To investigate membrane fouling and damage various experiments require a lot of devices, efforts, and time. As the state-of-art technologies, XPS (X-ray photoelectron spectroscopy), FEEM (fluorescent excitation-emission matrix), and FT-IR (Fourier transformed infra-red spectroscopy) have been frequently used to analyze the information on the characterization of foulants, type and distribution of membrane surface damage. However, due to the complexity of organic foulants, types of damage and localized responses, a fast and reliable examination method is still needed. In this thesis, pyrolysis with GC/MS (Pyro-GC/MS) and the short-wave infrared hyperspectral image (SWIR-HSI) have been adopted as novel analytical techniques for the investigation of membrane organic foulants and damage, respectively. SWIR-HSI technique combined with multivariate image analysis was found to be capable to determine physically and chemically damaged membranes as a novel quantitative and qualitative tool compared to existing methods such as autopsy and Fujiwara test. Among the four different classifications of supervised learning models (partial least-squares discriminant analysis, K-nearest neighbors, support vector machine, artificial neural network), SVM provided the most distinct identification images of membrane damage. In addition, preprocessed spectra obtained from HSI were correlated with chlorine contents corresponding to the membrane damage, and showed a good correlation (R$^2$= 0.9015) with XPS data. A novel method for the characterization of organic foulants was proposed by interpreting and categorizing Pyro-GC/MS signals of model organic matters. Total 342 pyrolysis products were obtained from the Pyro-GC/MS of 34 model organic compounds, then categorized into 21 chemical groups according to their chemical or molecular structures. After the application of partial least squares-discriminant analysis (PLS-DA), the representative chemical groups could be categorized into four foulant types (Protein, Saccharide, Lipid, and Natural organic matter), and verified as a tool to provide fingerprints of complex organic foulants. The methods proposed in the thesis will provide more in-depth information on the membrane foulants and damage both in a quantitative and qualitative way.
분리막 공정에서 발생되는 복합적인 막오염과 막손상을 평가하기 위해서는 푸리에 변환 적외선 분광법, 엑스선 광전자 분광법, 형광분석 등 다양한 분석법이 활용되고, 이를 통해 해당공정내 발생된 주요 운영상 문제점에 대한 원인을 파악할 수 있다. 하지만, 유기성 막오염물질의 구체적인 성분정보를 직접적으로 평가하고, 국부적인 막손상을 신속하고 정확하게 파악하는 분석 방법이 부족하다. 본 논문에서는 새로운 분석 접근방법으로 열분해 기체 크로마토그래피-질량분석법과 초분광 이미징 분석에서 얻어진 데이터를 기계학습 기반 분류모델로 해석하여 막오염과 물리화학적 막손상 평가기법을 제시하였다. 기계학습 분류모델을 적용한 초분광 이미징 분석은 분리막에 발생된 물리적 및 화학적 손상을 정량/정성적으로 평가할 수 있는 새로운 분석 방법이며, 기존 평가방법 대비 넓은 막면적을 신속하게 평가하고 분리막 손상정도를 시각화하여 나타낼 수 있었다. 4가지의 서로 다른 지도학습모델 중 (부분최소제곱 판별분석, K-최근접 이웃, 서포트 벡터 머신, 인공신경망), 서포트 벡터 머신이 막손상을 구별하는데 가장 뛰어난 분류 모델이었으며, 전처리 된 분리막의 스펙트럼이 막손상에 해당하는 염소결합 비율과 높은 상관관계가 있음을 확인하였다. 열분해 공정이 결합된 기체 크로마토그래피-질량분석은 막오염물질 분석 시 발생된 열분해 산물을 해석 및 분류함으로써 막공정에서 발생된 복합적인 막오염물질을 구체적으로 평가할 수 있었다. 총 34개의 단일 막오염물질에서 발생된 열분해 산물을 구조적 특징에 따라 21개의 화학적 그룹으로 나누었으며, 부분최소제곱 분류기법을 통해 대표적인 유기성 막오염 원인물질인 단백질, 당류, 지질 및 자연계 유래물질로 분류하였다. 본 분석방법을 통해 막오염물질 별 발생되는 열분해 산물을 식별할 수 있으며, 기존 분석에서 확인되지 않는 구체적인 미생물유래 막오염물질을 평가할 수 있었다. 본 논문에서 제안된 새로운 막오염 및 막손상 평가기법은 보다 신속하고 심층적인 정보를 제공할 것이다.
