기존 화학공장의 운영 방식은 수학적·경험적 모델에 의존하는 경향이 컸다. 강수량이나 외부 환경 변화에 따라 보일러를 경험적으로 조정하는 과정에서 불필요한 연료 소모와 과열 및 냉각 등의 비효율이 발생했다. 연구팀은 기존 운영 방식을 데이터와 AI 중심으로 전환하는 데 초점을 맞췄다. 정유사의 축적된 공정 데이터와 숙련자의 노하우를 AI 모델에 학습시켜 연료 사용량과 공정 효율을 동시에 최적화했다. 조형태 교수는 “AI를 활용해 이러한 노하우를 데이터로 처리해 신입 운영자도 최적 운전하도록 만들었다”고 설명했다.

AI 적용 결과 화학공장 운영비의 약 20%가 절감됐다. 특히 가로·세로 30미터 규모의 대형 보일러에 설치된 300여 개의 화구를 균일하게 제어하는 AI 기반 운전 전략을 통해 연료 효율이 크게 높아졌다. 조 교수는 “보일러의 양뿐 아니라 균일성이 핵심이다. 센싱 데이터와 AI 분석을 통해 불필요한 비용을 최소화하고 전반적인 공정 효율을 끌어올렸다”고 설명했다.

“AI 공정 혁신으로 성장 국면 도약할 것”

조 교수는 이번 장관상에 대해 “학생들과 함께 이룬 성과”라며 “더 열심히 연구하라는 격려로 받아들이고, 후속 과제로 확장해 나가겠다”는 소감을 전했다. 실제로 연구팀은 이번 성과를 바탕으로 국내 석유화학 기업 전반에 적용할 수 있는 ‘파운데이션 모델’ 개발을 구상 중이다. 단일 공정을 넘어 다양한 공정에 범용적으로 적용할 수 있는 AI 모델을 구축해, 산업 전반의 경쟁력 강화에 보탬이 될 계획이다.

최근 AI는 단순한 분석 도구를 넘어 연구 패러다임 자체를 변화시키고 있다. 단백질 구조 예측 분야에서 개발된 AI 모델인 ‘알파폴드’가 혁신적 성과를 통해 노벨화학상으로 이어진 사례와 같이 복잡하고 방대한 계산이 필요한 과학 문제를 AI가 해결하며 연구 방식의 전환을 이끌고 있다. 이러한 흐름에 주목한 조 교수는 “신물질 개발 과정에서 AI를 활용한 사전 스크리닝을 통해 반복 실험 횟수를 대폭 줄이고, 비용과 시간을 절감할 수 있다”고 설명했다.

AI는 도구이기 때문에 전공의 전문성이 중요하다는 말도 남겼다. 조형태 교수는 “결국 도메인 지식이 있어야 AI를 제대로 활용할 수 있다. 각 전공의 전문성을 바탕으로 열린 마음으로 접근하는 것이 중요하다”고 조언했다. 대학원생들을 향한 메시지도 전했다. 조 교수는 “AI 도구나 깃허브의 오픈소스를 적극 활용하라. 완벽하지 않아도 함께 시도하고 토론하는 과정에서 연구의 폭이 넓어진다”며 “AI를 잘 활용하면 연구가 훨씬 수월해질 것”이라고 말했다.

마지막으로 한국 석유화학 산업의 부진한 업황에 대해 중장기적 관점의 회복 가능성을 제시했다. 그는 “석유화학 산업은 통상 5~6년 주기의 사이클을 보이는데, 현재는 수요 둔화와 공급 과잉이 겹치며 조정 국면에 있다”면서도 “이 과정에서 불가피한 구조조정과 비용 절감, 공정 효율 개선이 이뤄지면 산업 전반의 수익성과 경쟁력은 다시 회복될 수 있다”고 말했다. 이어 “석유화학은 국가 산업 기반을 이루는 핵심 분야인 만큼, AI를 활용한 공정 혁신과 자율제조 기술이 다음 성장 국면으로 넘어가는 중요한 전환점이 될 것”이라고 내다봤다.