촉매독의 누적노출량을 통한 Bisphenol A 반응기 촉매 수명 예측

Abstract

화학공장에서 촉매 반응 공정은 공장의 생산성, 수율, 및 품질을 결정 짓는 핵심 공정이다. 안정적인 생산과 품질을 위해서는 촉매의 수명을 오래 유지하여 반응 공정의 변동을 최소화할 필요가 있다. 최근 Bisphenol A 공정에서는 아세톤 원료 중에 촉매독 역할을 메탄올 성분을 줄이는 활동을 하고 있다. 이에 메탄올 함량에 따른 반응 공정 성능을 모사하여 메탄올 저감 목표 및 촉매 교체 계획 관리에 필요한 기초 자료를 확보하고자 한다. 그러나 현재 시점의 메탄올 함량만으로 장기간에 걸쳐 진행되는 촉매 비활성화를 설명하기는 어렵다. 따라서 현재까지 반응기에 유입된 메탄올의 총량을 촉매독의 누적 노출 이력으로써 설명변수로 활용하여 촉매 비활성화를 설명해 보고자 하였다. 촉매의 활성은 직접 측정할 수 없어서 반응기 전환율을 종속변수로 선정하고 반응기 전환율의 설명변수와 촉매 비활성화 변수를 조합하여 기계학습(PLS, SVM, ANN)을 수행하였다. 촉매 비활성화 예상 변수는 메탄올이 촉매와 반응하는 데 영향을 미치는 온도와 유량, 아세톤 인자들을 조합하여 후보군을 만들었다. 실험 결과 메탄올 누적 유량 변수를 사용한 모형의 오차가 가장 작았으며 비선형 회귀 모형의 정확도가 선형 회귀 모형보다 높았다. 예상했던 온도의 영향은 분산이 적기 때문에 촉매 비활성화를 유의미하게 설명할 수 없었다. 메탄올 함량으로 누적값을 모의실험한 결과 250ppm에서 70ppm으로 저감 시 기존 20개월에서 70개월로 반응기 전환율이 유지될 것으로 예측하였다.

In chemical plants, the catalytic reaction process is a key factor that determines the productivity, yield, and quality of the plant. For stable production and quality, it is necessary to minimize fluctuations in the reaction process by maintaining the life of the catalyst for a long time. Recently, in the Bisphenol A process, activities are underway to reduce methanol components that act as a catalyst poison in acetone. Therefore, by simulating the reaction process performance according to the methanol content, basic data necessary for the management of the methanol reduction goal and catalyst replacement plan are secured. However, it is difficult to explain the degree of catalyst deactivation over a long period of time only with the methanol content at this point. Therefore, the total amount of methanol flowed into the reactors so far, which is a cumulative exposure history of the catalyst poison, was used as an explanatory variable to explain catalyst deactivation. Since the activity of the catalyst cannot be measured directly, the reactor conversion rate was selected as a dependent variable, and machine learning (PLS, SVM, ANN) was performed by combining the explanatory variable of the reactor conversion rate and the catalyst deactivation variable. As for the expected catalyst deactivation variable, a candidate group was created by combining the temperature, flow rate, and acetone that influence methanols reaction with the catalyst. As a result of the experiment, the error of the model using the methanol cumulative flow rate variable was the smallest, and the accuracy of the nonlinear regression model was higher than that of the linear regression model. The effect of the temperature could not significantly explain catalyst deactivation because the variance was small. As a result of simulating the cumulative value with methanol content, it was predicted that the reactor conversion rate would be maintained from 20 to 70 months if it was reduced from 250 ppm to 70 ppm.