[논문]주성분 분석을 이용한 효과적인 화학공정의 이상진단 모델 개발

박재연; 이창준

doi:10.14346/jkosos.2014.29.4.073

주성분 분석을 이용한 효과적인 화학공정의 이상진단 모델 개발
Principal Component Analysis Based Method for Effective Fault Diagnosis 원문보기

한국안전학회지 = Journal of the Korean Society of Safety, v.29 no.4, 2014년, pp.73 - 77

Abstract ▼ AI-Helper

In the field of fault diagnosis, the deviations from normal operating conditions are monitored to identify the type of faults and find their root causes. One of the most representative methods is the statistical approaches, due to a large amount of advantages. However, ambiguous diagnosis results can be generated according to fault magnitudes, even if the same fault occurs. To tackle this issue, this work proposes principal component analysis (PCA) based method with qualitative information. The PCA model is constructed under normal operation data and the residuals from faulty conditions are calculated. The significant changes of these residuals are recorded to make the information for identifying the types of fault. This model can be employed easily and the tasks for building are smaller than these of other common approaches. The efficacy of the proposed model is illustrated in Tennessee Eastman process.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 정상 데이터를 이용하여 PCA를 이용하여 L′을 계산한 후 이상이 발생했을 시 데이터를 계산하여 정상상태와 비교하고자 한다. 각각의 주성분을 비교함으로써 다양한 이상을 정확하게 진단하는 모델을 구현하고자 한다.
본 논문에서는 PCA를 이용하여 이상의 세기가 틀려짐에 따라 발생할 수 있는 문제점을 해결하는 새로운 방법론을 제시하고자 한다. 정량적인 방법과 정성적인 방법 두 가지를 혼용하여 이상의 세기가 변함에 따라 발생할 수 있는 통계적 방법의 단점을 극복하고자 한다.
본 연구에서는 정상 데이터를 이용하여 PCA를 이용하여 L′을 계산한 후 이상이 발생했을 시 데이터를 계산하여 정상상태와 비교하고자 한다.
본 논문에서는 PCA를 이용하여 이상의 세기가 틀려짐에 따라 발생할 수 있는 문제점을 해결하는 새로운 방법론을 제시하고자 한다. 정량적인 방법과 정성적인 방법 두 가지를 혼용하여 이상의 세기가 변함에 따라 발생할 수 있는 통계적 방법의 단점을 극복하고자 한다.

가설 설정

⑦ 증기와 액상이 같이 존재하면 평형상태라고 가정한다.

제안 방법

Loading vector인 L′을 계산한 후 이상이 발생했을 시 데이터를 계산하여 주성분 행렬 Y를 계산하였다.
각 주성분 마다 경향을 정성적으로 비교하여 각 이상 별로 주성분의 어떠한 형태로 변동하는 지 조사하였다. 일반적으로 PCA를 이용하여 모델을 만들고 이를 이용하여 이상을 판별할 때 Hotelling’s T-squared distribution 모델이나 Q-statistic 방법을 이용하여 정상상태의 데이터와 이상 상태의 데이터를 비교한다⁶⁾.
Loading vector인 L′을 계산한 후 이상이 발생했을 시 데이터를 계산하여 주성분 행렬 Y를 계산하였다. 그리고 정상상태의 주성분 행렬 데이터와 이상이 발생했을 때의 주성분데이터 행렬의 차이인 잔차를 이용하여 각 잔차가 주성분마다 어떻게 변화하는지를 조사하였다. 잔차는 다음과 같은 식으로 정의할 수 있다.
하지만, 같은 종류의 이상이라도 이상 발생 정도가 틀리면 이러한 방법들은 다른 크기의 값들을 산정하기 때문에 이상 판별에 큰 혼란을 가져올 수 있다. 따라서 본 연구에서는 주성분 행렬들의 잔차의 변화 경향을 이용하여 이를 이상 판별에 활용 하였다. 이상이 확산됨에 따라 잔차의 경향도 복잡해지기 때문에 초기에 잔차가 어떻게 변하는 지를 조사하였다.
많은 변수가 존재하는 복잡한 화학 공정의 특성 상 많은 변수들을 모니터링 하는 것은 불가능하다. 따라서, PCA를 이용하여 정보의 손실이 최대한 적도록 하면서 데이터 차수를 효과적으로 줄일 수 있으며, 정상 데이터와 이상 데이터 간의 차이를 생성한 후 각 주성분의 변화를 정성적인 형태로 관찰하여 이상을 판별하는 알고리즘을 제안하였다.
먼저, 이상이 발생하지 않은 정상 상태의 데이터를 이용하여 PCA 모델을 계산하였다. Loading vector인 L′을 계산한 후 이상이 발생했을 시 데이터를 계산하여 주성분 행렬 Y를 계산하였다.
본 연구에서 제안한 정량적인 기법과 정성적인 방법을 혼용하면 이상의 세기가 틀려지더라도 효과적으로 이상을 판별할 수 있다. 본 연구의 경우 15개의 데이터에 대해 진단을 수행하는 알고리즘을 구현하였으며 모든 이상의 판별이 가능하였다. 6개의 이상의 원인 및 그 세기를 모르는 임의의 데이터를 이용하여 테스트를 하였으며 모두 정확하게 판별함을 확인할 수 있었다.
따라서 본 연구에서는 주성분 행렬들의 잔차의 변화 경향을 이용하여 이를 이상 판별에 활용 하였다. 이상이 확산됨에 따라 잔차의 경향도 복잡해지기 때문에 초기에 잔차가 어떻게 변하는 지를 조사하였다. Table 2는 1번 이상부터 8번 이상까지 주성분에 따라 그래프 유형이 초기에 어떻게 변동하는지를 보여주고 있다.

대상 데이터

이 공정의 시뮬레이션 코드는 포트란이며 모든 공정 변수들은 가우시안 noise를 포함하고 있다. Table 1에서 보는 바와 같이 총 15개의 이상 데이터를 이용하여 본 연구를 수행하였다.
데이터로 사용한 15개의 데이터 Set은 52개의 변수로 이루어져 있다. 11개는 조작변수이며 측정변수는 22개, 조성변수는 19개이다.

이론/모형

본 연구에서는 화학 공정상에서 발생할 수 있는 이상을 효과적으로 진단하기 위해 정량적인 기법인 PCA를 이용하였다. 많은 변수가 존재하는 복잡한 화학 공정의 특성 상 많은 변수들을 모니터링 하는 것은 불가능하다.

성능/효과

Table 3은 이상의 원인이 무엇인지 모르는 데이터를 이용하여 판별한 결과를 보여주고 있다. 6개 데이터 모두 정확하게 이상 진단을 수행함을 확인할 수 있다.
본 연구의 경우 15개의 데이터에 대해 진단을 수행하는 알고리즘을 구현하였으며 모든 이상의 판별이 가능하였다. 6개의 이상의 원인 및 그 세기를 모르는 임의의 데이터를 이용하여 테스트를 하였으며 모두 정확하게 판별함을 확인할 수 있었다.
기존의 통계를 이용한 진단 기법들은 같은 종류의 이상이 발생하더라도 그 발생 세기에 따라 다른 값을 가질 수 있으며 이는 이상진단에 큰 문제를 일으킬 가능성을 가지고 있다. 본 연구에서 제안한 정량적인 기법과 정성적인 방법을 혼용하면 이상의 세기가 틀려지더라도 효과적으로 이상을 판별할 수 있다. 본 연구의 경우 15개의 데이터에 대해 진단을 수행하는 알고리즘을 구현하였으며 모든 이상의 판별이 가능하였다.
하지만 본 논문에서 제안한 모델은 사전에 알고 있는 이상의 정성적인 패턴을 이용하여 진단하기 때문에 새롭게 발생한 이상의 원인에 대해서는 진단이 불가능하다. 따라서 앞으로 다양한 기법들을 결합하여 보다 더 효과적인 이상을 진단할 수 있는 방법론에 대한 연구가 필요할 것이며 이를 통해 공정의 전반적인 능률 향상을 도모할 필요가 있다.

후속연구

하지만 본 논문에서 제안한 모델은 사전에 알고 있는 이상의 정성적인 패턴을 이용하여 진단하기 때문에 새롭게 발생한 이상의 원인에 대해서는 진단이 불가능하다. 따라서 앞으로 다양한 기법들을 결합하여 보다 더 효과적인 이상을 진단할 수 있는 방법론에 대한 연구가 필요할 것이며 이를 통해 공정의 전반적인 능률 향상을 도모할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	화학 공정의 이상을 진단하는 방법론은 어떻게 나눠지는가?	공정 안에 많은 순환 흐름과 제어 루프가 존재하기 때문에 이상을 감지하는데 많은 어려움이 있다. 화학 공정의 이상을 진단하는 방법론은 공정지식을 얻는 방법에 따라 모델기반과 데이터기반 방법으로 나누어지며 각각의 지식 형태에 따라 정량적, 정성적 방법으로 나눠진다1-2). 모델 기반 방법론은 공정을 에너지⋅물질 수지 식을 이용하여 모델링을 한 후 실제 데이터와 예측 결과를 비교하여 이상의 원인을 진단하는 방법이다.
	공정과정에서의 이상이란?	보다 안전성이 높은 공정을 확보하기 위해서는 이상의 원인을 조기에 감지하거나 미연에 방지하는 것이 매우 중요하다1) . 여기서 말하는 이상은 물리적 고장, 교란, 작업자의 오류 등의 원인으로 공정의 운전조건에서 정상상태에서 벗어나는 경우를 의미한다2) . 예상치 못한 센서⋅제어기 고장, 파울링(fouling), 막힘(blockage), 누출(leaking), 원료의 변화, 유틸리티의 변화 등이 이에 해당한다.
	모델 기반 방법론의 단점은?	모델 기반 방법론은 공정을 에너지⋅물질 수지 식을 이용하여 모델링을 한 후 실제 데이터와 예측 결과를 비교하여 이상의 원인을 진단하는 방법이다. 하지만 이러한 방법은 공정을 모델링 하는데 많은 어려움 및 노력이 필요하다는 단점이 있다. 최근에는 이를 대체하면서 비교적 간단한 데이터 기반 방법론이 각광 받고 있다.

참고문헌 (6)

C. J. Lee, G. Lee and J. M. Lee, "A Fault Magnitude Based Strategy for Effective Fault Classification", Chemical Engineering Research and Design, Vol. 91, No. 3, pp. 530-541, 2012.
C. J. Lee, S. O. Song and E. S. Yoon, "The Monitoring of Chemical Process using The Support Vector Machine", Korean Chemical Engineering Research, Vol. 42, No. 5, pp. 538-544, 2004.
M. Kano, S. Hasebe, I. Hashimoto and H. Ohno, "A New Multivariate Statistical Process Monitoring Method using Principal Component Analysis", Computers and Chemical Engineering, Vol. 25, pp. 1103-1113, 2001.

상세보기
L. H. Chiang, E. L. Russell and R. D. Braatz, "Fault Detection and Diagnosis in Industrial Systems", Springerverlag, New York, 2001.
J. J. Downs and E. F. Vogel, "A Plant-Wide Industrial Process Control", Computers and Chemical Engineering, Vol. 17, No. 3, pp. 245-255, 1993.

상세보기
V. Venkatasubramanian, R. Rengaswamy, K. Yin S. N. Kavuri, "A Review of Process Fault Detection and Diagnosis Part III: Process History Based Methods", Computers and Chemical Engineering, Vol. 27, No. 3, pp. 327-346, 2003.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증