| 논문명 |
반도체 제조용 전기클린룸의 실내 온도 및 습도에 대한 피드백 동시제어 수치시뮬레이션 / Numerical Simulation on Simultaneous Feedback Control of Indoor Air Temperature and Humidity in a Fully Electric Cleanroom for Semiconductor Manufacturing |
| 저자명 |
송근수(Geun-Soo Song) ; 양지석(Ji-Seok Yang) ; 이건형(Kun-Hyung Lee) ; 유경훈(Kyung-Hoon Yoo) |
| 수록사항 |
설비공학논문집, Vol.37 No.06 (2025-06) |
| 주제어 |
ANN; 실내 온도 및 습도; 인공신경망; 모델예측 제어기; 다중입력 다중출력 시스템; 피드백 동시제어; 과도 응답 ; Artificial neural network (ANN); Indoor temperature and humidity; Model predictive control (MPC) controller; Multi-input-multi-output (MIMO) system; Simultaneous feedback control; Transient response |
| 요약1 |
본 연구에서는 기존의 반도체 제조용 하이브리드 클린룸의 완전한 전동화에 의한 FFU 방식의 전기클린룸 모델에 대해 MATLAB/Simulink 플랫폼을 이용한 PID, on/off, ANN, MPC 제어기의 피드백 동시제어 방식에 대한 클린룸 실내의 건구온도 및 상대습도의 시간에 따른 1시간 동안의 과도 응답에 대한 수치시뮬레이션 계산 결과를 바탕으로 다음과 같은 내용을 관찰할 수 있었다.
(1) 본 연구의 모든 피드백 제어기는 전기클린룸 실내의 상대습도 및 건구온도의 동시제어를 통한 다중입력 다중출력(MIMO) 시스템에 대해 정상적으로 목표 설정값 45%RH, 23℃에 안착시킬 수 있었다.
(2) 본 연구의 전기클린룸 운전조건에서 상대습도 및 건구온도의 피드백 제어루프 각각에 대해 각 소비량 결과들이 비슷하지만 수분무노즐 가습장치의 ANN 제어기, DCC의 PID 제어기가 엄밀하게 가장 작은 값을 나타냄을 관찰할 수 있었다.
(3) 본 연구의 인공지능형 AI 제어기들인 ANN 및 MPC 제어기는 상대습도 및 건구온도의 오버슈팅에 있어 PID 제어기에 의한 3.6%RH, 3.3℃에 비해 거의 제로 수준을 보이며 목표 설정값에 더 신속하고 부드럽게 소프트랜딩하는 출력 응답을 제공한다는 것을 관찰할 수 있었다.
(4) 본 연구의 ANN 제어기는 자신의 인공신경망을 훈련시킬 벤치마킹용 빅데이터를 PID 제어기로부터 선행 확보함으로써 성공적인 제어 동작을 달성할 수 있었다. 한편, MPC 제어기는 ANN과 같은 PID의 벤치마킹 빅데이터가 필요없이 본 연구의 전기클린룸의 수학적 모델과 제약 조건 및 비용함수 최적화를 통하여 단독으로 ANN에 버금가는 수준으로 작동함을 확인하였다. |
| 요약2 |
This paper presents transient responses in one hour of indoor temperature and relative humidity according to various simultaneous feedback control schemes for a semiconductor manufacturing electric cleanroom. The MIMO (multi-input-multi-output) feedback was used to control schemes include on/off switching, proportional-integral-derivative (PID), artificial neural network (ANN), and model predictive control (MPC) controllers. Simultaneous feedback control block diagrams for the electric cleanroom were created using the MATLAB/Simulink platform. Simulation results showed that all of the present MIMO feedback control schemes were able to control the indoor temperature and relative humidity to stably settle to set points. In the present electric cleanroom, the ANN controller for the water spraying nozzle humidifier and the PID controller for the DCC were strictly the most water- and energy-saving, respectively. The present ANN and MPC controllers are artificial intelligence-type controllers. They showed almost zero levels of overshooting of indoor relative humidity and temperature compared to 3.6%RH and 3.3℃ by the PID controller. They also provided output responses that soft-landed more quickly and smoothly to target set points, respectively. |
