| 초록 |
수많은 변수가 존재하는 화학공정 시스템은 개별적 감지를 수행하는 단변량 통계분석방법을 사용하기 보다는 다변량 통계분석법을 사용하여야 한다.그러나 이를 사용함에 있어서도 변수들간의 높은 상관성에서 기인하는 multi-colinearity문제, 데이터 측정회수 보다 데이터를 이루는 변수가 많은 상황에서 기인하는 dimensionality 문제, 변수들간의 비선형에서 기인하는 non-linearity 문제 등의 난점이 존재한다. 이러한 난점을 극복하고자 보다 효율적인 data mining 기법을 이용하여 데이터들간의 의존성(dependency)이나 상관구조(correlation structure)와 같은 유용한 정보를 찾아 내어야한다. 그리고 나아가 공정에 대한 해석을 쉽게 하고 획득한 데이터로부터 미지의 값을 추정함에 있어 보다 향상된 예측성능을 가지게 하여야 한다. 본 연구에서는 위에서 제시된 여러 난점들을 극복하고 보다 빠르고 정확한 화학공장 이상진단을 위해 RBF(radial basis function)와 on-line SOFM(self-organizing feature map)을 적용하여 다변량 통계기법의 하나인 부분최소자승법(non-linear partial least square)을 이용하였다. 이와 같이 구성된 부분최소자승법 모델을 가지고 BTX공정에서 중요한 역할을 하는 스팀 생산 보일러 공정, Tennessee Eastman 공정, 증류공정의 탑상 물질 조성 예측에 적용시켜 보았다. |
