Discovery Summit Korea 2023

1. Copyright © JMP Statistical Discovery LLC. All Rights Reserved.
KOREA

2. Using JMP in the
Petrochemical industry
한화토탈에너지스 IT기획팀 김동진 프로

3. Copyright © JMP Statistical Discovery LLC. All rights reserved.
Overview
석유화학산업의 정의와 특징

4. Overview
▪ 정의
석유제품(Naphtha)또는 천연가스를 원료로 합성수지(플라스틱),
합성섬유(Polyester, Nylon) 원료, 합성고무 및 각종 기초 화학제품을
생산하는 산업
- 한국석유화학협회

5. ▪ 데이터분석 관점에서 본 석유화학산업의 특징
1. 석유화학산업은 대규모 투자비와 장비가 필요한 장치 산업이다
2. 막대한 에너지와 자원을 소모하는 산업이다
3. 대부분의 공정이 자동화 되어 있어 적은 인력으로
막대한 수익을 창출한다
Overview

6. ▪ 데이터분석 관점에서 본 석유화학산업의 특징
Overview
오퍼레이터/엔지니어(?)
원료
연구소
동력/운영시설
생산시설

7. ▪ 데이터분석 관점에서 본 석유화학산업의 특징
1. 석유화학산업은 대규모 투자비와 장비가 필요한 장치 산업이다
2. 막대한 에너지와 자원을 소모하는 산업이다
3. 대부분의 공정이 자동화 되어 있어 적은 인력으로 막대한 수익을
창출 할 수 있다
Overview

8. ▪ Human body vs. Petrochemical Plnat
Overview
석유화학 공장의 건강은?
프로세스의 온도, 압력, 진동, 소음, 성분,
촉매독, 신호, 설비수명/상태, 유지보수…
우리 몸의 건강을 확인하는 방법은?
체온, 맥박, 혈압, 혈당, 각종 질환, 혈중알콜(?)
체성분, 반사신경, 운동능력, 생활습관, 노화…

9. ▪ 석유화학공장에서 데이터와 데이터분석이 중요한 이유
인체가 건강한 활동을 위해 ‘항상성‘을
유지해야 하는 것 처럼 석유화학공정과 같은
연속공정에서의 ‘안정가동’이 정상적인
생산 활동을 위해 중요함
공장의 ‘안정가동’은
‘안정가동의 범위‘를
측정/조정할 수 있을 때 가능
Overview

10. ▪ 한화토탈에너지스의 ‘Digital Transformation’
2022
2023
2024~
2021
- 2016년 JMP 라이선스 최초 도입 이후 각 부서별
개별적인 과제 수행
- 2019년 11월 7일 한화토탈에너지스 DT선포식 (분석 조직 창설)
2020
~2019
- 자체 교육 과정 도입/운영 과제 수행 지원 활동
- 본격적인 데이터 분석 과제 수행 기점
- 제1회 전사 데이터 분석 경진 대회 시행
- 데이터분석 과제 유형효과 확인 및 과제 확대 발굴
- 누적 약 50여개 과제 발굴/수행
- 차기 중기 계획 수립(진행중)
- 한화토탈에너지스 2차 중기 DT계획 수행 예정
Overview

11. Copyright © JMP Statistical Discovery LLC. All rights reserved.
Case 1
Column Operation 최적화
통한 에너지 절감 사례

12. Case 1 - Column Operation 최적화 통한 에너지 절감 사례
▪ 추진 배경
• 방향족 제품을 생산하는 A공장의 경우 연속 공정으로 다양한 설비가
존재하며 이 중에서 다양한 회전기계(펌프, 컴프레서, 블로워 등) 대비
반응기(Column)의 Control Range가 넓은 것을 확인 할 수 있음
• A공장의 전체 사용 에너지 중 30%가 Column 운전에 사용 되고 있음
• 데이터 분석을 통한 Column운전 최적화로 비용절감 효과를 기대함

13. ▪ 대상 선정
• 제품을 생산하는 각 Column(반응기)의
에너지 사용은 해당 Column에 투입되는
Steam*의 칼로리로 환산하여 정의 될 수
있음
Col‘1
현 수준
BP**
Gap
Heat/Feed
(Gcal
/
Ton)
Trend Date (2019 ~ 2020)
**BP: 과거 운전 실적 고려하여 Heat/Feed
최소 지점(에너지 사용량 최저 지점)
Case 1 - Column Operation 최적화 통한 에너지 절감 사례

14. ▪ 대상 선정
Heat/Feed
(Gcal
/
Ton)
Trend Date (2019 ~ 2020)
Col 1 Col 5 Col 6
Col 7 Col 9 Col 10 DA601
Col 13 Col 14 Col 15 Col 16 DA150
2
Col 18
Col 17
Col 12
Col 11
Col 2 Col 3
Col 8
Col 4
현 수준
BP
현 수준
BP
현 수준
BP
현 수준
BP
현 수준
BP
현 수준
BP
현 수준
BP
현 수준
BP
Gap
Gap
Gap
Gap
Gap
Gap
Gap
• 각 Column별 에너지 사용 수준 비교 분석
• 에너지 사용 수준, 생산 영향도 등을 고려하여 Col’ 4 를 대상으로 선정
• Col’ Energy 소비 최적화를 이룰 경우 연간 약 50억원 절감 가능성 확인
Case 1 - Column Operation 최적화 통한 에너지 절감 사례

15. ▪ 최적화 타겟과 주요 인자 간 상관관계 분석 (for Col’#4)
[주요 인자]
Heat/Feed
[최적화 Target]
Reflux/Feed BTM/Feed Feed T, P
Column Tray T Reflux T,P BTM T,P
…
…
상관관계 분석
• 분석 결과 에너지 소비량과
주요 인자 간 상관관계를 우선 검토
→ Heat Reflux Flow영향이 가장
큰 것으로 확인 됨
Case 1 - Column Operation 최적화 통한 에너지 절감 사례

16. ▪ 공정 적용 및 검토
• Col’ 4 의 경우 반응 부산물로 생산되는 유분을 제거하는 설비
• Reflux Flow 조절에 따른 제품 영향 고려하여 Control Range 설정
Reflux/Feed
0.15
0.22
Reflux/Feed 감소 조절 : 0.22 → 0.15 Heat Feed 감소 운전 Reformate 품질 유지 확인
(관리 기준 충족: On-Spec)
1.6
2.5
0.04
0.05
※ 주의: 석유화학공정의 특성상 단일 변수의 변화가 다른 모든 변수에 즉각적인 영향을 줄 수
있기 때문에 운전 조건 변화에 대한 기계/화학공학적 사전 검토가 반드시 이루어져야 함
Case 1 - Column Operation 최적화 통한 에너지 절감 사례

17. Copyright © JMP Statistical Discovery LLC. All rights reserved.
Case 2
Polyethylene(PE) 생산공정의
에너지 사용량 최적화 사례

18. ▪ 추진 배경
• 당사 Polyethylene(이하 PE) 생산 공장 중 하나인 B공장의 경우 동일한
제품을 생산 하는 환경 하에서 Specific Energy(이하 에너지)의 차이
(약 3~4%)를 관찰 할 수 있음
• B공장에서는 에너지 사용량 차이를 발생 시키는 인자를 찾고 조정
가능한 범위 확인 및 영향을 확인 하여 생산 중 사용 되는 에너지 비용을
절감 하고자 함
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

19. ▪ 종속 변수 산출
• PE제품 생산 시 제품의 특성 및 생산량에 따른 에너지 값 산출 식 정의
Specific
energy =
(Steam flow#1+Steam flow#2+Steam flow#3+Steam flow#4)
+(Pump Power#1+Pump Power#2-Cooling tower pump)
Production rate
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례
✓ Specific Energy 에 영향을 주는 변수에 관해 순환오류를 피하기 위해 산출
식을 정의하고 포함되는 변수를 모델링 과정에서 제외 해야 됨

20. ▪ 데이터 수집
총
99,071
Rows
• 데이터 수집 기간: 2021.05.20 ~ 2023.04.08 (약 2년, 10분 평균 값)
• 54개 매개변수 (날짜, 제품 정보 제외)
• 자동 수집 되는 공장 생산 조건 데이터 + 제품 정보 데이터 통합
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

21. ▪ 데이터 전처리
• 전체 매개변수에 대한 상관관계 분석
- 상관계수 0.9 이상 변수에 대한 중복
데이터로 간주 하여 제거
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

22. ▪ 데이터 전처리
• 각 매개 변수에 대한 이상치&결측치 제거
• 트랜드 특성 파악
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례
✓ JMP의 그래프 빌더 기능을 활용하면 다양한
변수 각각의 이상치를 선별하기 쉬움

23. ▪ 모델 탐색
• JMP 의 Stepwise Fit for Y by X 기능
Neural Network 기능 활용, 최적 모델 탐색
→ 모델결과 적용 쉬우나 정확도 낮음(0.6)
• 데이터 특성, 모델 정확도 및 복잡성 등
고려하여 Neural Network 기본 모델 활용
(1 Layer / 3 TanH Node 활용)
→ 정확도가 높고 요인변수 탐색을 위한
프로파일 기능을 활용 할 수 있음
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

24. ▪ 모델링&프로파일
• 선정 된 모델링 방식을 활용하여 각 변수 별
에너지 영향 정도 확인
• 주요 영향 변수에 대한 생산담당 엔지니어
의견 수렴 하여 Control 가능 여부 판단
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

25. ▪ 모델링&프로파일
Before
After
• 단일 Grade 생산 기준
: 총에너지사용량(단위: MMkcal/ton)
약 2.6% 감소 확인
→ 추가 테스트 후 확대 적용 예정
• 주기적인 모델 업데이트를 통해
영향요인 지속 관찰
Case 2 - Polyethylene 생산 에너지 사용 최적화 사례

26. Copyright © JMP Statistical Discovery LLC. All rights reserved.
Lesson&Learn
제조업에서의 JMP 활용
장점과 활용 팁
매우 주관적인

27. Review
▪ 제조업에서 JMP활용의 장점
• JMP는 강력한 데이터분석 Tool로서 다양한 분야에 적용 가능
• 제조업 분야에서 발생하는 다량의 복잡한 변수에 대한
시각화 및 분석에 활용 가능
• No/Low-Code Tool로서 단기간에 손쉽게 교육이 가능
• 데이터 전처리/시각화에서 큰 장점이 있음

28. Review
▪ 성공적인 과제 수행을 위한 Tip!
• 성공적인 과제 수행을 위해서는
현업과의 매우 활발한 소통이 필수 조건
✓ 실질적인 문제 해결의 실마리
✓ 공정 적용 노하우
✓ 누락 된 데이터의 보완(경험)

29. Review
▪ 성공적인 과제 수행을 위한 Tip!
• 현업 인력의 데이터 분석 이해도가 중요
✓ JMP 자체에 대한 이해
✓ 통계/데이터 분석에 대한 이해
✓ 데이터 분석 과제 수행 경험

30. Review
▪ 성공적인 과제 수행을 위한 Tip!
• 과제 정의 및 가설 수립의 중요성
✓ 빠른 과제 진행을 위해서는 분석
자체 보다 명확한 과제 정의가 중요
✓ 과제 정의가 명확하지 않을 경우
불필요한 작업이 발생 할 수 있음
과제 정의서
▪ 배경과 목적 ▪ 분석 계획
▪ 가설
▪ 기대 효과
-------------------
---------------
----------
--------------------
-------------------
---------------
----------
--------------------
과제 정의서
▪ 배경과 목적 ▪ 분석 계획
▪ 가설
▪ 기대 효과
-------------------
---------------
----------
--------------------
-------------------
---------------
----------
--------------------

31. Review
▪ 성공적인 과제 수행을 위한 Tip!
• 탐색적 데이터 분석, 데이터 시각화의 중요성
✓ 의외로 많은 문제들은 데이터의 시각화 만으로
풀릴 수도 있음
✓ 복잡한 기능을 사용하는 것 보다 문제 해결에
도움이 되는 경우가 많음
✓ 모든 분석 작업 전에는 데이터를 시각화 하고
맨눈(Nake eye)으로 보고 분석가의 입장에서
생각해 볼 것

32. Review
▪ JMP를 사용하면서 느낀점…

33. Q & A