화학과 소재 / 기초화학
Evonik Oxeno: 화학 공장의 사전 시뮬레이션을 활용한 운전 조건 추천
- 기업
- Evonik Oxeno
- 국가
- 독일
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
화학 공장 내부의 모든 공정을 직접 관찰할 수는 없다. 원료 흐름이 바뀌면 가장 효율적인 운전 조건도 달라지는데, 기존 공정 시뮬레이션은 복잡하고 계산에 시간이 걸려 현장 판단에 곧바로 쓰기 어려웠다. Evonik Oxeno는 공정 지식을 실제 운전 의사결정에 연결해 에너지 사용을 줄이려 했다.
적용한 기술과 데이터
COMPAS 프로젝트는 공장 운전 조건에 관한 시뮬레이션을 미리 계산하고 그 결과로 AI 대리 모델을 학습했다. Evonik은 시뮬레이션이 100만 건을 넘는다고 밝혔다. 열역학과 반응 속도론에 관한 공정 지식을 학습 모델과 결합한 그레이박스 방식으로, 이전에 계산한 시나리오에서 현실적인 운전 권고를 수초 안에 만든다. 회사는 독일 Marl과 벨기에 Antwerp 공장의 실제 운전에 이 기술을 사용한다고 설명했다. 모델 결과를 제어 시스템으로 자동 전달하는 기능은 추가 구현 대상에 포함돼 있어 완전 자율 제어가 끝났다는 뜻은 아니다.
성과
Evonik Oxeno는 실제 운전 데이터와 모델이 높은 일치도를 보여 공정 최적화를 더 진행할 수 있었고, 초기 적용에서 제품 생산에 필요한 에너지 소비와 이산화탄소 배출이 줄었다고 밝혔다. 원료 흐름이 바뀔 때 의사결정도 더 빨라졌다고 설명했다. 운전, 엔지니어링, 연구 조직이 축적한 지식을 재사용하면서 적용 공정을 단계적으로 늘리는 중이다.
한계와 남은 과제
에너지와 배출량 감소율, 공정별 비교 기간은 공개하지 않았다. 제어 시스템 자동 연계와 스스로 최적화하는 전체 공장 체계는 확대 중인 후속 과제다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.