Process Control & Optimization Laboratory
화학공학과 김연수
Process Control & Optimization Laboratory(공정 제어 및 최적화 연구실)는 화학공학과를 기반으로 첨단 공정 시스템의 모델링, 제어, 최적화, 그리고 데이터 기반 진단 및 인공지능 응용 연구를 선도하고 있습니다. 본 연구실은 배터리, 촉매 반응기, 수소 시스템 등 다양한 에너지 및 화학 공정의 동적 거동을 정밀하게 모델링하고, 실험 데이터와 결합한 파라미터 추정, 그리고 실시간 제어 및 최적화 기법을 개발하여 산업 현장에 적용 가능한 솔루션을 제시합니다.
특히, 모델 예측 제어(MPC), 강화학습, 능동학습 등 최신 인공지능 및 제어 이론을 실제 공정에 접목하여, 배터리 열관리, 수소 충전소 안전성 평가, 촉매 시스템의 효율화 등 다양한 응용 분야에서 혁신적인 성과를 창출하고 있습니다. 데이터 기반 이상 감지 및 진단 알고리즘은 대규모 센서 네트워크와 연계되어, 공정 내 이상 상황을 조기에 탐지하고, 신속한 대응이 가능하도록 설계되어 있습니다.
연구실은 현대 산업 플랜트의 스마트화와 친환경화, 그리고 안전성 향상을 위한 핵심 기술 개발에 집중하고 있습니다. 정부 및 산업체와의 다양한 공동 연구 프로젝트를 통해 실제 플랜트에 적용 가능한 기술을 개발하고, 특허 및 소프트웨어로의 기술 이전을 활발히 진행하고 있습니다. 또한, 국내외 학술대회 및 저명 저널에 다수의 논문을 발표하며, 학계와 산업계 모두에서 높은 평가를 받고 있습니다.
연구실의 주요 연구 성과로는 배터리 시스템의 열관리 최적화, 수소 및 암모니아 기반 에너지 시스템의 모델링 및 제어, 대규모 공정의 이상 감지 및 진단, 그리고 강화학습 기반의 안전 제어기 개발 등이 있습니다. 이러한 연구는 미래형 스마트 플랜트, 친환경 에너지 시스템, 그리고 안전하고 효율적인 제조업 구현에 핵심적인 역할을 하고 있습니다.
향후에도 본 연구실은 공정 시스템공학의 이론적 발전과 더불어, 실제 산업 현장에 적용 가능한 혁신적 기술 개발을 지속적으로 추진할 계획입니다. 이를 통해, 지속가능한 에너지 및 화학 산업의 미래를 선도하는 연구실로 성장해 나가고자 합니다.
Process Control
Reinforcement Learning
Nonlinear Optimal Control
공정 시스템 모델링 및 최적화
공정 시스템 모델링 및 최적화는 화학 및 에너지 공정의 효율성과 안전성을 극대화하기 위한 핵심 연구 분야입니다. 본 연구실에서는 배터리, 촉매 반응기, 수소 시스템 등 다양한 공정 시스템을 대상으로 수치 해석, 실험 데이터 기반 모델링, 그리고 파라미터 추정 기법을 활용하여 실제 산업 현장에 적용 가능한 정밀 모델을 개발하고 있습니다. 이러한 모델은 공정의 동적 거동을 정확하게 예측하고, 시스템의 성능을 최적화하는 데 필수적인 역할을 합니다.
특히, 모델 예측 제어(Model Predictive Control, MPC)와 같은 첨단 제어 기법을 적용하여, 공정의 다양한 운전 조건에서 최적의 성능을 달성할 수 있도록 설계합니다. 예를 들어, 전기차 배터리의 열관리 시스템에서는 구역별 온도 분포를 고려한 MPC를 통해 에너지 소비를 최소화하면서도 안전한 운전을 보장합니다. 또한, 암모니아 크래킹 반응기와 같은 촉매 시스템에서는 실험 데이터와 연계한 1차원 모델링 및 파라미터 추정을 통해 반응 효율을 극대화하고, 경제적·환경적 평가까지 수행합니다.
이러한 연구는 실제 산업 플랜트의 설계 및 운전 최적화, 신재생에너지 시스템의 효율 향상, 그리고 친환경 공정 개발에 직접적으로 기여하고 있습니다. 더불어, 다양한 산업체 및 정부 과제와 연계하여 실질적인 기술 이전과 현장 적용을 목표로 하고 있으며, 미래형 스마트 플랜트 구현을 위한 기반 기술로 자리매김하고 있습니다.
데이터 기반 이상 감지 및 진단, 강화학습 기반 안전 제어
데이터 기반 이상 감지 및 진단, 그리고 강화학습 기반 안전 제어는 현대 공정 시스템의 신뢰성과 안전성을 확보하기 위한 핵심 기술입니다. 본 연구실에서는 대규모 센서 데이터와 머신러닝, 딥러닝 기법을 결합하여 공정 내에서 발생할 수 있는 다양한 이상 상황(예: 누수, 장비 고장, 비정상 운전 등)을 조기에 탐지하고, 그 원인을 신속하게 진단하는 알고리즘을 개발하고 있습니다. 예를 들어, 누수 감지 로직에서는 압력 강하와 평균 압력의 변화를 통계적으로 분석하여 오감지율과 누락 감지율을 동시에 낮추는 강건한 진단 시스템을 구현합니다.
또한, 강화학습 및 능동학습(Active Learning) 기법을 활용하여, 제한 조건이 많은 실제 공정 환경에서 안전성을 보장하면서도 최적의 제어 정책을 학습할 수 있도록 연구하고 있습니다. 모델 기반 강화학습은 시스템의 불확실성과 제약 조건을 고려하여, 실제 플랜트 적용 시에도 안정적인 운전과 성능 향상을 동시에 달성할 수 있도록 설계됩니다. 특히, 배터리 시스템, 수소 충전소, 촉매 반응기 등 다양한 응용 분야에서 실시간 데이터와 연계한 안전 강화학습 제어기를 개발하고 있습니다.
이러한 연구는 스마트 플랜트, 친환경 에너지 시스템, 그리고 미래형 제조업의 안전성과 효율성을 혁신적으로 높이는 데 기여하고 있습니다. 실제 산업 현장에 적용 가능한 특허 및 소프트웨어 개발, 그리고 국내외 학술대회 및 저널을 통한 활발한 연구 성과 발표로, 공정 시스템의 지능형 진단 및 제어 분야를 선도하고 있습니다.
1
Economic and Environmental Assessment of Natural Gas-Ammonia Co-Firing: A Comparative AHP Analysis of Ammonia Production Methods
M. Shin, Y. Kim, W. Won, Y. Kim†
, 1970
2
Optimal control for battery thermal management based on deep reinforcement learning
S. Shin, D. Jeong, Y. Kim†
, 1970
3
Optimal design for ammonia cracking reactors with commercial Ru/Al2O3 and Ni/Al2O3 catalysts: Experimental evaluation and one-dimensional modeling
H. Jin*, T. Son*, J. Park, J. Chang, S. Yang, D. H. Kim†, Y. Kim†
, 1970
1
Safety evaluation/demonstration and development of safety standards for the establishment of liquid hydrogen refueling stations, Ministry of Trade, Industry and Energy.
2
AI-based gas-oil plant operation and maintenance core technology development, Ministry of Land, Infrastructure, and Transport.
3
POSCO E&C, Development of Detailed Reactor Model for Ammonia Cracking Process
