| 초록 |
안전한 조업과 성공적인 운전을 위해서 공정의 패턴을 감시하고 공정 이상을 조기에 알아내어 적절한 조치를 취하는 것은 매우 중요하다. 일반적으로 공정 감시는 크게 수학적 모델에 근거한 접근과 공정으로부터 얻어진 데이터를 이용한 통계적인 접근으로 나누어진다. 전자가 공정의 데이터가 충분하지 않을 경우 유용하기는 하나, 화학공정과 같이 비선형이 심하고, 고차원이며, 복잡한 경우에는 수식적인 모델을 유도하는데 한계가 있다. 반면에 후자는 조업이 정상적으로 이루어진 공정 데이터를 기반으로 하여 통계적인 모델을 제시하는 방식이므로 센서를 통해 얻을 수 있는 데이터가 풍부한 경우 공정의 특성에 상관없이 적용할 수 있다. 본 연구에서는 공정의 변화를 감시하거나 fault를 감지하는 새로운 방법으로서Kano에 의해 제안된Dissimilarity measure의 개선된 형태를 제시하고, 개선된 Dissimilarity measure를 연속 공정에 실시간으로 적용할 수 있는 recursive form을 제시한다. Kano에 의해 처음으로 제안된 Dissimilarity measure는 Karhunen-Loeve (KL) expansion에 기반한 방법으로 수식적으로 PCA와 동일하다. 그러나, 새로 정의된 독립적인 축상의 데이터의 분산치를 모두 같은 크기로 표준화하므로 각 축의 변화량은 고려하지 않고, 변화비만을 고려한다. 따라서, 개선된 방법에서는 변화량을 고려하여 좀더 합리적인 결과를 얻고자 하였다. 그리고, 발전소에서의 대기 오염 물질 배출 패턴의 변화를 실시간으로 감지하는데 이 방법을 적용해보았다. 개선된 dissimilarity measure를 이용하여 몇 번에 걸친 공정 패턴의 변화를 조기에 발견할 수 있었다. |
