[DT] AI와 지능형 제어의 만남

AI와 지능형제어

---

• AI와 지능형 제어의 만남
  • 제어와 최신 어플리케이션
  • 플랜트 제어시스템
  • 최적화 솔루션 컨셉
  • 연소최적화 소개
  • 플랜트 적용 이슈와 연소 최적화 기능
  • 연소최적화 적용 효과
  • 최적화 솔루션 관련 지적재산권
  • 최적화 솔루션 확장
• 제어
  • 제어: 시스템의 동작을 원하는 방식으로 조절하고 조정하는 과정
  • 제어 시스템의 구성 요소
    1. controller: 시슽메의 출력을 원하는 목표에 맞추기 위해 신호를 생성하는 장치
    2. plant: 제얼하려는 실제 시스템
    3. sensor: 플랜트의 현재 상태를 측정하는 장치
    4. Actuator: 제어기에서 생성된 제어 신호를 받아서 플랜트를 실제로 조작하는 장치
  • 피드백 제어
    • 목표값(setpoint): 시스템이 도달해야 하는 원하는 값
    • 편차(error): 목표값과 실제 출력값의 차이
    • 제어신호(control signal): 편차를 최소화하기 위해 시스템을 조작하는 신호
  • 피드포워드 제어: 시스템의 모델을 이용해 예상되는 외란(disturbance)을 미리 보상하는 방식
• 인공지능이 적용된 제어 어플리케이션 ⟶
• Plant control system: 공장 내부의 모든 기계와 프로세스를 총괄적으로 관리하는 시스템
  1. 프로세스 모니터링
  2. 자동제어
  3. 경보 및 알림
  4. 데이터 로깅
     • PLC: 중앙 집중형 구조로 상대적으로 간단한 시스템에서 사용되며 저렴
     • DCS: 분산 제어형 구조로 상대적으로 복잡한 시스템에서 사용되며 비쌈
• plant control system에 AI 적용에는 어려운 점과 리스크 존재
  • 최적화 솔루션 컨셉: AI기반, 대상체를 모사하는 모델을 만들고 이 모델로 최적의 제어 목표값을 탐색
  • 데이터 품질 및 양 이슈 해결: 운전데이터 실시간 추가 수집 및 자동 데이터 전처리 기능 탑재
  • 복잡한 시스템 모델링 이슈 해결: 운전데이터를 활용, 회귀용 ANN 모델 기반의 보일러 연소 모델
  • 리얼타임 처리 요구 이슈 해결: 실시간 최적 제어 값 탐색을 위해 GPU 기반 병렬 연산을 수행
  • 기존 시스템과의 통합 이슈 해결: 최적화용 서버 설치, 제어시스템에 Setpoint Bias로 연결
  • 보안 취약성 이슈 해결: 외부 공격과 네트워크 지연이슈를 방지하고자 Cloud 대신 On-premise 방식 채택