기존의 인공 신경망을 이용한 고장 진단 방법들은 시간에 따라 변하는 고장의 증상들을 다루지 못하고 있으나, 실제의 공정에 있어서 고장의 영향은 시간에 따라 전파ㄷ 때문에, 시간에 따라 변하는 센서값들을 on-line 고장 진단을 위한 중요한 정보를 제공한다. 본 연구에서는 시간에 따라 변하는 변수들의 측정값들을 고장의 중상으로써 인공 신경망에 학습시키는 방법을 사용한 증류탑의 고장 진단 시스템을 개발하였다. 개발된 고장 진단 시스템은 단일 고장뿐만 아니라 다중 고장의 경우에도 정확한 고장 진단 능력을 보인다.

The existing fault diagnosis methods using artificial neural networks do not deal with time vary-ing symptoms of faults. But in real plants, because the effect of the fault propagates continuously with time, the changing values of various sensors provide valuable information for on-line fault diagnosis. This paper describes a new method in which time varying values of the measurements are used as the symptoms of the faults to train the artificial neural network. A fault diagnosis system for a distillation column based on the proposed method can accurately diagnose both single and multiple faults.

Oh JK, Ph.D. Dissertation, Seoul National Univ., Seoul Korea (1990)
이수영, "신경회로망 컴퓨터," 한국과학기술원 하계강좌, 2 (1990)
Himmelbrau DM, "Fault Detection and Diagnosis in Chemical and Petrochemical Processes," Elsevier (1978)
Hoskins JC, Himmelblau DM, Comput. Chem. Eng., 12(9-10), 881 (1988) 
McClelland JL, Rumelhart DE, the PDP Research Group: "Parallel Distributed Processing," MIT Press (1986)
Moor RL, Kramer MA, "Chemical Process Control-CPC III," Elsevier, 839 (1986)
Venkatasubramanian V, Chan K, AIChE J., 35(12), 1993 (1989) 
Venkatasubramanian V, Vaidyanathan R, Yamamoto Y, Comput. Chem. Eng., 14(7), 699 (1990) 
Wasserman PD, "Neural Computing Theory and Practice," Van Nostrand Reinhold (1989)
Watanabe K, Matsuura I, Abe M, Kubota M, Himmelblau DM, AIChE J., 35(11), 1803 (1989)