• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.542-549
• /
• 2023

대안 모델링에 대한 관심이 커진 이후 데이터 기반의 기계학습을 이용하여 비선형 화학 공정을 모사하고자 하는 연구가 지속되고 있다. 그러나 기계 학습 모델의 black box 성질로 인하여 모델의 해석 가능성에 한계는 산업 적용에 걸림돌이 되고 있다. 따라서, 모델의 정확도가 보장된 상태에서 해석력을 부여하는 개념인 설명 가능한 인공지능(explainable artificial intelligence, XAI)을 이용하여 화학 공정 분석을 시도하고자 한다. 기존의 화학 공정 민감도 분석이 변수의 민감도 지수를 계산하고 순위를 매기는 데에 그쳤다면, XAI를 이용하여 전역적, 국소적 민감도 분석뿐만 아니라 변수들 간의 상호작용에 대하여 분석하여 데이터로부터 물리적 통찰을 얻어내는 방법론을 제안한다. 사례 연구의 대상공정인 암모니아 합성 공정에 대하여 첫번째 반응기로 향하는 흐름에 대한 예열기(preheater)의 온도, 세 반응기로 향하는 cold-shot의 분배 비율을 공정 변수로 설정하였다. Matlab과 Aspen plus를 연동하여 공정 변수를 바꿔가면서 암모니아의 생산량과 세 반응기의 최고 온도에 대한 데이터를 얻었으며, tree 기반의 모델들을 훈련시켰다. 그리고 성능이 좋은 모델에 대하여 XAI 기법 중 하나인 SHAP 기법을 이용하여 민감도 분석을 수행하였다. 전역적 민감도 분석 결과, 예열기의 온도가 가장 큰 영향을 미쳤으며 국소적 민감도 분석 결과에서 생산성 향상 및 과열 방지를 위한 공정 변수들의 범위를 규정할 수 있었다. 이처럼 화학 공정의 대안 모델을 구축하고 설명 가능한 인공지능을 이용해 민감도 분석을 진행하는 방법론을 통해 공정 최적화에 대한 정량적, 정성적 피드백을 제안하는 데 도움을 줄 것이다.

• Korean Chemical Engineering Research
• /
• 제54권3호
• /
• pp.394-403
• /
• 2016

매체 순환식 수소제조공정은 직접 고순도의 수소를 생산하는 동시에 $CO_2$ 포집 비용을 최소화할 수 있는 고효율/친환경적인 공정이다. 본 공정은 레독스 반응을 통하여 산소를 전달하고 이때 철 산화물계 산소전달입자를 이용하게 된다. 구리 산화물이 첨가된 철-구리 산화물계 산소전달입자는 반응성 향상이 보고되어 왔으나 철 산화물과 구리 산화물 간 상호작용에 대한 이해가 부족한 실정이다. 본 연구에서는 여러 기기 분석법(SEM/EDX, XRD, BET, TPR, XPS, TGA)을 통하여 철-구리 산화물계 산소전달입자의 레독스 반응성 향상을 지배하는 주요인을 연구하였다. 첨가된 구리 산화물은 철 산화물 성장 억제제 역할 뿐만 아니라 화학적 환경 변화를 일으키는 화학적 촉매제(chemical promoter) 역할도 하는 것이 발견되었다. 철-구리 산화물계 산소전달입자의 우수한 환원 반응성은 구리 산화물의 도입으로 $Fe^{2+}$ 농도 증가 및 표면 특성 변화 때문이며, 우수한 물분해 특성은 산화 과정에서 일어나는 철 산화물의 응집을 구리 산화물이 억제시킨 것으로 판단되었다.