| 초록 |
공정 변수를 빠르고 안정적으로 제어하기 위해서는 제어 파라미터의 최적화가 필수적이다. 기존의 최적화 과정은 임의의 초기값을 이용하여 공정에 적용하고 시운전을 한 후 값을 수정하는 방식으로, 최적화에 소요되는 시간과 비용이 매우 크다. 본 연구에서는 dynamic simulation 모델을 이용하여 머신러닝 모델을 개발하고, 최적 제어 파라미터를 도출하였다. 많은 양의 데이터를 확보하기 위해 대상 공정의 제어기 파라미터 값을 변경하며 데이터를 추출하고 이를 이용하여 머신러닝 모델을 개발하였으며, 개발된 머신러닝 모델은 제어 파라미터를 입력받아 Rise Time, Overshoot, Settling Time, 제어 오차를 출력한다. 머신러닝 모델을 이용하여 빠르고 안정적인 제어가 가능한 제어 파라미터를 탐색하기 위해 제어 오차의 최소화를 목적함수로 설정하였으며, 베이즈 최적화(Bayesian Optimization) 기법을 이용하여 최적 제어 파라미터를 도출하였다. 최적 제어 파라미터를 dynamic simulation 모델을 이용하여 검증한 결과, 시운전에 사용된 제어 파라미터에 비해 빠르고 안정적으로 정상상태에 도달하였음을 확인할 수 있었다. |
