데이터 기반의 하수처리시설 성능 분석
2019-09-30
org.kosen.entty.User@5abda646
문철환(highmoon)
현재 하수처리시설에서는 많은 양의 데이터가 수집되고 있지만, 하수처리시설 운영자들의 통계적 지식 부족으로 데이터의 수집, 관리, 분석이 제대로 이루어지지 못하고 있다. 하수처리시설에서 발생되는 데이터를 활용하기 위해서는 하수처리시설의 특성과 다양한 인자들에 대한 이해가 필요하다.
본 리포트에서는 하수처리시설에서 발생되는 데이터를 분석/활용할 수 있는 통계적 기법들에 대해 서술하였다. 하수처리시설에서 발생되는 데이터의 분석을 통해 고장 시간을 줄이고, 수질기준을 준수할 수 있으며, 전기, 약품과 같은 자원의 사용을 최적화할 수 있다. 또한 데이터의 검증, 측정하기 어려운 변수 예측, 예측 유지관리(predictive maintenance), 시스템 최적화도 가능하다.
하수처리 공정의 제어를 위해서는 하수처리 과정에서 발생되는 현상들을 측정한 데이터가 필요하다. 데이터 수집은 일반적으로 센서를 통해 이루어지지만, 센서의 오염으로 인하여 정확도가 감소하기도 한다. 오염된 센서의 보정을 위해 운영자가 직접 분석을 하기도 하지만 시간이 오래 소요되고, 종종 해석이 어려운 이상값(outlier)이 발생하여 수학적 모델에 의한 공정제어를 어렵게 한다. 이와 같은 공정제어의 문제점을 해결하기 위해 하수처리시설에 데이터 기반의 통계적 공정제어 방법 적용이 필요하다. 본 리포트의 2장에서는 빅데이터와 데이터 분석 결과에 영향을 미칠 수 있는 하수처리 공정 특성에 대해 서술하였다. 3장에서는 장애검출, 변수 예측, 공정제어에 이용될 수 있는 통계적 분석 방법에 대해 알아보고자 한다.
본 리포트에서는 하수처리시설에서 발생되는 데이터를 분석/활용할 수 있는 통계적 기법들에 대해 서술하였다. 하수처리시설에서 발생되는 데이터의 분석을 통해 고장 시간을 줄이고, 수질기준을 준수할 수 있으며, 전기, 약품과 같은 자원의 사용을 최적화할 수 있다. 또한 데이터의 검증, 측정하기 어려운 변수 예측, 예측 유지관리(predictive maintenance), 시스템 최적화도 가능하다.
하수처리 공정의 제어를 위해서는 하수처리 과정에서 발생되는 현상들을 측정한 데이터가 필요하다. 데이터 수집은 일반적으로 센서를 통해 이루어지지만, 센서의 오염으로 인하여 정확도가 감소하기도 한다. 오염된 센서의 보정을 위해 운영자가 직접 분석을 하기도 하지만 시간이 오래 소요되고, 종종 해석이 어려운 이상값(outlier)이 발생하여 수학적 모델에 의한 공정제어를 어렵게 한다. 이와 같은 공정제어의 문제점을 해결하기 위해 하수처리시설에 데이터 기반의 통계적 공정제어 방법 적용이 필요하다. 본 리포트의 2장에서는 빅데이터와 데이터 분석 결과에 영향을 미칠 수 있는 하수처리 공정 특성에 대해 서술하였다. 3장에서는 장애검출, 변수 예측, 공정제어에 이용될 수 있는 통계적 분석 방법에 대해 알아보고자 한다.