 나타났다. 또한, 사용된 무선 통신 종류가 명확히 제시되지 않은 경우도 2건 존재하였다. 낮은 ICT 기술 수준인 Lv1 연구에서는 사용된 무선 통신 종류가 명시되지 않은 경우가 상당수 확인되었으며, 데이터 처리 방식으로는 엣지 컴퓨팅 방식이 상대적으로 선호되는 경향을 보였다.
다음은 Lv1 점검 수준에 속한 논문들의 주요 사례이다. Atkins et al.(2010)은 사물인터넷을 활용하여 지하 석탄 광산의 레일 점검 및 고장 진단 시스템을 개발하였다. 개발된 시스템의 개요는 Fig. 6에 제시되어 있다. Weiqi et al. (2021)은 지하 광산의 안전성 향상을 위해 사물인터넷과 클라우드 컴퓨팅 기술을 융합한 안전 점검 시스템을 제안하였으며, 해당 시스템의 개요는 Fig. 7에 제시되어 있다. Divakar and Cephas(2025)는 라즈베리파이를 이용하여 광산 현장의 다양한 센서값을 수집하고 광산 작업자의 안전을 점검 및 진단하는 시스템을 개발하였다. Behr et al. (2016)은 광산 작업자의 안전모에 IoT 시스템을 적용하여 작업자의 안전 상태를 점검하는 시스템을 개발한 바 있다. Joel et al.(2023)은 MQTT(Message Queuing Telemetry Tranport) 통신을 활용하여 환경 인자 값을 수집하고 안전을 점검하는 시스템을 개발하였다. Anas et al.(2017)과 Dohare et al.(2016)은 지하 광산에서 Zigbee 통신을 사용하여 환경 모니터링 시스템을 개발하였다. Suganthi et al. (2021)은 LoRa 통신을 활용하여 지하 광산의 공기질, 환기 시스템, 천반 등을 점검하는 시스템을 개발하였으며, Branch et al.(2020)은 LoRa 통신과 RFID 통신을 사용하여 작업자의 안전을 점검하는 시스템을 개발하였다.
Fig. 6.
Lv1 Inspection stage case: Applications of RFID and mobile technology in tracking equipment for maintenance in the mining industry (Atkins et al., 2010).
Fig. 7.
Lv1 Inspection stage case: Design of mine safety dynamic diagnosis system based on cloud computing and IoT technology (Weiqi et al., 2021).
Fig. 8은 Lv2 실시간 모니터링 수준에 속한 논문들의 ICT 기술 트렌드를 보여준다. Lv2에 해당하는 논문들의 분석 결과는 다음과 같다. 데이터 처리 방식은 엣지 컴퓨팅 방식이 2건, 클라우드 컴퓨팅 방식이 9건으로 클라우드 컴퓨팅 방식이 더 선호되었다. 광산 유형별로는 지하 광산 관련 연구가 9건, 노천 광산 관련 연구가 2건으로, 대부분 지하 광산 환경에 대한 연구가 수행되었다. 연구 목적은 환경 모니터링과 가스 감지 연구가 각각 6건으로 가장 많았으며, 작업자 안전, 천반 모니터링, 차량 모니터링, 장비 점검, 광미 댐 모니터링 연구가 각각 1건씩 진행되어 가장 다양한 연구 목적을 포함하는 수준으로 나타났다. 사용된 무선 통신 종류는 Zigbee가 6건으로 가장 빈번하게 사용되었고, Wi-Fi 5건, RFID 2건, Bluetooth 및 LoRa가 각각 1건씩 사용되었다.
다음은 Lv2 실시간 모니터링 수준에 속한 논문들의 주요 사례이다. Ziętek et al.(2020)은 지하 광산에서 유해가스, 온도, 습도 등의 정보를 실시간으로 모니터링하고 클라우드 서버로 전송하여 애플리케이션에서 저장하고 확인할 수 있는 IoT 기반 시스템을 개발 및 검증하였다. 해당 시스템의 개요는 Fig. 9에 제시되어 있다. Wang et al.(2019)은 지하 광산의 goaf 지역 동적 스트레스 변화를 실시간으로 모니터링하고 이를 시각화하여 사고를 예방하는 연구를 수행하였다. 해당 사례는 Fig. 10에 제시되어 있다. Bo et al.(2014)은 지하 석탄 광산에 카메라 및 다양한 센서들을 Zigbee 통신과 CANbus 통신을 통해 모니터링 센터로 전송하고 Wi-Fi를 통해 클라우드 서버로 보내 원격으로 실시간 모니터링하는 시스템을 개발하였다. 해당 시스템의 개요는 Fig. 11에 제시되어 있다. Sun et al.(2012)은 노천 광산에서 광미 댐의 날씨, 수압 등의 환경 정보를 실시간으로 모니터링하는 연구를 수행하였다. 해당 사례는 Fig. 12에 제시되어 있다. Jha and Tukkaraja(2020)는 지하 광산의 대기질 정보를 모니터링하고 Arcgis 툴을 통해 광산 맵 위에 실시간으로 업데이트하는 시스템을 개발하였다. Nieto and Dagdelen(2003)은 노천 광산에서 트럭의 실시간 위치를 GPS 센서를 사용하여 수집하는 연구를 수행하였다. Osunmakinde(2013)는 지하 광산에 고정형 센싱 모듈 노드와 로봇에 부착된 동적 센싱 모듈 노드를 이용하여 가스 누출 및 폭발 사고를 실시간으로 모니터링하는 연구를 진행하였다.
Fig. 9.
Lv2 Real-time monitoring stage case: A portable environmental data-monitoring system for air hazard evaluation in deep underground mines (Ziętek et al., 2020).
Fig. 10.
Lv2 Real-time monitoring stage case: Development and application of a goaf-safety monitoring system using multi-sensor information fusion (Wang et al., 2019).
Fig. 11.
Lv2 Real-time monitoring stage case: Web of things-based remote monitoring system for coal mine safety using wireless sensor network (Bo et al., 2014).
Fig. 12.
Lv2 Real-time monitoring stage case: The internet of things (IOT) and cloud computing (CC) based tailings dam monitoring and pre-alarm system in mines (Sun et al., 2012).
Fig. 13은 Lv3 실시간 제어 수준에 속한 논문들의 ICT 기술 트렌드를 보여준다. Lv3에 해당하는 논문들의 분석 결과는 다음과 같다. 데이터 처리 방식은 분석 대상 7건 모두 클라우드 컴퓨팅 방식을 사용하였다. 광산 유형별로는 지하 광산 관련 연구가 6건, 노천 광산 관련 연구가 1건으로, 대부분 지하 광산 환경에 대한 연구가 수행되었다. 연구 목적은 작업자 안전 연구가 5건으로 가장 많았으며, 가스 감지 연구 4건, 환경 모니터링 및 차량 모니터링 연구가 각각 1건씩 진행되었다. 사용된 무선 통신 종류는 Wi-Fi가 4건으로 가장 빈번하게 사용되었고, Bluetooth 3건, Zigbee 및 ESPNOW 통신이 각각 1건씩 사용되었다.
다음은 Lv3 실시간 제어 수준에 속한 논문들의 주요 사례이다. Moridi et al.(2018)은 지하 광산에서 Zigbee 노드를 20m 간격으로 설치하여 환기팬 근처의 가스 농도, 온도, 습도 데이터를 수집 및 분석하고 클라우드 서버에서 환기팬을 직접 제어하는 시스템을 개발하였다. 해당 시스템의 개요는 Fig. 14에 제시되어 있다. Jiang et al.(2024)은 지하 광산 작업자의 건강 상태, 피로도, 주변 환경 인자 값을 실시간으로 모니터링 및 시각화하고, 위험 상황 발생 시 원격으로 관리자에게 작업자의 위치 정보를 전송하여 안전을 보장하는 시스템을 개발하였다. 해당 사례는 Fig. 15에 제시되어 있다. Bhattacharjee et al.(2012)는 석탄 광산에서 실시간으로 화재를 감지하고 조기에 경보를 발령하는 시스템을 개발하였다. Zhou et al.(2017)은 피츠버그에 위치한 NIOSH 실험 광산에서 ESP8266 보드를 활용하여 광산 환경 정보를 수집하고 피난처의 문 열림을 감지하며, 위험 상황 발생 시 경보 비콘을 통해 위험 경보를 제공하는 시스템을 개발하였다. Singh et al.(2022)와 Lalitha et al.(2023)은 스마트 헬멧을 개발하여 작업자의 건강 상태를 모니터링하고 위험 상황 발생 시 구조 신호를 전송하는 시스템을 개발하였다.
Fig. 14.
Lv3 Real-time control stage case: Development of wireless sensor networks for underground communication and monitoring systems (the cases of underground mine environments) (Moridi et al., 2018).
Fig. 15.
Lv3 Real-time control stage case: Real-time monitoring of underground miners’ status based on mine IoT System (Jiang et al., 2024).
Fig. 16은 Lv4 최적화 수준에 속한 논문들의 ICT 기술 트렌드를 보여준다. Lv4에 해당하는 논문들의 분석 결과는 다음과 같다. 데이터 처리 방식은 분석 대상 8건 모두 클라우드 컴퓨팅 방식을 사용하였다. 광산 유형별로는 지하 광산 관련 연구가 7건, 노천 광산 관련 연구가 1건으로, 대부분 지하 광산 환경에 대한 연구가 수행되었다. 연구 목적은 작업자 안전 연구가 5건으로 가장 많았으며, 가스 감지 연구 3건, 환경 모니터링 연구 2건, 차량 모니터링 연구 1건이 진행되었다. 사용된 무선 통신 종류는 Wi-Fi가 6건으로 가장 빈번하게 사용되었고, ESPNOW 통신 2건, Zigbee, LoRa, RFID, Bluetooth가 각각 1건씩 사용되었다. ICT 기술 수준이 고도화될수록 데이터 처리 기법은 클라우드 컴퓨팅 방식이 선호되었으며, 이를 지원하는 무선 통신 방식이 채택되는 경향을 보였다.
다음은 Lv4 최적화 수준에 속한 논문들의 주요 사례이다. Zhang et al.(2022)은 지하 광산에 도입되는 자동화 장비에 IoT 센서를 내장하여 장비 상태 및 결함을 실시간으로 수집하고, 이벤트 기반 메커니즘을 통해 분석하여 결함 발생 시 여분 부품 검색 등의 솔루션을 제공하는 시스템을 개발하였다. 해당 시스템의 개요는 Fig. 17에 제시되어 있다. Aguirre-Jofré et al.(2021)은 노천 광산에서 트럭과 로더의 실시간 위치를 대시보드에 모니터링하고 이동 경로를 클라우드 서버에 저장하며, 사이클 횟수 및 생산 정보를 수집 및 분석하여 최적화하는 시스템을 개발하였다. 해당 사례는 Fig. 18에 제시되어 있다. Kumari et al.(2021)은 지하 광산 밀폐 공간의 공기질 정보를 수집 및 분석하여 화재를 미리 예측하고 조기에 경보를 발령하는 최적화 시스템을 개발하였다. 해당 사례는 Fig. 19에 제시되어 있다. Naik et al.(2024a)는 실시간으로 지하 광산의 각종 유해가스 농도를 측정하고 갱도 레벨별로 클라우드에 업로드하여 애플리케이션에서 분석하고 위험 상황을 조기에 예측하여 위험 경보를 제공하는 시스템을 개발하였다. Adjiski et al. (2019)는 지하 광산 작업자들의 혈액 내 카복시헤모글로빈(COHb) 수치를 예측하는 시스템을 개발하여 작업자의 안전 한계를 경고하는 연구를 수행하였다.
Fig. 17.
Lv4 Optimization stage case: Industrial internet of things-enabled monitoring and maintenance mechanism for fully mechanized mining equipment (Zhang et al., 2022).
Fig. 18.
Lv4 Optimization stage case: Low-cost internet of things (IoT) for monitoring and optimising mining small-scale trucks and surface mining shovels (Aguirre-Jofré et al., 2021).
Fig. 19.
Lv4 Optimization stage case: UMAP (uniform manifold approximation and projection) and LSTM (long short-term memory) based fre status and explosibility prediction for sealed-of area in underground coal mine (Kumari et al., 2021).
IoT 기술 적용 연구의 적용 분야별 센싱 기술 현황
광산에서 IoT 기술이 적용되는 분야별 센싱 기술 트렌드를 분석하고자, 적용 분야를 환경 모니터링, 차량 모니터링, 작업자 안전, 장비 점검, 광미 댐 모니터링 등 5개의 세부 분야로 구분하였다. 각 세부 분야별로 ICT 수준에 따른 논문 수와 사용된 센서의 종류 및 개수를 분석하였다. Fig. 20은 세부 분야별 출판된 논문 수를 ICT 수준별로 보여준다. 세부 분야별 연구 동향은 다음과 같다.
환경 모니터링: 광산 환경의 유해 가스, 온도, 습도 등 환경 인자 값을 모니터링하는 분야로, Lv1 점검 연구가 6건, Lv2 실시간 모니터링 연구가 7건, Lv3 실시간 제어 연구가 1건, Lv4 최적화 연구가 3건 확인되어 모든 수준에 걸쳐 연구가 활발히 진행되고 있음을 알 수 있었다.
작업자 안전: 작업자 주변의 위험 상황 감지, 건강 상태 모니터링 등 작업자의 안전을 보장하기 위한 연구 분야이다. Lv1 점검 연구가 8건, Lv2 실시간 모니터링 연구가 1건, Lv3 실시간 제어 연구가 5건, Lv4 최적화 연구가 4건 진행되었으며, 특히 고도화된 연구(Lv3, Lv4)가 가장 많이 수행된 분야로 나타났다. 모든 수준에서 활발한 연구가 이루어지고 있었다.
차량 모니터링: 광산 내 트럭이나 로더 등 차량의 위치 추적 및 고장 감지에 관한 연구 분야이다. Lv2 실시간 모니터링 연구가 1건, Lv3 실시간 제어 연구가 1건, Lv4 최적화 연구가 1건 확인되었다.
장비 점검: 광산 내 레일이나 카메라 등 장비들의 고장 감지에 관한 연구 분야이다. Lv1 점검 연구가 1건, Lv2 실시간 모니터링 연구가 1건 진행되었으며, 다른 분야에 비해 상대적으로 낮은 수준의 연구가 주를 이루었다.
광미 댐 모니터링: 댐의 유체 레벨, 압력 센서 등을 활용하여 구조적 무결성과 안전을 보장하는 연구 분야이다. Lv2 실시간 모니터링 연구가 1건 확인되어 다른 분야에 비해 연구 수가 적었다.
Fig. 21은 각 ICT 수준별로 사용된 센서의 종류와 개수를 보여준다. 모든 수준에서 가스 센서(31회), 온도 센서(25회), 습도 센서(19회)가 공통적으로 빈번하게 사용되었다. Lv1 수준에서는 가장 다양한 종류의 센서가 사용되어 센서 다양성이 가장 높게 나타났다(Chehri et al., 2011; Zhang et al., 2014). 반면, Lv3과 Lv4 수준에서는 환경 인자 값을 감지하는 센서들이 주로 사용되는 경향을 보였다(Tripathi et al., 2024; Jo and Khan, 2018; Wu et al., 2019; Zhang et al., 2018). Lv2 수준에서는 GPS 센서가 모든 수준 중 가장 많이 사용되었으며, 그 외에도 지질 센서, 구조 스트레스 계측 관련 센서들이 활용되었다(Mishra et al., 2019; Reddy et al., 2022).
결 론
본 연구는 중소규모 광산의 디지털 전환을 위한 IoT 기술 적용 논문 사례들을 광산 유형, 적용 분야, 사용된 센서 네트워크, 무선 통신 종류, 데이터 처리 기법 등을 기준으로 체계적으로 분석하였다. 또한, 연구에 사용된 ICT 기술 수준을 정량적으로 평가하고자 ICT 기술 수준을 5단계로 정의하고 이에 따라 논문들을 분류 및 분석하였다. 분석 결과, Lv1~Lv2 수준에서는 데이터 처리 기법으로 엣지 컴퓨팅 방식이 선호되었으며, Lv3~Lv4 수준에서는 클라우드 컴퓨팅 방식이 선호되는 경향을 보였다. 무선 통신 방식의 경우, Lv1 수준에서는 Wi-Fi, Lv2 수준에서는 Zigbee, Lv3~Lv4 수준에서는 Wi-Fi가 가장 빈번하게 사용되었다. 연구 분야별로는 환경 모니터링 분야와 작업자 안전 분야가 각각 24편, 22편으로 가장 활발히 연구되었으며, 사용된 센서는 가스, 온도, 습도, 먼지 등 광산 내 위험 조건 모니터링을 위한 센서들이 주로 활용되었다. 이러한 분석은 중소규모 광산과 같이 제한된 자본과 낮은 ICT 인프라 환경에서도 다양한 IoT 기술 적용이 가능하며, 현장에 필요한 적용 분야, 센서 네트워크, 무선 통신 방식, 데이터 처리 기법 등을 적절히 선택함으로써 효율성과 안전성을 향상시킬 수 있음을 시사한다. 본 연구는 광산 현장에 적용된 다양한 IoT 기술 사례들을 수집 및 분석하였으며, 디지털 자료 교환 및 실시간 데이터 공유 체계 구축을 목표로 한 IoT 기반 스마트마이닝 설계를 위한 참고 자료로 활용될 수 있다.
향후에는 AI 기반 예측 기술과 클라우드 연동 플랫폼을 통합한 스마트마이닝 기술의 고도화가 기대되며, 이는 광산의 실시간 데이터 분석, 사고 예방, 자원 효율성 극대화 측면에서 생산성과 안전성을 크게 향상시킬 수 있을 것으로 전망된다. 스마트마이닝 기술은 단순한 자동화를 넘어 자율적인 의사결정과 위험 대응 능력을 갖춘 시스템 설계로 나아가야 하며, 이를 위해 다양한 환경에서의 IoT 기술 적용 사례를 체계적으로 분석하고, 예측 모델의 정확성을 높이기 위한 AI 알고리즘 고도화, 에너지 소비와 비용 절감을 동시에 달성할 수 있는 통신 기술 개발 등이 필요하다.
스마트마이닝 기술의 효과적인 보급과 지속가능한 확산을 위해 정부와 광산 기업 간의 협력 강화가 필수적이다. 정책적 지원뿐 아니라 공동 연구개발(R&D), 산업 표준 마련, 실증 테스트베드 구축 등 다방면의 협업이 필요하며, 이러한 기반 위에서 AI와 자동화 장비 간의 유기적인 융합을 통해 광산 운영의 전 과정을 디지털화·지능화할 수 있다. 이는 향후 광산업의 경쟁력 향상과 안전한 작업 환경 조성, 나아가 지속가능한 산업 생태계 구축에 기여할 수 있을 것이다.
