http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
P-47 : Multiobjective Optimization of Coated Steel Plate
이창송,윤동명,한종훈 한국화학공학회 2007 화학공학의이론과응용 Vol.10 No.2
It is very important to maintain three mechanical properties highly and uniformly in a Continuous Galvanizing Line(CGL). These mechanical properties, Yield Point(YP), Tensile Strength(TS), and Elongation(EL), are core output responses in a CGL. In order to high and uniform qualities level, we show optimal operation conditions setting using following multiobjective optimization procedure. First of all, we selected process variables which are contribute to significant changes of three output responses based on interviews with engineers and operators and statistical approach. Secondly, we built three 2nd order regression model using stepwise MLR. Finally, we found optimal operation conditions using Maximin Desirability Function approach by Kim and Lin. We expect that these three mechanical properties will be improved excellently by application to real CGL processes.
이창송,이규황,이호경,Lee, Changsong,Lee, Kyu-Hwang,Lee, Hokyung 한국화학공학회 2020 Korean Chemical Engineering Research(HWAHAK KONGHA Vol.58 No.2
We propose a machine learning-based method for proactively detecting faults in LDPE processes and predicting equipment lifespan. It is important to detect and prevent unexpected faults in chemical processes in order to maximize safety and productivity. Since LDPE process is a high-pressure process up to 3,000 kg/㎠g or more, once ESD occurs, it can result in productivity loss due to increased maintenance periods. By collecting key variables operation data of the process and using unsupervised machine leaning methods, we developed a fault detection model which detected 4 ESDs 2.4 days prior to the occurrence. In addition, it was confirmed that the life expectancy of a hyper compressor can be predicted by using the physically significant key variables. 머신러닝 기법을 활용하여 LDPE (Low Density Polyethylene) 공정의 이상을 사전 감지하고, 설비의 수명을 예측할 수 있는 기술을 소개한다. 안전성과 생산성 극대화를 위해, 화학 공정의 예상치 못한 이상을 사전에 감지하고 예방하는 것은 매우 중요하다. LDPE 공정은 3,000 kg/㎠g 이상까지 승압되는 고압 공정이기 때문에, ESD (Emergency Shutdown)가 발생하면 예상치 못한 부동이 발생하고, 그에 따른 보수 기간 증가로 인한 생산성 손실이 발생한다. 고압 공정의 주요 변수들의 운전 데이터를 수집하고, 비지도학습 머신러닝 기술을 활용하여, ESD의 사전 감지 모형을 개발하였다. 4회의 ESD를 2.4일 전에 감지하는 결과를 얻을 수 있었다. 더불어, 물리적으로 의미 있는 핵심 변수들을 활용하면, 고압 설비의 수명을 예측할 수 있음을 확인할 수 있었다.
이창송 ( Changsong Lee ),이호경 ( Ho Kyung Lee ) 한국공업화학회 2015 공업화학전망 Vol.18 No.5
데이터의 축적량 및 처리 기술의 발전으로 오늘날 빅데이터 기술은 다양한 산업에 걸쳐 활발히 활용되고 있다. 가격 경쟁력 이외에 품질 및 수율의 차별화가 요구되는 제조업의 경우에도 예외가 아니다. 여기에서는 화학 산업의 제조 공정에 대한 빅데이터 적용 사례로서 불량 원인 분석을 통한 품질개선, 생산성 향상, 예측모델 기반 최적화, 그리고 에너지 절감 사례를 다루고자 한다.
AlN 분말합성에 있어서 LiF와 BaF$_2$ 첨가효과
최병현,이창송,신태수,이종민 한국세라믹학회 1991 한국세라믹학회지 Vol.28 No.8
In order to synthesize fine AlN powder by the direct nitridation of Aluminum metal power added LiF and BaF2 as additives was heated at 150$0^{\circ}C$ for 3 hrs. in nitrogen gas with flow rate of 20 mι/sec. Additives are promoted the nitridation by prevented the aggromerate of powders when 3% LiF and 2% BaF2 were added to Al metal powder. Rate of nitridation was about 100% and average size of AlN powders were very fine such as 0.3 ${\mu}{\textrm}{m}$. Specific surface area of synthesized AlN powder was 3.95$m^2$/g and also O2 and N2 contents were 2.595% and 33.25%, respectively.