| 학회 |
한국화학공학회 |
| 학술대회 |
2022년 봄 (04/20 ~ 04/23, 제주국제컨벤션센터) |
| 권호 |
28권 1호, p.109 |
| 발표분야 |
[주제 2] 기계학습 |
| 제목 |
Explainable AI based fault diagnosis model for complex chemical processes |
| 초록 |
공정 모니터링은 운영 신뢰성을 보장하고 산업 재해를 예방하는데 중요하다. 최근에는 이상 감지 및 진단을 위해 머신러닝과 딥러닝 같은 데이터 기반 방법을 사용하는 것이 선호되고 있다. 특히, 오토인코더와 같은 비지도 학습 알고리즘은 복잡한 공정의 레이블되지 않은 데이터에 대해서도 좋은 잠재력을 보여준다. 하지만 신경망 기반 모델은 예측 결과를 해석하기 어렵고 사용자에게 설명력과 통찰력을 제공할 수 없다는 점이다. 따라서 본 연구에서는 설명 가능한 인공지능(XAI)을 이용한 새로운 이상 진단 방식을 제안하여 이러한 단점을 해결하고자 한다. 방법은 두 단계로 구성되며, 먼저 이상 감지를 위한 Variational autoencoder(VAE) 모델을 구축하고, 훈련된 모델의 잠재 공간에 대해 SHAP(Shappley Additivie Explanations)을 적용하여 모델을 해석한다. Shapley 값을 통해 잠재 공간에서 정상 상태를 벗어나도록 유도하는 입력 변수를 식별하여 진단을 수행한다. 다상 흐름 시스템(Multiphase flow system)에 적용하여 기존의 이상 진단 방법과 비교하였고 정확성과 효율성을 입증하였다. 제안된 방법은 공장 운전자가 실시간으로 블랙박스 모델의 예측 결과를 이해하고 운전 전략을 결정하는데 사용할 수 있다. |
| 저자 |
장교진1, Karl Pilario2, 최원정1, 나종걸3, 문일1
|
| 소속 |
1연세대, 2Univ. of the Philippines Diliman, 3이화여자대 |
| 키워드 |
공정시스템(Process Systems Engineering) |
| E-Mail |
|
| 원문파일 |
초록 보기 |
