KR20120057541A - 대표값 산출 장치 및 방법 - Google Patents

대표값 산출 장치 및 방법 Download PDF

Info

Publication number
KR20120057541A
KR20120057541A KR1020110124235A KR20110124235A KR20120057541A KR 20120057541 A KR20120057541 A KR 20120057541A KR 1020110124235 A KR1020110124235 A KR 1020110124235A KR 20110124235 A KR20110124235 A KR 20110124235A KR 20120057541 A KR20120057541 A KR 20120057541A
Authority
KR
South Korea
Prior art keywords
value
values
median
process condition
representative value
Prior art date
Application number
KR1020110124235A
Other languages
English (en)
Other versions
KR101290287B1 (ko
Inventor
구흥섭
Original Assignee
구흥섭
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 구흥섭 filed Critical 구흥섭
Publication of KR20120057541A publication Critical patent/KR20120057541A/ko
Application granted granted Critical
Publication of KR101290287B1 publication Critical patent/KR101290287B1/ko

Links

Images

Classifications

    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
  • Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

공정 시스템 등에서 측정된 공정 조건에 대해 값들을 이용하여 공정 조건 값들의 대표값을 산출하는 대표값 산출 장치가 개시된다. 본 발명의 일 실시예에 따른 대표값 산출 장치는 센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD) 등을 연산하고, 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하고, 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산할 수 있다.

Description

대표값 산출 장치 및 방법{Yielding Apparatus and Yielding Method for Representative Value of FDC Data}
본 발명은 공정 시스템에서 공정 조건에 대해 측정된 센싱값을 이용하여 대표값 산출하고, 산출된 대표값을 디스플레이부에 표시하는 기술에 관한 것이다.
반도체, LCD 등 첨단시설에는 엄청난 투자비용이 요구된다. 특히, 비용의 상당부분이 장치 비용에 해당된다. 이에 따라, 첨단 시설을 이용하여 제품을 생산하는 제조회사에서는 필수적으로 장비 이용률을 향상시키기 위한 노력들을 진행하고 있다.
장비 이용률을 향상시키기 위한 방안 중의 하나로 온도, 압력, 시간 등과 같은 공정 조건(process condition)에 대한 데이터들을 모니터링하여 오동작을 감지하고자하는 기술이 있다.
공정 시스템에는 시간 변화에 따른 공정 조건에 대한 데이터를 측정하기 위한 센서들이 설치될 수 있다. 사용자 등은 센서를 통해 측정된 데이터에 기초하여 시간 변화에 따른 공정 조건에 대한 값의 변화를 파악할 수 있다. 이를 통해, 사용자 등은 현재의 장비 상태가 어떠한지를 파악할 수 있다.
그러나, 공정 조건에 대한 값들은 보통 초 단위로 계속 이루어지고, 하나의 공정 시스템에는 수 십개 또는 수 백개 이상의 공정 조건들이 존재하므로, 공정 조건에 관한 데이터의 양은 매우 방대해 진다. 따라서, 방대한 양의 공정 조건에 관한 데이터를 통계적 기법을 이용하여 분석하고 표시함으로써, 사용자가 정확한 데이터를 편리하게 볼 수 있는 기술이 필요하다. 이와 같은 기술은 FDC(Fault Detection and Classification) 분야에 속하는 기술이다.
작업공정마다 센서들을 통해 측정되는 측정 자료값을 디스플레이부에 표시하는 기술과 관련된 내용은 한국 공개특허번호 2001-0079426 / 출원명 사출성형공정 제어 관리 시스템에 기재되어 있다.
또한, 방대한 공정 조건에 관한 데이터의 양은 줄이기 위해, 시간 단위로 얻어진 데이터를 그대로 저장하는 것이 아니라 공정 조건들을 샘플 단위로 분리시킨 후, 시간 단위의 데이터들을 하나의 값으로 대표할 수 있는 대표값을 산출하고, 산출된 대표값을 저장 또는 분석에 이용하는 방법이 사용되고 있다. 이에 따라, 저장 용량을 줄일 수 있을 뿐만 아니라 대표값에 기초하여 데이터의 변화 경향 등을 용이하게 파악할 수 있다.
공정 시스템 등에서 측정된 공정 조건에 대해 값들을 이용하여 공정 조건 값들의 대표값을 산출하는 대표값 산출 장치가 개시된다.
본 발명의 일 실시예에 따른 대표값 산출 장치는 센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산하는 제 1 연산부와, 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산하는 제 2 연산부 및 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산하는 제 3 연산부;를 포함한다.
대표값 산출 장치는 측정된 공정 조건 값 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출하는 추출부를 더 포함할 수 있다.
제 3 연산부는 연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 공정 조건 값들의 대표값을 연산할 수 있다.
대표값 산출 장치는 각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 디스플레이부에 표시하는 제어부를 더 포함할 수 있다.
본 발명의 일 실시예에 따른 대표값 산출 장치의 대표값 산출 방법은 센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산하는 단계와, 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산하는 단계 및 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산하는 단계를 포함한다.
대표값 산출 방법은 측정된 공정 조건 값 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출하는 단계를 더 포함할 수 있다.
대표값을 연산하는 단계는 연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 공정 조건 값들의 대표값을 연산하는 단계를 포함할 수 있다.
대표값 산출 방법은 각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 디스플레이부에 표시하는 단계를 더 포함할 수 있다.
개시된 내용에 따르면, 표준화 과정을 통해 크기 차이가 큰 공정 조건에 대한 값들을, 크기 차이가 작은 표준화 값으로 변경함으로써, 크기 차이를 줄일 수 있다. 크기 차이가 줄어든 표준화 값을 이용하여 공정 조건에 대한 값들의 대표값을 연산함으로써, 대표값의 정확성이 높아진다.
또한, 크기 차이를 줄여서 대표값의 정확성이 높아졌기 때문에, 측정된 공정 조건에 대한 값들 중 대표값의 정확성을 떨어뜨리는 부분('과도현상(transient)을 일으키는 부분')에 해당하는 값들을 일부러 제거할 필요가 없다.
또한, 표준화를 통해 크기 차이를 줄였기 때문에, 스케일(scale)이 크게 다른 여러 개의 변수를 1개 차트(Chart)상에서 모두 표시할 수 있으므로, 변수들에 해당하는 값을 쉽게 비교할 수 있다.
도 1은 본 발명의 일 실시예와 관련된 대표값 산출 장치를 설명하기 위한 도면이다.
도 2는 일부 샘플들에 대한 샘플링 포인트별 표준화 값을 도시한 그래프이다.
도 3a 및 도 3b는 측정된 공정 조건 값과 표준화 값을 샘플링 포인트별로 도시한 도면이다.
도 4는 연산된 대표값들을 각 샘플링 포인트별로 도시한 도면이다.
도 5는 누적 합산 값들을 각 샘플링 포인트별로 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 대표값 산출 장치의 대표값 산출 방법을 설명하기 위한 흐름도이다.
도 7은 본 발명의 또 다른 일 실시예에 따른 대표값 산출 장치의 대표값 산출 방법을 설명하기 위한 흐름도이다.
이하, 첨부된 도면을 참조하여 발명을 실시하기 위한 구체적인 내용에 대하여 상세하게 설명한다.
도 1은 본 발명의 일 실시예와 관련된 대표값 산출 장치를 설명하기 위한 도면이다.
도 1을 참조하면, 대표값 산출 장치(100)는 센서(110), 추출부 (120), 제 1 연산부(130), 제 2 연산부 (140), 제 3 연산부 (150), 제어부(160) 및 디스플레이부(170)을 포함한다.
대표값 산출 장치(100)는 공정 장치 또는 공정 시스템에 설치될 수 있다.
센서(110)는 공정 장치 또는 공정 시스템에서 설치될 수 있으며, 설정된 측정 주기마다 각 샘플별로 공정 조건에 대한 값들을 측정할 수 있다. 공정 조건은 온도, 압력, 시간, 제품의 위치 등과 같이 공정에
하나의 단계에는 다수의 샘플링 포인트가 존재할 수 있다. 샘플링 포인트는 센서(110)가 공정 조건을 측정한 위치를 의미한다. 예를 들면, 하나의 단계를 수행하는데 26초의 시간이 걸리고, 측정 주기가 2초인 경우, 센서(110)는 2초마다 공정 조건에 대한 값들을 측정하게 되므로, 하나의 단계가 완료될 때까지 총 13개의 샘플링 포인트가 생성되는 것이다.
설정된 측정 주기는 사용자 또는 제조업자 등에 의해서 설정될 수 있다.
샘플은 각각의 제품을 의미할 수 있다. 예를 들면, 반도체 웨이퍼를 40개 생산하는 공정인 경우, 각각의 샘플은 각각의 반도체 웨이퍼를 의미할 수 있다.
레시피(recipe)는 제품을 생산하기 위한 작업 방법, 설비 조작 방법 등의 정보를 포함하고 있다. 작업 방법 및 설비 조작 방법은 여러 단계로 이루어져 있으며, 각 단계별로 요구되는 공정 조건이 다르다. 공정 조건은 온도, 압력, 시간, 제품의 위치 등과 같이 공정에 필요한 다양한 조건을 의미한다. 예를 들면, ' A' 단계에서는 "100도에서 1분간 공정이 이루어져야 한다"는 공정 조건이 요구될 수 있으며, ' B' 단계에서는 "50도, 1기압에서 20초간 공정이 이루어져야 한다"는 공정 조건이 요구될 수 있다.
센서(110)에 대한 예를 들면, 반도체 소자 장치에는 인시츄 센서들( in - situ sensor)이 설치되며, 인시츄 센서들( in - situ sensor )은 챔버 내부의 공정 진행 상태를 실시간으로 모니터링 할 수 있도록 다양한 정보들을 측정할 수 있다.
센서(110)를 통해 얻어진 정보를 도시하면 [표 1] 및 [표 2]와 같이 표현될 수 있다. [표 1] 및 [표 2]은 공정 조건 1(예를 들면, 온도)에 대해 센서(110)가 측정한 값을 도시한 표이며, 가로는 샘플링 포인트를 의미하며, 세로는 샘플의 개수를 의미한다. [표 1] 및 [표 2]에서 샘플링 포인트는 총 11개이며, 샘플은 40개이다. 그러나, 샘플링 포인트 및 샘플의 개수는 일 실시예에 불과한 것이며 다양하게 변경될 수 있다.
1 2 3 4 5 6
#1 3.08278 4.7734 3.3364 3.0865 5.0858 7.9599
#2 10.3342 3.6488 3.0865 3.3989 6.3354 8.8347
#3 6.8353 3.2739 2.9615 4.6485 7.0852 9.397
#4 11.3964 3.5863 3.0865 3.3989 6.023 8.4598
#5 22.8303 4.2111 3.0865 2.9615 5.8981 8.0849
#6 6.273 3.2739 3.024 4.6485 7.0227 9.6469
#7 9.5844 3.3989 2.9615 3.5863 6.5854 8.8971
#8 8.3348 3.5238 2.9615 3.7737 6.3354 9.3345
#9 6.6478 3.2739 3.0865 4.6485 7.0227 9.5844
#10 12.8334 3.6488 3.024 3.2739 6.0855 8.6472
#11 12.5835 3.9612 3.024 3.2739 5.9606 8.4598
#12 9.8343 3.3989 3.0865 3.5238 6.7103 9.0221
#13 3.50077 5.3358 3.3364 2.9615 5.0233 7.8975
#14 7.1852 3.4989 3.4989 5.4982 8.8722 12.1212
#15 7.4351 3.5613 3.6863 4.8734 8.8722 12.0587
#16 6.7478 3.8737 3.7488 5.4982 8.4973 12.1212
#17 9.8094 3.4989 3.3739 4.3736 7.8725 11.1215
#18 11.4339 3.9987 3.124 4.3736 7.3726 10.934
#19 5.4358 3.5613 3.4989 6.1855 9.497 12.746
#20 7.4976 3.8113 3.4989 4.9359 8.4973 11.1215
#21 4.561 2.1868 0.8747 1.0621 1.437 1.4995
#22 7.5601 2.4367 1.437 1.1871 1.4995 1.437
#23 8.0599 2.999 1.4995 1.0621 1.1871 1.1871
#24 9.1846 2.999 1.562 0.9996 1.1871 1.4995
#25 6.7478 2.5616 1.4995 1.1871 1.3745 1.4995
#26 4.3736 2.2492 0.8747 1.4995 1.1871 1.1871
#27 4.1237 1.562 0.9372 1.1871 1.4995 1.4995
#28 6.1855 2.3742 1.2496 1.1871 1.1871 1.437
#29 6.0606 2.4992 1.1246 1.312 1.1246 1.437
#30 6.373 2.3117 1.1871 1.4995 1.4995 1.4995
#31 3.7488 1.9368 1.1871 1.1246 1.3745 1.4995
#32 4.3111 1.6869 1.1246 1.1871 1.437 1.437
#33 4.2486 1.9368 1.1871 1.3745 1.437 1.562
#34 6.7478 2.4367 1.1246 1.0621 1.4995 1.312
#35 7.935 2.999 1.4995 1.0621 1.4995 1.4995
#36 3.4333 3.6238 1.4995 1.1871 1.1871 1.4995
#37 7.3726 2.4367 1.6244 0.9996 1.1871 1.1246
#38 7.1852 2.4367 1.562 1.1871 1.4995 1.4995
#39 4.3736 1.8744 1.1871 1.1871 1.1871 1.437
#40 5.4358 2.3742 1.1871 1.1246 1.4995 1.6244
7 8 9 10 11
10.3342 3.024 0.6497 0.5872 0.3998
8.0849 0.5872 0.6497 0.4623 0.6497
11.0215 0.8996 0.5872 0.5872
10.7716 1.462 0.5872 0.5872 0.7122
9.4595 0.6497 0.5872 0.5872 0.5872
11.3964 0.6497 0.6497 0.4623 0.5872
11.8962 0.6497 0.6497 0.3373 0.6497
9.7719 0.5872 0.5872 0.6497 0.5248
11.084 1.0871 0.5872 0.3998
11.2714 1.3995 0.5872 0.6497 0.6497
11.5213 0.7747 0.4623 0.7122 0.6497
10.3967 0.40237 0.7122 0.5872 0.5872
7.4351 0.8122 0.9372 0.8122
14.1205 0.9996
11.3714 0.7497 0.9996 0.7497 0.9372
14.3705 0.9996 0.8747 0.9372 0.6872
14.0581 1.1246 0.6872 0.9996
4.686 0.9372 0.6872 0.9372 0.6872
13.9956 0.8122 0.8122 0.7497 0.9372
0.3748 0.0624 0.1874 0.0624 0.2499
0.9372 0 0 0.1249
1.562 0 0
1.437 0.1249 0.1874 0.0624 0.0624
1.2496 0.1249 0.0624 0 0
0.1874 0.0624 0.0624 0 0.1249
0 0.1874 0.1874 0.1249 0.2499
0.8747 0.0624 0.0624 0.1874 0.2499
0.8747 0.1249 0.0624 0.1249 0.1874
1.0621 0.1249 0 0.0624 0.1874
0.1874 0 0 0 0.1249
0.1874 0.1874 0 0.0624 0.0624
0.2499 0.0624 0.0624 0.1249 0.0624
1.4995 0 0.1249 0 0.1874
1.4995 0.4998 0.1249 0 0.2499
1.4995 0.1249 0.1249 0.3748 0.0624
1.562 0.2499 0.3124 0.1249 0.0624
1.3745 0.1874 0.1249 0 0
0.3748 0 0 0.1874 0.1249
0.6872 0.1874 0 0 0.1249
센서(110)를 통해 얻어진 정보를 도시하면 [표 3] 및 [표 4]와 같이 표현될 수 있다. [표 3] 및 [표 4]는 공정 조건 2(예를 들면, 압력)에 대해 센서(110)가 측정한 값을 도시한 표이며, 가로는 샘플링 포인트를 의미하며, 세로는 샘플의 개수를 의미한다. [표 3] 및 [표 4]에서 샘플링 포인트는 총 11개이며, 샘플은 40개이다. 그러나, 샘플링 포인트 및 샘플의 개수는 일 실시예에 불과한 것이며 다양하게 변경될 수 있다.
샘플# 1 2 3 4 5 6
#1 330.4628331 100.160885 30.51358818 9.217116614 10.50585539 11.13922152
#2 380.3805479 130.9025424 40.57750649 11.64172347 9.86411062 10.83165185
#3 380.6711252 150.2400937 40.50504315 8.195122056 9.589144058 10.61850909
#4 290.3585188 180.2847009 50.95184537 10.54503009 11.09992197 9.973616597
#5 361.1753884 120.1006175 40.38202722 8.057241696 9.179803066 10.16535673
#6 340.3453545 100.4984354 30.68580461 10.23413853 8.612669057 9.356521876
#7 300.8805121 150.7433733 50.3624409 10.96957042 10.01249957 10.04030151
#8 250.9415543 60.64695349 20.16570977 8.902652926 10.4982885 8.431349859
#9 250.105224 60.06057366 20.70347717 10.27212017 10.82741684 10.04293006
#10 380.1773277 270.3236907 80.46615542 10.42269166 8.523593459 9.060005322
#11 400.7508207 370.1826229 130.268707 15.01487195 12.57884162 11.4477515
#12 350.7886084 270.5880844 160.1901412 11.25323071 12.84238284 10.18232675
#13 370.1231865 130.4211294 30.39733325 12.01315406 10.35747906 9.74433827
#14 230.1449774 70.61897298 20.79222153 10.73735678 10.31916567 10.05682801
#15 290.5958573 150.1140805 50.87474827 8.335267633 11.0782124 11.89622919
#16 280.7515674 280.8480338 70.03325901 11.88889338 10.41122875 10.0636595
#17 330.3037076 250.8835243 60.75070484 12.97378468 9.813538586 9.756297955
#18 360.1628536 230.4689901 60.72703978 12.0477055 10.71487999 10.01563013
#19 330.9746554 180.8046801 170.1326335 10.43609829 8.595277952 9.840890332
#20 320.1368842 310.3697104 100.3819528 9.544157481 10.13342153 8.196713379
#21 300.7546607 150.0667491 40.02625552 10.97920934 12.85345361 11.99253051
#22 230.4089898 170.152245 50.02697698 10.04264491 13.75397936 11.65691301
#23 300.7607774 100.9447663 30.99213252 10.9015152 10.22591286 10.88616379
#24 370.8957567 290.2954571 90.14989147 12.62050082 12.15308107 9.933096605
#25 370.6306886 130.0887302 40.01801012 10.43741031 10.10530761 10.08440016
#26 360.3191875 210.3718672 50.87518181 9.573328974 13.70200204 11.0060575
#27 370.938481 150.7187381 40.24524055 10.39191874 8.057649994 9.932068661
#28 290.8273522 210.7975375 50.25044152 10.68496478 10.61281678 10.53287868
#29 270.6909429 80.88743301 20.75294533 10.01716135 10.17165318 10.99785769
#30 310.3842332 210.2170016 50.80063188 11.48392112 12.84953392 8.950375543
#31 300.2222245 230.0132381 60.75244903 23.60518696 10.62818388 11.15033264
#32 340.5597385 100.1820943 30.30821411 13.7917826 11.39726916 9.094713974
#33 370.8534497 110.3134754 30.19774994 10.92831549 10.43699389 9.288588297
#34 340.6289641 100.7220668 30.17162313 12.94053154 10.04793088 8.110155443
#35 280.4092177 70.09756622 20.51215622 9.541625174 10.51800533 10.28197808
#36 290.4992302 180.4813449 50.28849099 12.43825243 10.3775814 10.78629124
#37 380.3503839 300.9097993 80.178668 11.7642773 9.94446115 9.24057969
#38 340.7743314 110.164399 30.7757818 12.42119585 10.85461866 8.745305294
#39 330.3911756 170.272292 50.95276051 10.52405472 9.980991012 9.93531918
#40 400.8593387 380.9031308 40.9760403 11.23783369 10.8307735 10.20564295
7 8 9 10 11
9.119430597 8.446991967 9.663602043 10.79711356 11.15819018
11.24787773 10.25710585 10.55748353 9.355803498 11.31199923
8.472432776 9.84423797 10.44289104 10.90054287
10.80398677 11.28129444 10.09969147 9.459717785 10.00236721
11.74036709 10.89140913 10.48372672 9.13708099 9.720183867
10.08785551 10.48252485 10.55373905 10.17995544 10.63944289
9.969373793 10.78767519 10.10330683 11.6345476 10.99831211
10.70907561 10.89608978 10.73797829 10.80618335 10.55611392
9.229492789 9.339580304 9.896153982 10.0215543
11.34561006 9.254570236 9.219533983 9.601568904 9.654250101
9.340390082 9.375534982 8.280130761 10.70482322 11.82980282
9.597549436 9.428101642 8.245923712 10.03431775
10.29374254 10.12555569
10.15494195 10.87271598 9.64419727 9.006764369 8.476712701
9.953553847 9.429868876 9.615641843 9.956155617 10.94356428
9.566392931 10.64263874 10.90015592 10.2366041 10.15385656
10.5572553 10.80117564 10.0231738 10.3017831
9.812812296 12.84824371 12.34768729 10.29438309 11.33581947
8.11821458 8.496783106 9.785590618 9.898643139 10.73410929
11.05852573 9.089995642 9.098755592 10.51358186 10.90034643
10.46659664 10.92773193 9.945699664 9.805797207
10.31816259 10.52164819 10.99972613
8.167266243 8.647587409 9.514655968 9.002780097 10.20403131
10.96322911 10.9971237 10.50206555 10.60007033 10.55507471
9.6462473 9.367114848 8.241437307 9.008454344 11.03327534
9.246789608 9.916203591 11.41988646 11.08239574 12.48109877
10.47320248 10.02161306 10.70520418 10.63145239 10.09066491
8.733202987 10.57769289 10.4716797 9.257637751 10.13868713
8.691959989 8.618926854 8.328623114 9.849721749 9.26215644
12.1539496 8.444348093 9.977928217 9.745521495 9.430254984
8.091424843 8.895517778 9.107696181 10.56306856 11.34480722
9.918957057 8.15708254 8.81976843 10.74815278 11.69682688
8.278881868 8.075457444 9.729748919 9.528817679 9.612088127
10.67274928 10.5950984 10.7323474 11.81595775 10.01044747
8.56894155 9.628587477 8.574729382 9.664938744 10.19880395
9.862644257 8.317141973 11.92985499 11.93215747 10.31847275
8.757716524 9.986004113 9.266039576 9.521337411 9.566979942
9.723014356 9.455199235 9.128015871 9.787385876 9.776761639
10.31259488 8.008257944 8.669055792 10.07987555 10.22460733
추출부(120)는 측정된 공정 조건 값 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출할 수 있다. 예를 들면, 설정된 샘플링 포인트는 2번째 내지 10번째 샘플링 포인트, 평균 샘플링 포인트 수 이하에 해당하는 샘플링 포인트, 전체 샘플링 포인트 수의 90% 미만 또는 이하의 샘플링 포인트 수를 갖는 샘플링 포인트는 제외 등과 같이 다양하게 설정될 수 있다.
추출부(120)는 공정 조건 값이 존재하는 않는 부분은 공정 조건 값을 0으로 설정할 수 있다.
예를 들면, 추출부(120)는 [표 1] 및 [표 2]에서 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건만을 추출할 수 있다. 예를 들면, 추출된 결과는 [표 5] 및 [표 6]과 같을 수 있다.
샘플# 1 2 3 4 5 6
#3 6.8353 3.2739 2.9615 4.6485 7.0852 9.397
#4 11.3964 3.5863 3.0865 3.3989 6.023 8.4598
#5 22.8303 4.2111 3.0865 2.9615 5.8981 8.0849
#6 6.273 3.2739 3.024 4.6485 7.0227 9.6469
#7 9.5844 3.3989 2.9615 3.5863 6.5854 8.8971
#8 8.3348 3.5238 2.9615 3.7737 6.3354 9.3345
#9 6.6478 3.2739 3.0865 4.6485 7.0227 9.5844
#10 12.8334 3.6488 3.024 3.2739 6.0855 8.6472
#21 4.561 2.1868 0.8747 1.0621 1.437 1.4995
#22 7.5601 2.4367 1.437 1.1871 1.4995 1.437
#23 8.0599 2.999 1.4995 1.0621 1.1871 1.1871
#24 9.1846 2.999 1.562 0.9996 1.1871 1.4995
#25 6.7478 2.5616 1.4995 1.1871 1.3745 1.4995
#26 4.3736 2.2492 0.8747 1.4995 1.1871 1.1871
#27 4.1237 1.562 0.9372 1.1871 1.4995 1.4995
#28 6.1855 2.3742 1.2496 1.1871 1.1871 1.437
7 8 9 10 11
8.0849 0.5872 0.6497 0.4623 0.6497
11.0215 0.8996 0.5872 0.5872 0
10.7716 1.462 0.5872 0.5872 0.7122
9.4595 0.6497 0.5872 0.5872 0.5872
11.3964 0.6497 0.6497 0.4623 0.5872
11.8962 0.6497 0.6497 0.3373 0.6497
9.7719 0.5872 0.5872 0.6497 0.5248
11.084 1.0871 0.5872 0.3998 0
0.3748 0.0624 0.1874 0.0624 0.2499
0.9372 0.00000 0.00000 0.1249 0
1.562 0.00000 0.00000 0 0
1.437 0.1249 0.1874 0.0624 0.0624
1.2496 0.1249 0.0624 0.00000 0
0.1874 0.0624 0.0624 0.00000 0.1249
0.00000 0.1874 0.1874 0.1249 0.2499
0.8747 0.0624 0.0624 0.1874 0.2499
추출부(120)는 [표 3] 및 [표 4]에서 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건만을 추출할 수 있다. 예를 들면, 추출된 결과는 [표 7] 및 [표 8]과 같을 수 있다.
샘플# 1 2 3 4 5 6
#3 380.6711252 150.2400937 40.50504315 8.195122056 9.589144058 10.61850909
#4 290.3585188 180.2847009 50.95184537 10.54503009 11.09992197 9.973616597
#5 361.1753884 120.1006175 40.38202722 8.057241696 9.179803066 10.16535673
#6 340.3453545 100.4984354 30.68580461 10.23413853 8.612669057 9.356521876
#7 300.8805121 150.7433733 50.3624409 10.96957042 10.01249957 10.04030151
#8 250.9415543 60.64695349 20.16570977 8.902652926 10.4982885 8.431349859
#9 250.105224 60.06057366 20.70347717 10.27212017 10.82741684 10.04293006
#10 380.1773277 270.3236907 80.46615542 10.42269166 8.523593459 9.060005322
#21 300.7546607 150.0667491 40.02625552 10.97920934 12.85345361 11.99253051
#22 230.4089898 170.152245 50.02697698 10.04264491 13.75397936 11.65691301
#23 300.7607774 100.9447663 30.99213252 10.9015152 10.22591286 10.88616379
#24 370.8957567 290.2954571 90.14989147 12.62050082 12.15308107 9.933096605
#25 370.6306886 130.0887302 40.01801012 10.43741031 10.10530761 10.08440016
#26 360.3191875 210.3718672 50.87518181 9.573328974 13.70200204 11.0060575
#27 370.938481 150.7187381 40.24524055 10.39191874 8.057649994 9.932068661
#28 290.8273522 210.7975375 50.25044152 10.68496478 10.61281678 10.53287868
샘플# 7 8 9 10 11
#3 11.24787773 10.25710585 10.55748353 9.355803498 11.31199923
#4 8.472432776 9.84423797 10.44289104 10.90054287 0
#5 10.80398677 11.28129444 10.09969147 9.459717785 10.00236721
#6 11.74036709 10.89140913 10.48372672 9.13708099 9.720183867
#7 10.08785551 10.48252485 10.55373905 10.17995544 10.63944289
#8 9.969373793 10.78767519 10.10330683 11.6345476 10.99831211
#9 10.70907561 10.89608978 10.73797829 10.80618335 10.55611392
#10 9.229492789 9.339580304 9.896153982 10.0215543 0
#21 11.05852573 9.089995642 9.098755592 10.51358186 10.90034643
#22 10.46659664 10.92773193 9.945699664 9.805797207 0
#23 10.31816259 10.52164819 10.99972613 0 0
#24 8.167266243 8.647587409 9.514655968 9.002780097 10.20403131
#25 10.96322911 10.9971237 10.50206555 10.60007033 10.55507471
#26 9.6462473 9.367114848 8.241437307 9.008454344 11.03327534
#27 9.246789608 9.916203591 11.41988646 11.08239574 12.48109877
#28 10.47320248 10.02161306 10.70520418 10.63145239 10.09066491
제 1 연산부(130)는 센서(110)를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산할 수 있다. 중앙값(Median)은 중간값으로서 수집합에서 중간에 있는 수를 나타내며, 숫자 집합의 숫자 개수가 짝수이면 중앙값은 가운데 있는 두 수의 평균을 계산한 값이 된다.
제 1 연산부(130)는 센서(110)를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 평균값(mean) 및 표준편차(deviation)를 연산할 수 있다.
제 1 연산부(130)는 수학식 1을 이용하여 중위절대편차(median absolute deviation; MAD) 값을 연산할 수 있다.
[수학식 1] MAD = a*Median(|Xi-Median(Xj)|)
a : MAD를 정규 분포에 대한 표준편차와 같도록 만들어 주는 수정 계수(correction factor)
Xi : 공정 조건 값
Xj : 중앙값
Median (x) : x 변수 값들 중 중앙값(median)을 연산하는 함수
제 1 연산부(130)는 a값은 1.4826임을 가정하고, [표 5], [표 6], [수학식 1]을 이용하여 각 샘플링 포인트별 중앙값 및 중위절대편차(median absolute deviation; MAD)를 연산할 수 있다. 연산 결과는 [표 9] 및 [표 10]과 같을 수 있다.
구분 1 2 3 4 5
Median 7.1977 3.1365 2.2618 2.2305 3.6988
MAD 2.3158 0.7133 1.1764 1.7323 3.7238
6 7 8 9 10 11
4.7922 4.8235 0.3873 0.3873 0.2624 0.2499
5.3449 6.8734 0.4354 0.3427 0.2964 0.3705
제 1 연산부(130)는 a값은 1.4826임을 가정하고, [표 7], [표 8], [수학식 1]을 이용하여 각 샘플링 포인트별 중앙값 및 중위절대편차(median absolute deviation; MAD)를 연산할 수 있다. 연산 결과는 [표 11] 및 [표 12]와 같을 수 있다.
구분 1 2 3 4 5
Median 320.6129333 150.4794159 40.44353518 10.4073052 10.36210068
MAD 67.1471 59.2398 14.5033 0.6367 1.4494
6 7 8 9 10 11
10.06366511 10.39237962 10.36981535 10.46330888 10.10075487 10.37955301
0.7591 0.9170 0.7797 0.5364 1.0752 0.9433
위에서는 제 1 연산부(130)가 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산한 결과만을 기재하였으나, 제 1 연산부(130)는 평균값(mean) 및 표준편차(deviation)를 연산할 수도 있다.
제 2 연산부(140)는 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산할 수 있다.
예를 들면, 제 2 연산부(140)는 수학식 2를 이용하여 표준화 값을 연산할 수 있다.
[수학식 2] 표준화 값 = (Xi - Xj) / 중위절대편차(MAD)
Xi : 공정 조건 값
Xj : 중앙값
제 2 연산부(140)는 [표 1], [표 2], 중앙값 및 중위절대편차(median absolute deviation; MAD)를 이용하여 공정 조건 1에 대한 표준화 값을 연산한 결과는 [표 13] 및 [표 14]와 같을 수 있다.
샘플# 1 2 3 4 5
#1 -1.7769 2.2950 0.9135 0.4941 0.3725
#2 1.3544 0.7183 0.7011 0.6745 0.7080
#3 -0.1565 0.1927 0.5948 1.3959 0.9094
#4 1.8131 0.6307 0.7011 0.6745 0.6241
#5 6.7503 1.5066 0.7011 0.4220 0.5906
#6 -0.3993 0.1927 0.6479 1.3959 0.8926
#7 1.0306 0.3679 0.5948 0.7827 0.7752
#8 0.4910 0.5431 0.5948 0.8909 0.7080
#9 -0.2375 0.1927 0.7011 1.3959 0.8926
#10 2.4336 0.7183 0.6479 0.6023 0.6409
#11 2.3257 1.1563 0.6479 0.6023 0.6074
#12 1.1385 0.3679 0.7011 0.7466 0.8087
#13 -1.5964 3.0834 0.9135 0.4220 0.3557
#14 -0.0054 0.5081 1.0516 1.8864 1.3893
#15 0.1025 0.5956 1.2109 1.5257 1.3893
#16 -0.1943 1.0336 1.2640 1.8864 1.2886
#17 1.1278 0.5081 0.9453 1.2372 1.1208
#18 1.8292 1.2089 0.7329 1.2372 0.9866
#19 -0.7608 0.5956 1.0516 2.2831 1.5570
#20 0.1295 0.9461 1.0516 1.5618 1.2886
#21 -1.1386 -1.3314 -1.1790 -0.6745 -0.6074
#22 0.1565 -0.9810 -0.7011 -0.6023 -0.5906
#23 0.3723 -0.1927 -0.6479 -0.6745 -0.6745
#24 0.8580 -0.1927 -0.5948 -0.7106 -0.6745
#25 -0.1943 -0.8059 -0.6479 -0.6023 -0.6242
#26 -1.2195 -1.2439 -1.1790 -0.4220 -0.6745
#27 -1.3274 -2.2073 -1.1259 -0.6023 -0.5906
#28 -0.4371 -1.0687 -0.8603 -0.6023 -0.6745
#29 -0.4910 -0.8934 -0.9666 -0.5302 -0.6913
#30 -0.3561 -1.1563 -0.9135 -0.4220 -0.5906
#31 -1.4893 -1.6819 -0.9135 -0.6384 -0.6242
#32 -1.2465 -2.0322 -0.9666 -0.6023 -0.6074
#33 -1.2735 -1.6819 -0.9135 -0.4941 -0.6074
#34 -0.1943 -0.9810 -0.9666 -0.6745 -0.5906
#35 0.3184 -0.1927 -0.6479 -0.6745 -0.5906
#36 -1.6255 0.6833 -0.6479 -0.6023 -0.6745
#37 0.0755 -0.9810 -0.5418 -0.7106 -0.6745
#38 -0.0054 -0.9810 -0.5948 -0.6023 -0.5906
#39 -1.2195 -1.7694 -0.9135 -0.6023 -0.6745
#40 -0.7608 -1.0687 -0.9135 -0.6384 -0.5906
6 7 8 9 10 11
0.5927 0.8017 6.0563 0.7657 1.0958 0.4046
0.7563 -0.7018 -0.8896 -1.1301 -0.8850 -0.6745
0.8615 0.4745 0.4592 0.7657 0.6745 1.0791
0.6862 0.9017 1.1767 0.5833 1.0958 -0.6745
0.6160 0.8654 2.4685 0.5833 1.0958 1.2478
0.9083 0.6745 0.6027 0.5833 1.0958 0.9104
0.7680 0.9563 0.6027 0.7657 0.6745 0.9104
0.8498 1.0290 0.6027 0.7657 0.2528 1.0791
0.8966 0.7199 0.4592 0.5833 1.3066 0.7420
0.7212 0.9108 1.6074 0.5833 0.4637 -0.6745
0.6862 0.9381 2.3249 0.5833 1.3066 1.0791
0.7914 0.9745 0.8898 0.2188 1.5175 1.0791
0.5810 0.8108 0.0346 0.9481 1.0958 0.9104
1.3712 0.3800 0.9760 1.6046 1.8548 -0.6745
1.3595 1.3526 1.4064 -1.1301 -0.8850 -0.6745
1.3712 0.9526 0.8324 1.7867 1.6440 1.8551
1.1842 1.3890 1.4064 1.4222 2.2765 1.1803
1.1491 1.3435 1.6935 0.8751 2.4870 -0.6745
1.4881 -0.0200 1.2631 0.8751 2.2765 1.1803
1.1842 1.3344 0.9760 1.2398 1.6440 1.8551
-0.6160 -0.6472 -0.7463 -0.5833 -0.6745 0.0000
-0.6277 -0.5654 -0.8896 -1.1301 -0.4637 -0.6745
-0.6745 -0.4745 -0.8896 -1.1301 -0.8850 -0.6745
-0.6160 -0.4927 -0.6027 -0.5833 -0.6745 -0.5061
-0.6160 -0.5200 -0.6027 -0.9481 -0.8850 -0.6745
-0.6745 -0.6745 -0.7463 -0.9481 -0.8850 -0.3374
-0.6160 -0.7018 -0.4592 -0.5833 -0.4637 0.0000
-0.6277 -0.5745 -0.7463 -0.9481 -0.2528 0.0000
-0.6277 -0.5745 -0.6027 -0.9481 -0.4637 -0.1687
-0.6160 -0.5472 -0.6027 -1.1301 -0.6745 -0.1687
-0.6160 -0.6745 -0.8896 -1.1301 -0.8850 -0.3374
-0.6277 -0.6745 -0.4592 -1.1301 -0.6745 -0.5061
-0.6043 -0.6654 -0.7463 -0.9481 -0.4637 -0.5061
-0.6511 -0.4836 -0.8896 -0.7657 -0.8850 -0.1687
-0.6160 -0.4836 0.2584 -0.7657 -0.8850 0.0000
-0.6160 -0.4836 -0.6027 -0.7657 0.3793 -0.5061
-0.6862 -0.4745 -0.3156 -0.2186 -0.4637 -0.5061
-0.6160 -0.5018 -0.4592 -0.7657 -0.8850 -0.6745
-0.6277 -0.6472 -0.8896 -1.1301 -0.2528 -0.3374
-0.5927 -0.6018 -0.4592 -1.1301 -0.8850 -0.3374
제 2 연산부(140)는 [표 3], [표 4], 중앙값 및 중위절대편차(median absolute deviation; MAD)를 이용하여 공정 조건 2에 대한 표준화 값을 연산한 결과는 [표 15] 및 [표 16]과 같을 수 있다.
샘플# 1 2 3 4 5
#1 0.1467 -0.8494 -0.6847 -1.8694 0.0992
#2 0.8901 -0.3305 0.0092 1.9388 -0.3436
#3 0.8944 -0.0040 0.0042 -3.4746 -0.5333
#4 -0.4506 0.5031 0.7245 0.2163 0.5090
#5 0.6041 -0.5128 -0.0042 -3.6911 -0.8157
#6 0.2939 -0.8437 -0.6728 -0.2720 -1.2070
#7 -0.2939 0.0045 0.6839 0.8831 -0.2412
#8 -1.0376 -1.5164 -1.3982 -2.3633 0.0940
#9 -1.0500 -1.5263 -1.3611 -0.2123 0.3210
#10 0.8871 2.0230 2.7596 0.0242 -1.2684
#11 1.1935 3.7087 6.1934 7.2369 1.5294
#12 0.4494 2.0275 8.2565 1.3286 1.7112
#13 0.7373 -0.3386 -0.6927 2.5222 -0.0032
#14 -1.3473 -1.3481 -1.3550 0.5184 -0.0296
#15 -0.4470 -0.0062 0.7192 -3.2544 0.4941
#16 -0.5936 2.2007 2.0402 2.3271 0.0339
#17 0.1443 1.6949 1.4002 4.0310 -0.3785
#18 0.5890 1.3503 1.3985 2.5765 0.2434
#19 0.1543 0.5119 8.9421 0.0452 -1.2190
#20 -0.0071 2.6990 4.1328 -1.3557 -0.1578
#21 -0.2957 -0.0070 -0.0288 0.8983 1.7189
#22 -1.3434 0.3321 0.6608 -0.5728 2.3401
#23 -0.2957 -0.8362 -0.6517 0.7762 -0.0940
#24 0.7488 2.3602 3.4273 3.4761 1.2356
#25 0.7449 -0.3442 -0.0293 0.0473 -0.1772
#26 0.5913 1.0110 0.7193 -1.3099 2.3043
#27 0.7495 0.0040 -0.0137 -0.0242 -1.5899
#28 -0.4436 1.0182 0.6762 0.4361 0.1730
#29 -0.7435 -1.1747 -1.3577 -0.6128 -0.1314
#30 -0.1523 1.0084 0.7141 1.6910 1.7161
#31 -0.3037 1.3426 1.4003 20.7292 0.1836
#32 0.2971 -0.8490 -0.6988 5.3158 0.7142
#33 0.7482 -0.6780 -0.7064 0.8183 0.0517
#34 0.2981 -0.8399 -0.7082 3.9788 -0.2168
#35 -0.5987 -1.3569 -1.3743 -1.3597 0.1076
#36 -0.4485 0.5064 0.6788 3.1899 0.0107
#37 0.8897 2.5393 2.7397 2.1313 -0.2881
#38 0.3003 -0.6805 -0.6666 3.1631 0.3398
#39 0.1456 0.3341 0.7246 0.1834 -0.2629
#40 1.1951 3.8897 0.0367 1.3045 0.3233
6 7 8 9 10 11
1.4168 -1.3882 -2.4660 -1.4908 0.6477 0.8254
1.0117 -11.3332 -13.2991 -19.5058 -9.3946 -11.0036
0.7309 0.9329 -0.1445 0.1756 -0.6929 0.9885
-0.1186 -2.0938 -0.6740 -0.0381 0.7439 -11.0036
0.1340 0.4489 1.1690 -0.6779 -0.5962 -0.3999
-0.9315 1.4700 0.6689 0.0381 -0.8963 -0.6990
-0.0308 -0.3321 0.1445 0.1686 0.0737 0.2755
-2.1502 -0.4613 0.5359 -0.6711 1.4266 0.6560
-0.0273 0.3454 0.6749 0.5120 0.6561 0.1872
-1.3221 -1.2682 -1.3213 -1.0573 -0.0737 -11.0036
1.8232 1.0395 -1.4303 -2.3187 -0.4643 -0.7689
0.1563 -1.1472 -1.2751 -4.0699 0.5618 1.5374
-0.4206 -0.8668 -1.2077 -4.1337 -0.0618 -11.0036
-0.0090 -0.1076 -0.3133 -19.5058 -9.3946 -11.0036
2.4140 -0.2589 0.6450 -1.5270 -1.0175 -2.0172
0.0000 -0.4786 -1.2055 -1.5802 -0.1345 0.5979
-0.4049 -0.9008 0.3499 0.8144 0.1264 -0.2393
-0.0633 0.1798 0.5532 -0.8205 0.1870 -11.0036
-0.2935 -0.6320 3.1785 3.5129 0.1801 1.0138
-2.4593 -2.4800 -2.4021 -1.2634 -0.1880 0.3759
2.5409 0.7265 -1.6413 -2.5438 0.3840 0.5521
2.0988 0.0809 0.7155 -0.9649 -0.2743 -11.0036
1.0835 -0.0809 0.1947 1.0000 -9.3946 -11.0036
-0.1720 -2.4266 -2.2087 -1.7685 -1.0212 -0.1861
0.0273 0.6225 0.8045 0.0723 0.4644 0.1861
1.2414 -0.8137 -1.2859 -4.1420 -1.0159 0.6930
-0.1734 -1.2493 -0.5817 1.7833 0.9130 2.2279
0.6181 0.0881 -0.4466 0.4509 0.4936 -0.3063
1.2306 -1.8094 0.2666 0.0156 -0.7842 -0.2553
-1.4665 -1.8544 -2.2455 -3.9795 -0.2335 -1.1846
1.4315 1.9210 -2.4694 -0.9049 -0.3304 -1.0064
-1.2764 -2.5093 -1.8908 -2.5272 0.4300 1.0233
-1.0210 -0.5163 -2.8378 -3.0639 0.6021 1.3965
-2.5733 -2.3048 -2.9425 -1.3675 -0.5320 -0.8136
0.2876 0.3058 0.2889 0.5015 1.5953 -0.3913
0.9519 -1.9885 -0.9506 -3.5207 -0.4053 -0.1916
-1.0842 -0.5777 -2.6325 2.7340 1.7034 -0.0648
-1.7367 -1.7827 -0.4922 -2.2320 -0.5389 -0.8614
-0.1691 -0.7300 -1.1730 -2.4893 -0.2915 -0.6390
0.1870 -0.0870 -3.0287 -3.3449 -0.0194 -0.1643
제 2 연산부(140)는 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산할 수 있다.
예를 들면, 제 2 연산부(140)는 수학식 3을 이용하여 표준화 값을 연산할 수 있다.
[수학식 3] 표준화 값 = (Xi - 평균값) / 표준편차
여기서, Xi는 공정 조건 값이다.
도 2는 일부 샘플들에 대한 샘플링 포인트별 표준화 값을 도시한 그래프이다.
도 2를 참조하면, 제어부(160)는 샘플들 중 #6, #9, #26, #40에 대한 샘플링 포인트별 표준화 값을 그래프화하여 디스플레이부(170)에 표시할 수 있다. 가로축은 샘플링 포인트이며, 세로축은 표준화 값이다. 예를 들면, 제어부(160)가 사용자 등이 선택하거나 미리 설정한 샘플에 대한 샘플링 포인트별 표준화 값에 대한 그래프를 디스플레이부(170)에 표시하면, 사용자 등은 샘플들 간의 유사도를 쉽게 판단할 수 있다. 예를 들면, 사용자는 #6 및 #9가 유사한 특성을 가지며, #26 및 #40가 유사한 특성을 가지고 있다는 것을 쉽게 판단할 수 있다.
도 3a 및 도 3b는 측정된 공정 조건 값과 표준화 값을 샘플링 포인트별로 도시한 도면이다.
도 3a는 [표 1] 및 [표 2]의 공정 조건 값을 샘플링 포인트별로 도시한 도면이다. 가로축은 샘플링 포인트이며, 세로축은 공정 조건 값이다.
도 3b는 [표 13] 및 [표 14]의 표준화 값을 샘플링 포인트별로 도시한 도면이다. 가로축은 샘플링 포인트이며, 세로축은 표준화 값이다.
도 3a의 첫번째 샘플링 포인트를 기준으로 살펴보면, 공정 조건 값의 최대 값과 최소값의 차이의 크기 차이가 약 20으로 큰 차이를 보이고 있다. 또한, 공정 조건 값들이 특정한 위치에 일정하게 모여있는 것이 아니라 사방팔방으로 흩어져 있다. 이에 따라, 공정 조건 값들의 분산 값도 커지며, 분산 값들 간의 차이도 커진다.
반면에, 도 3b의 첫번째 샘플링 포인트를 기준으로 살펴보면, 표준화 값의 최대값과 최소값의 차이의 크기 차이가 약 10으로 도 3a의 공정 조건 값들의 차이보다 줄어들었다. 또한, 표준화 값들이 특정한 위치('크기가 -2 ~ 3')에 일정하게 모여있다. 이에 따라, 표준화 값들의 분산 값도 작아지며, 분산 값들 간의 차이도 작아지게 된다. 대표값 산출 장치는 크기 차이가 줄어든 표준화 값을 이용하여 공정 조건에 대한 값들의 대표값을 연산함으로써, 대표값의 정확성이 높일 수 있다.
제 3 연산부(150)는 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산할 수 있다. 제 3 연산부(150)는 연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 공정 조건 값들의 대표값을 연산할 수 있다.
제 3 연산부(150)가 연산된 표준화 값들의 평균값을 공정 조건 값들의 대표값으로 연산하는 경우를 예를 들면, 제 3 연산부(150)는 [표 13] 및 [표 14]에 기초하여 각 샘플별로 연산된 표준화 값들의 평균값을 연산할 수 있다. 이에 따라, 제 3 연산부(150)는 공정 조건 1의 공정 조건 값들의 대표값을 연산할 수 있다. 또한, 제 3 연산부(150)는 [표 15] 및 [표 16]에 기초하여 각 샘플별로 연산된 표준화 값들의 평균값을 연산할 수 있다. 이에 따라, 제 3 연산부(150)는 공정 조건 2의 공정 조건 값들의 대표값을 연산할 수 있다. 예를 들면, 연산 결과는 [표 17]과 같을 수 있다.
제어부(160)는 연산된 대표값들을 각 샘플별로 표시할 수 있다.
도 4는 연산된 대표값들을 각 샘플링 포인트별로 도시한 도면이다. 가로축은 샘플링 포인트이며, 세로축은 대표값들이다.
도 4를 참조하면, 사용자는 공정 조건 1에 대한 대표값들 중 #1 ~ #20까지 해당하는 대표값들은 양수 값이며, #21 ~ # 40까지 해당하는 대표값들은 음수 값임을 알 수 있다. 이에 기초하여 판단하면, #20 및 #21에서 공정 조건 1에 상태가 크게 변화하였음을 알 수 있다. 예를 들면, 공정 조건 1이 온도인 경우, #1 ~ #20까지는 110도이었다가 #21 ~ # 40까지는 90도임을 나타낼 수 있다. 이때, 대표값이 0인 부분은 온도 100도에 대응된다.
또한, 사용자는 공정 조건 2에 대한 대표값들이 #1 ~ #40에서 특별한 패턴이 존재하지 않는다는 것을 알 수 있다. 이에 기초하여 판단하면, #1 ~ #40에서 공정 조건 2에 상태가 특별한 패턴으로 변화하지 않음을 알 수 있다.
이와 같이, 사용자는 각 샘플링 포인트별로 도시된 대표값들을 기준으로, 공정 조건의 변화 정도를 용이하게 판단할 수 있다.
샘플# 공정 조건 1 공정 조건 2
#1 1.0923 -0.5102
#2 0.0574 -5.5782
#3 0.6592 -0.1021
#4 0.7466 -1.0620
#5 1.5316 -0.3947
#6 0.6823 -0.2774
#7 0.7481 0.1214
#8 0.7097 -0.6260
#9 0.6957 -0.1346
#10 0.7868 -1.0564
#11 1.1143 1.6130
#12 0.8394 0.8670
#13 0.6872 -1.4063
#14 0.9402 -3.9905
#15 0.5684 -0.3869
#16 1.2473 0.2916
#17 1.2543 0.6034
#18 1.1699 -0.4372
#19 1.0718 1.3995
#20 1.2010 -0.2823
#21 -0.7453 0.2094
#22 -0.6427 -0.7210
#23 -0.5950 -1.7547
#24 -0.4354 0.3150
#25 -0.6474 0.2199
#26 -0.8186 -0.1825
#27 -0.7889 0.1860
#28 -0.6175 0.2507
#29 -0.6325 -0.4869
#30 -0.6525 -0.5442
#31 -0.8982 1.9994
#32 -0.8661 -0.1792
#33 -0.8095 -0.4733
#34 -0.6592 -0.7293
#35 -0.3890 -0.1813
#36 -0.4965 -0.1970
#37 -0.4997 0.7355
#38 -0.6069 -0.4716
#39 -0.8240 -0.3970
#40 -0.7253 0.0266
이와 같이, 표준화 값들 중 대표가 될 수 있는 대표값을 산출함으로써, 분석해야할 값의 개수 및 저장해야할 값의 개수도 줄어들기 때문에 데이터 축소(data reduction)의 효과가 발생할 수 있다.
제 3 연산부(150)는 연산된 표준화 값들을 각 샘플별로 누적 합산할 수 있다.
제어부(160)는 누적 합산된 값들을 각 샘플링 포인트별로 표시할 수 있다.
도 5는 누적 합산 값들을 각 샘플링 포인트별로 도시한 도면이다. 가로축은 샘플링 포인트이며, 세로축은 대표값들의 누적 합산 값이다.
도 5를 참조하면, 공정 조건 1에 대한 누적 합산 값은 #20을 기준으로 변화함을 알 수 있다. 따라서, 사용자 등은 #20을 전후하여 공정 조건 1이 변화하였음을 용이하게 파악할 수 있다.
반면에, 공정 조건 2에 대한 누적 합산 값은 크게 변화하는 구간이 없음을 알 수 있다.
이와 같이, 사용자는 각 샘플링 포인트별로 도시된 누적 합산 값을 기준으로, 공정 조건의 변화 정도를 용이하게 판단할 수 있다.
제어부(160)는 각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 등을 디스플레이부(170)에 표시할 수 있다. 이에 따라, 사용자 등은 디스플레이부(170)를 통해 다양한 값들의 변화 정도를 알 수 있으며, 변화 정도에 기초하여 장치의 상태를 용이하게 파악할 수 있다.
이와 같이, 사용자는 각 샘플링 포인트별로 도시된 대표값들을 기준으로, 공정 조건의 변화 정도를 용이하게 판단할 수 있다.
디스플레이부(170)는 대표값 산출 장치(100)에서 생성된 다양한 데이터 등을 표시할 수 있다.
디스플레이부(170)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉시블 디스플레이(flexible display), 3차원 디스플레이(3D display) 중에서 적어도 하나를 포함할 수 있다.
대표값 산출 장치는 표준화 과정을 통해 크기 차이가 큰 공정 조건에 대한 값들을, 크기 차이가 작은 표준화 값으로 변경함으로써, 크기 차이를 줄일 수 있다. 크기 차이가 줄어든 표준화 값을 이용하여 공정 조건에 대한 값들의 대표값을 연산함으로써, 대표값의 정확성이 높아진다.
또한, 대표값 산출 장치는 크기 차이를 줄여서 대표값의 정확성이 높아졌기 때문에, 측정된 공정 조건에 대한 값들 중 대표값의 정확성을 떨어뜨리는 부분('과도현상(transient)을 일으키는 부분')에 해당하는 값들을 일부러 제거할 필요가 없다.
또한, 대표값 산출 장치는 표준화를 통해 크기 차이를 줄였기 때문에, 스케일(scale)이 크게 다른 여러 개의 변수를 1개 차트(Chart)상에서 모두 표시할 수 있으므로, 변수들에 해당하는 값을 쉽게 비교할 수 있다.
도 6은 본 발명의 일 실시예에 따른 대표값 산출 장치의 대표값 산출 방법을 설명하기 위한 흐름도이다.
도 6을 참조하면, 대표값 산출 장치는 센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산한다(600).
대표값 산출 장치는 수학식 1을 이용하여 중위절대편차(median absolute deviation; MAD) 값을 연산할 수 있다.
[수학식 1] MAD = a*Median(|Xi-Median(Xj)|)
여기서, a : MAD를 정규 분포에 대한 표준편차와 같도록 만들어 주는 수정 계수(correction factor)
Xi : 공정 조건 값
Xj : 중앙값
Median (x) : x 변수 값들 중 중앙값(median)을 연산하는 함수
대표값 산출 장치는 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산한다(610).
대표값 산출 장치는 수학식 2를 이용하여 표준화 값을 연산할 수 있다.
[수학식 2] 표준화 값 = (Xi - Xj) / 중위절대편차(MAD)
여기서, Xi : 공정 조건 값
Xj : 중앙값
또는, 대표값 산출 장치는 수학식 3을 이용하여 표준화 값을 연산할 수 있다.
[수학식 3] 표준화 값 = (Xi - 평균값) / 표준편차
여기서, Xi : 공정 조건 값
대표값 산출 장치는 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산한다(620). 예를 들면, 대표값 산출 장치는 연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 공정 조건 값들의 대표값을 연산하는 단계를 포함할 수 있다.
대표값 산출 장치는 각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 표시한다(630).
대표값 산출 방법은 표준화 과정을 통해 크기 차이가 큰 공정 조건에 대한 값들을, 크기 차이가 작은 표준화 값으로 변경함으로써, 크기 차이를 줄일 수 있다. 크기 차이가 줄어든 표준화 값을 이용하여 공정 조건에 대한 값들의 대표값을 연산함으로써, 대표값의 정확성이 높아진다.
도 7은 본 발명의 또 다른 일 실시예에 따른 대표값 산출 장치의 대표값 산출 방법을 설명하기 위한 흐름도이다.
도 7을 참조하면, 대표값 산출 장치는 센서를 통해 각 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출한다(700).
대표값 산출 장치는 각 샘플링 포인트별로 추출된 공정 조건에 대한 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산한다(710).
대표값 산출 장치는 공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산한다(720).
대표값 산출 장치는 연산된 표준화 값들에 기초하여 각 샘플별로 공정 조건 값들의 대표값을 연산한다(730).
대표값 산출 장치는 각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 표시한다(740).
설명된 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
또한, 실시예는 그 설명을 위한 것이며, 그 제한을 위한 것이 아님을 주의하여야 한다. 또한, 본 발명의 기술분야의 통상의 전문가라면 본 발명의 기술사상의 범위에서 다양한 실시예가 가능함을 이해할 수 있을 것이다.
또한, 본 발명의 일실시예에 의하면, 전술한 방법은, 프로그램이 기록된 매체에 프로세서가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 프로세서가 읽을 수 있는 매체의 예로는, ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.

Claims (15)

  1. 센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 상기 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산하는 제 1 연산부;
    공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산하는 제 2 연산부; 및
    연산된 표준화 값들에 기초하여 각 샘플별로 상기 공정 조건 값들의 대표값을 연산하는 제 3 연산부;를 포함하는 대표값 산출 장치.
  2. 제 1 항에 있어서,
    상기 측정된 공정 조건 값 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출하는 추출부를 더 포함하는 대표값 산출 장치.
  3. 제 1 항에 있어서,
    상기 제 1 연산부는,
    이하의 수학식 1을 이용하여 상기 중위절대편차(median absolute deviation; MAD) 값을 연산하는,
    [수학식 1] MAD = a*Median(|Xi-Median(Xj)|)
    여기서, a : MAD를 정규 분포에 대한 표준편차와 같도록 만들어 주는 수정 계수(correction factor)
    Xi : 공정 조건 값
    Xj : 중앙값
    Median (x) : x 변수 값들 중 중앙값(median)을 연산하는 함수
    대표값 산출 장치.
  4. 제 1 항에 있어서,
    상기 제 2 연산부는,
    이하의 수학식 2를 이용하여 표준화 값을 연산하는,
    [수학식 2] 표준화 값 = (Xi - Xj) / 중위절대편차(MAD)
    여기서, Xi : 공정 조건 값
    Xj : 중앙값
    대표값 산출 장치.
  5. 제 1 항에 있어서,
    상기 제 2 연산부는,
    이하의 수학식 3을 이용하여 표준화 값을 연산하는,
    [수학식 3] 표준화 값 = (Xi - 평균값) / 표준편차
    여기서, Xi : 공정 조건 값
    대표값 산출 장치.
  6. 제 1 항에 있어서,
    상기 제 3 연산부는,
    연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 상기 공정 조건 값들의 대표값을 연산하는 대표값 산출 장치.
  7. 제 1 항에 있어서,
    각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 디스플레이부에 표시하는 제어부를 더 포함하는 대표값 산출 장치.
  8. 제 1 항에 있어서,
    상기 공정 조건은
    온도, 압력, 시간, 제품의 위치 중 적어도 하나인 대표값 산출 장치.
  9. 대표값 산출 장치의 대표값 산출 방법에 있어서,
    센서를 통해 각각의 샘플마다 샘플링 포인트별로 측정된 공정 조건 값들을 이용하여, 각 샘플링 포인트별로 상기 공정 조건 값들의 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산하는 단계;
    공정 조건 값들, 중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 이용하여 표준화 값을 연산하거나, 공정 조건 값들, 평균값(average) 및 표준편차(deviation)를 이용하여 표준화 값들을 연산하는 단계; 및
    연산된 표준화 값들에 기초하여 각 샘플별로 상기 공정 조건 값들의 대표값을 연산하는 단계를 포함하는 대표값 산출 방법.
  10. 제 9 항에 있어서,
    상기 측정된 공정 조건 값 중 사용자가 설정한 샘플링 포인트 내에 해당하는 공정 조건 값만을 추출하는 단계를 더 포함하는 대표값 산출 방법.
  11. 제 9 항에 있어서,
    중앙값(median) 및 중위절대편차(median absolute deviation; MAD)를 연산하거나, 평균값(mean) 및 표준편차(deviation)를 연산하는 단계는,
    이하의 수학식 1을 이용하여 상기 중위절대편차(median absolute deviation; MAD) 값을 연산하는 단계를 포함하는,
    [수학식 1] MAD = a*Median(|Xi-Median(Xj)|)
    여기서, a : MAD를 정규 분포에 대한 표준편차와 같도록 만들어 주는 수정 계수(correction factor)
    Xi : 공정 조건 값
    Xj : 중앙값
    Median (x) : x 변수 값들 중 중앙값(median)을 연산하는 함수
    대표값 산출 방법.
  12. 제 9 항에 있어서,
    상기 표준화 값들을 연산하는 단계는
    이하의 수학식 2를 이용하여 표준화 값을 연산하는 단계를 포함하는,
    [수학식 2] 표준화 값 = (Xi - Xj) / 중위절대편차(MAD)
    여기서, Xi : 공정 조건 값
    Xj : 중앙값
    대표값 산출 방법.
  13. 제 9 항에 있어서,
    상기 표준화 값들을 연산하는 단계는
    이하의 수학식 3을 이용하여 표준화 값을 연산하는 단계를 포함하는,
    [수학식 3] 표준화 값 = (Xi - 평균값) / 표준편차
    여기서, Xi : 공정 조건 값
    대표값 산출 방법.
  14. 제 9 항에 있어서,
    상기 대표값을 연산하는 단계는
    연산된 표준화 값들의 평균값, 중앙값, 최빈값(mode), 최소값, 최대값, 표준 편차 중 어느 하나를 상기 공정 조건 값들의 대표값을 연산하는 단계를 포함하는 대표값 산출 방법.
  15. 제 9 항에 있어서,
    각 샘플링 포인트별 표준화된 값, 각 샘플별 연산된 대표값 및 각 샘플별 연산된 대표값의 누적합계 중 적어도 하나를 디스플레이부에 표시하는 단계를 더 포함하는 대표값 산출 방법.
KR1020110124235A 2010-11-26 2011-11-25 대표값 산출 장치 및 방법 KR101290287B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020100119228 2010-11-26
KR20100119228 2010-11-26

Publications (2)

Publication Number Publication Date
KR20120057541A true KR20120057541A (ko) 2012-06-05
KR101290287B1 KR101290287B1 (ko) 2013-07-26

Family

ID=46146335

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110124235A KR101290287B1 (ko) 2010-11-26 2011-11-25 대표값 산출 장치 및 방법

Country Status (4)

Country Link
US (1) US20130268570A1 (ko)
KR (1) KR101290287B1 (ko)
SG (1) SG190883A1 (ko)
WO (1) WO2012070910A2 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9696717B2 (en) 2013-08-05 2017-07-04 Samsung Electronics Co., Ltd. Apparatus and method of segmenting sensor data output from a semiconductor manufacturing facility
KR20180130815A (ko) * 2017-05-30 2018-12-10 한국식품연구원 미곡 감모량 추정 방법 및 그 장치
KR20200143053A (ko) * 2019-06-14 2020-12-23 코오롱베니트 주식회사 제품 제조에 대한 최적조건 설정방법 및 장치

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016073582A1 (en) * 2014-11-04 2016-05-12 Mayo Foundation For Medical Education And Research Computer system and method for diagnostic data display

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2772179B2 (ja) * 1991-10-30 1998-07-02 株式会社東芝 プラント運転データ管理装置
JP4239140B2 (ja) * 2002-06-20 2009-03-18 有限会社 ソフトロックス 標準偏差利用のデータ処理方法
KR100976648B1 (ko) * 2003-05-16 2010-08-18 도쿄엘렉트론가부시키가이샤 헬스 인덱스 처리 시스템 및 이를 이용한 방법
US7328126B2 (en) * 2003-09-12 2008-02-05 Tokyo Electron Limited Method and system of diagnosing a processing system using adaptive multivariate analysis
JP4700969B2 (ja) * 2005-01-06 2011-06-15 富士通株式会社 監視情報提供装置、監視情報提供方法および監視情報提供プログラム
JP4417897B2 (ja) * 2005-09-14 2010-02-17 富士通マイクロエレクトロニクス株式会社 製造データ解析方法及び製造データ解析装置
KR100679721B1 (ko) * 2005-11-01 2007-02-06 (주)아이세미콘 반도체 공정장비의 변동 감지방법
US20090282296A1 (en) * 2008-05-08 2009-11-12 Applied Materials, Inc. Multivariate fault detection improvement for electronic device manufacturing
DE102009006887B3 (de) * 2009-01-30 2010-07-15 Advanced Micro Devices, Inc., Sunnyvale Verfahren und System zur Halbleiterprozesssteuerung und Überwachung unter Anwendung eines Datenqualitätsmaßes
KR100988734B1 (ko) * 2010-05-13 2010-10-20 주식회사 제이캐스트 센서출력 분석 시스템 및 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9696717B2 (en) 2013-08-05 2017-07-04 Samsung Electronics Co., Ltd. Apparatus and method of segmenting sensor data output from a semiconductor manufacturing facility
KR20180130815A (ko) * 2017-05-30 2018-12-10 한국식품연구원 미곡 감모량 추정 방법 및 그 장치
KR20200143053A (ko) * 2019-06-14 2020-12-23 코오롱베니트 주식회사 제품 제조에 대한 최적조건 설정방법 및 장치

Also Published As

Publication number Publication date
CN103329136A (zh) 2013-09-25
WO2012070910A3 (ko) 2012-09-27
US20130268570A1 (en) 2013-10-10
WO2012070910A2 (ko) 2012-05-31
SG190883A1 (en) 2013-07-31
KR101290287B1 (ko) 2013-07-26

Similar Documents

Publication Publication Date Title
KR101066973B1 (ko) 플라즈마처리장치
KR101290287B1 (ko) 대표값 산출 장치 및 방법
US9972517B2 (en) Anomaly detection system and method of manufacturing semiconductor device
JP5991042B2 (ja) 異常監視システムおよび異常監視方法
US9600128B2 (en) Touch sensitive device and touch determination method thereof
JP2007165721A (ja) プロセス異常分析装置及びプログラム
JP4568786B2 (ja) 要因分析装置および要因分析方法
Lee et al. Monitoring batch processes with multiple ON–OFF steps in semiconductor manufacturing
CN108572880B (zh) 设备机器的异常诊断系统
US20120016643A1 (en) Virtual measuring system and method for predicting the quality of thin film transistor liquid crystal display processes
JP2018537853A (ja) ウエハのポイントバイポイント分析及びデータの提示
CN116994999B (zh) 一种超洁净环境的机械臂吸力调节方法及系统
CN115698881A (zh) 异常调制原因确定装置、异常调制原因确定方法以及异常调制原因确定程序
KR102247116B1 (ko) 데이터 처리 방법, 데이터 처리 장치, 및 데이터 처리 프로그램
CN110490329A (zh) 一种基于机器学习的大规模电力异常数据检测方法及系统
JPH04190133A (ja) 設備の診断支援方式
JP2008071270A (ja) プロセス異常分析装置およびプロセス異常分析方法並びにプログラム
CN104133437B (zh) 连续型化工装置及其绩效指标实时评价方法和装置
US11609836B2 (en) Operation method and operation device of failure detection and classification model
KR20240052016A (ko) 반도체 제조 장비의 적응형 문제 해결을 위한 시스템들 및 방법들
JP2010283274A (ja) 異常原因解析装置、異常原因解析方法、異常原因解析プログラム、及び、プログラム記録媒体
JP2005173911A (ja) 工程管理システムおよび工程管理方法
CN111474293B (zh) 一种青枯病菌溶液测定方法及测定系统
TWI297506B (en) Method and system for virtual metrology prediction for quality control in semiconductor manufacture
JP2010224988A (ja) 品質管理システム、品質管理方法、品質管理プログラム、および製品の製造方法

Legal Events

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

Payment date: 20160710

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20170725

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20180620

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20190710

Year of fee payment: 7