오늘날 정유 최적화 (Refinery Optimization)는 방대한 양의 데이터를 활용하며, 이는 현대적인 선형 계획법 (Linear Programming, LP) 소프트웨어로 처리할 수 있지만, 결과를 해석하고 적용하는 것은 여전히 어려운 과제로 남아 있습니다. 대형 석유화학 기업들은 수십만 개의 입력 행렬 요소를 가진 거대한 모델을 사용합니다. LP 솔루션은 수학적으로는 정확하지만, 모델 내에서 단순화가 이루어지며 데이터 공급 오류가 발생할 수 있습니다. 따라서 결과를 신뢰하기 위해서는 추가적인 통찰력이 필요합니다. LP 솔버 (Solver)는 메모리가 없으므로, 과거 데이터를 분석하고 이를 현재 계획과 비교함으로써 추가적인 이해를 얻을 수 있습니다. 이에 따라 LP 솔루션을 기반으로 의사결정을 지원하기 위한 머신러닝 (Machine Learning) 접근 방식이 제안되었습니다. 이 중에서는 LP 출력값과 병행하여 사용할 이상 탐지 (Anomaly Detection) 도구가 제안됩니다. 대중적인 ECOD 방법론의 변형된 버전이 적용되었습니다. 고차원 데이터를 처리하기 위한 새로운 방법, 즉 가장 정보력이 높은 쌍을 선택하는 방법이 제안되었습니다. 이후, 이를 두 가지 2D 이상 탐지 (Anomaly Detection) 알고리즘과 함께 사용하여 MOL 정유사의 스케줄링 및 계획 아키텍처에서 여러 비즈니스 기회와 데이터 공급 오류를 밝혀냈습니다.