DEVOCEAN

일반적인 온라인 강화 학습 방식은 주어진 환경과 상호 작용하여 시행착오를 통해 최적의 제어 정책을 학습합니다. 그러나 실제 공정의 경우, 비용 및 위험 요소 등의 문제로 시행착오 기반 강화학습을 직접 적용하기에는 어려움이 있는데요. 최근 주목받고 있는 오프라인 강화학습은 과거 운용되었던 로그 기반 데이터로부터 더욱 향상된 제어 정책을 학습하는 것이 목표입니다. 모델 학습에 필요한 상태 공간, 행동 공간, 보상 함수를 설계하여 오프라인 강화학습 방식으로 학습시킨 모델을 실제 공정에 연동하는 내용을 공유해 보고자 합니다.

■ 발표자 소개

김동일 (SK인천석유화학)

전통적인 화학공학과에서 시작하여 생산 관련 공정 제어의 세계에 발을 디뎠습니다. 그 과정에서 AI의 매력에 흠뻑 빠져, 지금은 AIDT 기획원으로써 AI와 디지털 기술을 연결하는 역할을 수행하고 있습니다

제조업에서의 제어와 자동화에 깊은 관심을 가지고 있어, 같은 열정을 가진 분들과 다양한 고민을 해보면 좋겠습니다.