초록 ▼

□ 연구개요
본 연구는 최근 디지털 혁신 기술 중 하나인 딥 러닝(Deep Learning) 기술과 수학적 모델(Mathematical Model)을 활용하여, 기존 상업 화학공정의 생산성 극대화에 적용 가능한 최적화 기술 개발을 목표로 한다.
이를 위해 공정 생산성 극대화가 필요한 공정을 대상으로 대량의 공정 운전 데이터를 확보하여, 딥 러닝 기술 적용한 블랙박스모델(Black Box Model)과 수학적 모델을 통합하여 개발한 최적화 기술의 적용 가능성을 확인한다.

□ 연구 목표대비 연구결과
연구 목

□ 연구개요
본 연구는 최근 디지털 혁신 기술 중 하나인 딥 러닝(Deep Learning) 기술과 수학적 모델(Mathematical Model)을 활용하여, 기존 상업 화학공정의 생산성 극대화에 적용 가능한 최적화 기술 개발을 목표로 한다.
이를 위해 공정 생산성 극대화가 필요한 공정을 대상으로 대량의 공정 운전 데이터를 확보하여, 딥 러닝 기술 적용한 블랙박스모델(Black Box Model)과 수학적 모델을 통합하여 개발한 최적화 기술의 적용 가능성을 확인한다.

□ 연구 목표대비 연구결과
연구 목표: 최근 디지털 혁신 기술 중 하나인 딥 러닝(Deep Learning) 기술과 수학적 모델(Mathematical Model)을 활용하여, 기존 상업 화학공정의 생산성 극대화에 적용 가능한 최적화 기술 개발
1. 화학공정에 적용 가능한 딥 러닝 기법 검토 및 선정
- 화학공학에 사용 가능한 딥러닝 기법은 크게 RNN(Recurrent Neural Network), CNN(Convolutional Neural Network), GANs(Generative Adversarial Networks) 세가지가 있음. 적용 공정 특징을 고려하여 기법 선택이 필요함
2. 딥러닝 적용 분야 선정
- 생산성 극대화에 적용하려 하였으나, 유용하고 가용 가능한 데이터 확보가 어려워 적용 분야를 Prcess monitoring 및 Fault Detection로 변경하여 선행 연구 검토
3. 공정 선정 및 적용
- 폐배터리 금속 추출 공정을 대상으로 딥러닝 기술을 적용
- 수치해석 모델을 이용하여 파일럿 규모 장비에 대한 데이터 확보
- 데이터 및 오토이코더 모델을 활용하여, 숙련된 운전자를 대신하여 Fault Detection 가능함을 확인 함.

□ 연구개발성과의 활용 계획 및 기대효과 (연구개발결과의 중요성)
- 문헌 자료, 수학적 및 수치해석 모델을 자료를 기반으로 용매 추출 공정의 모델링을 통해 공정 변수들의 조건과 시간에 따른 거동을 확인할 수 있는 공정 모사 모델을 개발함
- 수치해석 모델과 딥러닝 모델을 활용하여 숙련된 운전자를 대신하여 이상 진단이 가능함을 확인함
- 해당 공정과 같이 응답 지연이 긴 공정에 딥 러닝(Deep Learning) 기술과 수학적 모델(Mathematical Model)을 활용한 연구 기법을 적용할 수 있고, 향후 이와 유사한 공정에 적용 가능할 것으로 판단됨

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 4
• 2. 연구개발과제의 수행 과정 및 수행 내용 ... 4
• 2-1. 1차년도 ... 4
• 2-2. 2차년도 ... 5
• 2-3. 3차년도 ... 7
• 3. 연구개발과제의 수행 결과 및 목표 달성 수준 ... 8
• 1) 정성적 연구개발성과(연구개발결과) ... 8
• 2) 세부 정량적 연구개발성과 ... 9
• 3) 목표 달성 수준 ... 10
• 4) 목표 미달 시 원인 분석 ... 10
• 4. 연구개발성과의 관련 분야에 대한 기여 정도(연구개발결과의 중요성) ... 10
• 5. 연구개발성과의 관리 및 활용 계획 ... 11
• 6. 참고문헌 ... 12
• [붙임1] 세부 정량적 연구개발성과 ... 13
• [붙임2] 연구책임자 대표적 연구실적 및 증빙(요약문 및 사본) ... 14
• 끝페이지 ... 24