서론
화학 플랜트, 정유 플랜트는 원료를 통하여 원하는 생산물을 만들기 위해 반응, 증류, 흡착 추줄 등의 복 잡한 공정으로 이루어져 있다. 이러한 공정은 대부분 열 에너지가 수반하기 때문에 고온, 고압의 위험한 조 건에서 운전을 해야 하는 경우도 발생한다.
따라서 화학 공정은 안전이 보장된 상태에서 운전 하는 것이 무엇보다 중요하다. 안전이 보장된 상태의 기준을 제약 조건이라고 말한다. 증류 탑 공정 제약조 건을 예로 본다면 증류 탑의 압력 강하에 의한 범람 (flooding), 생산물의 기준을 맞추기 위한 증류 탑 온
도, 열 교환기 및 원료 펌프의 용량 등이 있다. 또한 탄소 배출, 유해 가스 방출 제약 등의 환경에 대한 고 려도 제약 조건이 될 수 있다. 이러한 제약 조건을 기 본적으로 만족시키면서 적은 비용을 들여 원하는 품 질을 원하는 양만큼 생산하기 위한 최적의 운전 조건 을 찾는 문제는 높은 경쟁력을 갖추기 위해서 반드시 필요하다.
좁은 의미에서의 최적화 운전은 엔지니어의 기술과 숙련된 운전자의 경험 등을 통해서 이루어지고 있다.
경험적이기 때문에 실질적이고 효과적인 적용이 될 수 있겠지만, 외란을 포함한 여러 운전 상황에 대한
그림 1. 최적화 운전의 범위.
사람의 기준이 다르고, 한정된 인력으로 복잡한 공정 을 다루기 때문에 최적 운전을 일괄되게 이루어지지 못하고 그 범위도 단위 공정에 국한되는 경우가 많다.
넓은 의미에서의 최적화 운전은 [그림 1]과 같이 원료의 수급에서 제품의 공급까지의 범위 내에서 많 은 제약 조건을 고려하여 이루어진 목적 함수 (objective function)를 계산하여 최적 운전 조건을 얻게 된다. IT 기술 및 컴퓨터의 발달로 현재는 실시 간으로 측정된 공정 데이터를 이용하여 최적 운전 조 건을 계산하고 그 결과도 실시간으로 적용하는 것이 가능해졌다.
넓은 의미에서의 최적화 운전을 이루기 위해서는 계 층 단위에 맞게 적절한 솔루션이 구성되고 적용되어야 한다. [그림 2]는 최적화 운전을 위해서 계층별로 이루 어지는 솔루션을 나타내고 있다. 최적화 운전을 지속 적으로 유지하기 위해서는 단계별로 모든 솔루션을 적 용하는 것이 효과적이지만 필수 조건은 아니다.
본 강좌에서는 최적화 운전을 위한 최신 고급 공정 솔루션(advanced process solution)을 단계별로 소개 하고 향후 전망에 대해 살펴보고자 한다.
제어루프성능감시(Control Loop Performance Monitoring)
1970년대 마이크로 프로세스의 등장에 따라 분산 제 어 시스템, 즉 DCS(distributed control system)라는
새로운 개념의 시스템이 탄생하였고 디지털 기술의 발 전과 더불어 현재에도 정유·화학 공장에 널리 사용되 고 있다. DCS 상의 제어 루프는 일반적으로 PID 제어 기로 이루어져 있다. PID는 비례(P, proportional), 적분 (I, integral), 미분(D, derivative)의 보정 파라미터를 통해서 원하는 설정치를 유지하기 위해 밸브를 조작하 게 된다. 간단한 파라미터 조작으로 제어 성능을 유지 할 수 있는 장점이 있어 산업계에서 널리 사용되고 있 다. 하지만 장치의 성능 저하, 밸브의 크기 문제, 밸브 의 막힘 및 고장, 지연시간의 변화, 잘못된 튜닝, 다른 루프의 간섭 등으로 인해 실제에서는 제 역할을 하지 못하고 있는 경우를 볼 수 있다. 이러한 다양한 원인에 대처하는 데 있어서 담당자가 관리해야 할 루프 수는 많고, 공정제어 개념을 이해하는 데 어려움이 있다. 결 국, 문제가 발생하는 루프에 대해서만 우선으로 조치 하게 되고 성능 저하된 루프는 수동작(manual)으로 바꾸거나 관리 대상에서 제외된다.
이러한 문제를 해결하기 위해서 도입되는 것이 공 정 제어 루프의 성능 감시 솔루션이다. 이 솔루션은 모든 제어루프를 분석하고 성능이 저하되거나 문제점 이 있는 것을 우선으로 나열하고 해결하기 위한 신규 튜닝값을 선정해 준다. 공정 제어 루프의 성능 감시의 적용 방법 및 효과는 [그림 3]을 통해 설명할 수 있다.
먼저 해당 루프의 제어 변수가 정해진 설정치를 유지 함에 있어서 그 변화폭(variation)이 (1)과 같이 큰 그림 2. 계층별 고급 공정 솔루션.
것을 발견하고 이를 보고하게 되면 루프 튜닝 담당자 가 솔루션이 제공하는 신규 튜닝 파라미터를 검토 적 용하여 그 변화폭을 (2)와 같이 줄일 수 있게 된다.
그 다음으로 이익이 증가되는 방향으로 설정치를 변 화시키는 것이 (3)과 같은 최적화의 단계이며 다음에 설명할 고급 공정 제어(advanced process solution) 를 통해 이루어진다.
제어 루프 성능 감시의 최신 동향은 Web 상에서 프로그램이 구축되어 전체 공장의 루프를 체계적으로 구현한 것을 손쉽게 접근하여 확인하고 분석할 수 있 다. 크게 PID 튜닝 모듈과 감시 모듈이 있다.
1) PID 튜닝 모듈
PID 튜닝 모듈에 있어서는 기존의 개루프(open loop) 테스트를 통한 튜닝 외에 폐루프(closed loop) 상에서의 튜닝 기능도 포함된다. 또한 상황에 따라 자 동 튜닝이 이뤄질 수 있도록 설정도 가능하다[그림 4].
2) PID 감시 모듈
PID 감시 모듈은 PID 제어 루프 성능을 일 단위로 평가하는 기능을 수행하며 결과는 [그림 5]와 같이 tree map을 통해 표현된다. Tree map은 수많은 루프 의 성능을 한 눈에 평가할 수 있는 장점이 있다. 또한
그림 4. PID 루프 튜닝 모듈 화면(Honeywell, CPM Solution).
[그림 6]과 같은 상세 레포트로 그 결과를 확인할 수 도 있다.
정리하면, 루프 성능 감시 솔루션은 다음 장에 설명 할 상위 솔루션의 성능이 정상적으로 발휘되기 위해 서 선결되어야 할 PID 제어의 성능 유지를 목적으로 하고 있으며, 실제 산업 현장의 운전과 직결된 솔루션 이다.
고급 공정 제어(Advanced Process Control) 고급 공정 제어(이하 APC)는 경험적으로 얻은 공 정 모델(process model)을 기반으로 외란 변수(DV, disturbance variables)를 고려하여 제어 변수(CV, controlled variables)의 거동을 예측(prediction)하여 원하는 설정치 또는 범위 제어를 하기 위해 조작 변수 (MV, manipulated variables)를 최적으로 조절하는 제어기이다. APC의 특징은 다음으로 요약할 수 있다.
그림 5. PID 루프 감시 모듈 화면(Honeywell, CPM Solution).
그림 6. PID 루프 성능 평가 레포트(Honeywell, CPM Solution).
- 공정 모델을 기반으로 하여 제어변수의 미래를 예 측한다.
- 단일 입출력인 PID 제어와 다른 다변수 입출력 제 어기이다.
- 대상 공정의 제약 조건을 함께 고려한다.
화학 공정의 고유 특성인 시간 지연, 역반응, 상호 간 섭과 공정의 제약 조건 등을 고려한 최적화 운전을 PID 제어로 수행하는 데 한계가 있기 때문에 APC가 도입 되었다. 일반적으로 APC 프로젝트를 수행하기 위해서 는 [그림 7]과 같은 체계적인 절차를 고려해야 한다.
1) 기본 설계(Functional Design)
대상 공정의 흐름 및 운전 목적을 분석하고, APC 가 실제적으로 사용할 MV의 PID 루프 성능을 검증 하여 최종적으로 APC를 구성하는 CV, MV, DV를 설정하는 단계이다.
2) 공정 테스트(Plant Test)
앞서 이야기 했듯이 APC는 모델을 기반으로 한 제 어기이다. 모델을 얻기 위해서는 실제 공정의 MV, DV를 계획에 맞추어 적절한 주기와 진폭으로 변화 (perturbation)를 주어 CV의 거동을 확인하는 공정 테스트 단계가 필요하다. 이때 실제 공정을 임의로 흔 들기 때문에 공정 테스트를 할 때에는 현장 담당자와 그림 7. APC 적용 순서.
그림 9. APC 모델 구축(Honeywell, Profit Suite Engineering Studio).
충분한 토의를 통해 이루어져야 한다. [그림 8]은 공 정 테스트의 한 예를 나타낸 것이다.
3) 상세 설계(Detail Design)
공정 테스트를 통해서 얻어진 데이터를 이용하여 기본 설계에서 선정된 CV, MV, DV를 최종적으로 선정하고 이에 대한 동특성 모델(dynamic model)을 구축하고 오프라인 툴로 APC의 성능을 예측/검증하
는 단계이다. 동특성 모델은 FIR(finite impulse response), Laplace 등의 구조를 가지고 있으며 대부 분 APC 업체에서 제공하는 툴을 이용하여 만든다 [그림 9].
오프라인 검증은 모사기(simulator)를 이용하여 실제 공정과 유사하게 모사하고 APC를 적용하여 성능을 검 증하는 방법이 있다. 이는 온라인으로 APC를 구축할 때 시행 오차를 줄일 수 있는 장점이 있다[그림 10 ].
그림 10. 오프라인 APC 검증(Honeywell, UniSim Design).
그림 11. 정밀 튜닝 및 성과 분석.
수행하기 때문에 넓은 의미에서 보았을 때 APC 구축 공정간의 상호 관계는 고려하지 않는다. 다시 말하면 APC가 구축된 공정으로 보았을 때 최적화 운전을 하 고 있지만 이것으로 인해 다른 공정에 오히려 외란이 되는 경우가 발생할 수 있다. 또한 APC의 모델은 일 반적으로 선형 모델을 사용하고 있다. 선형 모델이라 하여도 실제 공정과의 오차에 대해 보정하는 기능이 있어서 극복 가능하지만 반응기와 같은 비선형이 심 한 공정이거나 기존 운전 조건과 크게 다를 경우 APC의 성능저하가 발생할 수 있다.
이러한 APC의 단점을 극복하고 상위 단계에서 최 적화 운전을 할 수 있도록 도입된 것이 실시간 최적화 솔루션(real-time optimization, 이하 RTO)이다. 본
화 운전 결과를 제시할 수 있다. 또한 이러한 최적화 기는 최적 운전을 위한 목적 함수를 쉽게 실시간으로
그림 12. RTO 구성도.
그림 13. RTO 구성의 예(Honeywell, UniSim Design).
Rigorous Model)
1)의 제시된 최적화기는 APC의 동특성 모델을 이 용하기 때문에 현재의 공정 상태를 빨리 파악하고 최 적화 계산도 쉽게 할 수 있는 장점이 있지만 앞서 이 야기하였듯이 선형모델이기 때문에 비선형이 강한 공 정이 있거나 운전 조건이 크게 변하게 되면 이에 대한 성능 저하는 불가피하다. 이를 극복하는 방법으로는 모사기를 통한 비선형 정상상태 모델을 이용하는 것 이다. 일반적으로 말하는 전통적인 RTO는 비선형 정 상상태 모델을 기반으로 최적화 운전 조건을 계산하 고 이것을 APC의 설정치로 적용하여 사용한다. 하지 만 이러한 방법을 적용하려면 초기의 공정상태가 정 상상태이어야 하는데 일반적인 화학공정은 정상상태 에 도달하여 운전되지 않고 다양한 원인으로 인하여 동적으로 변화하게 되기 때문에 이를 확인하는 것은
하므로 실제 공정의 비선형성을 반영할 수 있다. [그 림 12,13]은 RTO의 구성도와 실제 적용의 예를 나타 낸 것이다.
생산계획 및 스케줄링(Planning and Scheduling) 위에 소개한 솔루션이 실제 공정 운전 최적화를 목 표로 한 것이라면 생산계획 및 스케줄링은 생산계획 관점에서의 최적화 운전 솔루션이다.
대부분의 화학공정에서는 원료(feedstock)를 구매 (purchase)하고 이를 탱크에 저장(inventory)한 후 필요한 시점(사실 대부분 연속 공정이므로 그 투입량 이 변화하는 것임)에 투입(feeding)하게 된다. 생산 (production)의 관점에서도 공정으로부터 생산되는 제품을 탱크(inventory)에 보관하게 되고 시장 수요 에 따라 이 제품을 출하(sales)하게 된다.
그림 14. Planning 솔루션의 예(Honeywell, RPMS-Refinery Petrochemical Modeling System).
1) 구입처 별 원료 가치 평가(Feedstock Evaluation) 국내 에틸렌 생산 공정을 예로 들 경우, 그 원료인 납사(naphtha)는 국내 정유회사를 통해서 직접 공급 되거나, 해외 시장에서 수입된다. 수입되는 납사의 경 우 그 성상 및 종류에 따라 다양한 가격이 정해지며, 에틸렌 생산 회사 입장에서는 저렴한 가격에 좋은 품 질의 납사를 수입해야 한다. 문제는 좋은 품질의 납사 에 대한 정의이다. 일반적으로 light naphtha를 cracking하게 되면 에틸렌 수율이 높기 때문에 선호 되지만 이것도 해당 공장의 운전 조건 및 공정 상태에 따라 달라질 수 있다. 즉, 해당 공정의 모델과 공정 제 약 조건을 고려할 경우에 해당 원료의 가치는 다양하
게 변동될 수 있다는 점이다.
이러한 관점에서 planning 솔루션을 도입하게 되면 합리적인 방법으로 최적의 납사를 선택할 수 있으며, 상황에 따라 어떤 범위의 가격에서 구매해야 하는지 도 결정할 수 있다. [그림 14]는 planning 솔루션에서 공정 모델을 구축한 예이다.
2) 최적 생산 계획(Optimal Production Planning) 일반적으로 가장 손쉽게 구현할 수 있는 생산계획 은 수요(demand)를 조사하고 이러한 수요를 충족시
그림 15. Planning 모델링 범위.
그림 16. Planning 솔루션 구조 예시(Honeywell RPMS).
- 각 공정 및 기기별 유지보수 계획의 변화 - 단기 수요의 변화
또한, 유사 공정을 여러 개 보유할 경우 최적 분배 의 문제와 다른 지역에 유사한 공정을 보유할 경우 원 료 및 제품의 최적 분배 문제를 효과적으로 다루지 못 하게 된다.
하지만, 최적 생산 계획 솔루션을 도입하게 되면 이
및 탄소 배출 등의 환경적인 요소들과 맞물려서 과거 와는 비교할 수 없는 에너지 절감 및 생산성 증대를 위한 최적화 운전에 높은 관심을 가지고 있다. 따라서 본 강좌에서 소개된 솔루션이 정유 및 석유화학공정 에 폭 넓게 도입되고 있으며, 기타 산업계 전반에도 확대 도입될 것으로 예상된다.
저자약력 안성모
서울대학교 화학공학과 학사 서울대학교 화학공학 석사 서울대학교 화학공학 박사 아주대학교 경영학 석사
서승택
서강대학교 화학공학과 학사 서강대학교 화학공학과 석사
