최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기공업화학 = Applied chemistry for engineering, v.31 no.5, 2020년, pp.520 - 525
권혁원 (한국생산기술연구원 친환경재료공정연구그룹) , 오광철 (한국생산기술연구원 친환경재료공정연구그룹) , 정용철 (부산대학교 화공생명공학부) , 조형태 (한국생산기술연구원 친환경재료공정연구그룹) , 김정환 (한국생산기술연구원 친환경재료공정연구그룹)
In this study, we developed a machine learning-based model for predicting the production stage temperature of distillation process. It is necessary to predict an accurate temperature for control because the control of the distillation process is done through the production stage temperature. The tem...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
인공 신경망을 기반으로 한 예측 모델을 실제 공정에 적용하는 방법은 어떤 두 가지로 나뉘는가? | 인공 신경망을 기반으로 한 예측 모델을 실제 공정에 적용하는 방법은 크게 두 가지가 있다. 첫 번째는 공정의 제어기로 사용하는 방법이다. 모델이 제어되고 있는 공정의 역학 관계를 훈련한 다음 공정을 제어하는데 직접 사용한다. 두 번째는 모델 예측 제어(model predicted control, MPC)와 같은 공정을 예측하는 모델을 개발한 후에 공정제어에 적용하는 방법이다. 두 번째 방법이 화학공정의 제어에서 인공 신경망 모델을 적용하는데 더 일반적으로 사용된다[5]. | |
인공신경망이란 무엇이고, 어떻게 사용될 수 있는가? | 인공신경망은 머신 러닝을 수행하기 위한 기법으로, 증류공정에 적용하여 온도를 예측하는 모델 개발에 사용될 수 있다. 인공 신경망을 기반으로 한 예측 모델을 실제 공정에 적용하는 방법은 크게 두 가지가 있다. | |
증류공정은 어떻게 수행되야 하는가? | 증류공정은 제품의 순도가 요구사양에 부합되도록 운전⋅제어되어야 한다[1]. 제품의 조성은 일반적으로 높은 투자비와 유지비를 가지는 별도의 장치를 통해 측정이 가능하지만 실시간 측정이 어려워 시간지연이 발생하여 제어 성능이 저하될 수 있다. |
V. Singh, I. Gupta, and H. O. Gupta, ANN based estimator for distillation-inferential control, Chem. Eng. Process., 44, 785-795 (2005).
R. Senthil, K. Janarthanan, and J. Prakash, Nonlinear state estimation using fuzzy Kalman filter, Ind. Eng. Chem. Res., 45, 8678-8688 (2006).
C. Venkateswarlu and S. Avantika. Optimal state estimation of multicomponent batch distillation, Chem. Eng. Sci., 56, 5771-5786 (2001).
H. Lee and J. H. Lee, Linear model predictive control of an entrained-flow gasifier for an IGCC power plant, Korean Chem. Eng. Res., 52, 592-602 (2004).
J. C. MacMurray and D. M. Himmelblau, Modeling and control of a packed distillation column using artificial neural networks, Comput. Chem. Eng., 19, 1077-1088 (1995).
A. Bahar and O. Canan, Artificial neural network estimator design for the inferential model predictive control of an industrial distillation column, Ind. Eng. Chem. Res., 43, 6102-6111 (2004).
S. Banerjee and A. K. Jana, Observer-based extended generic model control of a reactive batch distillation, Chem. Eng. Sci., 179, 185-197 (2018).
T. G. das Neves, W. B. Ramos, G. W. de Farias Neto, and R. P. Brito, Intelligent control system for extractive distillation columns, Korean J. Chem. Eng., 35, 826-834 (2018).
A. H. Mazinan, A new algorithm to AI-based predictive control scheme for a distillation column system, Int. J. Adv. Manuf. Technol., 66, 1379-1388 (2013).
S. Bae and J. Yu, Predicting the real estate price index using deep learning, Korea Real Estate Rev., 27, 71-86 (2017)
S. R. Vijaya Raghavan, T. K. Radhakrishnan, and K. Srinivasan, Soft sensor based composition estimation and controller design for an ideal reactive distillation column, ISA Trans., 50, 61-70 (2011).
S. Hochreiter and J. Schmidhuber, Long short-term memory, Neural Comput., 9, 1735-1780 (1997).
K. Cho, B. van Merrienboer, C. Gulcehre, D. Bahdanau, F. Bougares, H. Schwenk, and Y. Bengio, Learning phrase representations using RNN encoder-decoder for statistical machine translation, In Proc. Conference on Empirical Methods in Natural Language Processing, 1724-1734 (2014).
J. Chung, C. Gulcehre, K. Cho, and Y. Bengio, Empirical evaluation of gated recurrent neural networks on sequence modeling, arXiv preprint arXiv:1412.3555 (2014).
R. Jozefowicz, W. Zaremba, and I. Sutskever, An empirical exploration of recurrent network architectures, In: International Conference on Machine Learning, 2342-2350 (2019).
D. P. Kingma and J. L. Ba, Adam: A method for stochastic optimization, arXiv preprint arXiv:1412.6980 (2014).
G. Hinton, N. Srivastava, and K. Swersky, Neural networks for machine learning, Coursera, Video Lectures, 264.1 (2012).
I. Sutskever, J. Martens, G. Dahl, and G. Hinton, On the importance of initialization and momentum in deep learning, In: International Conference on Machine Learning, 1139-1147 (2013).
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문
※ AI-Helper는 부적절한 답변을 할 수 있습니다.