[연구실 소개] 한국생산기술연구원 공정시스템·지능화설계 연구실

연구실 소개

628

1. 연구실 소개

한국생산기술연구원 공정시스템·지능화설계 연 구실 (이하 PSID)은 4차 산업혁명 시대의 기술을 선 도하기 위해 인공 신경망 (Neural-network)을 바탕 으로 촉매 합성 공정의 디지털 트윈(Digital twin), 분 리·정제 공정의 지능화 운전 모델 개발, 복합수지 물성 예측 모델 개발 등 다양한 분야에 대한 지능화 설계를 연구하고 있다. 또한 전통적인 공정시스템 분야로 공정 모사 (Process simulation) 및 전산유체역 학 (Computational fluid dynamics)을 바탕으로 석유화 학 공정 및 설비를 설계하고 최적 운전 조건을 도출

하는 연구를 수행하고 있다.

본 연구실이 소속된 한국생산기술연구원은 ‘대한 민국 중소·중소 기업의 기술 개발 지원’이라는 목표 로 설립된 기관이며, 울산에 위치하여 다양한 중소 기업들과의 활발한 공동연구 및 실증기술 개발을 진 행하고 있을 뿐만 아니라 무림P&P, 용산화학, GS칼 텍스와 같은 중견·대기업과 공동으로 연구·개발 과제를 수행하고 있다.

2. 주요 연구 분야

2.1. 지능화 설계: 머신러닝 기반 증류탑 온도 예측 모델

한국생산기술연구원

공정시스템·지능화설계 연구실

(Process Systems Engineering & Intelligence Design (PSID) Laboratory, Korea Institute of Industrial Technology (KITECH))

김정환

친환경재료공정연구그룹 [email protected]

그림 1. 한국생산기술연구원 공정시스템·지능화설계 연구실 (PSID) 연구분야 및 연구 참여기업.

연구실 소개

NEWS & INFORMATION FOR CHEMICAL ENGINEERS, Vol. 38, No. 6, 2020 …

629

리하는 핵심적인 공정으로 에너지 다소비 공정이다.

증류공정은 규모가 매우 크고, 다양한 내·외부 변 수들의 영향으로 운전 조건이 일정하게 유지되지 않 아 효율적인 운전이 어려운 문제가 있다. 이를 해결 하기 위해 본 연구실에서는 공정 데이터를 사용하여 머신러닝 기반 증류 공정 온도 예측 예측 모델을 개 발하였다.

본 연구실에서는 연속적으로 운전되는 증류공정 의 특징을 반영하여, 시간에 따라 데이터를 수집하 여 시계열 데이터 분석이 가능한 순환신경망(RNN, Recurrent neural network)의 알고리즘 바탕으로 초매 개변수(Hyper parameter)를 최적화하여 연구 대상 공 정에 최적화된 예측 모델을 개발하였다. 그 결과 예 측 성능의 정확도와 정밀도를 나타내는 R2과 RMSE 가 0.924, 0.079로 높은 예측 정확도를 보였으며, 예 측 모델의 성능을 개선하기 위해 데이터 전처리, 알 고리즘 최적화, 공정 모사를 이용한 하이브리드 예 측 모델 개발 등 다양한 후속 연구를 진행하고 있다.

또한 2020년부터는 GS칼텍스와 공동으로 연구를 시 작하여 정유 및 석유화학공정 전체를 지능화하기 위 한 연구를 시작하였고, 특히 촉매제조 공정, 분리·

정제 공정, 복합수지 물성제조 공정에 대한 머신러

닝 기반 예측모델을 개발하였다.

2.2. 장치 설계: 대기오염물질 저감을 위한 마이크 로버블 스크러버

최근 미세먼지, 온실가스 등 대기오염 원인물질 의 배출 규제가 강화됨에 따라 미세먼지, 분진, 황산 화물 (SOx), 질소산화물 (NOx) 등의 대기오염물질 저감을 위한 설비에 관한 연구가 활발히 이루어지고 있다. 그 중 습식 스크러버는 대표적인 황산화물 제 거 방법으로 산업계에 많이 사용되지만 산화율이 낮 은 질소산화물의 제거효율은 60% 내외로 저조한 문 제점을 가지고 있다. 이를 극복하기 위하여, 본 연구 실은 마이크로버블을 이용하여 대기오염물질들의 동시저감이 가능한 마이크로버블 스크러버의 최적 운전 조건을 Python과 CFD 모델을 개발하여 도출하 였다.

마이크로버블은 50 µm 이하의 크기의 작은미세 기포로 일반적인 기포와 다르게 수면위로 올라가는 속도가 느려 체류시간이 길고, 수면 아래에서 소멸 하며 라디칼을 생성하여 대기오염물질의 산화를 유 도한다. 하지만 매우 작은 크기로 일반적인 방법으 로 측정이 불가능하였다. 본 연구실은 Python을 이용 한 이미지 프로세싱을 통해 직접적으로 크기를 측정

그림 2. 머신 러닝 모델 개발 과정 개략도.

연구실 소개

630

할 수 있는 방법을 개발하여 실제 장치의 운전 조건 별 마이크로 버블 크기 및 분포를 측정할 수 있었다.

또한 실제 장치의 운전 조건별 마이크로 버블의 발생량을 바탕으로 최적의 대기오염물질 동시저감 을 위한 장치의 운전 조건 최적화 연구를 진행하였 다. 먼저 전산유체역학 프로그램을 이용하여 실제 장치를 온라인상에 구현하고 내부 설계 및 운전조 건에 따른 내부 유동 상태를 비교 분석하여 최적의 운전 조건을 도출 하였다. 이를 바탕으로 운전조건 을 최적화하여 황산화물, 질소산화물과 분진의 제 거효율을 각각 92.6 %, 99.99 %, 99.97 %까지 개선 하였다. 본 연구에서 개발한 마이크로버블 스크러 버는 대기오염물질 뿐만 아니라 악취제거 및 살균 성능도 높기 때문에 식품, 폐수처리장, 수질정화장 등 다양한 산업분야에 적용할 수 있을 것으로 기대 된다.

2.3. 공정설계·최적화: 전기 투석 아민 재생 공정 모델링 및 경제성 평가

원유의 정제 과정에서 발생하는 황 화합물들은 대기 오염에 대한 주 원인 물질로 꼽힌다. 특히 황 화수소 (H2S)는 대기 오염뿐 아니라 공정에서 부식 인자로 작용하여 제거가 필수적이다. 이러한 황 화 합물을 제거하기 위하여 대부분의 공장은 아민 가 스 흡수 공정을 운영하고 있다. 황화수소는 MDEA (Methyl diethanolamine) 등의 아민계 물질을 이용하 여 산·가스 흡수 탑에서 기-액 반응을 통해 흡수하 여 대기 중에서 제거하며, 황화수소를 흡수한 아민 은 재생공정을 거쳐 재사용 된다. 하지만 원유의 정 제 과정에서 발생하는 산·가스 속에는 황화수소 외 포름산염 (Formate), 아세트산염 (Acetate) 등 상대적 강산 물질들이 존재하며 이 물질들이 MDEA와 반응 하면 재생공정에서 분리되지 않고 열 안정성 염 형

그림 3. (좌)마이크로버블 스크러버 실제 장치 사진 및 전산유체역학 기반 장치 모델링, (우) 마이크로버블 크기 및 분포 측정을 위한 Python 기반 이미지 프로세싱.

그림 4. 전기 투석 아민 재생 공정 공정 흐름도 및 열 안정성 염 제거량에 따른 경제성 평가.

연구실 소개

NEWS & INFORMATION FOR CHEMICAL ENGINEERS, Vol. 38, No. 6, 2020 …

631

소 등의 문제를 일으켜 제거가 필요하다.

열 안정성 염을 제거하기 위한 방법으로는 대표적 으로 이온 교환 수지 법, 전기 투석 법이 있다. 본 연 구실에서는 전기 투석 법 열 안정성 염 제거 장치를 추가한 아민 재생 공정 모델을 개발하였고 개발한 모 델을 활용하여 이온 교환 수지 법 열 안정성 염 제거 장치와의 경제성을 비교하였다. 경제성 분석 결과 열 안정성 염 하루 처리 량 1.5 kg-mol 이상에서는 이온 교환 수지 법이 비용이 적었으며, 미만에서는 전기 투석 법이 더 경제적임을 확인했다. 현재 개발한 모 델을 활용하여 여러 가지 조건에 대한 사례연구를 진 행하여 공정 최적화 연구를 진행하고 있으며 추후 실 제 공정 적용에 대한 가이드라인을 제시할 것으로 기 대된다.

3. 연구실 구성원 & 비전

한국생산기술연구원 공정시스템·지능화설계 연 구실은 2020년 11월 현재 연구실 책임자인 김정환 수 석연구원과 선임연구원 1명, 전문 위원 2명, 박사후 연구원 2명, 박사과정생 1명, 석박통합과정생 3명, 석사과정생 3명, 학부연구원 4명 등 총 17명으로 구 성되어 있다.

본 연구실은 공정시스템 및 지능화설계의 연구성 과로 매년 SCI논문게재 10편 이상, 특허등록 5개 이 상, 기술이전 1억원 이상의 성과를 올리고 있다. 자 유로운 분위기에서 창의적이고 실용적인 연구를 통 해 4차 산업시대의 산업분야를 선도할 박사후연구 원/석사과정/박사과정/석박사통합 후보자를 모집하 고 있다.