• Annual Conference of KIPS
• /
• 2018.10a
• /
• pp.641-644
• /
• 2018

열간 자유 단조는 고온으로 가열한 강피에 압력을 가하여 원하는 형상을 빚는 공정이다. 가열로에서 여러 개의 강피를 동시에 가열하며 목표 온도에 도달하면 꺼내어 다음 공정을 진행한다. 이때 가열로에 투입하는 소재의 조합과 후단 공정을 위해 소재를 꺼내는 순서가 가열로의 에너지 효율에 영향을 끼친다. 본 논문에서는 열간 자유 단조의 에너지 효율을 높이기 위한 비용 예측 모형 기반 작업 계획 최적화 방안을 제안한다. 유전 알고리즘을 이용하여 가열로 강피 조합을 최적화하며 각 설비별 작업 할당 규칙에 따라 전체 작업 계획을 수립한다. 시뮬레이션 기반으로 후보 작업 계획을 평가하여 계획을 최적화 하며 이를 위해 각 설비별 공정 소요 시간 및 에너지 사용량 예측 모형을 이용한다. 예측 모형은 공정 데이터를 기반으로 기계 학습 알고리즘을 적용하여 학습한다. 또한 주기적인 재계획을 통해 예측의 불확실성으로 인해 작업의 진행이 계획대로 이루어지지 않는 문제점을 해결하고자 한다.

• Membrane Journal
• /
• v.6 no.2
• /
• pp.59-71
• /
• 1996

기체 막분리공정 기술이 점점 개발되어질수록 막분리의 성능을 이해하려는 필요성이 각 공정에서 증진될 것이며 기체 막분리 성능의 예측능 기술 발전을 위해 계속 시도되어질 것이다. 이러한 추세에 힘입어 현재 석유화학공정 배가스 중 수소를 정제하기 위한 기술 개발을 시도하고 있으며 특히 저농도의 수소를 고농도로 농축시키기 위해 막분리 공정을 적극 검토하고 있다. 본 논문에서 밝혀 본 막분리 공정의 성능 예측과 분석은 향후 공정을 설계하고 제작하는 데 크게 이바지할 뿐만 아니라 석유화학 제반 공정뿐만 아니라 관련 화학공업장치 산업에서 기체 분리를 통한 자원회수와 에너지 절약 측면에서 계속 발전해 나갈 것은 믿어 의심치 않을 것이다.

• Proceedings of the KIEE Conference
• /
• 2007.10a
• /
• pp.177-178
• /
• 2007

플라즈마 공정은 집적회로 제작을 위한 미세 박막의 증착과 패턴닝에 핵심적으로 이용되고 있다. 본 연구에서는 플라즈마공정감시와 제어에 응용될 수 있는 모델을 제안한다. 본 모델은 광방사분광기 (Optical emission spectroscopy-OES)정보와 역전파 신경망을 이용해서 개발하였다. 제안된 기법은 Oxide 식각공정에서 수집한 데이터에 적용하였으며, 체계적인 모델링을 위해 공정데이터는 통계적 실험계획법을 적용하여 수집되었다. Raw OES 정보대신, Actinometric OES 정보를 이용하였으며, 신경망의 예측성능은 유전자 알고리즘을 이용해서 증진시켰다. OES의 차수를 줄이기 위해 주인자 분석 (Principal Component Analysis-PCA)을 세 종류의 분산(100, 99, 98%)에 대해서 적용하였다. 최적화한 모델의 예측에러는 323 $\AA/min$이었다. 이전에 PCA를 적용하고 은닉층 뉴런의 함수로 최적화한 모델의 예측에러는 570 $\AA/min$이었으며, 개발된 모델은 이에 비해 43% 증진된 예측 성능을 보이고 있다.

• Proceedings of the Korean Vacuum Society Conference
• /
• 2010.08a
• /
• pp.146-146
• /
• 2010

진공이나 특정 가스 분위기 또는 플라즈마를 이용하여 박막을 제조하는 방법은 공정 조건에 따라 그 특성이 현저히 달라지며 대부분의 경우 제조된 박막에 대한 성분 및 조직의 분석과 박막이 구현하는 특성을 파악한 후 공정 조건을 최적화하게 되는 번거로움이 있다. 특히, 박막 제조 시스템에 따라 제조되는 박막이 특성이 달라지거나 원하는 공정조건에서 원하는 특성의 박막을 얻지 못하는 경우가 종종 발생하고 있다. 한편, 최근의 박막 제조 기술은 결정립 미세화 및 나노화, 다층화, 다성분계 박막 등을 통해 다기능을 구현하는 연구가 활발히 진행되고 있다, 이러한 다기능성 박막을 제조하기 위해서는 박막의 조직제어 기술과 함께 특성을 예측하고 제어하는 기술이 필요하게 된다. 본 연구에서는 상기의 문제점을 근본적으로 해결하고 다기능성 박막의 특성을 예측하고 제어하기 위한 코팅 수식모델을 개발하고 이를 응용하는데 필요한 시스템 구성에 대한 연구를 진행하였다. 코팅 수식 모델은 정해진 물질계의 각 공정별 특성 데이터를 이용하여 내삽 또는 외삽을 통해 수식화하였으며 이를 바탕으로 특성을 예측하는 프로그램을 개발하였고, 시스템에 따른 차이를 줄이기 위해 플라즈마 진단장치를 이용하여 시스템을 동기화시키는 작업을 진행하였다. 이러한 수식 모델을 바탕으로 TiN 피막의 특성예측 및 제어에 대한 기초연구를 소개한다.

• Proceedings of the KAIS Fall Conference
• /
• 2009.12a
• /
• pp.1046-1049
• /
• 2009

최근 화석에너지 고갈 문제와 폐기물의 지속적인 발생량 증가로 인해 폐기물을 이용한 열에너지 회수가 이슈화 되고 있다. 폐기물처리를 통한 에너지 회수 공정 가운데 소각이 가장 많이 이용되고 있으나 소각시 발생하는 대기오염 물질을 처리하기 위한 설계 및 설치비용에 많이 소요 된다. 본 연구에서는 화학공정 모사기인 Aspen plus를 이용해 소각공정 및 배가스 처리 공정모사를 실시하였다. 폐기물 소각 공정으로는 1 2차 연소실과 NO2를 환원하는 SNCR공정, 산성가스(HCl, SO2)를 제거하는 SDA공정, 입자상 물질을 처리 하는 bag filter공정을 모사하였다. 공정모사 결과 실제 산업폐기물 소각로의 처리효율과 일치 하였고 이를 바탕으로 동일한 공정 및 조건하에 소각로에 투입되는 폐기물의 조성비를 달리하여 공정 모사한 결과 오염물질의 배출량을 예측할 수 있었다. 이러한 오염물질 발생량 예측은 소각장의 폐기물 투입이 일정하지 않을 경우 조업 조건의 변경에 도움 뿐만아니라 공정개선의 효과적일 것으로 판단된다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.15 no.6
• /
• pp.311-319
• /
• 2015

In this paper, in order to increase the production efficiency of the industrial plant, and predicts the resources of the manufacturing process, we have proposed a decision-making system for resource implementing the risk management effectively forecasting and risk management. A variety of information that occurs at each step efficiently difficult the creation of detailed process steps in the scenario you want to manage, is a frequent condition change of manufacturing facilities for the production of various products even within the same process. The data that is not contiguous products production cycle also not constant occurs, there is a problem that needs to check the variation in the small amount of data. In order to solve these problems, data centralized manufacturing processes, process resource prediction, risk prediction, through a process current status monitoring, must allow action immediately when a problem occurs. In this paper, the range of change in the design drawing, resource prediction, a process completion date using a regression algorithm to derive the formula, classification tree technique was proposed decision system in three stages through the boundary value analysis.

• Annual Conference of KIPS
• /
• 2019.10a
• /
• pp.939-941
• /
• 2019

단조는 강괴를 고온으로 가열하고 원하는 형상으로 만드는 공정이다. 가열로에 강괴를 장입하여 가열하고, 고온의 강괴에 프레스, 절단 공정을 적절히 반복하여 원하는 형상으로 만든다. 형상이 완성된 강괴의 경도 및 강도를 조절하기 위해 열처리 공정을 진행한다. 열처리로에 여러 개의 강괴를 장입하여 가열하기 때문에 에너지 비용이 많이 소모된다. 열처리 공정 비용은 열처리 공정의 종류와 장입되는 강괴들의 특성 및 수량 등에 따라서 결정된다. 열처리로에 장입할 강괴 조합을 최적화함으로써 비용을 최소화시킬 수 있다. 따라서 본 논문에서는 비용 예측 모형을 이용하여 열처리로 작업 계획을 최적화하는 방안을 제안한다. 비용 예측 모형은 IoT 인프라를 기반으로 수집한 공정 데이터를 이용하여 학습한다. 다양한 열처리로 작업 계획은 학습한 모형 기반의 시뮬레이션을 통해 평가하여 유전 알고리즘을 기반으로 최적화한다. 최적의 열처리로 작업 계획을 수립함으로써 공정 비용을 최소화하고 에너지 효율을 극대화할 수 있다.

• Proceedings of the Safety Management and Science Conference
• /
• 2012.11a
• /
• pp.445-451
• /
• 2012

제조공정에서 사용되어지는 SPC(Statistical Process Control)관리 기법은 가피원인을 탐지하여 변동을 감소시키는 통계적 공정관리 시스템이다. SPC의 대표적인 관리기법으로는 Shewhart관리도, Cusum관리도, EWMA관리도가 있으며 이러한 관리 기법들은 공정을 보다 안정적으로 관리 할 수 있도록 유지 및 예측하는데 사용 되어 진다. 본 논문에서는 일반적으로 사용되어 지는 Shewhart관리도와 공정 예측에 유리한 EWMA 관리도에 대해 연구해보고 공정변화에 민감하게 반응하는 EWMA 관리도의 적용 사례를 제시하고자 한다.

• Korean Journal of Food Science and Technology
• /
• v.27 no.4
• /
• pp.525-531
• /
• 1995

Three quality factors of bread during baking process were measured to develop neural network models for bread baking process. Firstly, volume and browning changes during bread baking process were measured using image processing technique and temperature changes inside the bread during process were measured by K-type thermocouples. Relationships among them showed nonlinearity. Secondly, multilayer perception structure with error back propagation learning was used to construct neural network models. Three neural network models for volume, browning, and bread temperature were developed respectively. Developed models showed good performance with predictive error of 4.62% for volume and browning changes after 30 seconds, 7.38% for volume and browning changes after 2 minutes, and 1.09% for temperature change inside the bread respectively.

• Proceedings of the Korean Information Science Society Conference
• /
• 2003.04c
• /
• pp.241-243
• /
• 2003

일반적으로 사용되는 반도체 공정에 대한 진단 기법은 한 공정을 진행하기 전에 테스트 공정을 수행하여 공정의 진행 여부를 결정하고, 한 공정의 진행을 완료한 후에 다시 테스트 공정을 수행하여 공정의 결과를 진단하는 방법이다. 본 논문에서 제안하는 실시간 자동 진단 시스템은 기존 방법의 문제점인 자원의 낭비를 막고, 실시간으로 진단함으로써 시간의 낭비를 막는 진단 시스템을 제안한다. 실시간 자동 진단 시스템은 크게 시스템 초기화 단계, 학습 단계 그리고 예측 단계로 나누어진다. 초기화 단계는 진단할 공정에 대한 사전 입력값을 받아 시스템을 초기화하는 과정으로 공정장비 파라미터별 중요도 자동 설정 과정과 초기화 클러스터링으로 이루어진다. 학습 단계는 실시간으로 저장된 공정장치별 데이터와 계측기로부터 획득된 데이터를 이용하여 최적의 유사 클래스를 결정하는 단계와 결정된 유사 클래스를 이용하여 가중치를 학습하는 단계로 나누어진다. 예측 단계는 공정 진행 중 획득된 실시간 데이터를 학습 단계에서 결정된 파라미터별 가중치를 사용하여 공정에 대한 진단을 한다. 본 시스템에서 사용하는 클러스터링 알고리즘은 DTW(Dynamic Time Warping)를 이용하여 파라미터 데이터에 대한 특징을 추출하고 LBG(Linde, Buzo and Gray) 알고리즘을 사용하여 데이터를 군집화 한다.