.svg)
AI 솔루션 문의하기
실시간으로 플랜트 데이터를 수집하고 수집된 데이터를 이용해 정상 상태를 학습하며 실시간 플랜트 데이터와 자동 학습된 정상 상태의 데이터를 비교해 고장을 진단합니다. 서로 다른 특징을 지닌 복수의 예측 모델을 기반으로 예측치들을 조합해 가장 정확도가 높은 예측치를 생성해 학습하여 고장을 진단함으로써 조기에 플랜트 이상을 정확하게 감지해 경보해 줄 수 있습니다.
수집된 실시간 데이터에 대해 전처리 과정을 통해 정상 상태 데이터를 생성하고 생성된 정상 상태 데이터에 대해 선택된 학습 모델을 통해 앙상블 학습을 수행해 가장 정확도가 높은 예측 데이터를 출력합니다.
플랜트에 대해 각 센서를 통해 실시간으로 플랜트 데이터를 수집하고 수집된 실시간 데이터에서 정상 상태 데이터를 학습하는데 필요한 학습 모델을 선택합니다.
구간별 신호 데이터로부터 추출된 통계적 지표로 구성된 벡터에 대해 마할라노비스 거리를 측정해 해당 구간의 이상상태 여부를 판정합니다. 마할라노비스 거리는 군집 분석에서 자주 쓰이는 거리 척도로 다변량 데이터에서 변수 간의 상관관계가 존재할 때 공분산 행렬을 활용한 데이터 표준화를 거쳐서 거리를 측정합니다. 마할라노비스 거리 분류기는 훈련 데이터로부터 마할라노비스 공간을 미리 구성한 후 임의의 데이터에 대해 그 공간과의 거리를 측정해 거리에 따라 훈련 데이터와 동일 클래스 여부를 판정합니다.
신호 데이터의 전처리 과정을 통해 플랜트 설비 이상상태 감지의 성능을 개선할 수 있습니다.
기존 플랜트 설비의 경보 데이터는 원격지에서 확인이 불가능했으나 현장에서 발생한 경보에 대해 원격지에서도 실시간 확인이 가능합니다.
플랜트 제어 기술과 제어 루프 간의 상호 의존성에 대한 지식과 전문성을 활용해 강화학습 기술을 적용한 알고리즘을 개발했습니다. 플랜트 시뮬레이터에서 비닐 아세테이트 생산 공장의 증류 공정에서 이 강화학습 알고리즘을 적용해 밸브를 동시에 제어하는 공정에 성공했으며 이 알고리즘은 기존의 제어 시스템과 사람에 의한 조작을 뛰어넘는 최적 공정을 실현했습니다. 기존 머신러닝 알고리즘은 적절한 제어를 보장하기 위해 엄청난 양의 데이터 처리가 필요했으나 실제 현장에 적용하기에는 문제가 있었습니다.
합성고무 원료인 부타디엔 플랜트의 증류 정제탑에서 열을 회수하는데 있어서 분산 제어시스템을 수동 조작하고 있던 프로세스를 인공지능 제어로 자동화했습니다. 실제 플랜트에서는 물리적 화학적 요인들이 복잡하게 영향을 미치고 있어 제어가 매우 어렵기 때문에 숙련된 오퍼레이터가 개입해야 하는 경우도 많았습니다. 일시적인 비로 외부 기온이 급격히 변화할 경우 자동 제어를 중단시키고 베테랑 오퍼레이터가 직접 설정값이나 출력 값을 변경해야 하는 과제가 있었습니다.
인공지능 기반 파이프랙 자동화 설계 시스템이 개발되었습니다.
파이프랙은 배관을 받치는 구조물로 플랜트에서 가장 물량이 많아 설계 때 손이 많이 가며 수작업으로 설계해왔으나 자동화로 개선되었습니다.
비정형 공정배관계장도 자동 인식 시스템이 작업 효율을 대폭 높였습니다. 공정배관계장도는 플랜트를 짓기 위한 설계도면으로 건설사는 발주처로부터 받은 수백 장의 도면을 짧은 시간 안에 분석해 입찰에 참여할지를 판단합니다. 방대한 분량의 주문을 신속하고 정확하게 해석하는 게 관건이며 인공지능이 이를 읽어내는 데 필요한 시간은 단 몇 초입니다.
진동 및 온도 등의 설비 데이터 기반 고장 예측 솔루션을 구축해 사고를 사전에 방지하고 있습니다. 업무 자동화 및 지능화 기술을 도입해 에너지 절감과 생산성 향상 등을 통한 비용 경쟁력을 높이고 사고 및 설비 고장을 예방하는 안전성까지 확보합니다. 공정 자동 운전 프로그램을 적용해 반복적인 업무 및 공정 시동과 정지를 자동화했으며 생산성과 에너지 효율을 최적화하기 위한 공정 자동 제어 기술에 인공지능을 도입해 제어 수준을 더욱 높이고 있습니다.
환경 변화나 품질 조건에 따라 자동으로 최적 공정 조건을 추론하는 생성형 인공지능 기반 공정추론 기술이 개발되었습니다. 온도나 습도 그리고 원하는 품질 수준이 바뀔 때마다 숙련자가 시행착오를 거쳐 조건을 다시 맞춰야 했으나 실제 공장에서 수개월간 수집한 환경 데이터와 공정 파라미터를 활용해 확산 모델 기반으로 목표 품질을 만족하는 공정 조건을 역설계하는 기술을 구현했습니다. 실제 생산을 대신하는 대리모델을 함께 구축해 공정을 돌리지 않고도 품질을 미리 예측할 수 있도록 했습니다.
거대언어모델과 검색 증강 생성을 결합한 멀티에이전트 인공지능 시스템으로 초급 작업자 또는 외국인 작업자가 제조 현장에서 겪는 문제에 대해 적절한 해결책을 제공합니다.
고숙련자 은퇴와 다국어 작업 환경에 대응하는 거대언어모델 기반 지식 전이 시스템이 제조 현장용 인공지능 도우미로 활용됩니다.
시스템의 운영에서 안전과 비용을 함께 고려해 시스템의 결함을 조기 감지하고 발생한 결함의 종류와 심각도를 진단하며 고장 발생 시점을 사전 예지하는 건전성 예측관리를 수행합니다. 설비 결함이 대규모 사고로 이어질 수 있는 가능성을 줄이며 실시간 관제 모니터링과 인공지능 도입을 통해 플랜트 시장에 최신 기술 적용과 효율적인 플랜트 운영 지원을 가능하게 합니다. 다양한 사고 시나리오에 대해 인명과 환경 그리고 재산의 피해를 최소화합니다.
플랜트 공정 이상 감지 인공지능은 지속적으로 고도화될 것으로 전망됩니다. 실시간 데이터 분석 기술이 발전하면서 고장을 사전에 예측하는 능력이 향상되고 있고 딥러닝 모델이 지속적으로 학습해 예측 정확도가 높아지고 있습니다. 드론을 활용한 고소지역 설비 검사와 로봇을 활용한 위험 작업 대체 등을 통해 위험 작업의 로봇 대체 활용을 확대하고 있으며 거대언어모델 기술 기반의 엔지니어 기술 챗봇을 개발해 엔지니어 업무 전반에 걸쳐 활용해 업무 효율을 개선할 예정입니다.
.svg)
.svg)
