KR101435125B1 - Interlock system and the appreciation method - Google Patents

Interlock system and the appreciation method Download PDF

Info

Publication number
KR101435125B1
KR101435125B1 KR1020070058048A KR20070058048A KR101435125B1 KR 101435125 B1 KR101435125 B1 KR 101435125B1 KR 1020070058048 A KR1020070058048 A KR 1020070058048A KR 20070058048 A KR20070058048 A KR 20070058048A KR 101435125 B1 KR101435125 B1 KR 101435125B1
Authority
KR
South Korea
Prior art keywords
warping
data pattern
similarity
reference data
sensor
Prior art date
Application number
KR1020070058048A
Other languages
Korean (ko)
Other versions
KR20080109572A (en
Inventor
선상준
이승준
권영우
김창욱
고종명
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Priority to KR1020070058048A priority Critical patent/KR101435125B1/en
Publication of KR20080109572A publication Critical patent/KR20080109572A/en
Application granted granted Critical
Publication of KR101435125B1 publication Critical patent/KR101435125B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
    • H01L21/02002—Preparing wafers
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
    • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
    • H01L21/67005—Apparatus not specifically provided for elsewhere
    • H01L21/67242—Apparatus for monitoring, sorting or marking
    • H01L21/67276—Production flow monitoring, e.g. for increasing throughput

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명은 인터락시스템 및 그 평가방법에 관한 것으로, 본 발명은 센서데이터 패턴과 기준데이터 패턴을 동적타임워핑 (DTW: Dynamic time warping)알고리즘으로 매칭시켜 상기 패턴 사이의 유사도를 판단하고, 상기 판단결과로 제조 공정의 이상을 판단한다. The present invention relates to an interlock system and an evaluating method thereof. The present invention matches a sensor data pattern and a reference data pattern with a dynamic time warping (DTW) algorithm to determine a degree of similarity between the patterns, As a result, the abnormality of the manufacturing process is judged.

반도체 설비, 동적타임워핑, 데이터 패턴 Semiconductor equipment, dynamic time warping, data pattern

Description

인터락시스템 및 그 평가방법{Interlock system and the appreciation method} [0001] Interlock system and its evaluation method [0002]

도 1 은 본 발명의 일실시예에 따른 인터락 시스템의 구성도이다.1 is a configuration diagram of an interlock system according to an embodiment of the present invention.

도 2 는 도 1 의 인터락 평가부를 도시한 구성도이다.2 is a block diagram showing the interlock evaluation unit of FIG.

도 3 은 데이터 패턴들을 DTW알고리즘에 매칭시킨 그래프이다.Figure 3 is a graph of data patterns matching the DTW algorithm.

도 4 는 본 발명의 일실시예에 따른 센서데이터 패턴과 기준데이터 패턴을 DTW알고리즘에 매칭시킨 그래프이다.FIG. 4 is a graph in which a sensor data pattern and a reference data pattern are matched to a DTW algorithm according to an embodiment of the present invention. Referring to FIG.

도 5 는 본 발명의 일실시예에 따른 인터락 시스템의 인터락 평가방법을 도시한 흐름도이다. 5 is a flowchart illustrating an interlock evaluation method of an interlock system according to an embodiment of the present invention.

*도면의 주요부분에 대한 부호 설명*Description of the Related Art [0002]

100: 센서 200: 설비 제어장치100: Sensor 200: Equipment control device

300: FDC 장치 310: 데이터 가공부300: FDC device 310: Data processing unit

320: 데이터베이스 330: 인터락 설정부320: database 330: interlock setting unit

340: 인터락 평가부 350: 알람부340: interlock evaluation unit 350: alarm unit

360: 표시부 400: MES 제어장치360: display unit 400: MES control device

본 발명은 인터락시스템 및 그 평가방법에 관한 것으로, 더욱 상세하게는 본 발명은 센서데이터 패턴과 기준데이터 패턴을 동적타임워핑 (DTW: Dynamic time warping)알고리즘으로 매칭시켜 상기 패턴 사이의 유사도를 판단하고, 상기 판단결과로 제조 공정의 이상을 판단하는 인터락시스템 및 그 평가방법에 관한 것이다.The present invention relates to an interlock system and an evaluation method thereof. More particularly, the present invention relates to an interlock system and an evaluation method thereof, and more particularly, And determining an abnormality of the manufacturing process as a result of the determination, and an evaluation method thereof.

일반적으로, 반도체 및 평판디스플레이 제조공정은 각 단위 공정에서 소요되는 생산비용이 크고, 품질 및 생산성은 제조공정의 상태에 의하여 많은 영향을 받게 된다. 따라서 불량 제품의 생산 및 불필요한 생산자원의 낭비를 억제하기 위하여 각 공정의 이상 유무를 조기에 발견해야 할 필요성이 대두되었다. 이러한 필요성에 의하여 반도체 공정 설비의 이상 유무를 자동으로 판단하여 설비가 이상 작동한다고 판단될 경우 공정을 중단시키는 인터락 시스템이 소개되었다.In general, semiconductor and flat panel display manufacturing processes have a large production cost in each unit process, and quality and productivity are affected by the state of the manufacturing process. Therefore, in order to prevent the production of defective products and the waste of unnecessary production resources, it has become necessary to detect the abnormality of each process at an early stage. The interlock system that stops the process when it is judged that the equipment abnormally operates by automatically determining the abnormality of the semiconductor process facility by this necessity was introduced.

이 시스템은 한국공개특허 2005-0066703 (반도체 공정 설비의 인터락 시스템 및 방법)에 기재된 바와 같이, 설비에 장착된 센서들을 통하여 각 공정 상태에 해당하는 데이터들을 일정 시간 간격으로 입력 받아, 이 입력받은 데이터들을 지정된 길이로 분리하고, 미리 설정된 데이터들과 동일한 시점에서 1대 1로 비교하여 입력된 데이터가 미리 설정된 기준을 만족시키지 못한다고 판단될 경우 제조 공정에 이상이 있다고 판단하였다. As described in Korean Patent Laid-Open Publication No. 2005-0066703 (Interlock System and Method of Semiconductor Process Equipment), the system receives data corresponding to each process state at predetermined time intervals through sensors installed in the facility, The data are divided into designated lengths, and compared one by one at the same time with the preset data, and when it is determined that the input data does not satisfy the predetermined criteria, it is determined that there is an abnormality in the manufacturing process.

그러나, 반도체 제조 공정에서는 각 공정의 진행시간이 가변적인 경우가 존재한다. 예를 들어, 웨이퍼를 에칭하는 공정에서 에칭 설비 안에 있는 웨이퍼의 가 공이 늦어지면 다음에 에칭될 웨이퍼의 처리가 늦어지게 되는 경우이다. 이는 결국 센서에서 출력하는 데이터와 미리 설정된 데이터 사이에 시간 차이를 발생시켜 정확한 매칭을 불가능 하게 만들어 잘못된 알람을 유발하는 문제점을 발생시켰다. However, in the semiconductor manufacturing process, the process time of each process may vary. For example, in the process of etching a wafer, if the wafer in the etching equipment is delayed, the process of the next wafer to be etched is delayed. This results in a time difference between the data output from the sensor and the preset data, making accurate matching impossible and causing false alarms.

본 발명은 전술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 제조 설비 중 이상이 있는 설비의 공정을 정확히 감지하여 해당 설비를 중지시키는 인터락 시스템 및 그 평가방법을 제공하는데 있다.It is an object of the present invention to provide an interlock system for accurately detecting a process of a facility having an abnormality in the manufacturing facility and stopping the facility, and an evaluation method thereof.

전술한 목적을 달성하기 위한 본 발명은 센서데이터 패턴과 기준데이터 패턴을 동적타임워핑 (DTW: Dynamic time warping)하여 상기 패턴 사이의 유사도를 판단하고, 상기 판단결과로 제조 공정의 이상을 판단한다.In order to accomplish the above object, the present invention determines a similarity between the patterns by performing dynamic time warping (DTW) on the sensor data pattern and the reference data pattern, and determines an abnormality in the manufacturing process as a result of the determination.

또한, 복수의 기준데이터 패턴간에 제 1 동적타임워핑(DTW: Dynamic time warping)을 실행하여 정보를 추출하고, 센서에서 전송된 센서데이터 패턴을 상기 복수의 기준데이터 패턴과 제 2 동적타임워핑을 실행하여 정보를 추출하고, 상기 추출된 정보들을 이용하여 유사도를 판단하고, 상기 판단결과로 제조 공정의 이상을 판단한다.Further, a first dynamic time warping (DTW) is performed between a plurality of reference data patterns to extract information, and the sensor data pattern transmitted from the sensor is subjected to the second dynamic time warping Extracts the information, determines the degree of similarity using the extracted information, and determines an abnormality in the manufacturing process as a result of the determination.

또한, 상기 유사도는 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 DTW값들의 유사도이다.The similarity is a similarity of the DTW values extracted by the first dynamic time warping and the second dynamic time warping.

또한, 상기 유사도는 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 워핑패스와 베스트워핑 패스의 유사도이다.The degree of similarity is a degree of similarity between the warping path and the best warping path extracted by the first dynamic time warping and the second dynamic time warping.

또한, 상기 유사도는 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 워핑 좌표별 개별거리 데이터의 유사도이다.The degree of similarity is a degree of similarity between individual distance data for each warping coordinate extracted by the first dynamic time warping and the second dynamic time warping.

또한, 상기 센서데이터 패턴이 플로우 타입이면, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 길이를 일정 비율로 맞춘다.In addition, if the sensor data pattern is a flow type, the sensor data pattern and the reference data pattern have a predetermined length.

또한, 상기 판단결과 제조공정의 이상이 없으면, 상기 기준데이터 패턴을 상기 센서데이터 패턴으로 변경한다.As a result of the determination, if there is no abnormality in the manufacturing process, the reference data pattern is changed to the sensor data pattern.

또한, 상기 기준데이터는 복수개인 것을 특징으로 한다.Further, the reference data is characterized by a plurality of reference data.

또한, 복수의 기준데이터 패턴간에 동적타임워핑을 실행하여 상기 기준데이터 패턴간의 제 1 DTW 평균 값 및 그 표준편차를 구하고, 센서에서 전송된 센서데이터 패턴을 상기 복수의 기준데이터 패턴과 동적타임워핑을 실행하여 상기 센서데이터 패턴과 상기 복수의 기준데이터 패턴과의 제 2 DTW 값을 구하고, 상기 구한 값들을 이용하여 상기 센서데이터 패턴과 상기 복수의 기준데이터 패턴과의 유사도 백분율을 구하고, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단한다. Further, a dynamic time warping is performed between a plurality of reference data patterns to obtain a first DTW average value and a standard deviation thereof between the reference data patterns, and the sensor data pattern transmitted from the sensor is subjected to dynamic time warping with the plurality of reference data patterns Obtaining a second DTW value between the sensor data pattern and the plurality of reference data patterns, obtaining a similarity percentage between the sensor data pattern and the plurality of reference data patterns using the obtained values, If the percentage is less than the reference value, an abnormality in the manufacturing process is judged.

또한, 상기 유사도 백분율은 하기 수학식을 이용하여 구한다.The similarity percentage is obtained using the following equation.

P = |100 × (|SDTW - M|) / 3S - 100|P = 100 占 (| SDTW - M |) / 3S - 100 |

(단, SDTW = 제 2 DTW 값, M = 제 1 DTW 평균값, S = 제 1 DTW 평균 값의 표준편차, P=유사도 백분율)(SDTW = second DTW value, M = first DTW average value, S = standard deviation of first DTW average value, P = percentage of similarity)

또한, 센서에서 전송된 센서데이터 패턴과 기준데이터 패턴을 동적타임워핑 시켜 워핑 패스, 베스트 워핑 패스, 워핑 제약 패스를 구하고, 상기 워핑 제약패스가 상기 워핑 패스에 허용할 수 있는 최대 거리차이 평균값을 구하여, 상기 워핑 패스와 상기 베스트 워핑 패스간의 유사도 백분율을 구하고, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단한다.Also, a warping path, a best warping path, and a warping constrained path are obtained by dynamically time warping the sensor data pattern and the reference data pattern transmitted from the sensor, and a maximum distance difference average value that the warping constrained path allows for the warping path is obtained , The percentage of similarity between the warping path and the best warping path is determined, and if the calculated percentage of similarity is less than the reference value, the abnormality of the manufacturing process is determined.

또한, 상기 유사도 백분율은 하기 수학식을 이용하여 구한다.The similarity percentage is obtained using the following equation.

P = (Max_avg_dist² - Avg_dist²) / (Max_avg_dist²) × 100P = (Max_avg_dist2 - Avg_dist2) / (Max_avg_dist2) 100

(단, Max_avg_dist= 워핑 경로제약 패스가 워핑 패스에 허용할 수 있는 최대 거리차 평균, Avg_dist = 워핑 패스의 평균 거리값, P= 유사도 백분율)(Where Max_avg_dist = maximum distance difference average allowed for the warping path by the warping path restriction path, Avg_dist = average distance value of the warping path, and P = percentage of the similarity)

또한, 복수의 기준데이터 패턴간에 동적타임워핑을 실행하여 상기 기준데이터 패턴간에 매칭된 워핑 좌표별 개별거리 데이터의 평균 값 및 그 표준 편차를 구하고, 상기 평균 값 및 그 표준편차를 이용하여 허용범위를 구하고, 센서에서 전송된 센서데이터 패턴을 복수의 기준데이터 패턴과 동적타임워핑하여 상기 센서데이터 패턴이 상기 복수의 기준데이터 패턴들과 매칭된 워핑 좌표별 개별거리 데이터를 구하고, 상기 워핑 좌표별 개별거리 데이터가 상기 허용범위 이내에 존재하는 개수를 구하여, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 유사도 백분율을 구하고, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단한다.Further, a dynamic time warping is performed between a plurality of reference data patterns to obtain an average value and standard deviation of individual distance data for each warping coordinate matched between the reference data patterns, and the average value and the standard deviation thereof are used to determine an allowable range The individual distance data for each wobbing coordinate system in which the sensor data pattern is matched with the plurality of reference data patterns is obtained by dynamically time warping the sensor data pattern transmitted from the sensor with a plurality of reference data patterns, Determining a percentage of similarity between the sensor data pattern and the reference data pattern by obtaining the number of data within the allowable range; and determining an abnormality in the manufacturing process if the calculated similarity percentage is less than the reference value.

또한, 상기 유사도 백분율은 하기 수학식을 이용하여 구한다.The similarity percentage is obtained using the following equation.

P = 100 × ( Total_data - Total_out ) / Total_data P = 100 x (Total_data - Total_out) / Total_data

( 단, Total_data = 센서데이터 패턴이 복수의 기준데이터 패턴과 매칭된 워핑 좌표별 거리데이터의 개수, Total_out = Total_data 중에 허용범위를 벗어난 개수) (Where Total_data = number of distance data for each warping coordinate system where the sensor data pattern is matched with a plurality of reference data patterns, total_out = total_data)

또한, 제조 설비에 장착되어 센서 데이터를 출력하는 센서, 기준데이터 패턴을 저장하는 데이터베이스, 상기 센서 데이터를 센서데이터 패턴으로 만드는 데이터 가공부, 상기 데이터 가공부에서 생성된 센서데이터 패턴을 상기 기준데이터 패턴과 동적타임워핑하여 상기 패턴들 사이의 유사도를 판단하는 인터락시스템이다. The sensor data pattern may include a sensor for outputting sensor data, a database for storing a reference data pattern, a data processor for converting the sensor data into a sensor data pattern, And dynamic time warping to determine the degree of similarity between the patterns.

또한, 상기 데이터 가공부는 상기 센서데이터 패턴이 플로우 타입이면, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 길이를 일정 비율로 맞춘다.If the sensor data pattern is a flow type, the data processing unit adjusts the lengths of the sensor data pattern and the reference data pattern to a predetermined ratio.

또한, 상기 데이터베이스에 저장된 기준데이터 패턴은 복수개이다.In addition, a plurality of reference data patterns are stored in the database.

또한, 상기 인터락 평가부는 상기 유사도 판단결과 제조공정의 이상이 없으면, 상기 데이터베이스의 기준데이터 패턴을 상기 센서데이터 패턴으로 업데이트한다.The interlock evaluation unit updates the reference data pattern of the database with the sensor data pattern if there is no abnormality in the manufacturing process as a result of the similarity determination.

이하에서는 본 발명의 바람직한 실시예를 본 도면을 참조하여 상세하게 설명하도록 한다. 도 1 에 도시된 바와 같이 본 발명의 일실시예에 따른 인터락 시스템은 반도체 제조 공정상의 반도체 설비에 설치되어 자신의 식별번호 및 설비의 상태와 관련된 데이터를 일정 시간의 샘플링 간격으로 출력(이하'센서데이터'라 칭함)하는 센서(100), 반도체 설비들의 구동을 제어하고, 센서(100)에 의해 전송되는 센서데이터를 입력받는 설비 제어장치(200), 설비 제어장치(200)에서 센서데이터를 입력받아 설비의 정상적인 진행 여부를 분석 및 판단하는 오류검출 및 분류(Fault Detection and Classification, 이하 FDC라고 칭함)장치(300), 반도체 설비의 실행 및 중단을 제어하는 MES(Manufacturing Execution System) 제어장치(400)를 포함한다.Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the drawings. As shown in FIG. 1, an interlock system according to an embodiment of the present invention is installed in a semiconductor facility in a semiconductor manufacturing process, and outputs data related to its own identification number and equipment status at a sampling interval of a predetermined time A facility control device 200 that controls the driving of semiconductor facilities and receives sensor data transmitted by the sensor 100, and a facility control device 200 that receives sensor data from the facility control device 200 (FDC) device 300 for analyzing and determining the normal progress of the equipment in response to input, a MES (Manufacturing Execution System) control device for controlling the execution and interruption of the semiconductor facility 400).

FDC장치(300)는 센서데이터를 패턴으로 만드는 데이터 가공부(310), 각 설비의 단위공정에서 웨이퍼가 정상 가공될 때의 데이터패턴을 나타내는 기준데이터 패턴을 저장하는 데이터베이스(320), 사용자에게 인터락시스템의 설정값을 입력받는 인터락 설정부(330), 인터락을 평가하는 인터락 평가부(340), MES에 인터락 정보를 알리는 알람부(350), 사용자에게 인터락 정보를 모니터를 통하여 표시하는 표시부(360)를 포함한다. The FDC apparatus 300 includes a data processing unit 310 for generating sensor data into a pattern, a database 320 for storing reference data patterns representing data patterns when the wafer is processed normally in the unit process of each facility, An interlock evaluation unit 340 for evaluating the interlock, an alarm unit 350 for notifying interlock information to the MES, and an interlock detection unit 340 for monitoring the interlock information. And a display unit 360 for displaying information.

데이터 가공부(310)는 설비 제어장치(200)로부터 제공되는 센서데이터를 입력받아 FDC 장치(300)내부, 특히 인터락 평가부(340)에서 사용 가능한 포맷의 데이터 패턴(이하 '센서데이터 패턴'로 칭함)으로 변환하여 인터락 평가부(340)로 전달한다. The data processor 310 receives sensor data from the facility controller 200 and generates a data pattern of a format usable in the FDC apparatus 300, Quot;) and transfers it to the interlock evaluation unit 340. [

반도체 설비는 크게 두 종류의 타입으로 구분되는데, 챔버라는 공간에 웨이퍼 하나를 삽입 및 처리 후 다음 웨이퍼를 삽입 및 가공하는 챔버타입의 설비와, 컨베이어 벨트에서 웨이퍼를 흘려 보내면 이를 연속해서 가공하는 플로우타입의 설비가 있다. 챔버타입 공정에서 보내진 데이터(이하 '챔버타입 데이터'라 칭함)는 일정한 웨이퍼 가공 시간을 가지며, 시작 및 끝 신호가 명확히 확인된다. 하지만, 플로우타입 설비에서 보내진 데이터(이하 '플로우 타입 데이터'라 칭함)는 해당 설비의 연속적인 작동 때문에 앞 웨이퍼가 가공되는 시간에 따라 다음 웨이퍼가 처리 되는 시간이 줄어들거나 증가하는 연속적인 데이터의 조합으로 이루어져 있다.Semiconductor equipment is classified into two types: a chamber-type equipment for inserting and processing a wafer into a space called a chamber and then inserting and processing the next wafer, and a flow type that continuously processes the wafer when the wafer is flowed from the conveyor belt There are facilities of. The data sent from the chamber type process (hereinafter referred to as chamber type data) has a constant wafer processing time, and the start and end signals are clearly identified. However, data sent from a flow type facility (hereinafter referred to as "flow type data") is a combination of continuous data in which the time for the next wafer to be processed is reduced or increased in accordance with the processing time of the front wafer due to continuous operation of the relevant equipment Lt; / RTI >

데이터 가공부(310)는 입력된 센서데이터를 기준데이터 패턴과 매칭시키기 위하여, 설비에서 웨이퍼를 가공하지 않을 때의 데이터 값인 초기값(Idle value)의 허용범위를 초과하는 데이터 값이 입력되면 웨이퍼 가공의 시작으로 판단하고, 그 후 초기값의 허용범위 이내의 데이터 값이 입력되면 웨이퍼 가공의 종료로 판단하여,이 시간 이내에 입력된 데이터들을 설비의 단위공정을 나타내는 센서데이터 패턴으로 만드는 작업을 한다.The data processing unit 310 processes the inputted sensor data to match with the reference data pattern. If the data value exceeding the allowable range of the initial value (Idle value) If the data value within the allowable range of the initial value is inputted, it is determined that the wafer processing is finished, and the data input within this time is made into the sensor data pattern representing the unit process of the facility.

하지만, 플로우타입 데이터는 데이터의 길이가 가변적 이여서, 기준데이터 패턴과 정확한 비교를 하기 위하여는 플로우타입 데이터의 길이를 기준데이터 패턴 길이의 일정범위로 맞추는 작업이 필요하다. 따라서, 데이터 가공부(310)는 상기 만들어진 센서데이터 패턴의 타입을 결정하기 위하여 센서 데이터와 함께 전송된 센서 식별번호를 이용하여 공정타입을 데이터베이스(320)를 통하여 확인하고, 확인 결과 플로우타입 이라면, 센서 식별번호에 해당하는 기준 데이터 패턴을 로드하여 패턴 길이의 비율을 일정 범위 이내로 만들어, 인터락 평가부(340)의 인터락 판단의 정확도를 향상시킨다. However, in the flow type data, the length of the data is variable, and in order to make an accurate comparison with the reference data pattern, it is necessary to adjust the length of the flow type data to a certain range of the reference data pattern length. Accordingly, the data processor 310 checks the process type through the database 320 using the sensor identification number transmitted together with the sensor data to determine the type of the sensor data pattern. If the result is a flow type, The reference data pattern corresponding to the sensor identification number is loaded so that the ratio of the pattern length is within a certain range to improve the accuracy of the interlock judgment of the interlock evaluation unit 340. [

이때, 센서의 식별번호로 공정타입을 구분하는 방법 이외에 상기 센서데이터 패턴의 길이 변화를 이용하여 공정타입을 구분하는 방법도 적용 가능하다. At this time, a method of distinguishing a process type using a change in the length of the sensor data pattern may be applied in addition to a method of identifying a process type by an identification number of the sensor.

인터락 설정부(330)는 사용자로부터 관리 대상이 되는 센서(100)에 대한 다양한 설정 데이터를 입력받는다. 예를 들어, 센서의 번호에 해당하는 설비의 공정 타입 및 기준데이터 패턴을 입력받는다. 이때, 기준데이터 패턴은 정확한 인터락 판단을 위하여 복수개를 입력받는 것이 바람직하다. 인터락 설정부(330)를 통해 입력되는 설정 데이터는 설정 데이터 베이스(320)에 저장된다. The interlock setting unit 330 receives various setting data for the sensor 100 to be managed by the user. For example, the process type and reference data pattern of the equipment corresponding to the sensor number are input. At this time, it is preferable to receive a plurality of reference data patterns for accurate interlock determination. The setting data input through the interlock setting unit 330 is stored in the setting database 320. [

인터락 평가부(340)는 데이터 가공부(310)로부터 전달되는 센서 데이터 패턴과 설정 데이터 베이스(320)에 저장된 기준데이터 패턴을 비교하여 인터락 여부를 판단한다. 인터락 평가부(340)는 반도체 설비에 인터락이 발생한 것으로 판단되는 경우, 알람부(350) 및 표시부(360)에 이를 통보한다. 만약, 센서데이터 패턴이 정상이라면 인터락 평가부(340)는 데이터베이스(320)의 기준데이터 패턴을 상기 센서 데이터 패턴으로 업데이트 하여 공정의 상황변화에 빠른 대처를 취하도록 한다. The interlock evaluator 340 compares the sensor data pattern transmitted from the data processor 310 with the reference data pattern stored in the setting database 320 to determine whether the interlock is interlocked. The interlock evaluating unit 340 notifies the alarm unit 350 and the display unit 360 of the occurrence of an interlock in the semiconductor equipment. If the sensor data pattern is normal, the interlock evaluation unit 340 updates the reference data pattern of the database 320 with the sensor data pattern, thereby promptly responding to the change of the process state.

데이터베이스(320)는 센서의 식별번호에 해당하는 공정타입 및 그 기준데이터 패턴들을 저장하고, 인터락 평가부(340)에 의하여 기준데이터 패턴은 업데이트 된다. 이때, 저장된 기준데이터 패턴들은 저장이 오래된 순서로 업데이트 된다. The database 320 stores a process type corresponding to the identification number of the sensor and its reference data patterns, and the reference data pattern is updated by the interlock evaluation unit 340. At this time, the stored reference data patterns are updated in the oldest storage order.

알람부(350)는 인터락 평가부(340)에서 인터락 발생에 대한 평가 정보를 입력받아 해당 정보를 분석하고, 해당 설비의 구동을 중단해야 하는 것으로 판단되는 경우, 이를 MES제어장치(400)에 통보함으로써, MES제어장치(400)가 해당 설비의 구동을 중단하도록 한다. The alarm unit 350 receives the evaluation information about the interlock occurrence in the interlock evaluation unit 340 and analyzes the information. If it is determined that the operation of the corresponding facility should be stopped, the alarm unit 350 transmits the interlock evaluation result to the MES controller 400, So that the MES control apparatus 400 stops the operation of the facility.

표시부(360)는 인터락 평가부(340)로부터의 평과 결과를 사용자가 인식할 수 있는 형태로 알리기 위한 장치로, 모니터와 같은 디스플레이장치를 포함할 수 있다.The display unit 360 is a device for notifying the evaluation result from the interlock evaluation unit 340 in a form recognizable by the user, and may include a display device such as a monitor.

도 2는 본 발명의 일실시예에 따른 인터락 평가부(340)를 도시한 구성도로서, 인터락 평가부(340)는 데이터 패턴 매칭부(341), DTW 유사도 분석부(342), 워 핑패스 유사도 분석부(343), 매칭거리 유사도 분석부(344), 인터락 판단부(345)를 포함한다.FIG. 2 is a block diagram showing an interlock evaluation unit 340 according to an embodiment of the present invention. The interlock evaluation unit 340 includes a data pattern matching unit 341, a DTW similarity analyzing unit 342, A path similarity analyzing unit 343, a matching distance similarity analyzing unit 344, and an interlock determining unit 345.

DTW 알고리즘은 H. Sakoe 와 S. Chiba에 의해 “Dynamic Programming Algorithm Optimization for Spoken Word Recognition”로 IEEE에 소개되었다. 이 알고리즘은 한 패턴이 다른 패턴과 최대한 일치할 때까지 시간 축을 워핑 함으로써 패턴간의 시간차를 제거한다. 도 3 은 패턴들을 DTW 알고리즘에 매칭시킨 그래프로써, 도 3에 나타난 것처럼 패턴 매칭을 통하여 테스트데이터 패턴의 좌표별 데이터는, 레퍼런스데이터 패턴과 거리차이가 가장 가까운 좌표로 매칭이 된다. 이 매칭에 의하여 워핑패스, 테스트데이터 패턴이 레퍼런스데이터 패턴과 매칭된 좌표별 거리값 합산을 워핑패스의 개수로 나눈 값(이하 'DTW값'이라 칭함)을 구할 수 있다.The DTW algorithm was introduced to IEEE by H. Sakoe and S. Chiba as "Dynamic Programming Algorithm Optimization for Spoken Word Recognition". This algorithm eliminates the time difference between patterns by warping the time axis until one pattern matches the other pattern as closely as possible. FIG. 3 is a graph in which patterns are matched to the DTW algorithm. As shown in FIG. 3, the pattern-matching data of the test data pattern is matched with the reference pattern closest to the reference data pattern. By this matching, a value obtained by dividing the warping path and the test data pattern by the number of warping passes, which is the sum of the distance values for each coordinate matched with the reference data pattern (hereinafter, referred to as DTW value), can be obtained.

데이터 패턴 매칭부(341)는 데이터 가공부(310)에서 센서데이터 패턴 및 해당 센서의 식별번호를 입력받고, 그 식별번호에 해당하는 기준데이터 패턴을 데이터베이스(320)를 통하여 입력받는다. 그리고, 기준데이터 패턴들간의 DTW 알고리즘 매칭 및 센서데이터 패턴과 기준데이터 패턴간의 DTW 알고리즘 매칭을 수행한다. 도 4 는 본 발명의 일실시예에 따른 센서데이터 패턴과 기준데이터 패턴을 DTW알고리즘에 매칭시킨 그래프로써, 도 4 에 도시된 것처럼 DTW 알고리즘은 워핑 경로의 제약조건이 설정되어야 한다. 본 발명에서는 워핑 경로 제약 패스를 아래 수학식 1을 이용하여 설정한다. The data pattern matching unit 341 receives the sensor data pattern and the identification number of the corresponding sensor in the data processing unit 310 and receives the reference data pattern corresponding to the identification number through the database 320. Then, the DTW algorithm matching between the reference data patterns and the DTW algorithm matching between the sensor data pattern and the reference data pattern are performed. FIG. 4 is a graph in which a sensor data pattern and a reference data pattern are matched with a DTW algorithm according to an embodiment of the present invention. As shown in FIG. 4, a constraint condition of a warping path should be set in the DTW algorithm. In the present invention, a warping path restricting path is set using Equation (1) below.

[수학식 1][Equation 1]

j X (n/m) + n X 0.1 ≤ i ≤ j X ( n/m ) + n X 0.1(n / m) + n X 0.1 ? i? j X (n / m) + n X 0.1

(단, n=센서데이터 패턴의 길이, m=기준데이터 패턴의 길이, i=센서데이터 패턴의 좌표, j=기준데이터 패턴의 좌표 )(Where n = length of sensor data pattern, m = length of reference data pattern, i = coordinates of sensor data pattern, j = coordinates of reference data pattern)

이때, 베스트 워핑 패스는 (기준데이터 패턴의 길이 / 센서데이터 패턴의 길이) 가 된다.At this time, the best warping path becomes the length of the reference data pattern / the length of the sensor data pattern.

데이터 패턴 매칭부(341)는 각 패턴들의 DTW 알고리즘 적용에 의하여, 기준데이터 패턴들의 DTW값 평균 및 그 표준편차, 센서데이터 패턴이 기준데이터 패턴들과 각 매칭된 DTW값 및 그 평균, 센서데이터 패턴이 기준데이터 패턴들과 매칭된 워핑 좌표별 개별 거리 데이터, 워핑 패스 데이터, 베스트 워핑 패스 데이터, 워핑 경로제약 패스가 허용할 수 있는 최대 거리차 평균, 워핑 패스의 평균 거리값 등을 추출한다. 그리고 데이터 패턴 매칭부(341)는 이 추출된 데이터 중에 DTW 유사도 분석부(342), 워핑패스 유사도 분석부(343), 매칭거리 유사도 분석부(344)에서 필요로 하는 데이터를 선택 전송한다.The data pattern matching unit 341 calculates the DTW value average of the reference data patterns and the standard deviation thereof, the DTW value corresponding to each of the reference data patterns and the average thereof, the sensor data pattern Individual distance data by warping coordinates matched with these reference data patterns, warping path data, The best warping path data, the maximum distance difference average that the warping path limiting path can tolerate, and the average distance value of the warping path. Then, the data pattern matching unit 341 selectively transmits data required by the DTW similarity analyzing unit 342, the warping path similarity analyzing unit 343, and the matching distance similarity analyzing unit 344 among the extracted data.

DTW 유사도 분석부(342)는 데이터 패턴 매칭부(341)에서 구한 각 패턴에 대한 DTW값을 입력받아 센서데이터 패턴의 유사도 백분율을 구한다. 기준데이터 패턴들의 DTW값 평균(M)과 표준편차(S)를 이용해 M ± 3S 범위 안을 센서데이터 패턴의 유사도 허용범위로 설정한다. 일반적으로, 산업현장에서는 설비의 이상 여부를 판단할 경우 평균 데이터에서 3S를 벗어나면 이상이 있는 것으로 판단하며, 본 발명에서도 이 범위를 적용한다. 그리고 유사도 허용범위 대비 센서데이터 패턴의 DTW값의 백분율을 아래 수학식2을 이용하여 구하고, 인터락 판단부(345)로 전송한다.The DTW similarity analyzer 342 receives the DTW value of each pattern obtained by the data pattern matching unit 341, and obtains the similarity percentage of the sensor data pattern. The range of M ± 3S is set to the similarity tolerance range of the sensor data pattern using the DTW value average (M) and standard deviation (S) of the reference data patterns. Generally, in the industrial field, when it is judged that there is an abnormality in the equipment, it is judged that there is an abnormality when the average data is out of 3S, and this range is also applied to the present invention. Then, the percentage of the DTW value of the sensor data pattern with respect to the allowable range of similarity is calculated using Equation (2) below and transmitted to the interlock determination unit 345.

[수학식 2]&Quot; (2) "

P = |100 × (|SDTW - M|) / 3S - 100|P = 100 占 (| SDTW - M |) / 3S - 100 |

(단, SDTW = 센서데이터 패턴의 DTW값, P=DTW 값의 유사도 백분율)(SDTW = DTW value of sensor data pattern, P = Percentage of similarity of DTW value)

예를 들어, 기준데이터 패턴의 DTW값 평균(M)이 100, 표준편차(S)가 1, 센서데이터 패턴의 DTW값이 100이라고 가정하고, 이 데이터들을 위의 식에 대입을 하면 유사도는 100%가 나온다. 만약 센서데이터 패턴이 유사도 허용범위를 초과하는 경우는 설비에 이상이 있다고 판단하고 유사도 백분율을 0%로 설정한다. For example, assuming that the DTW value average (M) of the reference data pattern is 100, the standard deviation (S) is 1, and the DTW value of the sensor data pattern is 100, % Comes out. If the sensor data pattern exceeds the allowable range of similarity, it is judged that there is an error in the equipment and the percentage of similarity is set to 0%.

워핑패스 유사도 분석부(343)는 데이터 패턴 매칭부(341)에서 센서데이터 패턴과 기준데이터 패턴이 동적타임워핑으로 매칭되어 전송된 워핑 경로제약 패스가 허용할 수 있는 최대 거리차 평균, 워핑 패스의 평균 거리값, 워핑패스, 베스트 워핑패스 데이터를 이용하여 워핑패스의 유사도 백분율을 아래 수학식3를 이용하여 구하고, 인터락 판단부(345)로 전송한다.The warping path similarity analyzing unit 343 calculates a warping path similarity between the sensor data pattern and the reference data pattern in the data pattern matching unit 341, The average distance value, the warping path, and the best warping path data, using Equation (3) below, and transfers the calculated similarity percentage to the interlock determination unit 345.

[수학식 3]&Quot; (3) "

P = (Max_avg_dist² - Avg_dist²) / (Max_avg_dist²) × 100 P = (Max_avg_dist2 - Avg_dist2) / (Max_avg_dist2) 100

(단, Max_avg_dist= 워핑 경로제약 패스가 허용할 수 있는 최대 거리차 평균, Avg_dist = 워핑 패스의 평균 거리값, P=워핑 패스의 유사도 백분율)(Where Max_avg_dist = maximum distance difference average allowed by the warping path restriction path, Avg_dist = average distance value of the warping path, and P = percentage of similarity of the warping path)

수학식 3에서 제곱 크기를 사용하는 것은 개별 유사도의 차이 값 변동을 세분화하여 감시하기 위함이다. 예를 들어, 3개의 데이터가 있다고 가정할때, 3개가 모두 2씩 차이나는 것과 1,2,3 차이나는 것은 동일한 차이 평균을 갖지만 제곱 크기를 할 경우 후자가 더 많은 차이를 갖게 된다. 본 발명에서는 극단적인 차이값의 여부를 판별하는 것이 중요하기 때문에 제곱 크기를 사용한다. 수학식 2에 의하여 계산된 워핑패스의 유사도 백분율은, 워핑 경로제약 패스가 허용할 수 있는 최대 거리차 평균과 워핑 패스의 평균 거리값 사이의 거리 차이가 클 수록 높은 값을 얻게 된다. 즉, 워핑 패스가 베스트 워핑패스에 근접 할 수록 워핑패스의 유사도 백분율은 상승하게 된다. The use of the squared magnitude in Equation (3) is intended to monitor and segment the variation of the difference value of the individual similarity. For example, assuming that there are three data, all three are two different, and one, two, and three differences have the same difference averages, but if you have a square size, the latter will have more difference. In the present invention, since it is important to determine whether there is an extreme difference value, the square size is used. The similarity percentage of the warping path calculated by Equation (2) becomes higher as the distance difference between the maximum distance difference average allowed by the warping path limiting path and the average distance value of the warping path is greater. That is, the closer the warping path is to the best warping path, the higher the similarity percentage of the warping path.

매칭거리 유사도 분석부(344)는 데이터 패턴 매칭부(341)에서 전송된 기준데이터 패턴들에 매칭된 워핑 좌표별 개별 거리 데이터의 평균(M) 및 그 표준 편차를The matching distance similarity analyzer 344 compares the average (M) of the individual distance data for each warping coordinate matched to the reference data patterns transmitted from the data pattern matching unit 341 and the standard deviation thereof

구한다. 센서데이터 패턴이 기준데이터 패턴과 DTW 알고리즘을 통해 매칭된 좌표의 개별 거리 값이 기준데이터 패턴간 매칭된 개별 거리 값이 허용범위 값을 벗어난 개수(Total_out)과 센서데이터 패턴이 기준데이터 패턴과 매칭된 워핑 좌표별 개별 거리데이터 개수(Total_data)를 이용하여 매칭거리 유사도 백분율을 구한다. 이때, 허용범위는 DTW 유사도 분석부(342)와 마찬가지로 M ± 3S로 설정한다. 그리고 아래 수학식 4를 이용하여 Total_data 대비 허용범위 값을 벗어나지 않은 백분율 구하고, 인터락 판단부(345)로 전송한다.I ask. (Total_out) in which the individual distance values of the coordinates where the sensor data pattern is matched through the reference data pattern and the DTW algorithm are matched between the reference data patterns are out of the allowable range value and the number of the sensor data patterns matched with the reference data pattern The percentage of matching distance similarity is obtained using the number of individual distance data (total_data) by warping coordinates. At this time, the allowable range is set to M + 3S as in the DTW similarity analyzer 342. [ Using the following Equation (4), a percentage that does not deviate from the allowable range value of Total_data is calculated and transmitted to the interlock determination unit 345.

[수학식 4]&Quot; (4) "

P = 100 × ( Total_data - Total_out ) / Total_data P = 100 x (Total_data - Total_out) / Total_data

( 단, Total_out = Total_data 중에 허용범위를 벗어난 개수, Total_data = 센서데이터 패턴이 기준데이터 패턴과 매칭된 워핑 좌표별 거리데이터의 개수) (Total_data = number of distance data per warping coordinate matched with reference data pattern of sensor data pattern in total_out = total_data,

인터락 판단부(345)는 유사도 측정부(342), 워핑패스 분석부(343), 매핑거리 분석부(344)에서 계산된 각 백분율을 분석하여 설비의 인터락 상태를 판단하고 분석된 정보를 알람부 및 표시부로 전송한다. 예를 들어, 백분율이 0% 이상 25% 미만이면 설비의 상태를 '경고'로 평가하고, 백분율이 25% 이상이고 50% 미만이면 설비의 상태를 '주의'로 평가하여 알람부 및 표시부로 전송한다.  The interlock determination unit 345 analyzes the percentages calculated by the similarity measuring unit 342, the warping path analyzing unit 343, and the mapping distance analyzing unit 344 to determine the interlock state of the equipment, To the alarm unit and the display unit. For example, if the percentage is 0% or more and less than 25%, the condition of the equipment is evaluated as' warning '. If the percentage is 25% or more and less than 50%, the condition of the equipment is evaluated as' do.

이하에서는 도 5를 참조하여 본 발명의 일실시예에 따른 인터락 시스템의 인터락 평가 방법을 설명한다.Hereinafter, an interlock evaluation method of an interlock system according to an embodiment of the present invention will be described with reference to FIG.

데이터 가공부(310)는 센서(100)에서 측정된 센서데이터를 일정 시간의 샘플링 간격마다 입력받고, 이 센서데이터를 데이터베이스(320)에 저장된 기준데이터 패턴과 매칭 시키기 위하여, 하나의 웨이퍼가 설비에서 가공되는 시간 동안의 데이터만 분리하여 패턴(이하 '센서데이터 패턴'이라 칭함)을 만든다. 이때, 이 센서데이터 패턴은 웨이퍼의 가공 시작점 및 가공이 종료되는 종료시점을 이용하여 그 시간 이내에 입력된 데이터로 구성된다(500). The data processing unit 310 receives the sensor data measured by the sensor 100 at a sampling interval of a predetermined time and matches the sensor data with the reference data pattern stored in the database 320, (Hereinafter referred to as " sensor data pattern ") by separating only the data during the machining time. At this time, the sensor data pattern is composed of data input within the time using the start point of the wafer and the end point of the end of the process (500).

데이터 가공부(310)는 500단계에서 만들어진 센서데이터 패턴이 챔버타입인지 플로우타입인지 결정하기 위하여 센서데이터와 함께 센서에서 전송된 식별번호를 이용하여 해당하는 공정타입을 데이터베이스(320)를 통해 입력받고, 공정타입을 확인한다(510). The data processing unit 310 receives the corresponding process type through the database 320 using the identification number transmitted from the sensor together with the sensor data to determine whether the sensor data pattern created in step 500 is a chamber type or a flow type , And confirms the process type (510).

510단계에 의하여 확인된 공정타입이 플로우타입이라면, 데이터 가공부(310)는 센서데이터 패턴의 길이와 데이터베이스(320)에 저장되어 있는 기준데이터 패턴의 길이 비율을 일정 범위 이내로 만들어, 데이터 패턴 매칭부(341)에서 센서데이터 패턴과 기준데이터 패턴을 DTW 알고리즘에 적용하여 나온 값들의 유사도 백분율을 향상시킨다(520). If the process type identified by step 510 is a flow type, the data processing unit 310 makes the ratio of the length of the sensor data pattern and the length of the reference data pattern stored in the database 320 within a predetermined range, (520) the similarity percentage of the values obtained by applying the sensor data pattern and the reference data pattern to the DTW algorithm in step (341).

데이터 패턴 매칭부(341)는 510 및 520 단계에 의하여 입력받은 센서데이터 패턴과 매칭될 복수의 기준데이터 패턴을 센서데이터 패턴과 함께 입력된 식별번호를 통하여 데이터베이스(320)에서 불러온다. 그리고, 복수의 기준데이터 패턴을 먼저 DTW알고리즘에 매칭 시켜 기준데이터 패턴간 DTW값 구하고, 센서데이터 패턴과 기준데이터 패턴들을 DTW알고리즘에 매칭시켜 센서데이터 패턴과 매칭된 기준데이터 패턴의 DTW값을 구한다. 예를 들어, 기준데이터 패턴이 5라면, 기준데이터 패턴간의 DTW 매칭은 5C2(단, C는 콤비네이션 수학기호) 에 의하여 10 번이 필요하다. The data pattern matching unit 341 loads a plurality of reference data patterns to be matched with the sensor data patterns inputted in steps 510 and 520 from the database 320 through the identification numbers inputted together with the sensor data patterns. The plurality of reference data patterns are first matched to the DTW algorithm to obtain DTW values between the reference data patterns, and the DTW values of the reference data patterns matched with the sensor data patterns are obtained by matching the sensor data pattern and the reference data patterns to the DTW algorithm. For example, if the reference data pattern is 5, DTW matching between reference data patterns is required 10 times by 5C2 (where C is a combination math symbol).

상기 매칭에 의하여 데이터 패턴 매칭부(341)는 기준데이터 패턴들의 DTW값 평균 및 그 표준편차, 센서데이터 패턴이 기준데이터 패턴들과 각 매칭된 DTW값 및 그 평균, 센서데이터 패턴이 기준데이터 패턴들과 DTW된 워핑 좌표별 개별 거리 데이터, 워핑 패스에 관한 데이터를 등을 추출한다. 그리고 데이터 패턴 매칭부(341)는 이 추출된 데이터 중에 DTW 유사도 분석부(342), 워핑패스 유사도 분석부(343), 매칭거리 유사도 분석부(344)에서 필요로 하는 데이터를 선택 전송한다(530).In accordance with the matching, the data pattern matching unit 341 compares the average of the DTW values of the reference data patterns and their standard deviation, the DTW values matched with the reference data patterns and the average thereof, And individual distance data by the warping coordinates of the DTW, data about the warping path, and the like are extracted. The data pattern matching unit 341 selectively transmits data required by the DTW similarity analyzer 342, the warping path similarity analyzer 343, and the matching distance similarity analyzer 344 among the extracted data (530 ).

DTW 유사도 분석부(342)는 530 단계에서 기준데이터 패턴들의 DTW평균 및 표준 편차 그리고 센서데이터 패턴과 기준데이터 패턴과의 DTW값을 입력받는다. 그리고 센서데이터 패턴이 기준데이터 패턴들과 매칭되어 추출된 DTW값이 복수의 기준데이터 사이에서 매칭되어 추출된 DTW값 평균과 얼마나 유사한지를 판단하기 위하여, 수학식 2를 사용하여 DTW 유사도 백분율을 구하고 인터락 판단부(345)로 전송한다(540).In step 530, the DTW similarity analyzer 342 receives the DTW average and standard deviation of the reference data patterns, and the DTW values of the sensor data pattern and the reference data pattern. In order to determine how similar DTW values are obtained by matching the sensor data pattern with the reference data patterns and the DTW value average extracted by matching among the plurality of reference data, the DTW similarity percentage is calculated using Equation (2) To the lock determination unit 345 (540).

워핑패스 유사도 분석부(343)는 530 단계에서 워핑 경로제약 패스가 허용할 수 있는 최대 거리차 평균, 워핑 패스의 평균 거리값, 워핑패스, 베스트 워핑패스 데이터 입력받는다. 그리고 이 데이터 들을 수학식3에 대입하여 워핑패스의 유사도 백분율을 구하여 인터락 판단부(345)로 전송한다(550). In step 530, the warping path similarity analyzing unit 343 receives a maximum distance difference average allowed by the warping path limiting path, an average distance value of the warping path, a warping path, and a best warping path data. Then, these data are substituted into Equation 3 to obtain the similarity percentage of the warping path to the interlock determination unit 345 (550).

매칭거리 유사도 분석부(344)는 530단계에서 기준데이터 패턴들의 워핑 좌표별 개별거리 데이터의 평균(M) 및 그 표준편차(S), 센서데이터 패턴이 기준데이터 패턴과 매칭된 워핑 좌표별 개별 거리 데이터 (Total_data)를 입력받는다. 그리고 M ± 3S를 허용범위로 결정하고, 이 허용범위를 초과하는 워핑 좌표별 개별 거리 데이터의 개수(Total_out)를 확인하고, Total_data 대비 Total_out의 매칭 거리 유사도 백분율을 수학식 4를 사용하여 구하고, 이 백분율 값을 인터락 판단부(345)로 전송한다(560).  In step 530, the matching distance similarity analyzer 344 calculates an average (M) of the individual distance data of the reference data patterns by the warping coordinates and a standard deviation S thereof, an individual distance of the warping coordinates matched with the reference data pattern And receives data (Total_data). Then, M ± 3S is determined as an allowable range, the number (total_out) of individual distance data by warping coordinates exceeding this allowable range is checked, and the percentage of the matching distance similarity of Total_out with respect to Total_data is obtained using Equation (4) And transmits the percentage value to the interlock determination unit 345 (560).

540,550,560 단계에서 계산된 3개의 유사도 백분율이 인터락 판단부(345)로 입력되면, 인터락 판단부(345)는 설비상태에 대한 백분율 범위를 이용하여 인터락 상태를 평가하고, 만약 3개의 백분율 중 하나라도 50% 미만의 값이 나오면 그 백분율 수치 및 평가정보를 알람부(350)와 표시부(360)로 전송한다(570). When the three similarity percentages calculated in steps 540, 550, and 560 are input to the interlock determination unit 345, the interlock determination unit 345 evaluates the interlock state using the percentage range for the facility state, If a value of less than 50% is found, the percentage value and the evaluation information are transmitted to the alarm unit 350 and the display unit 360 (570).

570단계에 의하여 알람부(350)는 인터락 상태 정보를 입력받아 그 정보를 분석하고, 해당 설비의 구동을 중단해야 하는 것으로 판단되면, MES제어장치(400)에 통보함으로써 MES 제어장치(400)가 해당 설비의 구동을 중단하도록 하며, 표시부(360)는 인터락 상태 정보를 디스플레이장치를 통하여 사용자에게 알린다(580).  The alarm unit 350 receives the interlock status information in step 570 and analyzes the information. If it is determined that the driving of the corresponding equipment should be stopped, the MES control unit 400 notifies the MES control unit 400 that the inter- And the display unit 360 notifies the user of the interlock status information through the display device 580. [

이상에서 상세히 설명한 바와 같이, 본 발명은 설비의 상태 정보를 나타내는 센서 데이터가 전송되는 시점까지 고려하여 설비의 정상상태를 나타내는 기준데이터와 비교함으로써, 설비의 정상 작동 여부를 정확하게 판단하도록 하였다. As described in detail above, according to the present invention, it is possible to accurately determine whether or not the facility is operating normally, by considering the time when the sensor data representing the state information of the facility is transmitted to the reference data representing the steady state of the facility.

Claims (18)

삭제delete 복수의 기준데이터 패턴간에 제 1 동적타임워핑(DTW: Dynamic time warping)을 실행하여 정보를 추출하고,A first dynamic time warping (DTW) is performed between a plurality of reference data patterns to extract information, 센서에서 전송된 센서데이터 패턴을 상기 복수의 기준데이터 패턴과 제 2 동적타임워핑을 실행하여 정보를 추출하고,A sensor data pattern transmitted from a sensor is subjected to a second dynamic time warping and a plurality of reference data patterns to extract information, 상기 추출된 정보들을 이용하여 유사도를 판단하고,Determines the degree of similarity using the extracted information, 상기 판단결과로 제조 공정의 이상을 판단하는 인터락시스템의 인터락 평가방법. And determining an abnormality of the manufacturing process as a result of the determination. 제 2 항에 있어서, 상기 유사도는  3. The method of claim 2, 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 DTW 값들의 유사도인 인터락시스템의 인터락 평가방법.Wherein the DTW values extracted by the first dynamic time warping and the second dynamic time warping are similarities. 제 2 항에 있어서, 상기 유사도는  3. The method of claim 2, 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 워핑패스와 베스트 워핑 패스의 유사도인 인터락 평가방법.Wherein the similarity between the warping path and the best warping path extracted by the first dynamic time warping and the second dynamic time warping. 제 2 항에 있어서, 상기 유사도는  3. The method of claim 2, 상기 제 1 동적타임워핑 및 제 2 동적타임워핑에 의해 추출된 워핑 좌표별 개별거리 데이터의 유사도인 인터락 평가방법. Which is the similarity of individual distance data by warping coordinates extracted by the first dynamic time warping and the second dynamic time warping. 제 2 항에 있어서,3. The method of claim 2, 상기 센서데이터 패턴이 플로우 타입이면, If the sensor data pattern is a flow type, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 길이를 일정 비율로 맞추는 인터락시스템의 인터락 평가방법.And adjusting the lengths of the sensor data pattern and the reference data pattern at a predetermined ratio. 제 2 항에 있어서,3. The method of claim 2, 상기 판단결과 제조공정의 이상이 없으면, As a result of the determination, if there is no abnormality in the manufacturing process, 상기 기준데이터 패턴을 상기 센서데이터 패턴으로 변경하는 인터락시스템의 인터락 평가방법.And changing the reference data pattern to the sensor data pattern. 삭제delete 복수의 기준데이터 패턴간에 동적타임워핑을 실행하여 상기 기준데이터 패턴간의 제 1 DTW 평균 값 및 그 표준 편차를 구하고,Performing dynamic time warping between a plurality of reference data patterns to obtain a first DTW average value and a standard deviation thereof between the reference data patterns, 센서에서 전송된 센서데이터 패턴을 상기 복수의 기준데이터 패턴과 동적타임워핑을 실행하여 상기 센서데이터 패턴과 상기 복수의 기준데이터 패턴과의 제 2 DTW 값을 구하고, A second DTW value between the sensor data pattern and the plurality of reference data patterns is obtained by executing dynamic time warping with the plurality of reference data patterns, 상기 구한 값들을 이용하여 상기 센서데이터 패턴과 상기 복수의 기준데이터 패턴과의 유사도 백분율을 구하고,Obtaining a percentage of similarity between the sensor data pattern and the plurality of reference data patterns using the obtained values, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단하는 인터락시스템의 인터락 평가방법.And determining the abnormality of the manufacturing process when the calculated similarity percentage is less than the reference value. 제 9 항에 있어서, 10. The method of claim 9, 상기 유사도 백분율은 하기 수학식을 이용하여 구하는 인터락시스템의 인터락 평가방법.Wherein the similarity percentage is obtained using the following equation. P = |100 × (|SDTW - M|) / 3S - 100| P = 100 占 (| SDTW - M |) / 3S - 100 | (단, SDTW = 제 2 DTW 값, M = 제 1 DTW 평균값, S = 제 1 DTW 평균 값의 표준편차, P=유사도 백분율)(SDTW = second DTW value, M = first DTW average value, S = standard deviation of first DTW average value, P = percentage of similarity) 센서에서 전송된 센서데이터 패턴과 기준데이터 패턴을 동적타임워핑시켜 워핑 패스, 베스트 워핑 패스, 워핑 제약 패스를 구하고,A warping path, a best warping path, and a warping constrained path are obtained by dynamically time warping the sensor data pattern and the reference data pattern transmitted from the sensor, 상기 워핑 제약패스가 상기 워핑 패스에 허용할 수 있는 최대 거리차이 평균값을 구하여, 상기 워핑 패스와 상기 베스트 워핑 패스간의 유사도 백분율을 구하고,Determining a percentage of similarity between the warping path and the best warping path by obtaining a maximum distance difference average value acceptable to the warping path by the warping constraining path, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단하는 인터락시스템의 인터락 평가방법.And determining the abnormality of the manufacturing process when the calculated similarity percentage is less than the reference value. 제 11 항에 있어서, 12. The method of claim 11, 상기 유사도 백분율은 하기 수학식을 이용하여 구하는 인터락시스템의 인터락 평가방법. Wherein the similarity percentage is obtained using the following equation. P = (Max_avg_dist² - Avg_dist²) / (Max_avg_dist²) × 100 P = (Max_avg_dist2 - Avg_dist2) / (Max_avg_dist2) 100 (단, Max_avg_dist= 워핑 경로제약 패스가 워핑 패스에 허용할 수 있는 최대 거리차 평균, Avg_dist = 워핑 패스의 평균 거리값, P= 유사도 백분율)(Where Max_avg_dist = maximum distance difference average allowed for the warping path by the warping path restriction path, Avg_dist = average distance value of the warping path, and P = percentage of the similarity) 복수의 기준데이터 패턴간에 동적타임워핑을 실행하여 상기 기준데이터 패턴간의 워핑 좌표별 개별거리 데이터의 평균 값 및 그 표준 편차를 구하고,Performing dynamic time warping between a plurality of reference data patterns to obtain an average value and standard deviation of individual distance data for each warping coordinate between the reference data patterns, 상기 평균 값 및 그 표준편차를 이용하여 허용범위를 구하고,Obtaining an allowable range using the average value and the standard deviation thereof, 센서에서 전송된 센서데이터 패턴을 복수의 기준데이터 패턴과 동적타임워핑하여 상기 센서데이터 패턴이 상기 복수의 기준데이터 패턴들과 매칭된 워핑 좌표별 개별거리 데이터를 구하고,The method includes the steps of: dynamically time warping a sensor data pattern transmitted from a sensor with a plurality of reference data patterns to obtain individual distance data for each warping coordinate system in which the sensor data pattern is matched with the plurality of reference data patterns, 상기 워핑 좌표별 개별거리 데이터가 상기 허용범위 이내에 존재하는 개수를 구하여, The number of pieces of individual distance data for each of the warping coordinates is within the allowable range, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 유사도 백분율을 구하고,Obtaining a similarity percentage between the sensor data pattern and the reference data pattern, 상기 계산된 유사도 백분율이 기준치 미만이면 제조 공정의 이상을 판단하는 인터락시스템의 인터락 평가방법. And determining the abnormality of the manufacturing process when the calculated similarity percentage is less than the reference value. 제 13 항에 있어서,14. The method of claim 13, 상기 유사도 백분율은 하기 수학식을 이용하여 구하는 인터락시스템의 인터락 평가방법.Wherein the similarity percentage is obtained using the following equation. P = 100 × ( Total_data - Total_out ) / Total_data P = 100 x (Total_data - Total_out) / Total_data ( 단, Total_data = 센서데이터 패턴이 복수의 기준데이터 패턴과 매칭된 워핑 좌표별 거리데이터의 개수, Total_out = Total_data 중에 허용범위를 벗어난 개수)(Where Total_data = number of distance data for each warping coordinate system where the sensor data pattern is matched with a plurality of reference data patterns, total_out = total_data) 삭제delete 제조 설비에 장착되어 센서 데이터를 출력하는 센서;A sensor mounted on a manufacturing facility for outputting sensor data; 기준데이터 패턴을 저장하는 데이터베이스;A database for storing reference data patterns; 상기 센서 데이터를 센서데이터 패턴으로 만드는 데이터 가공부;A data processor for converting the sensor data into a sensor data pattern; 상기 데이터 가공부에서 생성된 센서데이터 패턴을 상기 기준데이터 패턴과 동적타임워핑하여 상기 패턴들 사이의 유사도를 판단하는 인터락 평가부를 포함하고,And an interlock evaluator for dynamically time warping the sensor data pattern generated by the data processor with the reference data pattern to determine a degree of similarity between the patterns, 상기 데이터 가공부는The data processing unit 상기 센서데이터 패턴이 플로우 타입이면, If the sensor data pattern is a flow type, 상기 센서데이터 패턴과 상기 기준데이터 패턴의 길이를 일정 비율로 맞추는 인터락시스템. And the length of the sensor data pattern and the length of the reference data pattern are set at a predetermined ratio. 삭제delete 제조 설비에 장착되어 센서 데이터를 출력하는 센서;A sensor mounted on a manufacturing facility for outputting sensor data; 기준데이터 패턴을 저장하는 데이터베이스;A database for storing reference data patterns; 상기 센서 데이터를 센서데이터 패턴으로 만드는 데이터 가공부;A data processor for converting the sensor data into a sensor data pattern; 상기 데이터 가공부에서 생성된 센서데이터 패턴을 상기 기준데이터 패턴과 동적타임워핑하여 상기 패턴들 사이의 유사도를 판단하는 인터락 평가부를 포함하고,And an interlock evaluator for dynamically time warping the sensor data pattern generated by the data processor with the reference data pattern to determine a degree of similarity between the patterns, 상기 인터락 평가부는The interlock evaluation unit 상기 유사도 판단결과 제조공정의 이상이 없으면, As a result of the similarity determination, if there is no abnormality in the manufacturing process, 상기 데이터베이스의 기준데이터 패턴을 상기 센서데이터 패턴으로 업데이트하는 인터락시스템.And updates the reference data pattern of the database with the sensor data pattern.
KR1020070058048A 2007-06-13 2007-06-13 Interlock system and the appreciation method KR101435125B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020070058048A KR101435125B1 (en) 2007-06-13 2007-06-13 Interlock system and the appreciation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020070058048A KR101435125B1 (en) 2007-06-13 2007-06-13 Interlock system and the appreciation method

Publications (2)

Publication Number Publication Date
KR20080109572A KR20080109572A (en) 2008-12-17
KR101435125B1 true KR101435125B1 (en) 2014-08-29

Family

ID=40368861

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020070058048A KR101435125B1 (en) 2007-06-13 2007-06-13 Interlock system and the appreciation method

Country Status (1)

Country Link
KR (1) KR101435125B1 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100598398B1 (en) * 2004-10-22 2006-07-07 삼성전자주식회사 Compensating method of sensor data and evaluating interlock of interlock system
KR20060085201A (en) * 2005-01-21 2006-07-26 산요덴키가부시키가이샤 Drive recorder and method of controlling drive recorder

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100598398B1 (en) * 2004-10-22 2006-07-07 삼성전자주식회사 Compensating method of sensor data and evaluating interlock of interlock system
KR20060085201A (en) * 2005-01-21 2006-07-26 산요덴키가부시키가이샤 Drive recorder and method of controlling drive recorder

Also Published As

Publication number Publication date
KR20080109572A (en) 2008-12-17

Similar Documents

Publication Publication Date Title
US20180264613A1 (en) Abnormality detection apparatus and machine learning apparatus
US20200150159A1 (en) Anomaly detection device, anomaly detection method, and storage medium
US8732100B2 (en) Method and apparatus for event detection permitting per event adjustment of false alarm rate
US7184910B2 (en) Method of compensating sensor data and evaluating an interlock of an interlock system
US20190018402A1 (en) Plant-abnormality-monitoring method and computer program for plant abnormality monitoring
US20140365179A1 (en) Method and Apparatus for Detecting and Identifying Faults in a Process
US7640126B2 (en) Combine-information processing apparatus, method for processing combine-information, program, and recording medium
JP3515756B2 (en) Processing unit monitoring method
US20220050023A1 (en) System for predicting anomalies of machining
CN113420061A (en) Steady state working condition analysis method, optimization debugging method and system of oil refining and chemical production device
US20050021299A1 (en) System for, method of and computer program product for detecting failure of manufacturing apparatuses
KR102026069B1 (en) Segmentation system of sensor data in semiconductor manufacturing equipment and method thereof
JP2001067109A (en) Method and device for managing quality and recording medium recording quality management prograqm
US10254753B2 (en) System for predicting abnormality occurrence using PLC log data
US20220156137A1 (en) Anomaly detection method, anomaly detection apparatus, and program
KR101435125B1 (en) Interlock system and the appreciation method
JP6794283B2 (en) Production process analyzer and production control system using it
KR102162427B1 (en) Method for monitering abnormality judgment of machine tool
JP2019113914A (en) Data identification device and data identification method
US20220188570A1 (en) Learning apparatus, learning method, computer program and recording medium
WO2020204043A1 (en) Blast furnace abnormality assessment device, blast furnace abnormality assessment method, and blast furnace operation method
JPH04152220A (en) Method and device for failure sensing
US20220147032A1 (en) Monitoring method, monitoring apparatus, and program
US20220413480A1 (en) Time series data processing method
AU2017330313B2 (en) Anomaly detection and neural network algorithms for PST hydrocyclone condition monitoring

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20180731

Year of fee payment: 5