지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- Yongchul G. Chung, 김정환
- 발행연도
- 2021
- 저작권
- 부산대학교 논문은 저작권에 의해 보호받습니다.
이용수29
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
본 연구에서는 증류 공정의 머신 러닝 기반 예측 모델을 개발하고, 공정 최적화에 적용하였다. 증류 공정은 화학 공정의 가장 대표적인 공정 중 하나이며 에너지가 가장 많이 사용되는 공정이다. 증류 공정에서 사용되는 에너지는 주로 증류탑의 온도 조절에 이용된다. 본 연구에서는 제품 생산단의 온도를 예측하기 위한 머신 러닝 모델을 개발하고 공정에 적용하였다. 머신 러닝은 복잡한 관계에 있는 변수들 간 관계를 분석하고 이를 이용하여 예측할 수 있는 방법이다. 본 연구에서 다음의 절차에 따라 온도를 예측할 수 있는 모델을 개발하였다. 1) 데이터를 수집하고, 2) 학습 시간 단축을 위해 수집된 데이터에 대해 특성 추출은 진행하였다. 3) 예측 성능 향상을 위한 최소-최대 정규화를 수행하였으며, 4) 제품 생산단 온도 예측에 가장 적절한 인공 신경망 알고리즘, 최적화 기법, 배치 사이즈 선정을 위해 사례 연구를 수행하였다. 사례 연구 결과 LSTM 알고리즘, Adam 최적화 기법, 배치 사이즈 128을 적용하였을 때 RMSE 0.0791, R2 0.924로 가장 적절한 성능을 보여주었다. 개발 된 모델의 일반화 성능을 검증하기 위해 새로운 데이터를 적용하여 성능 평가를 수행하였다. 평가 결과 RMSE 0.1294, R2 0.8166으로 개발 시에 사용한 데이터를 이용한 예측 성능보다 다소 감소된 성능을 보이지만 실제 데이터가 급격히 변화하는 구간을 제외한 시간대에 적절한 온도 예측을 수행하는 것을 확인했다. 개발된 모델을 활용하여 제품 생산단 온도를 일정하게 유지하기 위한 스팀 사용량을 계산하였으며 계산 결과 기존 평균 2,763 kg/h의 유량으로 소모되던 스팀을 평균 2,374 kg/h의 유량으로 약 14% 감소시킬 수 있을 것으로 기대된다. 본 연구를 통해 증류 공정에서 머신 러닝 기반 예측 모델을 활용한 제어 방법을 제시하였으며 효율적인 운전을 통해 운전 에너지 절감을 할 수 있음을 확인할 수 있었다.
목차
1. 서론 11.1 연구 배경 12. 연구 방법 32.1 머신 러닝 32.2 인공신경망 62.3 최적화기법 133. 모델 개발 173.1 데이터 수집 193.2 변수 추출 223.3 데이터 전처리 253.4 모델 설정 283.5 모델 평가 324. 예측 결과 및 모델 활용 334.1 온도 예측 결과 334.2 일반화 514.3 모델 활용 545. 결론 57
최근 본 자료
댓글(0)
0