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, 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.