데이터 마이닝을 위한 범산업 표준 프로세스인 CRISP-DM(Cross Industry Standard Process for Data Mining)은 측정·검증(M&V) 방법론을 한층 더 표준화하는 접근 방식으로 인정받고 있으며, 에너지 절감량을 보다 효율적으로 추정할 수 있게 해줍니다. CRISP-DM은 다양한 분야에서 활용될 수 있는데, 여기서는 바이오메디컬 제조 공장을 대상으로 한 사례 연구를 통해 각 단계별 적용 과정을 살펴보겠습니다.
1. 비즈니스 이해(Business Understanding)
데이터 마이닝(DM)이 M&V 지원에 실질적으로 활용 가능하다는 점을 입증하기 위해 한 바이오메디컬 제조 공장이 사례 연구 대상으로 선정되었습니다. 모델링과 평가 단계에서 의미 있는 결과를 도출하기 위해서는 분석 대상 비즈니스에 대한 깊이 있는 이해가 필수적이었습니다. 이를 위해 현장 프로세스 워크스루(process walk-through)를 수행하고, 공정 흐름도(process flow diagram)와 배관·계장도(P&ID, Piping and Instrumentation Diagram)를 학습하는 작업이 진행되었습니다.
또한 이 단계에서는 분석 경계 내에 포함된 시스템들에 대한 지식이 필요했으며, 공장 엔지니어링 팀과의 협의를 통해 추가적인 사항들을 함께 파악했습니다. 분석의 경계는 해당 제조 공장 전체의 전기 에너지 소비로 설정되었습니다.
2. 데이터 이해(Data Understanding)
CRISP-DM 참조 모델의 데이터 이해 단계는 공장의 데이터 기술 인프라에 대한 조사를 통해 완료되었습니다. 이 과정에서 에너지 소비 데이터가 어떤 경로로 흐르는지, 그리고 해당 데이터가 어떤 데이터베이스에 저장되어 있는지에 대한 이해를 확보할 수 있었습니다.
3. 데이터 준비(Data Preparation)
전기 에너지 소비 데이터는 계량(metering) 방식의 특성상 계산이 까다롭습니다. 전기 에너지에는 적산식(누적형) 계량기가 사용되기 때문에, 출력된 데이터에 대한 사전 처리(pre-processing)가 반드시 필요합니다. 본 사례 연구에서는 이러한 전처리가 사용자에게 데이터가 전달되기 이전 단계에서 이미 수행되었습니다.
그러나 이러한 사전 정제 작업에도 불구하고, 정제 절차가 모든 이상치(anomaly)를 제거하지 못해 데이터 세트에는 여전히 일부 이상치가 남아 있었습니다. 따라서 데이터 준비 단계에서는 사용자에게 전달된 데이터 세트에 남아 있는 이상치들을 추가로 제거하는 작업이 수행되었습니다.
현장의 전기 에너지 소비처를 전체적으로 분석하기 위해 필요한 데이터는 두 가지 데이터 소스에서 수집되었습니다. 하나는 에너지 관리 애플리케이션이며, 다른 하나는 풍력 터빈 관리 애플리케이션입니다.
현장에서 소비되는 전기 에너지는 적산식 킬로와트시(kWh) 계량기를 통해 측정됩니다. 이 데이터의 전처리에는 계량기 오류로 인해 발생하는 이상치를 탐지하는 작업과, kWh 단위의 데이터를 킬로와트(kW) 단위의 평균 전기 부하로 변환하는 작업이 포함되었습니다. 두 번째 변환 단계는 모든 데이터를 동일한 형식과 단위로 분석하기 위해 반드시 필요했습니다.
4. 모델링(Modelling)
데이터 준비 과정에서 구현된 데이터 정제 덕분에, 그 결과물로 나온 데이터 세트는 깨끗하고 실용적인 형태로 정리되어 있었습니다. 이번 사례 연구의 목표를 고려할 때, 압축 공기(compressed air) 부하가 모델링 대상 수량으로 선택되었습니다. 가용한 에너지 데이터의 잠재력을 가장 잘 보여줄 수 있는 변수였기 때문입니다.
부하를 높은 수준(high-level)에서 살펴보았을 때, 압축 공기 부하는 현장의 다른 주요 에너지 소비처와 뚜렷하고 명확한 상관관계를 보이지 않았습니다. 반면 다른 주요 에너지 소비처들은 자재 조달 일정과 표준 운영 절차(SOP)의 존재 덕분에 상대적으로 예측이 용이했습니다.