energies>>article> Assessment of Energy Performance and Emission Control Using Alternative Fuels in Cement Industry through a Process Model Abstract: 시멘트 제조공정은 에너지 집약적인 공정 중 하나이고 상당한 오염물질 배출에 책임이 있다. 증가하는 에너지는 이해관계자와 연구자들이 에너지 효율을 향상시키고 이산화탄소 배출을 감소시키기 위해 대체연료를 찾도록 만든다. 대체연료는 화석 연료의 감소와 오염물질 배출 완화를 향한 현실적인 솔루션을 제공한다. 본 연구는, 다섯가지 대체연료의 오염물질 배출과 에너지 효율에 대한 영향을 시뮬레이션하기 위해 예열실 킬른 시스템의 공정 모델을 개발했다. 대..
processes>>article> Control of Precalciner Temperature in the Cement Industry: A Novel Method of Hammerstein Model Predictive Control with ISSA Abstract: 시멘트 생산 공정 중 중요한 장비인 예열실의 온도는 시멘트 품질의 중요한 영향을 끼친다. 하지만 시멘트 예열실 설비는 1) time-delayed, 2) nonlinear, 3) multi-disturbance 하기 때문에 온도를 예측 및 제어하기 어렵다. 따라서 딥러닝 기반의 Hammerstein 모델을 제안하여 예측 제어 시스템을 구축하고자 한다. CNN-GRU: to extract the operating states of th..
sensors>>article> Advanced Process Control for Clinker Rotary Kiln and Grate Cooler Abstract: 시멘트 산업은 에너지 집약적인 공정을 포함한다. (ex. 클링커를 생산하는 킬른, 쿨러) 클링커는 원료로부터 로터리 킬른 내의 화학적 물리적 반응을 통해 얻어진다. 이 반응은 연소 반응 또한 포함한다. 적절한 클링커의 냉각을 위해 쿨러는 킬른 밑에 있다. 쿨러에 클링커가 수송되면 다수의 차가운 공기 팬들을 통해 냉각된다. 본 연구에서는, 킬른 및 쿨러에 Advanced Process Control 기술이 적용되었다. MPC(Model Predictive Control) 이 주요 제어 전략으로 선택되었다. Linear 모델 (with del..
sensors>> article> A Synchronous Prediction Model Based on Multi-Channel CNN with Moving Window for Coal and Electricity Consumption in Cement Calcination Process Abstract: 전력 혹은 연료와 같은 다변수 에너지 소비량의 실시간 예측의 정확성과 신뢰성은 시멘트와 같은 산업 공정의 최적화 생산에 중요하다. 각각 예측할 때 두 가지 지표의 관계를 결합도가 부족하기 때문이다. 그러나 생산 변수에 대한 time lag, coupling, uncertainties은 다변수 실시간 예측의 어려움을 야기한다. 따라서, 본 연구에서는, 전력과 연료 소비량을 실시간으로 예측하기 위해 mo..
프로그램을 개발하다 보면 환경이나 사용자에 따른 설정값이 필요한 경우가 있다. 이러한 설정값을 매번 변수로 설정하고 불러오게 된다면, 불편함이 따르게 되고 다양한 환경설정에 어려움이 생기게 됩니다. 쉽게 설정 파일을 읽고 쓰게 할 수 있는 표준 라이브러리 configparser import configparser def config_generator(): # 설정파일 만들기 config = configparser.ConfigParser() # 설정파일 오브젝트/섹션 만들기 config['system'] = {} # 단, 데이터의 값은 오직 문자열로만 저장이 되기 때문에 읽고 쓰기 과정에서 전처리가 필요하다. # 따라서, 보다 다양하고 많은 숫자형 데이터를 처리하기에는 json 파일 형식이 보다 적합하기도..
epoch 이란? 학습 데이터를 몇 번 반복해서 학습할 것인지를 말한다. batch 란? 인공지능 모델이 학습하는 데이터셋을 말한다. 한 epoch을 실행할 때마다 학습 데이터 전체를 한꺼번에 계산하면 학습이 잘 안될 수가 있다(?) 따라서 학습 데이터를 여러 개의 mini batch 로 나눈다. 그러면 한 epoch을 실행시키는 동안 여러 개의 mini batch 에 대해 학습을 하고 한 epoch이 끝나면 학습 데이터 전체에 대해 학습을 완료하게 된다. 이 과정을 epoch 수만큼 반복한다. 따라서 인공지능 모델을 디자인할 때 배치 사이즈(인공지능 모델이 한 번에 얼만큼의 양의 데이터를 학습할 것인지) 또한 중요한 하이퍼파라미터가 되는데 만약 실무를 수행하면서 학습 데이터의 양이 점점 커지게 된다면 ..
프로그램을 만들 때 로그 파일을 생성해야 어떤 문제가 있는지 확인할 수 있다는 사실은 알고 있었다. 하지만 그동안은 print() 함수를 사용해서 콘솔창에 출력되는 내용을 보고 당장 문제를 해결하는 방식으로 개발해서 로그파일의 중요성을 크게 깨닫지 못했다. 오늘 시니어 개발자분의 실무 강의를 들을 기회가 있었는데 지금보다 내가 더 성장하고 개발하는 인공지능 모델의 크기가 커지고 다양한 실험을 해야하게 된다면 로그파일을 남기는 것이 효율적이라는 생각이 들었다. 파이썬에서 인공지능 모델을 학습시킬 때 로그 파일을 생성하는 방법은 여러 가지가 있습니다. 가장 간단한 방법 중 하나는 Python의 기본 로깅 모듈인 `logging` 모듈을 사용하는 것입니다. `logging` 모듈은 로그 메시지를 출력하고 기록..