퍼니스 장비 최적 온도 제어 : LNG 사용 2% 효율화

연속 열처리 공정에서 일정한 재질을 생산하려면 퍼니스(Furnace) 장비가 일관성 있게 제어되어야 합니다. 장비에서 제공되는 규칙 기반의 제어 시나리오가 있지만, 장비의 운영 이력에 따라 실제 목표 재질을 달성할 수 있는 제어 방식이 달라집니다. 이에 현장 엔지니어가 경험에 기반에 제어를 하지만, 숙련도에 따라 품질 및 에너지 사용량의 편차가 발생하게 되어 데이터 기반 최적 제어 방식의시스템적 내재화가 필요합니다.

축적된 운전 데이터를 기반으로 다이나믹스 모델(Dynamics model)을 활용해 실제 퍼니스 장비를 모사하는 디지털 트윈을 구현합니다. 숙련된 현장 엔지니어의 도메인 지식을 반영한 목적함수를 정의하고, 다이나믹스 모델 기반 MPC(Model Predictive Control)를 적용하여 목표 재질을 달성하면서 에너지를 최소화 할 수 있는 최적의 제어 로직을 탐색합니다.

PLC에서 수집되는 데이터를 활용해 퍼니스 장비의 실시간 상황을 다이나믹스 모델에게 학습시킵니다. 높은 정확도의 MPC 제어 로직이 현재 상황에 가장 적합한 퍼니스의 온도 설정값을 도출하고, 일관된 목표 재질을 달성하면서 LNG 사용량을 약 2% 절감합니다. 또한 다이나믹스 모델이 지속적으로 학습할 수 있는 AI 운영 환경(MLOps, Machine Learning Operations)을 구축해 장비 변화와 주변 환경 변화에 신속히 대응합니다.