1. 서 론
2. 재료 및 방법
2.1 내재해형 온실
2.2 구조 신뢰성 해석
2.3 능동학습 기반 온실 신뢰성 해석 프레임워크
2.4 설계 신뢰성 지수 통계 분석 방법
3. 결과 및 고찰
3.1 내재해형 온실 신뢰성 해석 결과
3.2 목표 신뢰성 지수 제안
4. 결 론
1. 서 론
기후변화로 겨울철 적설 사상의 빈도와 강도가 증가하면서 국내 사유시설 피해가 늘고 있으며, 최근 10년간 대설로 인한 사유시설 피해액은 1,008억 원에 이른다. 대표적인 적설 취약 구조물인 단동 비닐 온실의 경우, 이로 인한 피해 면적도 2023년에만 126.94 ha로 보고되었다(MOIS, 2024a). 이에 농림축산식품부는 지역별 30년 빈도 적설심에 안전한 ｢내재해형 시설 규격｣(이하, 시설 규격)을 2007년부터 고시하고 있으며, 구조사무소 검토를 거친 민간 설계도를 심의‧인증하는 ｢내재해형 등록 시설｣(이하, 등록 시설) 제도를 병행해 왔다 (MAFRA, 2007). 농촌진흥청은 2017년 ｢온실구조설계기준(안)｣(이하, 기준(안))을 통해 허용응력설계(Allowable Stress Design, ASD) 기반의 표준 설계 지침을 제시하였고(RDA, 2017), 행정안전부의 풍수해보험에서는 시공 온실의 시설 규격 또는 등록 시설 설계도 준수를 보험금 지급 요건으로 삼고 있다(MOIS, 2024b). 그러나 작물 유형, 포장 면적과 현장 여건 등의 제약으로 비규격 온실이 다수 시공되고, 실제 구조물이 고시 도면을 충족하는지에 대한 판정이 모호하며, 누적된 시설 규격과 등록 시설 설계도 간의 구조 안전성 수준 편차가 존재한다. 이로 인해, 설계도를 중심으로 한 보험 지급과 재해 대응 정책 수립에 한계가 있으며, 표준화된 구조 안전성 평가 체계와 명확한 구조 성능 데이터 마련이 요구된다.
기존의 온실 구조 설계는 설계(안)과 같은 정책 문헌뿐만 아니라, 대부분의 구조해석 연구에서도 ASD를 전제로 수행되어왔다. ASD는 구조재의 항복 강도 대비 구조해석의 응력 비율(안전계수)을 경험적 안전율과 비교하여 설계하는 방식으로, 대설 등 극한 기상 조건에서의 온실 구조 안전성 평가 및 설계 연구에도 폭넓게 적용되어 왔다(Suh et al., 2008; Ryu et al., 2012; Choi et al., 2017; Ren et al., 2019). CEN은 온실 설계 지침에서 서까래에 쌓이는 적설을 등분포 하중으로 모의할 것을 권장하고 있으며(CEN, 2001), 국외 온실 설계 연구도 주로 이러한 하중 조건에서 수행되어 왔다(Briassoulis et al., 2016; Li et al., 2024). 한편, 건축·토목 분야에서는 지붕 경사가 적설 분포에 미치는 영향을 설계에 반영하고 있으며(Hochstenbach et al., 2004; Zhou et al., 2016), 국내에서도 농촌진흥청에서 제시한 차등 적설 하중계수를 채택하여 온실 구조 설계가 이루어지고 있다(RDA, 2017; Lee et al., 2022; Seo et al., 2024). 또한, 온실의 정밀 구조 설계와 더불어 온실에 특화된 구조해석 모델을 개발하려는 연구도 활발히 수행되었다. Lee et al. (2020)은 지반과 강관의 상호작용을 모형 실험 관찰을 통해 모델링하였고, 온실의 강선(Steel-Wire, SW) 및 강판(Steel-Plate, SP) 조리개와 같은 접합부의 반강결 거동을 구조해석 모델에 반영하는 연구도 보고되었다(Lee and Ryu, 2022; Lee et al., 2025). 기존 연구는 온실의 물리적 거동을 더욱 정밀하게 모의하는데 집중해왔으나, 근본적인 설계 방법인 ASD는 부재 치수·재료 물성·작용 하중의 불확실성을 정량적으로 반영하는데 한계가 있다. 이로 인해, 여전히 온실 구조의 실제 안전 수준을 정밀하게 평가하기 어렵고, 과소 또는 과대 설계의 가능성이 상존하는 실정이다.
이러한 ASD의 한계를 극복하기 위해, 건축·토목 분야에서는 한계상태설계(Limit State Design, LSD)가 정착되어 왔다. LSD는 구조물의 기능을 다하게 되는 한계상태를 정의하고, 하중과 저항의 불확실성을 고려하여 한계상태에 도달할 확률을 제어하는 설계 방식이다(CEN, 1990). 구조 신뢰성 해석은 이러한 LSD를 하중과 저항 관계에 대한 한계상태함수를 통해 구현하는 이론으로 파괴확률 또는 신뢰성 지수 (β) 계산의 기준이 되는 한계상태면을 근사하는데, FORM (First-Order Reliability Method)과 SORM (Second-Order Reliability Method)과 같은 해석적 방법이 주로 사용되었다 (Zhao and Ono, 2001; Xu and Rahman, 2005). 최근에는 복잡한 구조 시스템의 신뢰성 해석을 위해, MCS (Monte Carlo Simulation)의 막대한 계산 비용을 절감할 수 있는 크리깅(Kriging), 능동학습(Active learning) 기반 샘플링 및 AI 기반 대체 모델(Surrogate model) 등이 활발히 연구되고 있다(Zhang et al., 2015; de Santana Gomes, 2019; Lieu et al., 2022; Liu and Meidani, 2024). LSD의 실제 설계 적용에는 사회·경제적으로 합의된 안전 수준인 목표 신뢰성 지수(βT)가 필수적으로 요구된다. 대표적으로 Eurocode와 ASCE (American Society of Civil Engineers) 7 등의 국제 건축·토목 기준에서는 구조물의 중요도와 파괴 시의 파급력을 고려해 시나리오 별 βT를 제시하고 있다(CEN, 1990; ASCE, 2010). 최근 온실 구조 분야에서도 구조 신뢰성 기반 설계 방식을 도입하려는 시도가 수행되고 있으며, 특히 Lee (2023)는 온실 특화 비선형 구조해석 모델을 능동학습 샘플링 기반 DNN (Deep Neural Networks)으로 가속화하는 구조 신뢰성 해석 프레임워크를 제안하였다. 그럼에도 구조 설계에 요구되는 βT 정립이 부재하여, 설계 기준 개정, 재해 대응 및 보험 정책 수립에 LSD가 도입되지 못하고 있는 실정이다.
따라서, 본 연구에서는 명확한 풍수해 보험 지급 기준 마련과 신뢰성 있는 온실 구조 안전성 평가를 위해, 대설에 대응하는 온실 설계의 βT를 도출하는 것을 목표로 한다. 이를 위해, 국내에 고시된 내재해형 온실 설계도를 조사하여, 3차원 유한요소모델 입력 데이터베이스로 체계화한다. 온실에 특화된 LSD 기반 구조 신뢰성 해석 프레임워크를 구현하여, 적설 하중 조건에서 개별 설계도의 β를 산출한다. 최종적으로 산출된 β 데이터를 선행 LSD 설계 기준을 기반으로 분석하여, 온실에 특화된 βT를 제안한다.
2. 재료 및 방법
2.1 내재해형 온실
본 연구의 분석 대상인 내재해형 온실을 구성하는 주요 설계변수를 표준화하여 Fig. 1에 나타냈다. 온실 골조(Frame)는 원형 중공 단면의 강관으로 이루어지며, 부재 종류는 서까래(Rafter), 도리(Purlin), 가로대(Bracing)와 기둥(Column) 4종류이다. 일반적으로 서까래와 기둥에는 도리와 가로대보다 큰 단면의 강관이 적용되어, 서까래-도리 교차부는 강판과 강선 2종류 조리개로 결속되어 있다. 온실 외곽 형상을 결정하는 서까래는 측면 직선부와 상부 아치부로 구성되며, 아치부의 폭(Warch)과 높이(Harch), 서까래 전체 폭(Wrafter)과 높이(Hrafter)로 정의된다. 개별 서까래는 특정 간격(Lrafter)으로 정해진 개수(Nrafter)만큼 평행 배치되어 온실 골격의 3차원 형상을 형성하며, 전체 서까래는 도리와 교차 결속된다(도리 개수, Npurlin). 온실의 전·후면에는 수평 가로대와 수직 기둥이 정해진 개수만큼 배치된다(Nbracing, Ncolumn).
Table 1은 본 연구의 신뢰성 해석 대상인 온실 설계도 43종을 세 그룹으로 체계화하여, 설계변수와 함께 나타낸 것이다. 먼저, 시설 규격과 등록 시설 설계도를 각각 Standard (2007-2024, n = 23)와 Registered (2018-2025, n = 20) 그룹으로 나누고, 시설 규격의 경우 설계(안) 마련 시점을 기준으로 Standard-legacy (2007-2012, n = 17)와 Standard-current (2024, n = 6)으로 세분하였다. 표에는 온실을 구성하는 기하학적 제원, 부재 종류 및 수량과 함께, 각 설계도의 적용 지역을 한정하는 설계 적설심 등 주요 설계변수가 포함된다. 모든 설계도는 개별 부재 길이 0.15 m의 3차원 유한요소모델 데이터베이스로 변환되어, 유한요소법 기반 구조해석의 입력자료로 사용되었다.
Table 1.
Design variables of the disaster-resilient plastic greenhouse models
2.2 구조 신뢰성 해석
구조 신뢰성 해석은 재료 강도, 부재 제원, 외부 하중 등 내재된 불확실성을 확률적으로 고려하여 구조물의 안전성을 정량 평가하는 방식이다. Fig. 2는 구조 시스템을 구성하는 확률변수 벡터(X)의 표본 공간을 한계상태면(g(X) = 0)으로 구분하여 파괴확률이 도출되는 과정을 개념적으로 나타내며, 구조 신뢰성 해석은 이러한 파괴확률을 산정하는데 목표가 있다.
구조 시스템의 파괴 여부는 이론적으로 구조물의 저항(R)과 외부 하중(S)의 차로 나타나는 한계상태함수(g(Xi))를 통해 정의된다(Eq. (1)). MCS 기반 구조 신뢰성 해석에서는 전체 표본(N) 중 파괴된 사상의 비율을 계산하여 파괴확률(Pf)을 근사 추정한다(Eqs. (2) and (3)). β는 구조 시스템의 파괴확률을 직관적으로 파악하기 위해 표준정규분포의 역누적분포함수를 통해 변환된 값이다(Eq. (4)).
여기서, g(Xi)는 한계상태함수, R는 구조물의 저항, S는 외부 하중, Pf는 파괴확률, N는 전체 표본 난수, Ii는 구조 실패 함수, Φ는 표준정규분포의 누적분포함수이다.
2.3 능동학습 기반 온실 신뢰성 해석 프레임워크
MCS 기반 신뢰성 해석의 막대한 계산 비용을 줄이기 위해, 본 연구에서는 선행 연구의 온실 구조해석-능동학습 기반 DNN 메타모델 프레임워크를 Python 코드로 구현하였다(Lee, 2023). Fig. 3은 이 프레임워크의 주요 절차를 개념적으로 나타낸다.
먼저, Fig. 3(a)은 온실의 설하중 구조해석을 통해 특정 확률변수 벡터(Xi)에 대한 한계상태함수 값을 구하는 과정을 나타낸다. 본 연구의 한계상태함수는 구조해석으로 산출되는 임계 하중계수(λcr)와 입력 하중계수(λext)의 차이로 계산되며 (Eq. (5)), 임계 하중계수는 재료의 항복응력을 넘어 구조 시스템의 모멘트 재분배가 더 이상 불가능한 시점에서 결정된다.
여기서, λcr는 임계 하중계수, λext는 입력 하중계수, Hsnow,i는 입력 적설심(m), Hsnow,mean는 평균 적설심(m)이다.
Fig. 3.
Schematic of the active learning-based reliability analysis framework of greenhouse. (a) Uncertainty variables in greenhouse and limit state function based on structural analysis. (b) DNN meta model architecture for predicting the limit state margin (g(X)) from key design variables. (c) Conceptual illustration of the active learning process that progressively selects important samples near the limit state surface from the entire MCS population
Figs. 3(b) and 3(c)는 능동학습 샘플링과 DNN 메타모델 학습 과정을 나타낸다. 해당 과정을 요약하면 다음과 같으며, 이를 통해 신뢰성 해석의 정확성은 유지하면서, 기존 MCS에서 요구되는 106회의 구조해석 횟수를 약 80-120회로 극적으로 절감한다.
(1) 초기에 선별된 50개의 확률변수 벡터 표본에 대해서만 구조해석을 수행하여, 실제 한계상태함수 값을 계산하고 이를 DNN 메타모델에 학습시킨다.
(2) 학습된 DNN 메타모델로 전체 표본(106개)의 한계상태함수 값을 예측하고, 한계상태면에 근접하는 표본들을 다음 학습 후보군으로 추출한다.
(3) 추출된 후보군에 대해서만 구조해석을 수행하여 실제 한계상태함수를 계산하고, 이를 기존 학습 데이터에 추가하여 DNN 메타모델을 재학습시킨다.
(4) 업데이트된 DNN 메타모델로 전체 표본의 파괴확률을 예측하고, 파괴확률이 임계범위(0.5%) 이내로 수렴할 때까지 (2)-(4)의 과정을 반복한다.
온실 신뢰성 해석에 사용된 확률변수의 통계적 특성을 Table 2에 요약하였다. 확률변수는 크게 강관의 기하학적 특성, 재료적 특성과 적설 하중으로 분류되며, 설계도 별 형상은 3차원 유한요소모델 생성 시에 결정론적 특성으로 고정하였다. 기하학적 특성과 적설심의 평균값은 각 설계도에 명시된 값을 적용하였으며, 재료적 특성은 내재해형 온실 강관 규격인 SPVHS (Steel Pipe Vinyl House Structure)의 공칭값을 적용하였다. 변동계수(Coefficient of Variation, CoV)와 확률분포는 기존 철골 구조의 신뢰성 해석 문헌을 참고하여 적용하였다.
Table 2.
Statistical properties of the random variables used in the reliability analysis
| Item | Parameter | Unit | Average | CoV | Distribution | References |
|
Pipe Diameter | Rafter (d1) | m | 0.0254, 0.0318, 0.0335, 0.0422, 0.0481, 0.0591 | 0.02 | Lognormal | Leffler, 1990; Huang and Young, 2012; Arrayago and Rasmussen, 2021 |
| Purlin (d2) | ||||||
| Bracing (d3) | ||||||
| Column (d4) | ||||||
|
Pipe Thickness | Rafter (t1) | m | 0.0012, 0.0015, 0.0021 | 0.02 | Lognormal | |
| Purlin (t2) | ||||||
| Bracing (t3) | ||||||
| Column (t4) | ||||||
|
Material properties | Elasticity of Modulus (E) | GPa | 205 | 0.05 | Lognormal | CEN, 2005, 2015; Arrayago et al., 2020 |
| Yield strength (σy) | MPa | 295 | 0.05 | Lognormal |
Afshan et al., 2015; Arrayago et al., 2020 | |
| Load | Snow depth (Hsnow) | m | 0.2–0.7 | 0.40 | Gumbel | Bartlett et al., 2003; Hong and Ye, 2014; Li, 2023 |
2.4 설계 신뢰성 지수 통계 분석 방법
온실 설계도 그룹 별 특성을 분석하기 위해, 신뢰성 해석으로 산출한 개별 설계도의 β 데이터에 대한 기초 통계를 산출하였다. 세 그룹(Standard-legacy, Standards-current, Registered)에 대해 평균, 중앙값, 표준편차(Standard Deviation, SD), 1사분위수 (Q1), 3사분위수 (Q3) 및 IQR (Interquartile Range) 등의 주요 통계 지표를 산출하였다. 또한, 고시된 내재해형 설계도의 활용성을 유지하는 정책적 하한 기준 제시를 위해, Wilks 비모수 방법을 적용해 신뢰수준(γ) 95%에서 모집단의 최소 비율 90%(p)를 포함하는 일측 공차하한(Lower Tolerance Limit, LTL)을 산출하였다(Eq. (6)).
여기서, n는 전체 표본 크기, m는 통계적 허용하한 순위, p는 모집단 포함비율, γ는 목표 신뢰수준이다.
3. 결과 및 고찰
3.1 내재해형 온실 신뢰성 해석 결과
Fig. 4는 온실 설계도 각 그룹에 대하여, 적설심 0.2-0.7 m 범위를 0.1 m 간격으로 증가시키며 해석한 β 분포를 나타낸다. 세 그룹의 중앙값(실선)과 IQR (음영)을 각각 독립된 그래프로 제시하였고(Figs. 4(a) and 4(c)), Fig. 4(d)에서는 그룹 별 중앙값을 한 그래프 내에서 비교하였다. 음영으로 표기된 IQR은 각 그룹 내 설계도 간 구조 성능의 편차를 나타내며, Registered > Standard-legacy > Standard-current의 순으로 나타났다.
Standard-current 그룹은 표본수가 가장 적으나, 기준(안) 제정 이후 농촌진흥청의 자체 설계·선별 과정을 거쳐, 상대적으로 균일한 구조 성능을 나타낸 것으로 판단된다. 반면 Registered 그룹의 경우 설계 주체 별로 상이한 시공 환경과 지역 특성이 반영되어 구조 성능 격차가 가장 컸으며, Standard-legacy 그룹 또한 기준(안) 제정 전에 연도 별로 적용된 설계 기준 일관성이 떨어져 상당한 편차를 나타냈다. 설계도 그룹의 중앙값 추세를 비교한 결과(Fig. 4(d)), Standard-current > Registered > Standard-legacy의 순으로 높은 구조 성능을 나타냈다. 이는 기준(안) 제정 이후 시설 규격 설계도의 구조 성능이 강화된 반면, 민간 주도로 마련된 등록 시설은 경제성·현장 여건 등에 따라 실질적 구조 성능 향상이 이루어지지 않았기 때문으로 판단된다. 그럼에도 세 그룹 간의 기울기는 유의한 차이를 보이지 않아, 정형화된 설계변수에 기반한 설계 체계 정립으로, 적설 하중에 대한 구조 응답의 변동성이 대체로 일관적임을 확인할 수 있다.
Fig. 5는 개별 설계도의 설계 적설심에 대해 해석된, 설계 β를 각 그룹 내에서 내림차순 정렬하여 나타내었다. Standard-legacy 그룹은 2개 설계도(10-단동-6형, 10-단동-7형)를 제외한 대부분의 설계안의 설계 β가 3.0에 미치지 못해, 과거의 여유로운 안전 기준에 따라 낮은 구조 성능으로 설계된 것으로 판단된다. 반면 Standard-current와 Registered 그룹의 설계도는 모두 설계 β가 3.0를 큰 폭으로 상회하여, 기준(안) 제정 이후 설계 적설심이 일관성 있게 상향 조정된 것으로 판단된다. 다만, Registered과 Standard-legacy 그룹 간의 구조 성능 격차가 크지 않았던 점은, 민간의 온실 설계 시에는 부재 강화와 치수 축소 등의 실질적인 구조 성능 향상보다는, 설계 적설심 하향 등의 실용적 설계 전략이 적용된 것으로 사료된다.
Table 3은 설계도 그룹 별 설계 β의 통계치를 요약하고, 기준(안) 제정 이후의 설계도 그룹을 Modern 그룹으로 통합하여 함께 제시하였다. 각 그룹의 평균, 중앙값, 표준편차, 사분위수를 나타냈으며, 각 설계도 그룹의 통계적 β 하한(LTL)을 통해 최소 안전 임계수준을 제시하였다. 중앙값 기준으로 Legacy 그룹은 2.21로 Modern 그룹의 3.62보다 현저히 낮게 나타났으며, 이를 파괴확률로 환산하면 Legacy 그룹(Pf = 1.36×10-2)이 Modern 그룹(Pf = 1.47×10-4)보다 약 92.5배 높은 위험성을 내재하였다. 이러한 격차는 하한값에서 더욱 두드러졌으며, Standard-legacy와 Modern 그룹의 LTL은 각각 1.95와 3.29로 기준(안) 개정을 통해 온실의 최소 안전 수준이 대폭 상향된 것으로 판단된다.
Table 3.
Statistical summary and proposed reliability levels for each design group
| Design groups | n | Mean β | Median β | SD of β | Q1 of β | Q3 of β | LTL of β* | |
| Standard-legacy (2007-2012) | 17 | 2.29 | 2.21 | 0.49 | 1.92 | 2.41 | 1.95 | |
| Modern | Standard-current (2024) | 6 | 3.52 | 3.57 | 0.29 | 3.26 | 3.71 | 3.52 |
| Registered (2018-2025) | 20 | 3.73 | 3.64 | 0.50 | 3.31 | 3.89 | 3.29 | |
| Total | 26 | 3.68 | 3.62 | 0.46 | 3.31 | 3.88 | 3.29 | |
온실은 일반적인 건축·토목 구조물과 달리 10년의 짧은 내용연수를 목표로 설계되며, 구조물 붕괴에 따른 인명 피해보다는 작물·구조재 등의 재산 피해가 주요 관심사이다. 따라서, 온실의 구조적 특성, 시설원예 산업의 경제성과 현행 재해 보험 제도와의 연계성을 종합적으로 고려여, 합리적인 βT를 도출할 필요가 있다. 이에 국제 구조 신뢰성 설계 기준을 종합 검토하고, 기존 내재해형 온실 설계도의 β 해석 결과를 바탕으로, βT를 극한한계상태(Ultimate Limit State, ULS)와 사용성한계상태(Serviceability Limite State, SLS)로 이원화하여 제시한다.
3.2 목표 신뢰성 지수 제안
구조물 붕괴와 직결되는 ULS에 대한 주요 국제 설계 기준을 Table 4에 요약하였다. Eurocode 0(CEN, 1990)는 구조물의 중요도에 따라 신뢰도 등급(Reliability Class, RC)을 3단계(RC1-RC3)로 구분하여, 농업용 건축물(온실)을 가장 낮은 등급(RC1)의 예시로 제시하며, 설계 내용연수 50년을 기준으로 βT 3.3이 제시된다. ASCE 7(ASCE, 2010) 또한 위험도 등급(Risk Category)에 따라 4단계로 분류하며, 농업 시설 및 임시 구조물은 가장 낮은 위험도(Risk Category Ⅰ)로 설계 내용연수 50년을 기준으로 βT 2.5가 제시된다. 반면, 교량(AASHTO, 2020)과 철근 콘크리트 건물(ACI, 2019) 등 공공 안전과 직결되는 시설물은 3.5의 높은 βT가 요구되며, 일반적인 철골 건물(AISC, 2016) 역시 3.0 이상의 안전 수준이 보고되어 왔다.
Table 4.
Representative target reliability index (β) for ULS (Ultimate Limite State) in major design standards
| Design standards | Target structures or risk levels | Durability years | Target β | Class |
| EN 1990: Eurocode 0(CEN, 1990) | Agricultural buildings, greenhouses | 50 | 3.3 | RC1(Low) |
| Residential, office buildings | 3.8 | RC2(Medium) | ||
| Grandstands, public buildings | 4.3 | RC3(High) | ||
| ASCE 7(ASCE, 2010) | Agricultural facilities, temporary structures | 50 | 2.5 | Risk Cat. I (Low) |
| General buildings | 3.0 | Risk Cat. II (Normal) | ||
| Substantial hazard | 3.25 | Risk Cat. III | ||
| Hospitals, fire stations, essential facilities | 3.5 | Risk Cat. IV (Essential) | ||
|
Specification for Structural Steel Buildings (AISC, 2016) | Steel members of buildings | - | 3.0 | - |
| Building Code Requirements for Structural Concrete (ACI, 2019) | Reinforced concrete | - | 3.5 | - |
| LRFD Bridge Design Specifications (AASHTO, 2020) | Members of bridges | 75 | 3.5 | - |
이러한 선행 설계 기준을 종합 분석하였을 때, 온실은 낮은 인명 위험 등급으로 분류되므로, ULS βT는 Eurocode 0과 ASCE 7의 최저 등급 범위(2.5-3.3) 내에서 설정하는 것이 타당하다. 본 연구에서 ‘Modern’ 설계도 그룹의 β 하한값은 3.29로 해석되었으며, 온실 내용연수(10년)가 선행 설계 기준(50년)보다 단기간인 점을 고려할 필요가 있다. 따라서, 온실의 ULS βT로 3.30을 제안하는 바이며, 이는 온실 구조물 중요도를 고려한 합리적 기준으로 판단된다.
구조물의 기능 및 사용성과 관련된 SLS에 대한 주요 국제 설계 기준을 Table 5에 요약하였다. SLS는 구조물 붕괴 이전 단계에서의 처짐, 균열, 누수 등의 경제적 손실과 연관된 한계상태이다. Eurocode 0에서는 SLS βT로 1.5의 단일 값을 제시하고 있으며, JCSS에서는 구조물 복구 비용이 낮을수록 높은 βT를 3단계(1.3-2.3)로 적용하도록 권고하고 있다.
Table 5.
Recommended target reliability index (β) for SLS (Serviceability limite state)
| Design standards | Costs of safety measures | Target β |
|
EN 1990: Eurocode 0 (CEN, 1990) | - | 1.5 |
|
Probabilistic Model Code (JCSS, 2001) | High | 1.3 |
| Normal | 1.7 | |
| Low | 2.3 |
작물 피해 등 경제적 손실의 비중이 큰 온실 특성과 풍수해 보험 제도의 정합성을 고려하면, 이러한 SLS 기준 적용 필요성이 크다고 할 수 있다. 따라서, 본 연구에서 해석된 Standard-legacy 그룹의 β 하한값(1.95)을 고려하여, 온실의 SLS βT로 2.00을 제안하는 바이다. 이는 현행 풍수해 보험 제도의 판정 체계와의 연계를 용이하게 하면서, 국제 구조 신뢰성 설계 기준을 동시에 반영하는 실무적·합리적 목표치로 판단된다.
4. 결 론
본 연구는 기후변화로 인한 대설 피해에 효과적으로 대응하고, 비닐 온실의 구조 설계 고도화 및 풍수해 보험 판정 기준 정량화를 위해, 한계상태설계 관점에서의 목표 신뢰성 지수를 도출하였다. 이를 위해, 국내에 고시된 내재해형 온실 설계도 43종의 설계도 데이터베이스를 구축하고, 능동학습 기반의 온실 구조 신뢰성 해석 프레임워크를 적용하여, 적설 하중에 대한 신뢰성 지수를 산출하였다.
분석 결과, ｢온실구조설계기준(안)｣(RDA, 2017) 제정 이후에 마련된 Modern 그룹 온실은 제정 이전의 Standard-legacy 그룹에 비해 파괴확률이 약 92.5배 낮게 나타났다. 또한, 통계적 신뢰성 지수 하한은 Modern 그룹 3.29, Standard-legacy 그룹 1.95로 나타나, 기준(안) 제정 이후 최소 안전 기준이 대폭 상향된 것으로 판단된다.
이원적으로 나타난 그룹 별 신뢰성 지수를 Eurocode, ASCE 7 등 주요 국제 설계 기준과 종합적으로 비교·검토하여, 국내 내재해형 온실 특성에 적합한 목표 신뢰성 지수를 다음과 같이 제안하였다.
(1) 구조물 붕괴와 같은 극한한계상태의 목표 신뢰성 지수로 3.30을 제안하였으며, 이는 Modern 그룹의 신뢰성 지수 하한과 국제 설계 기준의 신뢰도 등급에 부합하는 합리적 안전 기준이다.
(2) 농가의 경제적 손실과 직결되는 사용성한계상태의 목표 신뢰성 지수로 2.00을 제안하였으며, 이는 현행 풍수해 보험 제도와 연계될 수 있는 실무적·경제적 기준이다.
본 연구는 국내 내재해형 온실 설계도의 구조 성능을 신뢰성 지수로 정량화하고, 이를 바탕으로 국제 설계 기준을 아우르는 객관적 성능 지표를 제안했다는데 의의가 있다. 이러한 결과는 향후 국내 온실 구조 설계 기준을 허용응력설계에서 한계상태설계로 전환하는데 핵심 자료로 활용될 수 있다. 또한, 일관된 안전성 평가 절차를 기반으로 온실의 안전 등급 기준을 제시함으로써, 기존 풍수해 보험의 지급 기준을 명확히 하면서, 신뢰성 있는 재해 대응 정책 수립에 기여할 수 있을 것으로 판단된다.
