| 초록 |
일반적으로 화학공정에서는 공정 제어와 품질 관리를 위한 품질 변수가 존재하며 이러한 품질 변수들을 실험실에서 분류하는데 많은 비용이 들고있으며 게다가 그의 분류시간이 길어 실시간 품질관리가 불가능한 실정이다. 현재, 상대적으로 측정이 쉬운 공정 변수들을 이용하여 실시간 측정이 어려운 품질변수의 값을 추정하는 추론모델(inferential model) 구축에 관한 연구가 활발히 진행 중이며 품질변수를 추정한다는 의미에서 추론모델을 소프트센서 라고 한다. 규모가 크고 복잡한 화학공정의 경우 완전한 이론적 접근법이 불가능하므로 추론모델의 파라미터들은 주로 공정 운전 중에 얻어진 데이터에 기반한 경험적 방법에 의해 결정 지어졌다[1]. 경험적 접근을 통한 소프트센서 설계는 일반적으로 예비적인 대상공정 이해, 데이터 수집, 분석과 전처리, 그리고 모델 구축과 타당성 조사로 이루어진다. 이중 모델 구축은 추론모델 설계 목적, 대상 공정의 형태, 대상 데이터의 성격등을 고려하여 어떤 형태의 무슨 방법을 이용하여 추론모델을 구축할 것인지를 결정하는데 주로 다변량 회귀 분석(multivariate regression analysis) [2]을 통해 공정 변수와 품질변수들 간의 수학적 관계식을 유도한다. 추론모델 설계에 있어 대상 시스템의 다중모드 경험적 추론모델 구축에 있어 큰 문제로 지적되며 본 연구에서는 수십 개의 품질 등급을 갖는 PP(Polypropylene) 공정을 대상으로 촉매 시스템 구분과 MI(Melt Index) 분포와 같은 품질 관련 정보를 적절히 활용하여 추론모델의 효용이 증가함을 보였다. |
