| 학회 |
한국화학공학회 |
| 학술대회 |
2002년 가을 (10/24 ~ 10/26, 서울대학교) |
| 권호 |
8권 2호, p.3037 |
| 발표분야 |
공정시스템 |
| 제목 |
SVM에 기반한 비선형 부분최소자승법을 이용한 화학공정의 이상감지 |
| 초록 |
화학공장은 고성능의 복잡한 장비와 여러 공정으로 구성되며 재순환 흐름(recycle flow)과 반응(reaction)으로 인한 비선형성(nonlinearity)을 가지고 있다. 장치가 집약화되어 있는 화학공정은 실시간으로 적절한 제어나 모니터링이 이루어지지 않을 경우 정상조업범위를 벗어날 가능성이 커지며 이는 생산품의 품질저하와 공정사고로 이어져 막대한 물질적 피해를 유발할 수 있다. 따라서 실시간 모니터링과 실시간 제어, 실시간 제어나 모니터링을 위한 실시간 변수추론이 중요한 의미를 가진다. 효율적인 이상감지 기법이 도출되기 위해서는 우선적으로 화학공정 상태를 나타내는 공정 데이터를 효과적으로 처리할 수 있어야 한다. 수많은 변수가 존재하는 화학공정 시스템은 개별적 감지를 수행하는 단변량 통계분석방법을 사용하기 보다는 다변량 통계분석법을 사용하여야 한다. 다변량 통계적 분석기법들은 화학뿐만 아니라 제약, 의약, 고분자, 생명과학과 같은 공학분야에서 널리 사용되고 있으며, 화공분야에서는 공정의 이상감지, 실시간 추정이 어려운 물성추정을 위한 추론모델의 개발 등에 응용되고 있다. 그러나 이를 사용함에 있어서도 변수들간의 높은 상관성에서 기인하는 multi-colinearity문제, 데이터 측정회수 보다 데이터를 이루는 변수가 많은 상황에서 기인하는 dimensionality 문제, 변수들간의 비선형에서 기인하는 non-linearity 문제 등의 난점이 존재한다. 이러한 난점을 극복하고자 보다 효율적인 data mining 기법을 이용하여 데이터들간의 의존성(dependency)이나 상관구조(correlation structure)와 같은 유용한 정보를 찾아 내어야한다. 그리고 나아가 공정에 대한 해석을 쉽게 하고 획득한 데이터로부터 미지의 값을 추정함에 있어 보다 향상된 예측성능을 가지게 하여야 한다. 본 연구에서는 위에서 제시된 여러 난점들을 극복하고 보다 빠르고 정확한 화학공장 이상진단을 위해 선형 PCA와 SVM(Suppot Vector Machine)을 적용하여 다변량 통계기법의 하나인 부분최소자승법(non-linear partial least square)을 이용하였다. 이와 같이 구성된 부분최소자승법 모델을 가지고 Tennessee Eastman 공정에 적용하여 보았다. |
| 저자 |
이창준, 이동언, 최승준, 송상옥, 김구회, 윤인섭
|
| 소속 |
서울대 |
| 키워드 |
PLS(Partial Least Square); SVM(Support Vector Machine)
|
| E-Mail |
|
| 원문파일 |
초록 보기 |
