| 초록 |
최근 들어 화학공정과 같이 시간에 따라 계속적으로 변화하는 복잡한 공정에서 정량적으로 물리적 화학적 분석이 필요한 물성 정보들을 실시간으로 측정하는 것은 대부분 불가능한 상황이었다. 이러한 때에 근 적외선 분광기의 사용은 MLR(multiple linear regression), PCR(principle component regression, PLS(partial least square), ANN(artificial neural network)과 같은 통계적인 다변량 검량 기술들과 결합되어 스펙트럼과 물성간의 상관관계를 맺음으로써 모델로부터 예측된 결과를 통해 원하는 물성의 이상 감시 및 진단뿐만 아니라 품질을 제어할 수 있게 되었다. 그러나 주변 환경이나 시간에 따른 기기의 변동에 상관없이 혹은 다른 근적외선 기기에 대해서 검량 모델의 예측 성능을 유지하기 위해서는 모델의 전환이 필요하다. 본 연구에서는 PDS를 이용하여 PLS 모델의 전환을 수행할 때, 차감법과 OSC(orthogonal signal correction) 전처리를 복합적으로 도입할 것을 제안하였다. 이를 통해 선형적인 기기자체의 기저오차를 간단하게 제거하고, 예측 변수와 상관없는 스펙트럼 오차를 제거함으로써 모델 전환 성능을 향상 시킬 뿐 아니라 단순하고 압축된 모델을 구성하여 전환시켜 주도록 하었다. 따라서 검량 모델 전환에 이와 같은 복합적인 전처리를 도입할 경우 모델의 구성과 예측 성능의 두 가지 측면에서 모두 좋은 결과를 얻을 수 있음을 보여주었다. |
