공기 조절장치(Air Fan Cooler Louver) 자동제어…압력 정밀도 12.8% 향상
세계적 권위 학술지 '엔지니어링 애플리케이션스 오브 아티피셜 인텔리전스(Engineering Applications of Artificial Intelligence)' 게재
사진은 (왼쪽부터) 성균관대 김유성 교수(교신저자), 서동찬 AI Expert(삼성디스플레이), 김동일 PM(SK이노베이션), 손효은 계장(SK인천석유화학)이다. (사진=성균관대 제공) *재판매 및 DB 금지
[서울=뉴시스]전수현 인턴 기자 = 성균관대는 25일 소프트웨어학과 김유성 교수 연구팀이 실제 정유공정에 강화학습(Reinforcement Learning) 기술을 성공적으로 적용한 '강화학습 기반 압력 제어 시스템(RLPCS, Reinforcement Learning-based Pressure Control System)'을 개발하고, 세계 최초로 상용화에 성공했다고 밝혔다.
이번 연구는 성균관대 김 교수와 서동찬 AI Expert(현 삼성디스플레이), 김동일 PM(SK이노베이션), 손효은 계장(SK인천석유화학)의 협업으로 수행됐다.
연구팀은 ▲2021년 부트 워터 레벨 ▲2022년 Lt.Naph RVP ▲2023년 상압증류탑 압력 등 다양한 공정에 AI 제어를 단계적으로 적용하며, 알고리즘의 성능과 안정성을 검증해 왔다.
연구팀은 하루 20만 배럴의 원유를 처리하는 중대형급(상위권) 상압증류탑(#2 CDU)에서 공기 조절장치(Air Fan Cooler Louver) 제어를 강화학습 기반 압력 제어 시스템(RLPCS)을 통해 자동화했다.
이번 연구는 성균관대 김 교수와 서동찬 AI Expert(현 삼성디스플레이), 김동일 PM(SK이노베이션), 손효은 계장(SK인천석유화학)의 협업으로 수행됐다.
연구팀은 ▲2021년 부트 워터 레벨 ▲2022년 Lt.Naph RVP ▲2023년 상압증류탑 압력 등 다양한 공정에 AI 제어를 단계적으로 적용하며, 알고리즘의 성능과 안정성을 검증해 왔다.
연구팀은 하루 20만 배럴의 원유를 처리하는 중대형급(상위권) 상압증류탑(#2 CDU)에서 공기 조절장치(Air Fan Cooler Louver) 제어를 강화학습 기반 압력 제어 시스템(RLPCS)을 통해 자동화했다.
정유 공정 압력 제어에 필요한 상압증류탑 공기 조절장치(Air Fan Cooler Louver) 자동화를 위한 오프라인 강화학습과 기존 관리 시스템으로 통합 및 온라인 적응 학습 개략도. (사진=성균관대 제공) *재판매 및 DB 금지
기존에는 운전원이 수동으로 조작하던 루버(Louver)를 AI 기반 실시간 제어함으로써, 압력 제어의 정밀도를 향상하고 공정의 변동성은 물론 운전자의 업무 부담까지 효과적으로 줄이는 데 성공했다.
연구팀은 수년간 축적된 운전 로그 데이터를 기반으로 강화학습 모델을 개발했다. 도메인 전문가들과 협력해 마르코프 결정과정(강화학습을 위한 수학적 모델)을 정교하게 설계한 뒤, 오프라인 강화학습을 수행했다.
이후 학습된 모델은 SK인천석유화학 정유공장의 하루 20만 배럴 규모 상압증 류탑(CDU) 제어 시스템에 통합됐으며 온라인 학습 기법 또한 적용됐다.
약 1년간의 실제 산업 환경 운용 결과, 공기 조절장치(Air Fan Cooler Louver)의 자동 제어를 통해 압력 오차를 12.8% 줄이는 데 성공했다. 또한 원유 성상 변화나 제품 규격(Specification) 변화에 따른 공정 변동성도 효과적으로 제어할 수 있음을 입증했다.
김 교수는 "이번 연구는 이론적 강화학습 알고리즘을 실제 산업 제어 시스템에 통합하고, 이를 실시간으로 운영하며 지속적인 성능 향상을 달성했다는 점에서 큰 의미가 있다"고 설명했다.
◎공감언론 뉴시스 [email protected]
연구팀은 수년간 축적된 운전 로그 데이터를 기반으로 강화학습 모델을 개발했다. 도메인 전문가들과 협력해 마르코프 결정과정(강화학습을 위한 수학적 모델)을 정교하게 설계한 뒤, 오프라인 강화학습을 수행했다.
이후 학습된 모델은 SK인천석유화학 정유공장의 하루 20만 배럴 규모 상압증 류탑(CDU) 제어 시스템에 통합됐으며 온라인 학습 기법 또한 적용됐다.
약 1년간의 실제 산업 환경 운용 결과, 공기 조절장치(Air Fan Cooler Louver)의 자동 제어를 통해 압력 오차를 12.8% 줄이는 데 성공했다. 또한 원유 성상 변화나 제품 규격(Specification) 변화에 따른 공정 변동성도 효과적으로 제어할 수 있음을 입증했다.
김 교수는 "이번 연구는 이론적 강화학습 알고리즘을 실제 산업 제어 시스템에 통합하고, 이를 실시간으로 운영하며 지속적인 성능 향상을 달성했다는 점에서 큰 의미가 있다"고 설명했다.
◎공감언론 뉴시스 [email protected]
