기계학습(Machine Learning).품질예측(Quality Prediction).회귀모델(Regression Model).인공신경망(Artificial Neural Network).지지벡터기계(Support Vector Machine).부분최소제곱법(Partial Least Squares).Machine Learning.Quality Prediction.Regression Model.Artificial Neural Network.Support Vector Machine.Partial Least Squares.
초록▼
세 가지 기계학습 기법(인공신경망(ANN), Support Vector Machine(SVM), 부분최소 제곱법(PLS))을 이용하여, 화학공정의 조업 변수와 제품 품질을 연관시키는 회귀 모델을 기존의 공정데이터에 의거해 구한 후, 현장의 실시간 데이터베이스와 연계하여 온라인으로 품질을 예측하는 시스템의 구축 1) ANN 알고리즘 개선 지역최소점 문제를 개선하기 위해 전역최적화 알고리즘을 연구하였으며, 지역최적 화를 반복하는 확률적 전역최적화 기법을 토대로 한 진화연산 체계를 제안하였다. 2) SVM을 이용한 고분
세 가지 기계학습 기법(인공신경망(ANN), Support Vector Machine(SVM), 부분최소 제곱법(PLS))을 이용하여, 화학공정의 조업 변수와 제품 품질을 연관시키는 회귀 모델을 기존의 공정데이터에 의거해 구한 후, 현장의 실시간 데이터베이스와 연계하여 온라인으로 품질을 예측하는 시스템의 구축 1) ANN 알고리즘 개선 지역최소점 문제를 개선하기 위해 전역최적화 알고리즘을 연구하였으며, 지역최적 화를 반복하는 확률적 전역최적화 기법을 토대로 한 진화연산 체계를 제안하였다. 2) SVM을 이용한 고분자 중합공정의 모델링 두 가지 중합공정에 대해 주요 제품 품질변수로 간주되는 용융지수(melt index)를 온도, 압력 등의 일반 공정변수와 연관시키는 경험적 모델로서 SVM을 적용하였다. 이어 현장에서 수집한 훈련데이터 집합으로 SVM을 학습시킨 후 별도의 시험데이터 집합에 대해 예측값과 측 정값을 비교하였다. 3) 화학공정에 대한 PLS 기법의 성능 검토 및 알고리즘 수정·보완 복잡한 화학반응식이 포함된 화학공정의 생산제품의 특성치를 예측하는 방법으로 널리 사용되는 부분최소제곱법(PLS)의 성능검토를 위하여, 고분자 중합공정, 디젤유의 세탄가 측정, 2성분 혼합물질의 인화점 예측 등에 PLS 방법을 적용하여 성능을 검토해 보았다. PLS 알고리즘을 변형시켜 수정된 2차 PLS(QPLS) 방법을 개발하여 그 성능을 확인하였다. 온라인으로 물성치를 예측하는 화학공정에 적용하기 위하여 오차가 많은 기존의 데이터를 제거해 나가는 적응 예측 PLS(APPLS) 방법을 개발하였으며, 입출력 데이터가 거대한 화학공정에 적용가능한 블록형 PLS(Blockwise APPLS) 방법을 개발하여 화학공정에 적용하였다. 4) 화학공정의 온라인 운전지원 시스템 개발 다양한 운전방법에 대한 결과를 실시간으로 예측함으로써 에너지절감 및 안전을 추구하는 운전최적화에 활용할 수 있는 온라인 운전지원 시스템의 기본형을 Excel 기반으로 개발하였다. 본 연구를 통해 ANN, SVM, PLS 알고리즘을 비교분석 및 수정보완 하여 화학제품의 품질예측에 적합한 모델링 기술을 개발하였다. 이 기법들을 고분자 중합공정에 적용하여 용융지수 예측에 활용한 결과 SVM이 가장 우수한 성능을 보이는 것을 확인 하였다. 본 연구에서 개발된 블록형 적응예측 PLS 방법(Blockwise APPLS)은 입출력 데이터가 많고 복잡한 화학반응식들이 포함된 화학공정의 생산제품의 물성치를 실시 간으로 파악하는 방법으로 매우 효과적으로 활용될 것으로 예측된다. 본 연구에서 제안한 데이터 모델링 및 시스템 구축기법은 향후 다양한 화학제품의 온라인 품질예측 및 화학공정 운전지원 시스템 개발에 적용할 수 있을 것으로 기대된다.
Abstract▼
To develop an on-line product quality prediction system linked with real-time databases of industrial chemical processes which implements the regression models between operation variables and product quality learned from previous process data using three machine learning techniques (Artificial Neura
To develop an on-line product quality prediction system linked with real-time databases of industrial chemical processes which implements the regression models between operation variables and product quality learned from previous process data using three machine learning techniques (Artificial Neural Network (ANN), Support Vector Machine (SVM), and Partial Least Squares(PLS)). 1) ANN Algorithm Improvement In order to improve the local minimum problem, global optimization algorithms have been studied. An evolutionary computation algorithm is proposed based on a stochastic global optimization method which repeats local optimizations. 2) Polymerization Process Modeling with SVM SVM has been applied to melt index estimation for two polymerization processes. The model was trained by a set of process data, and its prediction results were compared with the measured values for another set of data. 3) Performance Evaluation of PLS Methods for Chemical Processes The partial least square (PLS) method has been applied to prediction of the product quality of a polymer synthesis process, the cetane number of diesel oil, and the flash points of a binary mixture. Also, modified quadratic PLS (QPLS) method has been developed and evaluated. In order to use the PLS in the on-line estimation of chemical products, an Adaptive Predictive Partial Least Squares (APPLS) method is suggested, which erases past data with large error, and merge new data. By expanding APPLS method, a block-wise Adaptive Predictive Partial Least Squares (block-wise APPLS) method has been developed, and applied to a large scale data of chemical processes. 4) Development of an On-Line Operation Support System for Chemical Processes A prototype system for optimal process operation has been developed in the Excel platform, which makes predictions by real time simulations. ANN, SVM, and PLS algorithms have been studied, compared, modified and improved in this study, and thus modeling techniques have been developed which are suitable for chemical product quality prediction. When applied to melt index estimation in polymerization processes, the SVM showed the best performance. The block-wise Adaptive Predictive PLS method developed in this study is expected to be useful for predicting the product properties of a large scale chemical process with many complex chemical reactions. The proposed method for data modeling and system construction can be applied to development of various on-line product quality prediction and process operation support systems.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.