| 초록 |
화학공장은 대량생산을 목적으로 많은 수의 단위장치로 이루어져 있으며, 공정 변수들간에 상호작용이 강한 복잡한 시스템이다. 최근 들어 화학공장에 분산제어시스템과 공장정보시스템이 도입되어 방대한 양의 조업 데이터를 축적하고 활용할 수 있게 됨에 따라, 조업데이터를 이용하여 공정을 통계적으로 모니터링하고 감지된 이상을 진단하기 위한 다변량 통계적 공정 제어(MSPC: multivariate statistical process control)가 큰 주목을 받아 왔다. MSPC를 이용한 진단은 “variable contribution”를 활용함으로써 효율적으로 수행하여 왔으나, 사건(event)사이의 인과관계에 대한 정보가 부족함으로 인해 그 한계를 보여왔다. 본 연구에서는 contribution 정보와 “cause-and-effect diagram”을 통합하여 좀더 정확하고 수월하게 이상을 진단하는 방법을 제안하고, 이를 모사 된 Tennessee Eastman 공정의 진단에 적용하였다. |
