KR102564668B1 - 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 - Google Patents
솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 Download PDFInfo
- Publication number
- KR102564668B1 KR102564668B1 KR1020210014712A KR20210014712A KR102564668B1 KR 102564668 B1 KR102564668 B1 KR 102564668B1 KR 1020210014712 A KR1020210014712 A KR 1020210014712A KR 20210014712 A KR20210014712 A KR 20210014712A KR 102564668 B1 KR102564668 B1 KR 102564668B1
- Authority
- KR
- South Korea
- Prior art keywords
- solar
- semiconductor equipment
- factors
- data
- sensor data
- Prior art date
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title abstract description 19
- 230000010354 integration Effects 0.000 title 1
- 238000007781 pre-processing Methods 0.000 claims abstract description 33
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 239000000284 extract Substances 0.000 claims abstract description 5
- 238000007726 management method Methods 0.000 claims description 28
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000000513 principal component analysis Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000007547 defect Effects 0.000 claims description 4
- 230000006866 deterioration Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010265 fast atom bombardment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L31/00—Semiconductor devices sensitive to infrared radiation, light, electromagnetic radiation of shorter wavelength or corpuscular radiation and specially adapted either for the conversion of the energy of such radiation into electrical energy or for the control of electrical energy by such radiation; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
- H01L31/18—Processes or apparatus specially adapted for the manufacture or treatment of these devices or of parts thereof
-
- 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
- H01L21/67271—Sorting devices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Electromagnetism (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
본 발명은 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법에 관한 것으로, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 데이터 전처리 수행부, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 특성인자 추출부 및 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 이상 감지부를 포함한다.
Description
본 발명은 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법에 관한 것으로, 보다 자세하게는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법에 관한 것이다.
반도체 및 디스플레이 FAB 등 첨단시설은 엄청난 투자 비용이 요구되고 그 비용의 대부분이 장비 비용에 해당된다. 따라서 고비용의 투자 비용을 빠른 시간에 회수하기 위해 공정을 빠른 시간에 안정화하고 장비의 가동률을 높이기 위한 많은 노력이 있으며 그 중 장비 변수들에 대해 실시간 모니터링을 수행하고 오류(Fault)를 감지하는 기술이 많이 요구되고 있다.
그러나, 솔라 RPCVD 장비, 반도체 ALD 장비를 포함하여 많은 종류의 기계장비 부품 센서로부터 얻어지는 실시간 데이터에 대한 표준화된 전처리 프로세스가 부재하고, 건전성 예측 관리 및 예지 정비 과정에 필요한 각 단계별 데이터 분석 및 평가 판정의 객관적 방법론이 부재하다는 문제점이 있다.
이와 관련하여, 한국공개특허 제2015-0082947호는 "반도체 공정에서의 공정 장비에 대한 실시간 이상 감지 방법"에 관하여 개시하고 있다.
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 센서 데이터 중심 인공지능, 기계학습, 확률통계 기반 건전성 예측 관리 및 상태 기반 예지 정비를 위한 데이터의 전처리, 특징추출 및 선택, 3종 군집 이상감지 등 일련의 과정을 자동화, 통합화 할 수 있는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하고, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.
또한, 본 발명은 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석하여 추출된 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링을 수행하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 데이터 전처리 수행부; 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 특성인자 추출부; 및 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 이상 감지부;를 포함한다.
또한, 상기 데이터 전처리 수행부는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 한다.
또한, 상기 특성인자 추출부는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 최종 특성인자 추출부를 포함하는 것을 특징으로 한다.
또한, 상기 특성인자 추출부는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 클러스터링 수행부를 포함하는 것을 특징으로 한다.
또한, 상기 이상 감지부는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 한다.
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법은 데이터 전처리 수행부에 의해, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계; 특성인자 추출부에 의해, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계; 및 이상 감지부에 의해, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계;를 포함한다.
또한, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계는, 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 한다.
또한, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는, 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 단계를 포함하는 것을 특징으로 한다.
또한, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는, 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 단계를 포함하는 것을 특징으로 한다.
또한, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계는, 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 한다.
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법은 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하고, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석하여 추출된 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링을 수행하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단함으로써, 데이터 전처리, 특징 추출 및 선정, 이상 감지 등의 일련의 과정을 통합화하는 솔라 및 반도체 장비 전용 솔루션을 제공할 수 있는 효과가 있다.
또한, 본 발명은 3종(Good, Warning, Fail) 군집/분류의 이상감지 알고리즘 개발을 통해 솔라 및 반도체 장비의 상태 감시 및 예측에 대한 다양성 및 정밀성을 제공할 수 있는 효과가 있다.
또한, 본 발명은 3종(Good, Warning, Fail) 군집/분류 이상감지 학습결과에 대해 사용자가 한계점을 선정할 수 있어 의사 결정 수준을 향상시킬 수 있는 효과가 있다.
도 1은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 특성인자 추출부의 세부 구성을 설명하기 위한 도면이다.
도 3 내지 도 6는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 이상 감지부에 따른 예시 및 결과를 설명하기 위한 도면이다.
도 7은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법의 순서를 설명하기 위한 순서도이다.
도 2는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 특성인자 추출부의 세부 구성을 설명하기 위한 도면이다.
도 3 내지 도 6는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 이상 감지부에 따른 예시 및 결과를 설명하기 위한 도면이다.
도 7은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법의 순서를 설명하기 위한 순서도이다.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.
도 1은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치의 구성을 설명하기 위한 도면이고, 도 2는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 특성인자 추출부의 세부 구성을 설명하기 위한 도면이고, 도 3 내지 도 6은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 이상 감지부에 따른 예시 및 결과를 설명하기 위한 도면이다.
도 1을 참조하여 설명하면, 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치(100)는 크게 데이터 전처리 수행부(110), 특성인자 추출부(120) 및 이상 감지부(130)를 포함한다.
데이터 전처리 수행부(110)는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행한다. 여기서, 다수개의 센서 데이터는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되되, 솔라 RPCVD 장비의 초 단위의 98개 센서 로우 데이터에서 센서 값의 변동이 보이지 않는 센서들은 제거하여 44개의 센서 데이터를 획득할 수 있다.
데이터 전처리 수행부(121)는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하며 앞서 예를든바와 같이, 44개의 센서의 센서 데이터가 획득되고, 솔라 RPCVD 장비한개의 작업은 1~39 단계로 이루어져 있으며 이 중 주요 공정 10개 단계의 데이터 확보할 수 있다.
특성인자 추출부(120)는 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출한다.
즉, 특성 인자 추출부(120)는 앞서 예를든바와 같이, 44개의 센서에 10개 단계에 대하여 10개의 특성(mean, max min, rms, std, skewness, kurtosis, crest factor, impulse factor, shpe factor)을 추출하여 한 개의 작업당 총 4400개의 특성인자가 추출될 수 있다.
이를 위해, 특성인자 추출부(120)는 도 2에 도시된 바와 같이 최종 특성인자 추출부(121) 및 클러스터링 수행부(122)를 포함한다.
최종 특성인자 추출부(121)는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출한다.
최종 특성인자 추출부(121)는 주성분 계수 결과를 통해 작업별 4400개의 특성인자 중에 주요 부품의 교체 시점을 기준으로 분류할 수 있는 특성을 가장 잘 나타내는 주요 특성인자 13개 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 도 3에 도시된 바와 같이 정규화 및 주성분 분석를 통한 최종 주요인자(PC1, PC2)를 추출할 수 있다.
클러스터링 수행부(122)는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행한다.
클러스터링 수행부(122)는 최종 특성인자를 이용하여 도 4와 같이 머신러닝 기법 중 군집화 클러스터링을 활용한 2종 분류를 수행할 수 있다.
이상 감지부(130)는 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지한다.
여기서, 종 군집 및 분류는 정상/이상(normal, abnormal) 이거나 좋음/ 경고/실패(Good, Warning, Fail) 일 수 있다.
이상 감지부(130)는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 도 5 및 도 6과 같이 3종 군집/분류 이상을 감지하고 판단한다. 이때, 도 5의 왼쪽은 단변량 가우시안분포이고, 오른쪽은 다변량 가우시안분포를 비교하는 것이고, 하기의 수학식은 다변량 가우시안분포의 공식이다. 그리고 도 6은 제안한 다변량 가우시안분포의 분류 예를 나타내는 것이다.
그리고 본 발명은 이상이 감지된 결함 데이터를 분류하고 진단하고, 분류 및 진단된 결함 데이터를 토대로 성능 열화 인자에 대한 유효 잔여 수명을 예측할 수 있다.
도 7은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법의 순서를 설명하기 위한 순서도이다.
도 7을 참조하여 설명하면, 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법은 앞서 설명한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장리를 이용하는 것으로, 이하 중복되는 설명은 생략하기로 한다.
먼저, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행한다(S100).
S100 단계는 솔라 및 반도체 장비에 구비되는 44개의 센서의 센서 데이터가 획득되고, 솔라 장비 한개의 작업은 1~39 단계로 이루어져 있으며 이 중 주요 공정 10개 단계의 데이터 확보할 수 있다.
다음, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출한다(S200).
S200 단계는 솔라 및 반도체 장비에 구비되는 44개의 센서에 10개 단계에 대하여 10개의 특성(mean, max min, rms, std, skewness, kurtosis, crest factor, impulse factor, shpe factor)을 추출하여 한 개의 작업당 총 4400개의 특성인자가 추출될 수 있다.
다음, 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고 , 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출한다(S300).
S300 단계는 주성분 계수 결과를 통해 작업별 4400개의 특성인자 중에 주요 부품의 교체 시점을 기준으로 분류할 수 있는 특성을 가장 잘 나타내는 주요 특성인자 13개 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 정규화 및 주성분 분석를 통한 최종 주요인자를 추출할 수 있다.
다음, 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행한다(S400).
S400 단계는, 최종 특성인자를 이용하여 머신러닝 기법 중 군집화 클러스터링을 활용한 2종 분류를 수행할 수 있다.
다음, 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지한다(S500).
S500 단계는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 3종 군집/분류 이상을 감지하고 판단한다.
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 또는 이들 중 하나 이상의 조합에서 구현 가능하다.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 또는 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상의 조합일 수 있다.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다.
따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.
100 : 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치
110 : 데이터 전처리 수행부
120 : 특성인자 추출부
130 : 이상 감지부
110 : 데이터 전처리 수행부
120 : 특성인자 추출부
130 : 이상 감지부
Claims (10)
- 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 데이터 전처리 수행부;
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 특성인자 추출부; 및
추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 이상 감지부;를 포함하되,
상기 특성인자 추출부는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 부품의 교체 시점으로 분류할 수 있는 주요 특성인자를 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 최종 특성인자 추출부를 포함하고,
상기 이상 감지부는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 3종 군집 및 분류에 이상을 감지하고 판단하여,
이상이 감지된 결함 데이터를 분류하고 진단하고, 분류 및 진단된 결함 데이터를 토대로 성능 열화 인자에 대한 유효 잔여 수명을 예측할 수 있는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치. - 제1항에 있어서,
상기 데이터 전처리 수행부는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치. - 삭제
- 제1항에 있어서,
상기 특성인자 추출부는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 클러스터링 수행부를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치. - 삭제
- 데이터 전처리 수행부에 의해, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계;
특성인자 추출부에 의해, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계; 및
이상 감지부에 의해, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계;를 포함하되,
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는,
추출된 특성인자에 대하여 주성분 계수를 토대로 주요 부품의 교체 시점으로 분류할 수 있는 주요 특성인자를 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하고,
추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계는,
클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 3종 군집 및 분류에 이상을 감지하고 판단하여,
이상이 감지된 결함 데이터를 분류하고 진단하고, 분류 및 진단된 결함 데이터를 토대로 성능 열화 인자에 대한 유효 잔여 수명을 예측할 수 있는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법. - 제6항에 있어서,
솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계는,
솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법. - 삭제
- 제6항에 있어서,
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는,
선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 단계를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (ko) | 2021-02-02 | 2021-02-02 | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (ko) | 2021-02-02 | 2021-02-02 | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220111451A KR20220111451A (ko) | 2022-08-09 |
| KR102564668B1 true KR102564668B1 (ko) | 2023-08-07 |
Family
ID=82844470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (ko) | 2021-02-02 | 2021-02-02 | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102564668B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050165731A1 (en) * | 2002-08-20 | 2005-07-28 | Tokyo Electron Limited | Method for processing data based on the data context |
-
2021
- 2021-02-02 KR KR1020210014712A patent/KR102564668B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050165731A1 (en) * | 2002-08-20 | 2005-07-28 | Tokyo Electron Limited | Method for processing data based on the data context |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220111451A (ko) | 2022-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109186813B (zh) | 一种温度传感器自检装置及方法 | |
| KR102618023B1 (ko) | 고장유형에 따른 패턴 분석을 통한 고장 예지 진단시스템 및 방법 | |
| CN106528975B (zh) | 一种应用于电路与系统的故障预测与健康管理方法 | |
| WO2019080367A1 (zh) | 一种机械设备健康状态评估方法 | |
| CN117114454B (zh) | 一种基于Apriori算法的直流套管状态评估方法及系统 | |
| CN108762228A (zh) | 一种基于分布式pca的多工况故障监测方法 | |
| CN110348150B (zh) | 一种基于相关概率模型的故障检测方法 | |
| CN110703214B (zh) | 一种气象雷达状态评估和故障监测方法 | |
| CN110405537B (zh) | 一种基于深度学习的导轨精度预测模型的建立方法 | |
| KR102291964B1 (ko) | 반도체 제조 공정에서 고장 검출 및 불량 원인 진단을 위한 방법 | |
| CN109255201B (zh) | 一种基于som-mqe的滚珠丝杠副健康评估方法 | |
| CN118154174A (zh) | 一种工业设备智慧运维云平台 | |
| CN118013442A (zh) | 一种边缘计算的故障诊断方法及系统 | |
| CN117708669A (zh) | 一种基于多源数据的自适应概率神经网络高压电缆状态评估方法 | |
| CN116610938A (zh) | 曲线模式分段的半导体制造无监督异常检测方法及设备 | |
| CN116705272A (zh) | 基于多维诊断的设备健康状态综合评价方法 | |
| KR102564668B1 (ko) | 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법 | |
| KR20220132824A (ko) | 배전설비 상태 이상 개소 감시 시스템 및 방법 | |
| CN117350710A (zh) | 矿用提升钢丝绳智能检测系统 | |
| CN117032102A (zh) | 一种基于大数据的设备故障预测方法和系统 | |
| CN117077051A (zh) | 一种大坝监测异常数据自适应识别方法 | |
| CN117435908A (zh) | 一种用于旋转机械的多种故障特征提取方法 | |
| EP4273520A1 (en) | Method and system for comprehensively diagnosing defect in rotating machine | |
| KR102649453B1 (ko) | 회전기계의 결함을 진단하는 방법 및 시스템 | |
| CN113392576A (zh) | 一种系留气球主缆绳拉力状态评估预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |