데이터 기반 FCC(Fluid Catalytic Cracking Unit) 제품 수율 예측 모델 개발

직책 : 연구 책임자

기간 : 2019. 04. ~ 2019.07.

연구 필요성

실시간 마진 최적화 시스템을 구축하기 위해서는 제품 수율을 정확히 예측할 수 있어야 한다. 하지만 화학 공학 이론에 기반한 시뮬레이션 모델은 공장의 특성에 따라 발생하는 변동을 모사하기 어렵고 운전 조건 변경에 따른 생산량의 변화를 정확히 예측하기 어려운 문제가 있다. 이를 해결하기 위해 실제 공정 운전 데이터를 기반으로 한 공정의 특수성을 반영하는 예측모델을 개발하고 이를 기반으로 운전 조건 변경 시 생산량의 변화를 정량적으로 예측하여 공정 운전의 신뢰도를 확보할 필요가 있다.

연구 목적 및 내용

본 연구의 대상 공정인 FCC 공정은 3개의 Section과 3개의 부속공정으로 구성되어 있다. 그 중 Main Column Section의 Product의 수율을 예측하는 기계 학습 모델을 만드는 것이 연구의 목표이다. 본 연구에서는 다양한 기계 학습 모델을 사용하여 비교평가를 수행하고, 그 중 가장 높은 예측 성능을 보이는 모델을 선정하여 모델의 성능을 향상시키는 것을 목표로 한다.