)
)
)
)
산업 현장의 AI 활용이 설비 이상을 감지하는 단계를 넘어 운전 조건 변화에 따른 공정의 움직임을 예측하고 최적 조건을 검토하는 영역으로 넓어지고 있다. 원료를 바꾸면 수율이 어떻게 변할지, 스팀과 전력을 어떻게 배분해야 비용을 줄일 수 있을지, 정해진 운전값을 실제 설비에서 어떻게 유지할지까지 AI와 공정 모델의 역할이 깊어지는 모습이다.
![[인터뷰] “데이터는 현재를, 물리는 미래를 계산한다”…요꼬가와가 본 공정 자율화](http://pimg3.daara.co.kr/kidd/photo/2026/08/31/thumbs/thumb_520390_1788155359_71.jpg)
박용래 한국요꼬가와전기 본부장은 “데이터는 현재 무엇이 일어나는지를 보여주고, 물리 모델은 왜 그런 일이 일어나는지와 앞으로 어떤 변화가 나타날지를 설명한다”고 강조했다.
한국요꼬가와전기는 24일부터 28일까지 부산 벡스코에서 열린 제23회 국제자동제어연맹 세계대회(IFAC 2026)에서 이 흐름을 세 갈래 기술로 제시했다. Petro-SIM 기반 공정 디지털 트윈은 현재 공정 상태를 재현하고 이후 변화를 예측하며, Visual MESA는 공장 전체의 에너지 흐름을 최적화한다. 강화학습 기반 자율 제어 AI인 FKDPP는 정해진 목표를 실제 운전으로 옮기는 역할을 한다.
한국요꼬가와전기는 자동화 시스템 공급에서 한발 더 나아가 공정 운영의 최적화와 자율화를 지원하는 쪽으로 사업 영역을 넓히고 있다고 설명했다.
“데이터는 현재를, 물리는 이유와 미래를 보여준다”
Petro-SIM 기반 공정 디지털 트윈의 핵심은 실제 데이터를 보여주는 데 그치지 않는다는 점이다.
열역학과 물질·에너지 수지, 반응과 장치 특성 등 물리·화학 원리에 기반한 모델로 공정이 왜 현재와 같은 상태를 보이는지 계산한다. 여기에 히스토리안과 실시간 운전 데이터를 연결하면 실제 플랜트와 모델을 지속적으로 비교하고 보정할 수 있다.
박용태 한국요꼬가와전기 본부장은 “데이터는 현재 무엇이 일어나는지를 보여주고, 물리 모델은 왜 그런 일이 일어나는지와 앞으로 어떤 변화가 나타날지를 설명한다”고 말했다.
원료 조성이나 온도, 유량 등 운전 조건을 바꿨을 때 생산량과 제품 품질, 에너지 사용량, 공정 제약조건이 어떻게 달라질지를 실제 플랜트에 적용하기 전에 가상 환경에서 확인할 수 있다는 설명이다.
공정 디지털 트윈은 운전 조건을 바꿨을 때 결과를 미리 비교하는 ‘왓이프(What-if) 분석’에도 활용된다. 특정 운전점만 재현하는 것이 아니라 보다 넓은 운전 범위에서 공정 거동을 표현하고, 원료나 설비 상태가 달라졌을 때 모델과 실제 운전 사이의 차이를 관리하는 것도 중요한 과제다.
스트림·원료 배분 최적화로 연 600만 달러 효과
정유공장은 투입하는 원유와 원료 조성이 달라지면 각 공정의 수율과 제품 품질, 에너지 소비도 함께 변한다. Petro-SIM을 활용하면 공정 스트림의 이동 경로나 운전 조건을 바꿨을 때 전체 정유공장의 경제성이 어떻게 달라지는지 미리 비교할 수 있다.
KBC가 제시한 정유·아로마틱 복합 공정 사례에서는 디지털 트윈을 통해 공정 사이의 나프타 스트림을 교환하는 방안 등을 검토했다. 정유공장과 스팀 크래커가 연결된 또 다른 통합 사례에서는 C5와 라피네이트 계열 스트림의 경로와 원료 배분을 조정해 연간 약 600만 달러의 경제적 효과를 도출했다고 밝혔다.
설비 정비 시점을 판단하는 데도 활용됐다. 북미 정유공장에서는 Petro-SIM과 HX Monitor를 이용해 열교환기의 오염 상태를 살피고 여러 운전 조건을 비교했다. 이를 토대로 정비 때 우선 세정할 열교환기를 선정했으며, 에너지 비용 기준 연간 약 200만 달러의 절감 효과가 추정됐다.
![[인터뷰] “데이터는 현재를, 물리는 미래를 계산한다”…요꼬가와가 본 공정 자율화](http://pimg3.daara.co.kr/kidd/photo/2026/08/31/thumbs/thumb_520390_1788155365_20.jpg)
박 본부장은 “최적화 기술이 목표를 정하고 제어 기술이 이를 실제 공정에서 구현하는 조합이 한국의 다양한 첨단 산업에 폭넓게 적용될 수 있다”고 강조했다.
박 본부장은 “공정 디지털 트윈은 운전자의 경험을 대체하기보다 경험에 엔지니어링 인텔리전스를 더하는 의사결정 지원 도구”라며 “문제가 발생한 뒤 원인을 찾는 방식에서 현재 상태를 파악하고 미래를 예측한 뒤 여러 조건을 비교하는 방식으로 의사결정을 넓히는 데 의미가 있다”고 말했다.
설비 하나가 아닌 ‘공장 전체’의 에너지를 계산
Visual MESA가 겨냥하는 대상은 개별 설비가 아니라 공장 전체의 유틸리티 네트워크다.
스팀과 연료가스, 전력, 수소는 서로 떨어져 움직이지 않는다. 스팀을 생산하고 압력을 낮추는 과정은 터빈 구동과 발전량에 영향을 미치고, 어떤 연료를 사용하느냐에 따라 운전 비용도 달라진다.
개별 설비만 보면 에너지 사용을 줄인 것으로 보이더라도 공장 전체에서는 결과가 달라질 수 있다. 특정 설비의 스팀 소비를 줄인 결과 발전량이 감소하거나 스팀 균형이 흐트러지면 전체 비용은 오히려 늘 수 있다는 설명이다.
Visual MESA는 이처럼 연결된 유틸리티를 하나의 시스템으로 보고 스팀·연료가스·전력·수소의 흐름을 함께 계산한다. 공정 디지털 트윈이 공정 자체의 운전 조건을 다룬다면, Visual MESA는 유틸리티의 운전 조건과 에너지 배분을 계산하는 역할에 가깝다.
PID·APC와 다른 접근…강화학습 기반 제어
공정의 목표가 정해진 뒤에는 실제 설비를 움직이는 제어가 필요하다. FKDPP(Factorial Kernel Dynamic Policy Programming)는 이 영역에 적용하는 강화학습 기반 자율 제어 기술이다.
산업 현장에서 널리 쓰이는 PID는 현재값과 목표값 사이의 오차를 계산해 밸브 등을 조작한다. 구조가 비교적 단순하고 안정적이지만 여러 변수가 얽히거나 비선형성이 강하고 반응이 늦는 공정에서는 조정이 복잡해질 수 있다.
고급공정제어(APC)에서 널리 활용되는 모델예측제어(MPC)는 공정의 수학적 모델을 바탕으로 미래 거동을 예측하고 여러 변수와 제약조건을 함께 고려한다. 복잡한 공정을 다룰 수 있지만 공정 모델을 구축하고 실제 설비 변화에 맞춰 이를 유지하는 부담이 따른다.
FKDPP는 사람이 정밀한 공정 모델을 직접 설계하기보다 시뮬레이터나 데이터를 통해 어떤 상황에서 어떤 조작이 목표 달성에 유리한지를 학습한다. 요꼬가와와 일본 나라선단과학기술대학원대학(NAIST)이 공동 개발한 기술로, Factorial Kernel 기법을 활용해 일반적인 강화학습보다 적은 학습 횟수로 제어 정책을 확보하는 것을 목표로 한다.
박 본부장은 ENEOS의 증류탑 리보일러 3기 제어와 사우디 아람코의 산성가스 제거(AGR) 공정 자율운전을 관련 사례로 제시했다.
![[인터뷰] “데이터는 현재를, 물리는 미래를 계산한다”…요꼬가와가 본 공정 자율화](http://pimg3.daara.co.kr/kidd/photo/2026/08/31/thumbs/thumb_520390_1788155372_9.jpg)
한국요꼬가와전기 임직원들이 IFAC 2026이 열린 부산 벡스코 전시 부스에서 기념촬영을 했다.
최적화가 목표를 만들고, 제어가 현장에서 구현
세 기술의 관계를 놓고 보면 공정 자율화의 구조가 보다 선명해진다.
공정 디지털 트윈은 설비와 운전 상태를 가상으로 재현해 어떤 조건이 더 적합한지를 검토한다. Visual MESA는 스팀과 전력 등 에너지 흐름을 계산해 유틸리티 운전 조건을 찾는다. FKDPP는 이렇게 정해진 목표값을 실제 공정에서 구현하는 제어 계층에 놓인다.
박 본부장은 “세 기술은 경쟁 관계가 아니라 서로 다른 층위에서 상호 보완하는 관계”라며 “최적화 기술이 목표를 정하고 제어 기술이 이를 실제 공정에서 구현하는 조합이 한국의 다양한 첨단 산업에 폭넓게 적용될 수 있다”고 말했다.
