석유화학업종을 포함한 제조업은 기업의 효율적인 경영을 위하여 ERP(Enterprise Resource Planning), LIMS(Laboratory Information Management System), MES(Manufacturing Execution System), PIS(Plant Information System)와 같은 단위 시스템으로부터 발생되는 많은 종류의 데이터를 보유하고 있다. 석유화학공정의 품질관리를 위해서 다양한 전산시스템이 구축되는데, 품질 정보를 빠르게 판단하여 즉각적인 의사를 반영할 수 있는 시스템은 특히 중요하다고 할 수 있다. 이러한 시스템은 다양한 품질 분석 방법을 사용하여 공정의 이상 유무를 파악할 수 있고, 제품의 불량원인을 쉽게 추적할 수 있도록 지원하여야 하며, 원재료를 가공하기 위한 공정 분석이 최적화되어 ...
석유화학업종을 포함한 제조업은 기업의 효율적인 경영을 위하여 ERP(Enterprise Resource Planning), LIMS(Laboratory Information Management System), MES(Manufacturing Execution System), PIS(Plant Information System)와 같은 단위 시스템으로부터 발생되는 많은 종류의 데이터를 보유하고 있다. 석유화학공정의 품질관리를 위해서 다양한 전산시스템이 구축되는데, 품질 정보를 빠르게 판단하여 즉각적인 의사를 반영할 수 있는 시스템은 특히 중요하다고 할 수 있다. 이러한 시스템은 다양한 품질 분석 방법을 사용하여 공정의 이상 유무를 파악할 수 있고, 제품의 불량원인을 쉽게 추적할 수 있도록 지원하여야 하며, 원재료를 가공하기 위한 공정 분석이 최적화되어 인과관계를 도출하여 개선방향을 도출할 수 있어야 하고, 개선의 방향을 추적할 수 있어야 한다. 특히 MES와 같은 시스템의 경우에는 석유화학 공정을 모니터링하기 위해서 다양한 센서들이 실시간으로 데이터를 수집하여 빅데이터를 저장하고 있는 경우가 많다. 기업에서 보유하고 있는 분산된 개별 전산시스템이 보유하고 있는 빅데이터를 마이닝하면 공정개선을 기대할 수 있어서 기업의 경영 개선에 많은 도움을 줄 수 있다. 석유화학 주요 공정은 해당 설비의 운전을 실시간으로 모니터링하기 위해 다양한 센서들을 사용하며, 이 센서들로부터 수집된 데이터는 가공방법에 따라 제품의 품질과 수율을 향상시킬 수 있으며, 이러한 목적을 달성하기 위해서는 공정과 관련된 실시간 데이터 분석과 그에 따른 피드백이 중요하다. 국내 석유화학기업에서는 시추 등의 여러 분야 중에서 Production과 Operation 분야의 빅데이터가 주요 관심사이며, 과거 결과(Historical Result)를 활용하여 미래의 성능(Performance)을 예측하거나 보다 생산적인 공정으로 자산을 이동하여 사용할 수 있어서 원유 회수율(Oil recovery rates) 역시 개선될 수 있다. 또한 압력, 온도, 양, 진동 등의 변수가 라인 정지를 일으키는 요소를 찾아내어 정비 기간(maintenance intervals)을 효과적으로 운영하기 위한 라인 정지 시간 예측과 장비의 오류를 예측하고 정비를 효과적으로 하기 위한 시점을 파악하기 위한 효과적인 예방 정비 시간 운용(Optimizing field scheduling)과 같은 효과적인 예측기반의 정비 계획 수립도 가능해 진다. 실시간으로 운전 정보와 상태를 모니터링하기 위해서 공정의 센서들로부터 수집된 빅데이터는 정제하고 처리하는 방법에 따라 제품의 품질과 수율을 향상시킬 수 있는데, 이러한 목적을 달성하기 위해서는 정제되지 않고 보유하고 있는 빅데이터에 대한 분석이 필요하다. 본 논문에서는 원유의 가공 공정 중에 발생되는 빅데이터를 정제, 분석하여 해당 공정을 제어하기 위한 빅데이터 처리 시스템을 설계하고 구현하였다. 시스템의 구현에 있어서 석유화학공정을 제어하기 위하여 구축된 시스템을 사용하여 제품 생산 공정에서 취득되는 빅데이터를 분석하여 공정을 제어하기 위한 기존의 통계공정제어 방법을 개선한 다변량 통계공정제어 기법을 제안하고, 그 적용 기법을 보인다. 또한 조업 편차를 분석하기 위한 화면 구성을 위해 K-Means 군집 알고리즘을 사용하였고, K-Mean알고리즘의 군집화 과정에서 오류를 최소화 하기 위하여 클러스터링 반복 회수를 적절히 사용하게 하여 일반적인 K-Means알고리즘 보다 석유화학공정과 같은 대량 생산 시나리오에서 적합한 K-Means Clustering 환경을 적용하였다. 또한 회귀식을 도출하기 위해 Logistic 회귀분석 모델을 구현하고 최적화하였으며, 성능평가를 위하여 다른 솔루션과 비교 분석하였다. 본 논문에서 제안된 기법을 이용하면 통계를 이용한 석유화학업종의 공정분석에서 기존의 수동 검사 방식을 대체하여 검사 시간 및 비용을 단축할 수 있고, 문제가 발생한 공정에 대해 신속하게 대응할 수 있는 기반을 마련할 수 있다. 그리고 결함패턴 검사에 대한 표준화가 가능하여 검사자의 주관적인 지식과 경험에 의존하지 않고 시스템을 통하여 수리와 통계에 기초한 객관적인 검사기준을 수립할 수 있다. 또한 꾸준한 오류 검출과 정확도를 향상시켜서 석유화학공정을 실시간으로 제어하기 위한 빅데이터 처리 시스템을 구현할 수 있다.
석유화학업종을 포함한 제조업은 기업의 효율적인 경영을 위하여 ERP(Enterprise Resource Planning), LIMS(Laboratory Information Management System), MES(Manufacturing Execution System), PIS(Plant Information System)와 같은 단위 시스템으로부터 발생되는 많은 종류의 데이터를 보유하고 있다. 석유화학공정의 품질관리를 위해서 다양한 전산시스템이 구축되는데, 품질 정보를 빠르게 판단하여 즉각적인 의사를 반영할 수 있는 시스템은 특히 중요하다고 할 수 있다. 이러한 시스템은 다양한 품질 분석 방법을 사용하여 공정의 이상 유무를 파악할 수 있고, 제품의 불량원인을 쉽게 추적할 수 있도록 지원하여야 하며, 원재료를 가공하기 위한 공정 분석이 최적화되어 인과관계를 도출하여 개선방향을 도출할 수 있어야 하고, 개선의 방향을 추적할 수 있어야 한다. 특히 MES와 같은 시스템의 경우에는 석유화학 공정을 모니터링하기 위해서 다양한 센서들이 실시간으로 데이터를 수집하여 빅데이터를 저장하고 있는 경우가 많다. 기업에서 보유하고 있는 분산된 개별 전산시스템이 보유하고 있는 빅데이터를 마이닝하면 공정개선을 기대할 수 있어서 기업의 경영 개선에 많은 도움을 줄 수 있다. 석유화학 주요 공정은 해당 설비의 운전을 실시간으로 모니터링하기 위해 다양한 센서들을 사용하며, 이 센서들로부터 수집된 데이터는 가공방법에 따라 제품의 품질과 수율을 향상시킬 수 있으며, 이러한 목적을 달성하기 위해서는 공정과 관련된 실시간 데이터 분석과 그에 따른 피드백이 중요하다. 국내 석유화학기업에서는 시추 등의 여러 분야 중에서 Production과 Operation 분야의 빅데이터가 주요 관심사이며, 과거 결과(Historical Result)를 활용하여 미래의 성능(Performance)을 예측하거나 보다 생산적인 공정으로 자산을 이동하여 사용할 수 있어서 원유 회수율(Oil recovery rates) 역시 개선될 수 있다. 또한 압력, 온도, 양, 진동 등의 변수가 라인 정지를 일으키는 요소를 찾아내어 정비 기간(maintenance intervals)을 효과적으로 운영하기 위한 라인 정지 시간 예측과 장비의 오류를 예측하고 정비를 효과적으로 하기 위한 시점을 파악하기 위한 효과적인 예방 정비 시간 운용(Optimizing field scheduling)과 같은 효과적인 예측기반의 정비 계획 수립도 가능해 진다. 실시간으로 운전 정보와 상태를 모니터링하기 위해서 공정의 센서들로부터 수집된 빅데이터는 정제하고 처리하는 방법에 따라 제품의 품질과 수율을 향상시킬 수 있는데, 이러한 목적을 달성하기 위해서는 정제되지 않고 보유하고 있는 빅데이터에 대한 분석이 필요하다. 본 논문에서는 원유의 가공 공정 중에 발생되는 빅데이터를 정제, 분석하여 해당 공정을 제어하기 위한 빅데이터 처리 시스템을 설계하고 구현하였다. 시스템의 구현에 있어서 석유화학공정을 제어하기 위하여 구축된 시스템을 사용하여 제품 생산 공정에서 취득되는 빅데이터를 분석하여 공정을 제어하기 위한 기존의 통계공정제어 방법을 개선한 다변량 통계공정제어 기법을 제안하고, 그 적용 기법을 보인다. 또한 조업 편차를 분석하기 위한 화면 구성을 위해 K-Means 군집 알고리즘을 사용하였고, K-Mean알고리즘의 군집화 과정에서 오류를 최소화 하기 위하여 클러스터링 반복 회수를 적절히 사용하게 하여 일반적인 K-Means알고리즘 보다 석유화학공정과 같은 대량 생산 시나리오에서 적합한 K-Means Clustering 환경을 적용하였다. 또한 회귀식을 도출하기 위해 Logistic 회귀분석 모델을 구현하고 최적화하였으며, 성능평가를 위하여 다른 솔루션과 비교 분석하였다. 본 논문에서 제안된 기법을 이용하면 통계를 이용한 석유화학업종의 공정분석에서 기존의 수동 검사 방식을 대체하여 검사 시간 및 비용을 단축할 수 있고, 문제가 발생한 공정에 대해 신속하게 대응할 수 있는 기반을 마련할 수 있다. 그리고 결함패턴 검사에 대한 표준화가 가능하여 검사자의 주관적인 지식과 경험에 의존하지 않고 시스템을 통하여 수리와 통계에 기초한 객관적인 검사기준을 수립할 수 있다. 또한 꾸준한 오류 검출과 정확도를 향상시켜서 석유화학공정을 실시간으로 제어하기 위한 빅데이터 처리 시스템을 구현할 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.