[논문]주성분 분석과 서포트 벡터 머신을 이용한 폴리스티렌 중합 반응기 이상 진단 모델 개발

정연수; 이창준

doi:10.9713/kcer.2022.60.2.223

초록
AI-Helper

화학공정에서 의도되지 않게 발생하는 이상은 큰 사고를 유발할 수 있다. 이러한 문제를 해결하기 위해, 신속하게 이상의 원인을 감지하고 판별하는 이상 진단 모델이 필요하다. 하지만, 이상 진단을 연구하는 대부분 연구의 경우, 상용프로그램에서 공정 시뮬레이션을 이용하여 이상 데이터를 생성하고 이를 이용하여 연구한 방법론을 적용하고 있다. 이는 실제 공정상에서 이상을 포함하는 실제 데이터를 얻는 데 많은 제약이 있음을 의미한다. 본 연구에서는 실제 폴리스티렌 반응기에서 얻은 이상 데이터와 정상 데이터를 분석하여 적절한 이상 진단 모델을 설계하고자 하였다. 먼저, 정상 데이터를 분석하여 세 가지의 조업 모드가 존재함을 확인하였으며, 모드 판별을 위한 모델을 SVM (Support Vector Machine)을 이용하여 만들었다. 각 조업 모드 별로 PCA (Principal Component Analysis)를 이용하여 이상 진단 모델을 만들었으며, 실제 이상 데이터를 이용하여 계산한 결과 신속하게 이상을 진단할 수 있음을 확인하였다. 본 연구에서 제안한 모델을 통해, 실제 사고가 발생하는 경우 신속한 대처가 가능하며, 이는 잠재적인 손실의 감소에 기여할 수 있음을 의미한다.

Abstract ▼ AI-Helper

In chemical processes, unintended faults can make serious accidents. To tackle them, proper fault diagnosis models should be designed to identify the root cause of faults. To design a fault diagnosis model, a process and its data should be analyzed. However, most previous researches in the field of ...

In chemical processes, unintended faults can make serious accidents. To tackle them, proper fault diagnosis models should be designed to identify the root cause of faults. To design a fault diagnosis model, a process and its data should be analyzed. However, most previous researches in the field of fault diagnosis just handle the data set of benchmark processes simulated on commercial programs. It indicates that it is really hard to get fresh data sets on real processes. In this study, real faulty conditions of an industrial polystyrene process are tested. In this process, a runaway reaction occurred and this caused a large loss since operators were late aware of the occurrence of this accident. To design a proper fault diagnosis model, we analyzed this process and a real accident data set. At first, a mode classification model based on support vector machine (SVM) was trained and principal component analysis (PCA) model for each mode was constructed under normal operation conditions. The results show that a proposed model can quickly diagnose the occurrence of a fault and they indicate that this model is able to reduce the potential loss.

주제어

표/그림 (9)

표 Table 1. Kernel Functions
그림 Fig. 1. Bulk polymerization reactors for producing polystyrene.
그림 Fig. 2. The results of PCA based on 7000 data sets.
그림 Fig. 3. The results of a mode classification model based on SVM.
표 Table 2. Three operational modes on polystyrene reactors
그림 Fig. 4. The results on a real data set monitored by a SVM model classification model.
그림 Fig. 5. The principal components based on a real data set. The blue dash line indicates the area of a normal operation mode 1.
그림 Fig. 6. The monitoring results based on T². The red dash line is the UCL of T².
그림 Fig. 7. The monitoring results based on SPE. The red dash line is the UCL of SPE.

참고문헌 (12)

Lee, K. O. and Lee, C. J., "The Development of a Fault Diagnosis Model based on the Parameter Estimations of Partial Least Square Models," J. Korean Soc. Saf., 34, 59-67(2019).
Park, J. Y. and Lee, C. J., "Principal Component Analysis Based Method for Effective Fault Diagnosis," J. Korean Soc. Saf., 29, 73-77(2014).

원문보기 상세보기
Venkatasubramanian, V., Rengaswamy, R., Yin, K. and Kavuri, S. N., "A Review of Process Fault Detection and Diagnosis: Part I: Quantitative Model-based Methods," Com. Chem. Eng., 27, 293-311(2003).

상세보기
Venkatasubramanian, V., Rengaswamy, R., Yin, K. and Kavuri, S. N., "A Review of Process Fault Detection and Diagnosis: Part II: Qualitative Models and Search Strategies," Com. Chem. Eng., 27, 311-326(2003).
Venkatasubramanian, V., Rengaswamy, R., Yin, K. and Kavuri, S. N., "A Review of Process Fault Detection and Diagnosis: Part III: Process History Based Methods," Com. Chem. Eng., 27, 327-346(2003).

상세보기
Lee, C. J., Lee, G. and Lee, J. M., "A Fault Magnitude Based Strategy for Effective Fault Classification," Chem. Eng. Res. Des., 91, 530-541(2013).

상세보기
Lee, C. J., Ko, J. W. and Lee, G., "Operation Modes Classification of Chemical Processes for History Data-Based Fault Diagnosis Methods," Korean Chem. Eng. Res., 46, 383-388(2008).
Vapnik, V. N., The nature of statistical learning theory, Springer Verlag, New York, U.S.A., 17-68(1995).
Almeida, G. M., Park, S. W., Kim, S. C. and Lee, C. J., "A Smapiling-based Stochastic Optimization for a Boiler Process in a Pulp Industry," Korean J. Chem. Eng., 37, 588-596(2020).

상세보기
Wold, S., Esbensen, K. and Geladi, P., "Principal Component Analysis," Chemom. Intell. Lab. Syst., 2, 37-52(1987).

상세보기
Hotelling, H., Multivariate Quality Control-Illustrated by the Air Testing of Sample Bombsights, in Techniques of Statistical Analysis, Eisenhart C, Hastay M.W. and Wallis W.A., (eds) McGrawHill, New York, 111-184(1947).
Pyun, H., Lee, C.-J. and Lee, W. B., "Development of Monitoring System for the LNG Plant Fractionation Process based on Multimode Principal Component Analysis," J. Korean Inst. Gas, 23, 32-38(2019).

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

주성분 분석과 서포트 벡터 머신을 이용한 폴리스티렌 중합 반응기 이상 진단 모델 개발
The Development of a Fault Diagnosis Model Based on Principal Component Analysis and Support Vector Machine for a Polystyrene Reactor 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9)

표/그림 (9)

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

주성분 분석과 서포트 벡터 머신을 이용한 폴리스티렌 중합 반응기 이상 진단 모델 개발 The Development of a Fault Diagnosis Model Based on Principal Component Analysis and Support Vector Machine for a Polystyrene Reactor 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (9) 모든 표/그림 보기

표/그림 (9) 슬라이드로 보기

참고문헌 (12)

이 논문을 인용한 문헌

저자의 다른 논문 :

이창준 (23)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

주성분 분석과 서포트 벡터 머신을 이용한 폴리스티렌 중합 반응기 이상 진단 모델 개발
The Development of a Fault Diagnosis Model Based on Principal Component Analysis and Support Vector Machine for a Polystyrene Reactor 원문보기

초록
AI-Helper

표/그림 (9)

표/그림 (9)