| 초록 |
데이터 전처리는 증류 공정의 온도 예측을 위한 머신러닝 모델을 개발하는 과정에서 중요한 단계이다. 증류 공정에서 수집되는 데이터는 장치의 오류 등에 의한 노이즈가 존재하여, 예측 모델의 성능이 저하되는 문제가 있다. 노이즈 제거 방법에 따라 예측 모델의 성능이 달라져 적절한 방법을 선택하는 것이 중요하다. 제거 방법을 선택하는 적절한 기준이 있지 않아 최적의 방법 선정이 어렵다. 본 연구에서는 시계열 데이터의 노이즈 제거를 위한 네 가지 방법을 적용하고 예측 모델에 미치는 영향을 분석하여 증류 공정에 가장 적합한 방법을 제시한다. 제거 방법으로 Simple, Exponential moving average, Low-pass filter, Discrete wavelettransform을 적용하였으며 예측 모델은 Long short-term memory을 사용하여 개발하였다. 실제 증류 공정 데이터에 대해 각 모델을 적용하여 온도를 예측한 결과, DWT를 적용한 모델의 예측성능이 R2 0.942로 다른 모델보다0.034~0.209 보다 높아 가장 적절한 방법으로 선정되었다. 얻어진 결과를 통해 증류 공정 온도 예측에서 데이터 노이즈 제거 방법에 대한 적절한 선정이 필요하다는 것을 알 수 있었다. |
