| 초록 |
대부분의 화학공정(특히 증류탑) 운전에 있어서의 궁극적인 목적은 원하는 규격(specification)의 제품을 가장 경제적으로 생산해 내는데 있다.지금까지의 제어방법들은 그 제어대상이 주로 유량, 액위, 온도, 압력등의 공정의 안정성과관련된 일차적 운전변수들에 대한 제어에 한정되어 왔으며 제품규격은 제품의 시료를 실험실에서 분석하여 그 분석치를 기준하여 관련이 있는 제어변수들의 설정점을 조업자들의 경험에 의존하여 적당히 재조절해왔다. 하지만 아직까지 긴 측정·분석시간, 잦은고장, 비싼유지·보수비용, 분석 결과치의 낮은 신뢰성 등으로 인하여 on-line 측정기(GasChromatography)가 현장에서 실제로 사용된 경우는 거의 없었다. 이러한 on-line 측정기의문제점들을 해결하기 위하여 최근들어서 업계나 학계에서 활발히 연구되고 있는 것 중의 하나가 바로 추정기(estimator)를 이용한 추론제어(inferential control)이다. 그러나 지금까지연구되어온 추정기는 주로 선형추정기로써 비선형성이 강한 화학공정에서는 그 성능을 충분히 발휘하지 못한 것이 사실이다. 이런 단점을 극복하고자 여러 종류의 비선형추정기(인공신경망, 최적화)들이 제안되고 있지만 아직까지 그성능이 확실히 증명된 것이 거의 없는 실정이다. 따라서 본 연구에서는 보다 강건하고, 추론성능(prediction ability)이 뛰어난 새로운형태의 추정기인 Hybrid Type Estimator를 제안하고 또한 여러종류의 증류탑에 적용시켜보았다.인간의 두뇌활동은 synaps라는 신경세포들의 복잡한 망형 연결구조에서 각 신경세포의축색돌기로의 복합적 신호전달에 의해 일어나는 것으로 알려져 있다. 이런 인간의 두뇌활동을 모방한 black-box system이 인공신경망이다. 인공신경망은 인간의 신경에 해당하는 연산인자(processing element)가 있어서 이 인자들이 입력과 출력값들 사이를 연결해주어 그연결강도에 따른 신호의 합에의해 다음 망구조 layer로의 신호전달 값이 결정된다.(그림 1.).입력층의 각 유니트에 입력패턴을 입력시켜 여기로부터 나오는 신호가 중간층에 전달되고다시 최후에 있는 출력층으로 전달되어 신호를 출력하게 된다. 이 출력값과 기대값을 비교하여 차이를 줄여나가는 방향으로 입력층과 중간층 사이의 연결강도를 조절하고 여기서 나오는 값들을 이용하여 다시 중간층의 연결강도를 조정해나가는데 연결강도 조절은 일반화델타규칙을 따른다. 이 알고리듬의 학습목표는 출력노드에서 나오는 출력값과 실제 원하는값 사이의 오차의 평균제곱값(average squared error)을 최소화 하는 것이다.선형영역에서 좋은 성능을 나타내는 선형추정기(여기서는 PCR을 말함)와 비선형영역에서그 성능이 우수한 비선형추정기(ANN)를 서로 잘 조합하여 같이 사용함으로써 추정성능을높일 수 있다는 생각에서 이 두가지를 혼용한 hybrid type의 추정기를 제안해 보았다.모든 데이터들은 mean-centering, variance-scailing 되어서 cross-validation 형태로 추정기에 사용되었으며 선형추정기로는 PCR을 비선형추정기로는 인공신경망을 모사에 사용하였다. PCR의 경우 optimal factor의 갯수만큼 factor를 각 case마다 이용하였으며 사용된 인공신경망의 구조는 layer의 수는 3개(input, hidden, output)이며 neuron 의 갯수는 hiddenlayer에서는 input data갯수의 절반, output layer에서는 1개이다. 혼합형태인 series type과parallel type의 hybrid type 추정기도 성능비교를 위해 사용하였으며모사결과 본 연구에서는 noise가 없는 경우(그림 2) 모든 형태의 추정기가 거의 비슷한 결과를 나타내었고 noise가 있는 경우 ANN, series, parallel의 결과가 조금씩 우수한 것으로나타내었다(그림 3). 마지막으로 본 연구의 목적이라 할 수 있는 빈번한 현장장비오류, 즉sensor 오류가 있을 경우의 비교에서는 ANN 과 parallel type이 월등히 PCR의 결과보다우수함을 보여주내었다(그림 4).
|
