Smart Process Engineering Laboratory
생명화학공학과 허성민
스마트 프로세스 엔지니어링 연구실은 화학 및 바이오공정 시스템의 모델링, 최적화, 제어, 그리고 데이터 기반 분석을 중심으로 첨단 공정 시스템의 혁신을 선도하고 있습니다. 본 연구실은 마이크로그리드, 그린 수소, 탄소 포집·활용(CCU), 리튬이온 배터리, 막 공정, 연속 결정화 등 다양한 미래 지향적 연구 주제를 다루며, 지속 가능한 에너지 및 환경 기술 개발에 중점을 두고 있습니다.
특히, 신재생 에너지와 연계된 마이크로그리드 및 그린 수소 공급망의 설계와 최적화, 그리고 국가 단위의 에너지 시스템 확장 계획 수립을 위한 수리적 프로그래밍, 강화학습 등 최신 인공지능 기법을 적극적으로 도입하고 있습니다. 이를 통해 불확실성이 높은 에너지 시장 환경에서도 경제성과 환경성을 동시에 고려한 실질적인 의사결정 지원이 가능하도록 연구를 진행하고 있습니다.
또한, 이산화탄소 포집·활용 및 저장(CCUS) 기술의 공정 설계, 경제성 평가, 최적화, 그리고 글로벌 시장 동향을 반영한 지속 가능성 분석 등 실용적이고 미래지향적인 탄소 저감 기술의 상용화 연구를 수행하고 있습니다. 막 기반 공정, 연속 결정화, 컴퓨터 비전 기반 품질 모니터링 등 첨단 공정 시스템 설계 및 실시간 데이터 분석 기술도 활발히 개발 중입니다.
데이터 기반 공정 모니터링, 하이브리드 모델링, 머신러닝 및 딥러닝을 활용한 공정 이상 감지 및 진단, 배터리 수명 예측 등 다양한 응용 분야에서 연구성과를 창출하고 있습니다. 이러한 연구는 실제 산업 현장과 연계된 다양한 프로젝트와 협력 연구를 통해 실질적인 산업적 효과를 창출하고 있습니다.
스마트 프로세스 엔지니어링 연구실은 앞으로도 빅데이터, 인공지능, 시뮬레이션, 최적화 기술을 융합하여, 에너지·환경 분야의 지속 가능한 미래를 위한 혁신적인 공정 시스템 개발에 앞장설 것입니다.
Green Hydrogen Production
Carbon Capture and Utilization
Stochastic Optimization
마이크로그리드 및 그린 수소 공급망 최적화
마이크로그리드는 미래의 지속 가능한 스마트 그리드 시스템의 핵심 구성 요소로 주목받고 있습니다. 본 연구실에서는 분산형 신재생 에너지원을 효과적으로 수용하고, 지역 내 전력 수요를 충족시키기 위한 전력 생산, 저장 및 분배 시스템의 설계와 운영 전략을 연구합니다. 특히, 신재생 에너지의 간헐성과 불확실성, 전력 가격 및 수요의 변동성을 극복하기 위해 기계학습 기반 예측 모델과 확률적 프로그래밍 기법을 활용하여 미래 값을 예측하고, 최적의 의사결정을 지원하는 시스템을 개발하고 있습니다.
그린 수소는 태양광 및 풍력 등 신재생 에너지로부터 생산되는 친환경 연료로, 생산부터 연소까지 탄소를 배출하지 않는다는 점에서 주목받고 있습니다. 본 연구실은 수소 공급망의 슈퍼스트럭처 및 국가 단위의 계획 수립을 위한 수리적 프로그래밍 기법을 적용하여, 신재생 에너지와 수소 생산, 저장, 운송 전 과정을 통합적으로 최적화합니다. 이를 통해 수소 인프라의 확장과 산업 활성화를 도모하고, 경제성과 환경성을 동시에 고려한 공급망 설계 방안을 제시합니다.
이러한 연구는 실제로 국내외 다양한 프로젝트와 연계되어 진행되고 있으며, 마이크로그리드와 그린 수소 시스템의 통합적 확장 계획, 운영 전략, 경제성 평가 등 다양한 측면에서 학문적·산업적 기여를 하고 있습니다. 또한, 강화학습 등 최신 인공지능 기법을 접목하여 불확실성이 높은 에너지 시장 환경에서도 실질적인 의사결정 지원이 가능하도록 연구를 확장하고 있습니다.
탄소 포집·활용(CCU) 및 지속 가능한 공정 시스템 설계
탄소 포집·활용 및 저장(CCUS)은 대규모 발전소나 산업시설에서 발생하는 이산화탄소를 포집하여 다양한 유용물질로 전환하거나 저장하는 기술입니다. 본 연구실에서는 메탄올 등 알코올류, 플라스틱, 콘크리트, 화학 합성 원료 등 다양한 제품으로의 전환 경로를 분석하고, 불확실성을 고려한 의사결정 프레임워크를 개발하여 CCUS 시스템의 최적 경로를 제안합니다. 이를 위해 컴퓨터 기반의 시뮬레이션 및 최적화 도구를 적극적으로 활용하고 있습니다.
특히, 막(Membrane) 기반의 CCUS 공정 설계 및 최적화에도 주력하고 있습니다. 막의 투과도, 선택도, 막 오염 및 스페이서에 의한 난류 현상 등 다양한 변수들을 고려하여, CFD(전산유체역학) 시뮬레이션을 통해 막 모듈 내 유동 특성을 정밀하게 평가하고, 이를 바탕으로 효율적인 탄소 포집 기술을 개발합니다. 또한, 연속 결정화 공정 등 미세화학 및 제약 산업에서의 지속 가능한 제조 공정 설계에도 컴퓨터 비전 및 인라인 이미징 시스템을 접목하여 실시간 품질 모니터링 및 최적화 연구를 수행하고 있습니다.
이와 더불어, CCU 공정의 경제성 및 온실가스 저감 효과를 정량적으로 평가하고, 글로벌 시장 동향을 반영한 지속 가능성 분석 프레임워크를 구축함으로써, 실용적이고 미래지향적인 탄소 저감 기술의 상용화에 기여하고 있습니다. 이러한 연구는 정부 및 산업체와의 다양한 협력 프로젝트를 통해 실제 산업 현장에 적용되고 있습니다.
데이터 기반 공정 모니터링 및 하이브리드 모델링
현대 공정 산업에서는 공정의 안전성과 효율성, 그리고 지속 가능한 운영을 위해 데이터 기반의 공정 모니터링 기술이 필수적입니다. 본 연구실은 통계적 공정 모니터링(Statistical Process Monitoring)과 머신러닝, 딥러닝 기법을 접목하여, 정상 및 비정상 상태를 실시간으로 감지하고, 이상 원인을 진단하는 프레임워크를 개발하고 있습니다. 주성분 분석(PCA), 부분 최소제곱법(PLS), 독립성분 분석(ICA) 등 전통적 통계 기법뿐만 아니라, 오토인코더, 신경망 기반의 비지도 학습, 강화학습 등 최신 인공지능 기법을 활용하여 공정 데이터의 복잡성을 효과적으로 처리합니다.
또한, 데이터 기반 하이브리드 모델링을 통해 기존의 물리 기반 모델과 데이터 기반 모델의 장점을 결합하여, 새로운 공정이나 신기술의 동적 거동을 정밀하게 예측할 수 있는 모델을 구축합니다. 예를 들어, 리튬이온 배터리의 수명 예측, 연속 결정화 공정의 품질 변수 예측 등 다양한 응용 분야에서 하이브리드 모델링의 효과를 입증하고 있습니다. 특히, 배터리 관리 시스템(BMS)에서는 실시간 상태 진단 및 사용자 패턴을 반영한 최적 운영 전략을 제안하여, 에너지 저장 시스템의 신뢰성과 효율성을 높이고 있습니다.
이러한 데이터 기반 연구는 실제 산업 현장에서 발생하는 대규모 데이터의 실시간 분석 및 의사결정 지원에 활용되고 있으며, 공정의 안전성 강화, 품질 향상, 에너지 절감 등 다양한 산업적 효과를 창출하고 있습니다. 앞으로도 빅데이터, 인공지능, 시뮬레이션 기술을 융합하여 스마트 공정 시스템의 혁신을 선도할 계획입니다.
1
Noninvasive inline imaging and computer vision-based quality variable estimation for continuous slug-flow crystallizers
Derrick Adams, Jay H. Lee, Shin Hyuk Kim*, Seongmin Heo*
Computers & Chemical Engineering, 2025
2
Techno-economic analysis of amine-based post-combustion carbon capture process with flexibility considerations
Hae Yong Jung, Hyungmuk Lim, Seongmin Heo*
Fuel, 2025
3
Multi-period deployment of electrochemical CO2 reduction technology considering time varying uncertainties
Woopill Chun, Suhyeon Lee, Kosan Roh*, Seongmin Heo*
Korean Journal of Chemical Engineering, 2025
1
CCU 공정의 경제성 및 CO2 저감효과 기반 실용성 평가 및 향상을 위한 전산모사, 분석과 최적화
2
지속 가능한 분리 공정 설계를 위한 최적 공정 구조 및 제어 구조의 동시 설계 방법 개발
3
합성가스로부터 고순도 선형 알파올레핀 생산 기술개발
