KR102654891B1 - 이상 진단 시스템 및 이상 진단 방법 - Google Patents

이상 진단 시스템 및 이상 진단 방법 Download PDF

Info

Publication number
KR102654891B1
KR102654891B1 KR1020200184422A KR20200184422A KR102654891B1 KR 102654891 B1 KR102654891 B1 KR 102654891B1 KR 1020200184422 A KR1020200184422 A KR 1020200184422A KR 20200184422 A KR20200184422 A KR 20200184422A KR 102654891 B1 KR102654891 B1 KR 102654891B1
Authority
KR
South Korea
Prior art keywords
data
feature vector
inkjet head
abnormality
alpha shape
Prior art date
Application number
KR1020200184422A
Other languages
English (en)
Other versions
KR20220093573A (ko
Inventor
윤상혁
이형석
Original Assignee
세메스 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 세메스 주식회사 filed Critical 세메스 주식회사
Priority to KR1020200184422A priority Critical patent/KR102654891B1/ko
Publication of KR20220093573A publication Critical patent/KR20220093573A/ko
Application granted granted Critical
Publication of KR102654891B1 publication Critical patent/KR102654891B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B41—PRINTING; LINING MACHINES; TYPEWRITERS; STAMPS
    • B41J—TYPEWRITERS; SELECTIVE PRINTING MECHANISMS, i.e. MECHANISMS PRINTING OTHERWISE THAN FROM A FORME; CORRECTION OF TYPOGRAPHICAL ERRORS
    • B41J2/00—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed
    • B41J2/005—Typewriters or selective printing mechanisms characterised by the printing or marking process for which they are designed characterised by bringing liquid or particles selectively into contact with a printing material
    • B41J2/01—Ink jet
    • B41J2/21—Ink jet for multi-colour printing
    • B41J2/2132—Print quality control characterised by dot disposition, e.g. for reducing white stripes or banding
    • B41J2/2142—Detection of malfunctioning nozzles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • G—PHYSICS
    • G02—OPTICS
    • G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
    • G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
    • G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour 
    • G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour  based on liquid crystals, e.g. single liquid crystal display cells
    • G02F1/1306—Details
    • G02F1/1309—Repairing; Testing
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K71/00—Manufacture or treatment specially adapted for the organic devices covered by this subclass

Landscapes

  • Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Ink Jet (AREA)

Abstract

기판으로 액적을 수직하게 토출하기 위한 복수 개의 노즐들이 구비되는 잉크젯 헤드; 및 상기 잉크젯 헤드에서 토출된 액적들의 로그 데이터를 기하학적으로 분석하여 상기 잉크젯 헤드가 포함된 기판 처리 장치의 이상 여부를 진단하는 데이터 처리부;를 포함하는 이상 진단 시스템이 개시된다. 상기 데이터 처리부는, 상기 액적들의 로그 데이터를 입력받아 이를 기하형상으로 변환하는 변환부; 상기 변환부에서 변환된 데이터로부터 특징 벡터를 추출하는 추출부; 및
상기 특징 벡터를 분석하여 상기 기판 처리 장치의 이상 여부를 진단하는 진단부;를 포함할 수 있다.

Description

이상 진단 시스템 및 이상 진단 방법{ABNORMALITY DIAGNOSIS SYSTEM AND ABNORMALITY DIAGNOSIS METHOD}
본 발명은 이상 진단 시스템 및 이상 진단 방법에 관한 발명이다. 보다 상세하게는, 잉크젯 헤드에서 토출되는 액적의 데이터 처리를 통해 이상 진단을 수행하는 시스템 및 방법에 관한 발명이다.
최근, 액정 표시 장치 등으로 제조하기 위한 기판(투명 기판) 상에 배향막의 형성이나 UV 잉크를 도포할 경우, 또는 유기 EL 표시 장치 등으로 제조하기 위한 기판 상에 컬러 필터를 도포할 경우 등에 대해서는 잉크젯 헤드를 구비하는 인쇄 장치, 즉 액적 토출 장치를 사용하고 있다.
잉크젯 헤드를 사용하는 인쇄 공정에서는 잉크젯 헤드에 구비되는 복수 개의 노즐들로부터 액적이 순조롭게 토출되어야 한다. 특히, 액적은 기판의 설정된 위치에 정확하게 토출되어야 한다. 여기서, 액적이 기판으로 수직하게 토출될 때 상기 액적이 상기 기판의 설정된 위치에 정확하게 토출된 것으로 확인하고 있다.
따라서 잉크젯 헤드의 복수 개의 노즐들 중에서 상기 기판으로 상기 액적을 토출하지 못하는 노즐이 발생할 경우뿐만 아니라 상기 기판으로 상기 액적을 수직하게 토출시키지 못하는 노즐 등이 발생할 경우에도 상기 인쇄 공정은 공정 불량으로 처리된다.
기존의 경우, 잉크젯 헤드의 노즐에서 토출되는 액적의 정보를 통해 정상 및 비정상 노즐을 판별하며, 디스플레이 잉크젯 설비에 설치된 다양한 센서가 측정할 수 있는 최소 단위는 헤드 단위로 측정한다. 이와 같은 상황에서 노즐의 정상 여부의 분석은 로우(row) 별 비정상 액적의 개수와 인덱스(index) 수준으로만 진행되고 있으며 원인 도출을 위한 구체적인 분석은 시도되고 있지 아니하다. 기존의 방법과 같은 방식으로 분석할 경우 노즐 간의 상관성에 대한 반영이 불가능하고, 잉크젯 헤드 단위로 수집되는 센서데이터에 대한 활용도 불가능하게 되어, 이상 상황의 진단을 전혀 할 수 없는 문제점이 있었다.
삭제
한국 공개특허공보 제10-2014-0000147호(2014.01.02. 공개) 한국 공개특허공보 제10-2014-0031882호(2012.03.13. 공개)
본 발명에서는 액적 데이터를 기하학적으로 분석하여 기판 처리 장치의 이상 진단을 수행할 수 있는 방법 및 시스템을 제안하고자 한다.
본 발명이 해결하고자 하는 과제가 상술한 과제로 한정되는 것은 아니며, 언급되지 아니한 과제들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 예시에 따른 이상 진단 시스템이 개시된다.
상기 시스템은, 기판으로 액적을 수직하게 토출하기 위한 복수 개의 노즐들이 구비되는 잉크젯 헤드; 및 상기 잉크젯 헤드에서 토출된 액적들의 로그 데이터를 기하학적으로 분석하여 상기 잉크젯 헤드가 포함된 기판 처리 장치의 이상 여부를 진단하는 데이터 처리부;를 포함할 수 있다.
일 예시에 따르면, 상기 데이터 처리부는, 상기 액적들의 로그 데이터를 입력받아 이를 기하형상으로 변환하는 변환부; 상기 변환부에서 변환된 데이터로부터 특징 벡터를 추출하는 추출부; 및 상기 특징 벡터를 분석하여 상기 기판 처리 장치의 이상 여부를 진단하는 진단부;를 포함할 수 있다.
일 예시에 따르면, 상기 변환부는 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 액적들의 로그 데이터를 기하 형상으로 변환할 수 있다.
일 예시에 따르면, 상기 변환부는 상기 기하 형상으로 변환한 데이터를 추가적으로 처리하여 알파 형상을 획득할 수 있다.
일 예시에 따르면, 상기 추출부는, 상기 알파 형상의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다.
일 예시에 따르면, 상기 추출부는, 상기 알파 형상 내의 빈 공간의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다.
일 예시에 따르면, 상기 특징 벡터는 상기 기하학적 특성을 기반으로 한 면적, 둘레 길이, 거리분포 정보 중 어느 하나일 수 있다.
일 예시에 따르면, 상기 진단부는 상기 특징 벡터를 클러스터링하여 그룹화할 수 있다.
일 예시에 따르면, 상기 진단부는, 상기 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단할 수 있다.
일 예시에 따르면, 상기 기준 데이터는, 상기 추출부에서 추출한 데이터와 상기 기판 처리 장치에서 측정한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터일 수 있다.
본 발명의 다른 일 실시예에 따른, 잉크젯 헤드에서 토출된 액적들의 데이터를 이용하여 잉크젯 헤드를 포함하는 기판 처리 장치의 이상 여부를 판단하는 이상 진단 방법이 개시된다.
상기 방법은, 액적 데이터들을 기하형상으로 변환하는 단계; 및 상기 변환한 데이터를 이용하여 특징 벡터를 추출하는 단계; 를 포함할 수 있다.
일 예시에 따르면, 상기 기하형상으로 변환하는 단계는, 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 변환할 수 있다.
일 예시에 따르면, 상기 기하형상으로 변환하는 단계는, 상기 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 변환한 데이터를 알파프로브를 이용하여 알파 형상을 얻는 단계;를 더 포함할 수 있다.
일 예시에 따르면, 상기 알파 형상의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다.
일 예시에 따르면, 상기 알파 형상 내의 빈 공간의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다.
일 예시에 따르면, 상기 특징 벡터는 상기 기하학적 특성을 기반으로 한 면적, 둘레 길이, 거리분포 정보 중 어느 하나일 수 있다.
일 예시에 따르면, 상기 특징 벡터를 클러스터링하여 그룹화 하는 단계;를 포함할 수 있다.
일 예시에 따르면, 상기 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단하는 단계;를 포함할 수 있다.
일 예시에 따르면, 상기 기준 데이터는, 상기 추출한 특징 벡터 또는 상기 그룹화 한 데이터와 상기 기판 처리 장치에서 측정한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터일 수 있다.
일 예시에 따르면, 상기 이상 여부를 판단하는 단계는, 상기 기판 처리 장치의 상태 각각에 대한 데이터를 분류 및 분석하여 비교할 수 있다.
본 발명에 따르면, 잉크젯 헤드 단위로 분석함으로써 노즐 간의 상황 정보가 반영된 분석이 가능할 수 있다.
본 발명에 따르면, 그룹화한 기하형상 특징벡터와 이상이 발생한 시점의 데이터를 동시에 분석함으로써 이상시점에 대한 잉크젯 헤드의 특징 파악이 가능하며, 잉크젯 헤드의 특징을 통해 이상 검출이 가능하다.
또한 본 발명에 따르면 그룹화한 기하형상 특징벡터와 설비 상태 별 데이터를 동시 분석함으로써 설비 상태 별 잉크젯 헤드의 특징 파악이 가능하며, 잉크젯 헤드의 특징을 통해 설비 상태를 추론할 수 있다.
본 발명의 효과가 상술한 효과들로 한정되는 것은 아니며, 언급되지 아니한 효과들은 본 명세서 및 첨부된 도면으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확히 이해될 수 있을 것이다.
도 1a 내지 도 1b는 본 발명에 따른 잉크젯 헤드를 설명하기 위한 도면이다.
도 2는 본 발명에 따른 이상 진단 시스템을 나타내는 도면이다.
도 3은 본 발명에 따른 데이터 처리부의 구성을 나타내는 블록도이다.
도 4는 일 예시에 따라 잉크젯 헤드에서 토출된 액적의 예를 나타내는 도면이다.
도 5 내지 도 6은 도 4의 일 예시에 따른 액적을 기하학적으로 변환하는 예시를 나타내는 도면이다.
도 7 내지 도 8은 도 5 내지 도 6의 실시예를 알파 형상으로 변환하는 예시를 나타내는 도면이다.
도 9는 알파 형상의 일 예시를 나타내는 도면이다.
도 10은 도 7 내지 도 8의 실시예를 통해 특징 벡터를 추출하는 것을 설명하기 위한 도면이다.
도 11은 특징 벡터를 클러스터링하는 것을 설명하기 위한 도면이다.
도 12 내지 도 13은 본 발명에 따른 특징벡터 및 클러스터링을 통해 이상 진단을 수행하는 것을 설명하기 위한 도면이다.
도 14는 본 발명에 따른 이상 진단 방법을 나타내는 순서도이다.
본 발명의 다른 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술 되는 실시 예를 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예는 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
만일 정의되지 않더라도, 여기서 사용되는 모든 용어들(기술 혹은 과학 용어들을 포함)은 이 발명이 속한 종래 기술에서 보편적 기술에 의해 일반적으로 수용되는 것과 동일한 의미를 가진다. 일반적인 사전들에 의해 정의된 용어들은 관련된 기술 그리고/혹은 본 출원의 본문에 의미하는 것과 동일한 의미를 갖는 것으로 해석될 수 있고, 그리고 여기서 명확하게 정의된 표현이 아니더라도 개념화되거나 혹은 과도하게 형식적으로 해석되지 않을 것이다.
제1, 제2 등의 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다' 및/또는 이 동사의 다양한 활용형들 예를 들어, '포함', '포함하는', '포함하고', '포함하며' 등은 언급된 조성, 성분, 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 조성, 성분, 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다. 본 명세서에서 '및/또는' 이라는 용어는 나열된 구성들 각각 또는 이들의 다양한 조합을 가리킨다.
본 명세서 전체에서 사용되는 '~부'는 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미할 수 있다. 그렇지만 '~부'가 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함할 수 있다. 구성요소와 '~부'에서 제공하는 기능은 복수의 구성요소 및 '~부'들에 의해 분리되어 수행될 수도 있고, 다른 추가적인 구성요소와 통합될 수도 있다.
도 1a 내지 도 1b는 본 발명에 따른 잉크젯 헤드를 설명하기 위한 도면이다.
도 1a를 참조하면, 잉크젯 헤드(20)의 일 예시가 도시된다.
잉크젯 헤드(20)는 액정 표시 장치 등으로 제조하기 위한 기판 상에 배향막의 형성이나 UV 잉크를 도포하는 인쇄 장치, 유기 EL 표시 장치 등으로 제조하기 위한 기판 상에 잉크를 도포하는 인쇄 장치 등에 구비될 수 있다.
도 1b에 따르면, 노즐(21)은 하나의 잉크젯 헤드(20)에 복수개가 구비될 수 있다. 도 1a 및 도 1b를 참조하면, 하나의 잉크젯 헤드(20)에는 다수 개의 노즐(21)이 존재하여, 여러 개의 노즐(21)에서 토출되는 액적들의 위치를 모두 검사하여야 한다. 일 예시에 따르면, 하나의 헤드(20)에는 1024개의 노즐(21)이 있고, 약 70개 이상의 헤드(20)가 존재한다. 기존의 경우 액적이 토출된 결과 데이터를 통해, 노즐의 이상 유무만 파악하는 수준으로 분석되는 것에 불과하였다. 이하에서 본 발명에 따른 잉크젯 헤드(20)에서의 토출 데이터를 처리하여 이상 진단을 하는 시스템 및 방법에 대해 상세하게 설명한다.
본 발명에서는 디스플레이 잉크젯 장비의 헤드(20)에서 정상 토출된 액적의 (X, Y) 좌표를 기하형상으로 변환 후 특징(feature) 벡터를 정의할 수 있다. 정의된 특징 벡터는 클러스터링하여 그룹화시킬 수 있고, 이를 통해 생성된 그룹화된 기하형상 특징벡터를 통해, 다양한 이상 상황 또는 기판 처리 장치에서 측정한 센서 데이터와 매핑함으로써 이상 상황 진단이 가능하고, 기판 처리 장치의 상태 및 센서 데이터와 매핑함으로써 설비 상태에 대한 추론이 가능하다. 일 예시에 따르면, 본 발명은 AWC 등 기하형상 변환이 가능한 데이터 처리에 적용할 수 있다.
본 발명에 따르면, 잉크젯 헤드 단위로 분석함으로써 노즐 간의 상황 정보가 반영된 분석이 가능할 수 있다. 또한, 기하형상을 통해 잉크젯 헤드에 대한 상태를 표현할 수 있는 다양한 특징벡터를 도출해낼 수 있다. 본 발명에서 정의하는 기하형상을 기반으로 한 특징 벡터는, 1024개 개별 노즐에 대한 패턴을 표현한 값들의 집합일 수 있다. 본 발명에서는 특징 벡터를 이용하여 잉크젯 헤드에 대한 분석을 수행함으로써, 가공되지 않은 데이터(raw 데이터)를 사용하는 경우에 비해 우수한 결과를 기대할 수 있다. 또한, 본 발명에 따르면 기하형상으로 분석하는 것을 통해 시각적 분석이 용이한 효과가 있다. 본 발명에 따르면 그룹화한 기하형상 특징벡터와 이상이 발생한 시점의 데이터를 동시에 분석함으로써 이상시점에 대한 잉크젯 헤드의 특징 파악이 가능하며, 이를 역으로 생각하여 잉크젯 헤드의 특징을 통해 이상 검출이 가능해진다. 또한 본 발명에 따르면 그룹화한 기하형상 특징벡터와 설비 상태 별 데이터를 동시 분석함으로써 설비 상태 별 잉크젯 헤드의 특징 파악이 가능하며, 잉크젯 헤드의 특징을 통해 설비 상태가 추론 가능하다.
또한, 기하형상 변환에 용이한 데이터(e.g. AWC 데이터 (X-Y coordinate))를 포함한 모든 문제에 대해 본 발명을 적용할 수 있다.
도 2는 본 발명에 따른 이상 진단 시스템을 나타내는 도면이다.
도 2에 따르면 본 발명에 따른 이상 진단 시스템은 기판으로 액적을 수직하게 토출하기 위한 복수 개의 노즐들이 구비되는 잉크젯 헤드(20)와, 잉크젯 헤드(20)에서 토출된 액적들의 로그 데이터를 기하학적으로 분석하여 잉크젯 헤드(20)가 포함된 기판 처리 장치의 이상 여부를 진단하는 데이터 처리부(30)를 포함할 수 있다. 데이터 처리부(30)는 잉크젯 헤드(20)에서 토출된 액적들의 x, y 좌표를 로그 데이터로 입력받을 수 있고, 이를 기하학적으로 분석하여 기판 처리 장치가 정상인지 여부를 판단할 수 있다. 이하의 도 3에서 본 발명에 따른 데이터 처리부(30)의 구성에 대해 상세하게 설명한다.
도 3은 본 발명에 따른 데이터 처리부(30)의 구성을 나타내는 블록도이다.
도 3에 따르면, 본 발명에 따른 데이터 처리부(30)는 변환부(31), 추출부(32) 및 진단부(33)를 포함할 수 있다.
변환부(31)는 잉크젯 헤드(20)에서 토출된 액적들의 로그 데이터를 입력받아 이를 기하형상으로 변환할 수 있다. 변환부(31)는 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 액적들의 로그 데이터를 기하 형상으로 변환할 수 있다. 일 예시에 따르면 변환부(31)는 기하 형상으로 변환한 데이터를 추가적으로 데이터 처리하여 알파 형상을 획득할 수 있다. 구체적인 변환 방법에 대해서는 도면을 통해 후술한다.
추출부(32)는 변환부(31)에서 변환된 기하 형상 데이터로부터 특징벡터를 추출할 수 있다. 일 예시에 따르면, 추출부(32)는 알파 형상의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다. 다른 일 예시에 따르면 추출부(32)는 알파 형상 내의 빈 공간의 기하학적 특성을 기반으로 특징 벡터를 추출할 수 있다. 일 예시에 따르면, 특징 벡터는 기하학적 특성을 기반으로 한 면적, 둘레 길이, 거리분포 정보 중 어느 하나일 수 있다.
진단부(33)는 추출부(32)에서 추출된 특징벡터를 분석하여 기판 처리 장치의 이상 여부를 진단할 수 있다. 진단부(33)는 특징벡터를 클러스터링하여 그룹화할 수 있다. 일 예시에 따르면, 진단부(33)는, 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단할 수 있다. 이 때, 기준 데이터는, 추출부(32)에서 추출한 데이터와 기판 처리 장치에서 측정한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터일 수 있다.
이하의 도면을 참조하여 본 발명에서의 데이터 처리부(30)에서의 데이터 처리 방법에 대해 보다 상세하게 설명한다.
도 4는 일 예시에 따라 잉크젯 헤드(20)에서 토출된 액적의 예를 나타내는 도면이다.
도 4는 잉크젯 헤드(20)에서 토출된 액적 중 정상인 액적만 표시한 결과를 나타낸다. 도 4를 참조하면, 잉크젯 헤드(20)에서 토출된 액적은 총 4개의 열로 구분할 수 있다. 눈으로만 확인하면, 제1 열은 비정상 노즐이 없고, 제2 열은 11번째 노즐 내지 15번째 노즐이 비정상이며, 제3열은 5번째 노즐 내지 13번째 노즐이 비정상이고, 제4열은 비정상 노즐이 없다. 기존의 경우 이와 같이 단순히 몇 번째 노즐에서 이상이 발생하였는지만 확인이 가능하여, 이를 설비 전체의 이상 진단으로 판단하기에는 어려움이 있었다.
도 5 내지 도 6은 도 4의 일 예시에 따른 액적을 기하학적으로 변환하는 예시를 나타내는 도면이다.
본 발명에 따른 변환부(31)에서는 도 5 내지 도 6의 실시예와 같이 토출된 액적을 기하학적으로 변환할 수 있다. 일 예시에 따르면 도 5의 실시예에서는 보로노이 다이어그램(Voronoi Diagram, VD)을 통해 변환한 예시가 나타나며, 도 6의 실시예에서는 들로네 삼각화(Delaunay Triangulation, DT)를 통해 변환한 예시가 나타난다.
도 5에 따르면, 보로노이 다이어그램(Voronoi Diagram, VD)은 공간상에 점이나 구와 같은 기하요소가 주어져 있을 때 전체 공간을 각각의 주어진 기하요소에 가까운 영역으로 빈틈없이 분할한 구조이다. 도 6에 따르면, 들로네 삼각화(Delaunay Triangulation, DT)는 점들을 삼각형으로 연결하여 공간을 분할할 때 삼각형의 외접원 내에 다른 점이 없도록 만든 분할이다.
본 발명에 따르면, VD과 DT는 서로 쌍대구조(dual structure)를 이루며 서로간의 변환이 가능하다. VD의 면은 DT의 꼭지점과, VD의 모서리는 DT의 모서리와, VD의 꼭지점은 DT의 삼각면과 대응한다. 따라서 본 발명의 변환부(31)에서는 두 변환 방법 중 어느 하나를 선택하여 변환한 뒤, 다른 방법으로 다시 변환하는 것도 가능할 수 있다.
도 5 내지 도 6은 도 4에 따른 액적 토출 결과를 각각 보로노이 다이어그램 혹은 들로네 삼각화 방식을 이용하여 변환한 결과를 나타낸다.
본 발명에서는 이와 같은 변환 방식을 이용하여 액적 데이터에 대한 1차적인 기하학적 변환을 수행할 수 있다.
도 7 내지 도 8은 도 5 내지 도 6의 실시예를 알파 형상으로 변환하는 예시를 나타내는 도면이다.
도 7 내지 도 8에 따르면, 구형의 알파프로브(Alpha-Probe)를 이용하여 알파복합체(Alpha-Complex)(도 7) 또는 알파형상(Alpha-Shape)(도 8)로 변환할 수 있다. 도 7 내지 도 8에 따르면, 다양한 크기의 알파프로브를 이용하여 알파 복합체 또는 알파 형상으로 변환하는 것이 가능하다. 일 예시에 따르면, 보다 큰 사이즈의 알파프로브를 선택하여 변환하는 경우, 더 많은 삼각형을 포함하는 알파복합체로 변환될 수 있다.
도 7에 따르면, 보로노이 다이어그램을 통해 변환된 데이터 또는 들로네 삼각화 방식을 통해 변환된 데이터를 서로 다른 크기의 알파프로브를 이용하여 알파복합체로 변환한 데이터가 도시된다. 도 8에 따르면, 알파 복합체 데이터에서 외곽선만을 선택하여 알파 형상을 얻을 수 있다. 즉 도 5 내지 도 8을 참조하면, 1개의 잉크젯 헤드(20)의 정상 액적 데이터로부터 알파프로브 사이즈 선택에 따라 다양한 알파형상을 획득하는 것이 가능하다.
도 9는 알파 형상의 일 예시를 나타내는 도면이다.
도 9(a)를 참조하면, 알파 형상은 1개 형상의 개체로 제공될 수도 있고, 도 9(b)를 참조하면, 알파 형상은 3개 형상을 가지는 개체로 제공될 수도 있다. 도 9(c)를 참조하면, 알파 형상은 1개 형상을 가지면서, 단일 빈공간을 가지는 개체로 제공될 수도 있다. 도 9(d)를 참조하면, 알파 형상은 1개 형상을 가지면서, 3개의 빈공간을 가지는 개체로 제공될 수도 있다. 도 9는 알파 형상의 일 예시를 나타내는 것에 불과하고, 알파 형상은 하나의 잉크젯 헤드(20)에서 토출되는 액적의 정상 여부와, 알파프로브의 크기 등에 따라 상이하게 나타날 수 있다.
도 10은 도 8의 실시예를 통해 특징 벡터를 추출하는 것을 설명하기 위한 도면이다.
본 발명에서 정의하는 기하형상을 기반으로 한 특징 벡터는, 1024개 개별 노즐에 대한 패턴을 표현한 값들의 집합일 수 있다. 도 10을 참조하면, 다양한 특징들을 기반으로 하여 특징 벡터를 설정할 수 있다. 즉, 알파 형상에서 면적, 둘레길이, 무게중심 등을 기반으로 특징(feature)를 설정할 수 있다.
일 예시에 따르면, 알파 형상의 기하학적 특성을 기반으로 특징 벡터를 설정할 수 있다. 일 예시에 따르면, 알파형상의 면적이나, 알파 형상의 둘레 길이, 알파 형상의 중심으로부터의 거리 분포 등을 기준으로 하여 특징 벡터를 설정할 수 있다. 일 예시에 따르면, 알파형상의 경계 위의 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 1차 모먼트의 평균값(mean)을 특징 벡터로 설정할 수 있다. 일 예시에 따르면, 알파형상의 경계 위의 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 2차 모먼트의 편차값(variation)을 특징 벡터로 설정할 수 있다. 일 예시에 따르면, 알파형상의 경계 위의 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 3차 모먼트의 편포도(skewness)를 특징 벡터로 설정할 수 있다.
이는 도 10(a), 도 10(c), 도 10(e)에 도시된다.
일 예시에 따르면, 알파 형상의 내부 빈 공간의 기하학적 특성을 기반으로 하여 특징 벡터를 설정할 수 있다. 일 예시에 따르면, 알파 형상의 내부 빈 공간의 면적이나, 알파 형상의 내부 빈 공간의 둘레의 길이, 알파 형상의 내부 빈 공간의 중심으로부터 각 점까지의 거리분포 등을 기준으로 하여 특징 벡터를 설정할 수 있다. 일 예시에 따르면, 내부 빈공간 경계 위 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 1차 모먼트의 평균값(mean)을 특징 벡터로 설정할 수 있다. 일 예시에 따르면, 내부 빈공간 경계 위 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 2차 모먼트의 편차값(variation)을 특징 벡터로 설정할 수 있다. 일 예시에 따르면, 내부 빈공간 경계 위 점들의 질량중심(centroid)으로부터 각 점까지의 거리분포의 3차 모먼트의 편포도(skewness)를 특징 벡터로 설정할 수 있다.
또는, 특징 벡터는 도 9에서와 같이 형상의 개수나, 빈 공간의 개수 등을 기준으로 하여 설정될 수도 있다.
상기와 같이 설정된 특징 벡터들은 로 표현되며, 각각은 실수(real number)로 정의되며 그들의 집합을 특징벡터로 정의할 수 있다. 즉 추출부(32)에서는 특징벡터를 다음과 같이 정의할 수 있다.
특징벡터
최종적으로 1개 잉크젯 헤드(20)의 정상 액적의 정보는 특징벡터 V로 변환될 수 있다.
도 11은 특징 벡터를 클러스터링하는 것을 설명하기 위한 도면이다.
본 발명에서는 특징 벡터의 클러스터링을 통해 유사도를 가지는 특징 벡터끼리 그룹화를 수행할 수 있다.
클러스터링의 일 예시는 다음과 같은 수식을 통해 수행될 수 있다. 해당 수식은 특징벡터를 통한 잉크젯 헤드(20) 간의 유사도(similarity)를 비교할 수 있는 수식이다.
이 때, V는 특징벡터이고, A, B는 서로 다른 잉크젯 헤드(20)이며, w는 가중치, i는 특징, 는 일 수 있다. 이는 다음과 같은 수식으로 표현될 수도 있다.
여기서 는 가중치이고, 는 유사성 거리(similarity distance)이다.
즉 상기 수식들을 통해, 거리 값(distance)이 작을수록 같은 그룹으로 분류하는 방식으로 특징 벡터의 그룹화가 가능하며, 중요한 특징일수록 더 큰 가중치를 부여함으로써 그룹화 성능을 높일 수 있다. 또한 특징(feature)마다 더 효율적인 유사도 비교 방법론이 존재한다. 상기 수식은 일 예시에 불과하며, 다양한 유사성 거리(similarity distance)를 결합시킨 방법론을 통해 유사도를 비교함으로써 더 효과적인 결과를 얻을 수 있다.
도 11의 일 예시에 따르면 각각의 그룹들은 유사한 특징을 가지는 특징 벡터끼리 그룹화 된 예시가 도시된다.
도 12 내지 도 13은 본 발명에 따른 특징벡터 및 클러스터링을 통해 이상 진단을 수행하는 것을 설명하기 위한 도면이다.
설비에서는 잉크젯 헤드(20)의 정상 액적 정보와, 센서데이터를 획득할 수 있고 정상 액적 정보는 특징벡터로 변환될 수 있다.
일 예시에 따르면, 설비에서 획득하는 센서 데이터는 잉크젯 헤드(20)를 포함하는 기판 처리 장치의 구성요소에서 측정하는 센서 데이터일 수 있다. 일 예시에 따르면 센서 데이터는 베어링 갭 센서를 통해 겐트리 구동 떨림에 관해 측정한 데이터일 수 있다. 일 예시에 따르면 센서 데이터는 비전 센서를 이용하여 약액의 수위 변화에 관해 측정한 데이터일 수 있다. 일 예시에 따르면 센서 데이터는 레이저 변위 센서를 이용하여 기판의 부상 높이에 관해 측정한 데이터일 수 있다. 일 예시에 따르면 센서 데이터는 열전대(thermo couple)를 이용하여 모터 발열 또는 헤드(20)의 온도에 관해 측정한 데이터일 수 있다. 일 예시에 따르면 센서 데이터는 3D 가속도 센서를 이용하여 잉크 순환계 떨림, 헤드(20) 떨림 혹은 구동부 떨림 중 어느 하나에 관해 측정한 데이터일 수 있다.
본 발명에 따른 진단부(33)에서는, 상기 측정한 센서 데이터들과, 잉크젯 헤드(20)에서 토출된 정상 액적 정보를 획득할 수 있다. 추출부(32)에서는, 정상 액적 정보에 대한 데이터를 특징벡터로 변환할 수 있다.
진단부(33)에서는, 정상 상황에 대한 데이터를 그때의 특징 벡터 혹은 그룹화 한 클러스터링 데이터와 매칭하고 분류할 수 있다. 즉 진단부(33)에서는 정상상황, 또는 비정상상황일 때의 센서데이터를 특징벡터와 함께 분류함으로써 정상상황, 또는 비정상상황 고유의 특징벡터 구분을 수행할 수 있다. 본 발명에서는 잉크젯 헤드(20)의 특징벡터를 통해 설비의 이상 여부를 판단할 수 있다. 더 나아가, 센서데이터로는 정상이거나, 정상과 비정상의 경계에 있는 경우, 특징벡터에서는 비정상그룹의 분포에 가깝게 위치했을 시 이상 상황 진단이 가능해진다. 즉 본 발명에서는 액적 정보를 기하학적으로 변환하고, 이를 특징벡터로 추출한 결과물을 통해서 센서 데이터와 매칭하는 것을 통해 설비의 이상 여부를 진단할 수 있다. 도 12를 참조하면, 정상상황일 때의 특징 벡터와, 비정상상황일 때의 특징 벡터가 센서 데이터와 매칭될 수 있고, 진단부에서는 이를 통해 특징 벡터만을 보고 정상상황인지 비정상상황인지를 구분할 수 있으며, 더 나아가 특징 벡터만을 보고 어떤 부분에 문제가 발생하였는지를 인지할 수 있다.
즉 본 발명에서는 설비상태 각각에 대해 특징벡터를 함께 분류 및 분석함으로써 설비의 상황에 따른 고유의 특징벡터를 구분할 수 있다. 이를 통해, 잉크젯 헤드(20)의 특징벡터를 통해 설비 상태를 추정할 수 있게 된다.
도 13을 참조하면, 특정 상태일 때의 특징 벡터를 구분할 수도 있다.
도 14는 본 발명에 따른 이상 진단 방법을 나타내는 순서도이다.
도 14를 참조하면, 잉크젯 헤드(20)에서 토출된 액적들의 데이터를 이용하여 잉크젯 헤드(20)를 포함하는 기판 처리 장치의 이상 여부를 판단하는 이상 진단 방법이 개시된다.
본 발명에 따른 이상 진단 방법은 액적 데이터들을 기하형상으로 변환하는 단계(S10); 및 상기 변환한 데이터를 이용하여 특징 벡터를 추출하는 단계(S20); 를 포함할 수 있다. 이 때, 상기 기하형상으로 변환하는 단계는, 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 변환할 수 있다. 그 후, 상기 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 변환한 데이터를 알파프로브를 이용하여 알파 형상을 얻는 단계;를 포함할 수 있다.
이 때, 특징 벡터의 추출은 알파 형상의 기하학적 특성을 기반으로 특징 벡터를 추출하거나, 알파 형상 내의 빈 공간의 기하학적 특성을 기반으로 특징 벡터를 추출하거나, 형상 내의 빈 공간의 개수 등을 기반으로 하여 특징 벡터를 추출할 수 있다. 이 때, 특징 벡터는 상기 기하학적 특성을 기반으로 한 면적, 둘레 길이, 거리분포 정보 중 어느 하나일 수 있다.
특징 벡터가 설정되면, 특징 벡터를 클러스터링하여 그룹화 할 수 있고(S30), 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단하는 단계(S40);를 포함할 수 있다.
이 때, 상기 기준 데이터는, 상기 추출한 특징 벡터 또는 상기 그룹화 한 데이터와 상기 기판 처리 장치에서 측정한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터일 수 있다.
이 때, 이상 여부를 판단하는 단계는, 상기 기판 처리 장치의 상태 각각에 대한 데이터를 분류 및 분석하여 비교할 수 있다. 이를 통해 기판 처리 장치 또는 설비의 어떤 부분에 문제가 발생하였는지를 용이하게 확인할 수 있다.
본 발명의 실시예에 따른 방법은 예를 들어 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 컴퓨터로 읽을 수 있는 기록매체는 SRAM(Static RAM), DRAM(Dynamic RAM), SDRAM(Synchronous DRAM) 등과 같은 휘발성 메모리, ROM(Read Only Memory), PROM(Programmable ROM), EPROM(Electrically Programmable ROM),EEPROM(Electrically Erasable and Programmable ROM), 플래시 메모리 장치, PRAM(Phase-change RAM),MRAM(Magnetic RAM), RRAM(Resistive RAM), FRAM(Ferroelectric RAM)과 같은 불휘발성 메모리, 플로피 디스크, 하드 디스크 또는 광학적 판독 매체 예를 들어 시디롬, 디브이디 등과 같은 형태의 저장매체일 수 있으나, 이에 제한되지는 않는다.
이상의 실시 예들은 본 발명의 이해를 돕기 위하여 제시된 것으로, 본 발명의 범위를 제한하지 않으며, 이로부터 다양한 변형 가능한 실시 예들도 본 발명의 범위에 속하는 것임을 이해하여야 한다. 본 발명에서 제공되는 도면은 본 발명의 최적의 실시예를 도시한 것에 불과하다. 본 발명의 기술적 보호범위는 특허청구범위의 기술적 사상에 의해 정해져야 할 것이며, 본 발명의 기술적 보호범위는 특허청구범위의 문언적 기재 그 자체로 한정되는 것이 아니라 실질적으로는 기술적 가치가 균등한 범주의 발명까지 미치는 것임을 이해하여야 한다.
20: 잉크젯 헤드
21: 노즐
30: 데이터 처리부
31: 변환부
32: 추출부
33: 진단부

Claims (20)

  1. 기판으로 액적을 수직하게 토출하기 위한 복수 개의 노즐들이 구비되는 잉크젯 헤드; 및
    상기 잉크젯 헤드에서 토출된 액적들의 로그 데이터를 보로노이 다이어그램 또는 들로네 삼각화 방식을 통해 분석하여 상기 잉크젯 헤드가 포함된 기판 처리 장치의 이상 여부를 진단하는 데이터 처리부;를 포함하는 이상 진단 시스템.
  2. 제1항에 있어서,
    상기 데이터 처리부는,
    상기 액적들의 로그 데이터를 입력받아 상기 보로노이 다이어그램 또는 상기 들로네 삼각화 방식을 이용하여 상기 로그 데이터를 하나 이상의 다각형을 포함하는 알파 형상으로 변환하는 변환부;
    상기 변환부에서 변환된 상기 알파 형상으로부터 특징 벡터를 추출하는 추출부; 및
    상기 특징 벡터를 분석하여 상기 기판 처리 장치의 이상 여부를 진단하는 진단부;를 포함하고,
    상기 특징 벡터는 상기 알파 형상이 포함하는 하나 이상의 다각형에 대한 면적, 둘레 길이, 무게 중심, 상기 알파 형상의 중심으로부터의 거리 분포 중 어느 하나 이상인 이상 진단 시스템.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 제2항에 있어서,
    상기 추출부는, 상기 알파 형상 내의 빈 공간으로부터 상기 특징 벡터를 추출하는 이상 진단 시스템.
  7. 삭제
  8. 제2항에 있어서,
    상기 진단부는 상기 특징 벡터를 클러스터링하여 그룹화하는 이상 진단 시스템.
  9. 제8항에 있어서,
    상기 진단부는, 상기 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단하고,
    상기 기준 데이터는,
    상기 추출부에서 추출한 데이터와 상기 기판 처리 장치가 구비하는 적어도 하나 이상의 센서가 획득한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터인 이상 진단 시스템.
  10. 삭제
  11. 잉크젯 헤드에서 토출된 액적들의 데이터를 이용하여 잉크젯 헤드를 포함하는 기판 처리 장치의 이상 여부를 판단하는 이상 진단 방법에 있어서,
    액적 데이터들을 보로노이 다이어그램 또는 들로네 삼각화 방식을 이용하여 하나 이상의 다각형을 포함하는 알파 형상으로 변환하는 단계;
    상기 알파 형상으로부터 특징 벡터를 추출하는 단계; 를 포함하고,
    상기 특징 벡터는 상기 알파 형상이 포함하는 하나 이상의 다각형에 대한 면적, 둘레 길이, 무게 중심, 상기 알파 형상의 중심으로부터의 거리 분포 중 어느 하나 이상인 이상 진단 방법.
  12. 삭제
  13. 제11항에 있어서,
    상기 알파 형상으로 변환하는 단계는,
    상기 보로노이 다이어그램 또는 상기 들로네 삼각화 방식을 이용하여 변환한 데이터를 알파프로브를 이용하여 상기 알파 형상을 얻는 단계;를 더 포함하는 이상 진단 방법.
  14. 삭제
  15. 제13항에 있어서,
    상기 알파 형상 내의 빈 공간으로부터 상기 특징 벡터를 추출하는 이상 진단 방법.
  16. 삭제
  17. 제13항에 있어서,
    상기 특징 벡터를 클러스터링하여 그룹화 하는 단계;를 포함하는 이상 진단 방법.
  18. 제17항에 있어서,
    상기 추출한 특징 벡터 또는 상기 클러스터링하여 그룹화 한 데이터를, 기준 데이터와 비교하여 이상여부를 판단하는 단계;를 포함하고,
    상기 기준 데이터는, 상기 추출한 특징 벡터 또는 상기 그룹화 한 데이터와 상기 기판 처리 장치가 구비하는 적어도 하나 이상의 센서가 측정한 센서 데이터를 비교하여 정상 상황일 때의 데이터와 비정상 상황일때의 데이터를 매칭한 데이터인 이상 진단 방법.
  19. 삭제
  20. 제18항에 있어서,
    상기 이상 여부를 판단하는 단계는, 상기 기판 처리 장치의 상태 각각에 대한 데이터를 분류 및 분석하여 비교하는 이상 진단 방법.
KR1020200184422A 2020-12-28 2020-12-28 이상 진단 시스템 및 이상 진단 방법 KR102654891B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200184422A KR102654891B1 (ko) 2020-12-28 2020-12-28 이상 진단 시스템 및 이상 진단 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200184422A KR102654891B1 (ko) 2020-12-28 2020-12-28 이상 진단 시스템 및 이상 진단 방법

Publications (2)

Publication Number Publication Date
KR20220093573A KR20220093573A (ko) 2022-07-05
KR102654891B1 true KR102654891B1 (ko) 2024-04-05

Family

ID=82401876

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200184422A KR102654891B1 (ko) 2020-12-28 2020-12-28 이상 진단 시스템 및 이상 진단 방법

Country Status (1)

Country Link
KR (1) KR102654891B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040247361A1 (en) 2003-05-06 2004-12-09 Asml Netherlands B.V. Lithographic apparatus, substrate holder and method of manufacturing
US20090115110A1 (en) 2007-11-02 2009-05-07 Molecular Imprints, Inc. Drop Pattern Generation for Imprint Lithography
US20130230230A1 (en) * 2010-07-30 2013-09-05 Fundação D. Anna Sommer Champalimaud e Dr. Carlos Montez Champalimaud Systems and methods for segmentation and processing of tissue images and feature extraction from same for treating, diagnosing, or predicting medical conditions

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5599356B2 (ja) 2011-03-31 2014-10-01 富士フイルム株式会社 シミュレーション方法、プログラムおよびそれを記録した記録媒体、並びに、それらを利用した液滴配置パターンの作成方法、ナノインプリント方法、パターン化基板の製造方法およびインクジェット装置。
JP5704129B2 (ja) 2012-06-22 2015-04-22 東京エレクトロン株式会社 基板処理装置のデータ取得方法及びセンサ用基板

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040247361A1 (en) 2003-05-06 2004-12-09 Asml Netherlands B.V. Lithographic apparatus, substrate holder and method of manufacturing
US20090115110A1 (en) 2007-11-02 2009-05-07 Molecular Imprints, Inc. Drop Pattern Generation for Imprint Lithography
US20130230230A1 (en) * 2010-07-30 2013-09-05 Fundação D. Anna Sommer Champalimaud e Dr. Carlos Montez Champalimaud Systems and methods for segmentation and processing of tissue images and feature extraction from same for treating, diagnosing, or predicting medical conditions

Also Published As

Publication number Publication date
KR20220093573A (ko) 2022-07-05

Similar Documents

Publication Publication Date Title
Scime et al. Anomaly detection and classification in a laser powder bed additive manufacturing process using a trained computer vision algorithm
US8682824B2 (en) Method and device for monitoring the state of a facility
US9779495B2 (en) Anomaly diagnosis method and apparatus
CN108594788A (zh) 一种基于深度随机森林算法的飞机作动器故障检测与诊断方法
CA2805256C (en) Method and system for analyzing optical coherence tomography (oct) results using color reflectivity discrelization analysis
WO2020090770A1 (ja) 異常検出装置、異常検出方法、およびプログラム
CN111289256B (zh) 一种数据驱动的船舶柴油机故障检测方法
JP6097517B2 (ja) 状態診断方法、および、状態診断装置
CN106233115A (zh) 估计飞行器发动机的物理参数的测量值是否正常的方法
CN113838054A (zh) 基于人工智能的机械零件表面损伤检测方法
KR102654891B1 (ko) 이상 진단 시스템 및 이상 진단 방법
CN106324581A (zh) 一种基于体元的机载lidar建筑物检测方法
CN108955951A (zh) 一种温度传感器故障判断方法及装置
JP4723544B2 (ja) 基板分類方法および装置、基板分類方法をコンピュータに実行させるためのプログラム、並びに上記プログラムを記録したコンピュータ読み取り可能な記録媒体
CN116071836A (zh) 基于深度学习的船员异常行为检测与身份识别方法
CN108009991B (zh) 一种机载光阵探头测量过程中云降水粒子图像伪迹识别方法
SE0950140A1 (sv) Förfarande för att tolka bilder
CN105740859B (zh) 一种基于几何测度和稀疏优化的三维兴趣点检测方法
JP2017156251A (ja) 地形変化点抽出システム、及び地形変化点抽出方法
US20060282221A1 (en) Automatic array quality analysis
Wan et al. Shaped fiber identification using a distance-based skeletonization algorithm
CN111598161A (zh) 一种基于cnn迁移学习的发动机气路状态诊断系统
Zakani et al. Kulczynski similarity index for objective evaluation of mesh segmentation algorithms
US6986112B2 (en) Method of mapping logic failures in an integrated circuit die
Yang et al. Convolutional autoencoder-based sensor fault classification

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant