| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.142 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Sequence-to-sequence learning for multistep prediction of multiple process variables : Application to industrial distillation process |
| 초록 |
산업 공정에서 공정 제어 및 의사결정을 위해서 공정변수의 미래를 예측하는 것은 매우 중요하다. 그러나 복잡한 증류공정은 공정 변수간 상관관계와 높은 비선형성을 가질 뿐만 아니라 dead time이 존재하기 때문에 미래 값을 예측하는 것이 매우 어렵다. 또한 공정에서 수집된 데이터는 시계열의 특성을 지니고 있어 이를 효과적으로 모델링 하기 위해 일반적으로 recurrent neural network (RNN) 기반의 딥러닝 기법이 널리 활용되고 있다. 본 연구에서는 다변량의 공정 변수의 multi step을 예측하기 위한 sequence-to-sequence (seq2seq) RNN 모델을 개발하고 실제 증류 공정에 적용하였다. 공정에서 주요 모니터링 되는 변수인 증류탑 중상단 온도, 하단 liquid level을 출력변수로 선택하고 domain-knowledge 기반으로 피드, reflux 유량 등을 입력 변수로 선택하였다. Seq2seq RNN 구조에는 RNN의 기울기 감쇠 문제를 해결하여 비교적 높은 성능을 가지는 Gated recurrent unit 을 기본 cell로 활용하였다. 결과적으로 현재 시점으로부터 20분 뒤까지 비교적 높은 정확도로 3개의 출력 변수를 예측하여 화학공정에서의 seq2seq network의 적용 가능성을 확인하였으며, 개발된 모델을 실제 공정에 적용할 경우 보다 빠른 의사 결정을 할 수 있을 것으로 기대된다. |
| 저자 |
안나현1, 홍석영2, 임종구3, 한인수3, 조형태1, 문일2, 김정환1
|
| 소속 |
1한국생산기술(연), 2연세대, 3GS칼텍스 주식회사 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
