컴퓨터 활용이 확대됨에 따라 4차 산업혁명, 알파고, 자율운행자동차, AI 주식거래 등이 사회 및 산업활동에 개입해 큰 변혁을 초래하고 있다.
화학산업은 빅데이터, 사물인터넷(IoT)을 활용해 기존 시스템(Feed Back Control) 제어를 강화함으로써 사고·트러블 방지 및 조업을 효율화하는 검토가 이루어지고 있다.
뿐만 아니라 인공지능(AI)을 활용한 신규 시스템(Feed Forward Control)으로 생산성을 대폭 향상시키기 위한 화학 플랜트의 AI화가 요구되고 있다.

프로세스 개발로 화학 플랜트 생산성 향상
화학 플랜트의 가동·제어를 개선하기 위해서는 제조공정의 구성요소를 이해하는 것이 필수적이며, 프로세스 개발에서는 소규모 시험(비커시험), 벤치시험, 파일럿시험, 양산 플랜트 시험 등을 통해 안전성을 고려한 플랜트 설계 및 조업 기술의 확립이 이루어지고 있다.
소규모 시험에서는 원료·용제·촉매 등의 독성, 폭발성, 환경오염성 등의 특성을 파악해 물질안전을 확보하기 위한 기초물성 데이터를 집적한다. 또 반응성, 반응속도, 부생물, 수율 등의 반응해석을 소량 샘플로 실시하고 품질, 조업 안정성, 법규제 등을 고려해 조작조건의 허용범위를 검토한다.
벤치시험에서는 소규모 시험보다 샘플 확보가 쉽기 때문에 반응조건과 물성 등을 파악하고 배합제 첨가 및 혼합방식을 통한 물성 업그레이드 기술 검토를 실시한다. 아울러 특정 유저에 샘플을 배포해 시장 니즈를 파악하는 한편 부생물의 발생량, 분리방법, 무해화 등도 검토한다.
파일럿시험에서는 설비가 커져 샘플량이 늘어나기 때문에 본격적인 시장개발과 경쟁력 데이터 해석을 실시한다. 기술적으로는 단위조작의 확립, 프로세스 설계, 계측장비 시스템 설계, 재질 및 안전·환경 등 양산 플랜트 설계에 필요한 각종 데이터를 파악함으로써 기술을 확립하고 가동환경 설정, 조작방법의 검토, 작업자 교육 등을 실시한다.
양산 플랜트 시험에서는 안전·안정조업 확립과 경제성을 포함한 공급책임 역할을 하며 시장 니즈에 맞춘 품질·코스트·조작성 등을 확립하기 위해 프로세스 개선을 지속하고 인재 육성 및 조업 데이터의 축적을 도모한다. 아울러 플랜트의 위험성 파악과 긴급 상황에 대한 대응 방안도 준비한다.
플랜트의 효율화와 생산성 향상을 위해서는 프로세스 개발 단계에서 얻은 대량의 데이터와 기술정보를 활용하는 것이 필수적인 것으로 파악되고 있다.

빅데이터·IoT 활용 화학 플랜트 효율화
플랜트 데이터를 취합해 가동환경을 개선하고 사고를 예방하기 위해서는 구성요소 각 단계의 정보와 제어 시스템을 이해할 것이 요구된다.
플랜트를 설계할 때 소규모 시험, 벤치시험, 파일럿시험에서 얻은 정보를 바탕으로 조업조건과 운전결과의 연관성을 계산한다. 예를 들어 반응기의 반응조건을 설정하면 온도·유량 등을 예측할 수 있고 온도의 적정화가 필요하면 열교환기의 사양을 계산한다. 조작조건을 설정해 결과를 예측하고 장치·프로세스를 설계한다.
설계단계에서는 발생현상을 예측하나 양산 플랜트에서는 현상이 일어난 후 대응하는 사후 제어로 가동 중 온도 및 압력 이상을 감지했을 때 유량, 온도 등 상류 프로세스의 조작조건을 변경해 적정화시킨다.
빅데이터를 활용하면 대량의 가동 데이터를 집적·해석함으로써 설비를 개선하고 트러블을 방지하는데 기여할 수 있다.
현재 화학 플랜트는 Feed Back Control 시스템을 통한 컴퓨터 제어가 상당 부분 이루어지고 있기 때문에 빅데이터·IoT 활용은 기존 기술의 연장이며 고도화를 추구하는 것으로 평가되고 있다.

AI화, 노동력 절감에 안전성 향상
화학 플랜트에 AI를 적용해 Feed Forward Control에 따른 이상 발생 사전방지 시스템(예측제어)을 채용함으로써 가동 안전성을 향상시키고 생산성을 대폭 개선할 수 있다. 자율운행자동차도 예측제어 기능을 채용하고 있다.
화학 플랜트를 설계할 때는 분자, 비중·비열, 폭발 특성, 동석 등 물성 상수 반응속도·반응열, 증기압, 폭발한계, 혼합·교반 특성 등의 프로세스 데이터를 활용해 단위조작 설정과 각종 기기의 설계를 실시하고 안전, 품질·환경, 경제성 등을 고려한 조업조건을 선정함으로써 전체 프로세스의 최적화를 도모한다.
프로세스 설계는 일반적으로 많은 데이터의 이해와 전문가의 지식·경험을 바탕으로 이루어지기 때문에 오랜 시간과 노력이 요구된다.
이에 따라 플랜트 가동 중에 프로세스 계산을 실시하는 것은 불가능하다.
프로세스를 개발할 때의 각종 정보를 컴퓨터에 저장해 두면 AI가 매초마다 가동조건을 실시간 계산할 수 있으며 이상발생을 사전 예방하는 예측제어 가동이 가능해진다.
다만, AI를 활용해 가동조건을 실시간 계산하기 위해서는 치밀한 사고회로, 정확한 정보해독, 적정한 판단능력, 광범위한 보안대책 등 방대한 정보를 AI가 해독하기 쉽도록 정리하는 작업능력이 필수적이다.
긴급 상황에 대한 대응 정보로 인력배치, 경보시스템, 이상사태에 대한 대응, 테러대책 등도 준비해 두어야 한다.

화학 플랜트의 AI화 효용성 확대
화학 플랜트에 AI를 적용하면 항상 최적조건 속에서 가동이 이루어지기 때문에 몇가지 대폭적인 개선효과가 기대되고 있다.
AI는 데이터를 바탕으로 항상 최적조건 속에서 이상발생률을 낮추어 적은 인력으로도 가동을 안정화시킬 수 있기 때문에 생산성을 대폭 향상시킬 수 있다.
또 컴퓨터에 위험조작 범위가 설정돼 있어 항상 안전·안정적으로 플랜트를 가동해 생산 안정성이 높아질 수 있다.
화학 플랜트에 반응조건 및 수율, 유틸리티, 부생물 처리 등의 정보를 입력해 놓으면 가장 양호한 반응조건을 결정할 수 있어 수율·원단위도 최적의 결과를 얻을 수 있다.
물성의 적정범위를 조건으로 설정하면 주반응·부반응·분리 등의 공정은 항상 AI가 관리하기 때문에 양호한 품질을 유지할 수 있다.
AI는 동일설비에서 복수제품을 생산할 때 각 데이터를 입력해 놓으면 다양한 품목을 용이하게 생산할 수 있어 정밀화학산업 등에서 유용한 것으로 파악되고 있다.
이밖에 컴퓨터에 기술정보 전체가 입력돼 있기 때문에 담당자가 축적된 기술정보를 언제나 학습·복습하는 것이 가능해 기술 전승이 쉽고 새로운 기술 지식은 신규정보로 추가도 가능하다.
상시 프로세스 계산결과와 플랜트의 실제 데이터 사이에 차이가 발생하면 작업자에게 신속하게 알려 이상사태를 방지할 수 있다.<이하나 기자>