Abstract
Intelligent monitoring and diagnosis of production processes based on multivariate statistical methods has been one of important tasks for safety and quality issues. This is due to the fact that faults and unexpected events may have serious impacts on the operation of processes. This study proposes a diagnostic scheme based on effective representation of process measurement data and is evaluated using simulation process data. The effects of utilizing a preprocessing step and nonlinear statistical methods are also tested using fifteen faults of the simulation process. Results show that the proposed scheme produced more reliable results and outperformed other tested schemes with none of the filtering step and nonlinear methods. The proposed scheme is expected to be robust to process noises and easy to develop due to the lack of required rigorous mathematical process models or expert knowledge.
생산 공정의 다변량 데이터에 기반한 지능적 공정 감시 및 진단 시스템은 조업의 안정성과 고품질의 제품을 달성하고 경쟁력을 유지하기 위해서는 필수적인 업무 중 하나로 간주되고 있는데, 이와 같은 추세는 공정 이상이 발생하는 경우 안정적이고 경제적인 조업에 큰 영향을 미치는 것에 기인한다. 본 연구에서는 다변량 공정 데이터에 기반한 진단기법을 제시하고 이를 시뮬레이션 공정 데이터를 활용하여 그 성능을 평가하고자 한다. 또한 원 데이터의 전처리 과정의 유무와 비선형 방법론의 활용이 진단 성능에 마치는 영향을 시뮬레이션 공정에서 제시된 15개의 공정 이상에 대해 평가하였다. 그 결과 제안된 방법론이 신뢰할 만한 결과를 주었으며 다른 비교 방법론인 전처리 과정이 없거나 선형 방법론을 사용한 타 방법론 대비 우월한 성능을 보여주었다. 제시된 방법론은 공정 데이터에 기반한 방법론으로서 공정에 대한 수학적 모델이나 지식 모델에 비하여 상대적으로 모델링이 간편하며 공정 데이터의 잡음에 강건하다는 장점을 가진다.