[논문자료] 주성분 분석과 서포트 벡터 머신을 이용한 폴리스티렌 중합 반응기 이상 진단 모델 개발

출처: 픽사베이

---

 

화학 공정은 다양한 장치들로 구성되어 있으며, 고온과 고압 하 에서 운전되고있다.

따라서, 공정에 문제가 발생하는 경우 그 원인을 신속하게 파악하기 어려우며, 이러한 문제가 공정 전반으로 확산하여 사고가 발생하는 경우 막대한 피해를 유발하게 된다.

공정에서 발생하는 물리적 고장, 교란, 작업자의 오류 등의 원인으로 공정의 운전 조건을 정상 상태에서 벗어나는 경우를 이상이라고 하며, 다양한 공정 지식을 이용하여 이상을 감지하는 것을 이상 감지라 하며, 이상의 원인을 파악하는 것을 이상 진단이라 한다. 화학 공정의경우, 공정내에 다양한 순환사이클과제어루프로 인해 이상을 감지하는 일은 매우 어렵다.

 

기존 이상 진단 방법론은 공정 내에 존재하는 다양한 에너지 수지, 물질 수지, 반응식 등을 이용하여 특정 변수를 예측하는 모델을 만드는 방법과 센서로부터 얻어지는 데이터를 이용하여 통계기법을 적용하여 공정의 상태를 판별하는 모델을 만드는 방법이 있다. 이 중에서 통계기법을 이용한 방법론은 모델을 개발하는데 많은 시간과 노력을 절감할 수 있고, 공정 지식이 없고 쉽게 공정 데이터들의 특징을 추출하여 만들 수 있다는 장점이 있으며, 대표적으로 주성분 분석(PCA(Principal Component Analysis)), 부분 최소제곱법 (Partial Least Square), 인공신경망(Artificial Neural Network) 등의 기법이 이용되고 있다. 기본적으로 통계기법을 이용한 방법론은 공정 내의 특정 변수를 예측하는 모델을 만들고 실제 센서로부터 얻는 데이터와의 잔차를 비교하여 이상을 감지한다.

논문 출처: https://scienceon.kisti.re.kr/srch/selectPORSrchArticle.do?cn=JAKO202212662068410

 

본 연구에서는 실제 폴리스티렌 중합 공정에서 발생한 사고 데이터를 이용하여 SVM과 PCA에 기반한 이상 진단 모델을 제안하였다.

실제로 발생한 사고를 늦게 인지하여 대처가 늦었으며. 이로 인해 설비의 막대한 손실이 발생하였다.

본 연구에서 제안한 모델을 적용한 결과 신속하고 정확하게 이상의 발생 여부를 확인할 수 있었다.

많은 변수가 존재하는 화학 공정의 복잡성으로 인해, 단순히 몇 개의 변수만을 모니터링해서 효과적으로 이상의 발생에 대응하는 것은 많은 어려움이 있다.

 

또한, 다양한 운전 모드가 존재하는 공정인 경우는 각 모드에 적합한 모델을 이용해야 한다. 본 연구에서는 먼저 공정이 어떤 운전 모드에서 운영되는지 판별하는 모델을 SVM에 기반하여 구축하였다. 그리고, 각 운전 모드에 적용할 PCA 모델을 만들었으며, T2 와 SPE의 UCL을 이용하여 이상의 발생 여부를 진단하였다. 결과를 통해 공정상에 문제가 발생하자마자 바로 이상의 발생 여부를 확인 할 수 있었으며, 이는 본 연구에서 제안한 모델을 이용하면 작업자가 신속하게 이상에 대응하여 공정의 큰 손실을 방지하는데 큰 도움을 줄 수 있음을 의미한다.

---

 

중합 반응은 단량체라 불리는 작은 분자들이 서로 결합하여 거대한 고분자 물질을 만드는 반응으로 고분자를 만드는 방법에 따라 축합, 첨가 및 혼성 중합반응으로 분류하며 역반응으로는 분해 반응을 들 수 있습니다.

㈜일신오토클레이브의 중합 반응기는 온도 상승과 압력 유지에 대한 정밀한 공정 수행이 가능하다는 장점을 지니고 있습니다.

 

미국 ASME 기준과 국내산업안전, 가스안전검사를 진행한 안전한 디자인으로 설계 및 제작되었습니다. 또 보다 높은 안전을 위해 프로그램상 1차적으로 장비를 휴동하고 2차적으로 이상 발생 시 안전밸브가 작동하여 자동 배출을 진행하는 단계별 안전 시스템이 구성되어 있어 보다 안전한 사용이 가능합니다.

---