KR20180092397A - Method and system for extracting core factor using Principal Component Analysis in manufacturing process - Google Patents
Method and system for extracting core factor using Principal Component Analysis in manufacturing process Download PDFInfo
- Publication number
- KR20180092397A KR20180092397A KR1020170018011A KR20170018011A KR20180092397A KR 20180092397 A KR20180092397 A KR 20180092397A KR 1020170018011 A KR1020170018011 A KR 1020170018011A KR 20170018011 A KR20170018011 A KR 20170018011A KR 20180092397 A KR20180092397 A KR 20180092397A
- Authority
- KR
- South Korea
- Prior art keywords
- manufacturing process
- extracted
- key factors
- extracting
- key
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
Abstract
Description
본 발명은 제조 공정에 관한 것으로서, 더욱 상세하게는 PCA(Principal Component Analysis)를 이용한 제조 공정의 핵심 인자 추출 기술에 관한 것이다. BACKGROUND OF THE
일반적으로, 생산 현장에서 생산성 향상을 위해 많은 노력을 기울이고 있으며, 이러한 목적을 달성하기 위해 주로 사용하는 시스템은 통계적 공정관리(SPC, Statistical Process Control)와 같은 정적인 시스템이다. 이러한 시스템을 주요 공정 마다 설치하여, 공정의 상태를 항시 감시 감독하도록 하고 있다.Generally, a lot of efforts are made to improve the productivity in the production site, and the system mainly used for achieving this purpose is a static system such as statistical process control (SPC). These systems are installed for each major process, and the status of the process is constantly monitored and supervised.
이러한 정적인 시스템들은 생산 설비를 구축할 때, 전문 IT업체에 의해 커스터마이징 되어 개발되고 있다. 따라서 정해진 값들만을 표시하고 관리하도록 할 수 밖에 없으며, 관리 포인트도 고정된 경험치를 갖고 관리하게 된다. 또한, 관리에 있어서도, 스테이션 단위의 관리를 주로 실시하고 있어, 공정 사이의 상호 관련성에 대한 분석이나, 주요 파라미터의 변화에 따른 생산라인의 과학적, 통계적 예측과 같은 고차원적인 분석을 실시할 수가 없다.These static systems are being customized and developed by professional IT companies when building production facilities. Therefore, it is necessary to display and manage only predetermined values, and management points are managed with fixed experience values. Also, management is mainly performed at the station level, and it is impossible to carry out a high-level analysis such as an analysis of inter-process interrelationships or a scientific and statistical prediction of a production line due to a change in a main parameter.
통계 분석 방법의 발달에 따라, 다양한 형태의 고차원적 분석 방법을 생산 현장에 적용 한다면, 공정간의 상호 관련성 분석이나, 파라미터 변화에 따른 생산라인의 예측할 수 가능성을 높일 수 있을 것이다. 그러나 이러한 다양한 형태의 고차원적 분석 방법을 현장에 적용하는 것이 어렵다.With the development of statistical analysis methods, applying various types of high - dimensional analysis methods to the production site will increase the possibility of analyzing the correlation between the processes and the predictability of the production line according to the parameter changes. However, it is difficult to apply these various types of high-order analytical methods to the field.
최근 센서 및 정보 기술의 발달로 인하여 제품 생산 설비, 주식 시장, 지구 대기 등 관리의 대상이 되는 시스템에서 전산화된 데이터를 획득하는 것이 가능해졌으며, 각각의 시스템에서는 그 목적에 따라 수행되는 일련의 프로세스가 종료된 후, 시스템의 프로세스 결과에 관한 전산화된 데이터를 획득할 수 있다. 이때, 사용자는 획득한 데이터를 이용하여 시스템의 결과들이 의도한 대로 출력되었는지 여부를 확인할 수 있다. Recent developments in sensors and information technology have made it possible to acquire computerized data from systems that are subject to management, such as product production facilities, stock markets, and the Earth's atmosphere. In each system, a set of processes After termination, computerized data on the process results of the system can be obtained. At this time, the user can confirm whether or not the results of the system are outputted as intended using the acquired data.
종래에는 어느 제조 공정에서 가장 주요한 핵심 인자가 어떤 것인지 용이하게 파악하기 어렵다는 문제가 있다.There is a problem that it is difficult to easily grasp which key factor is the most important in a certain manufacturing process.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, PCA를 이용하여 제조 공정의 핵심 인자를 용이하게 도출하여 파악할 수 있도록 하는 방법 및 시스템을 제공하는데 그 목적이 있다.SUMMARY OF THE INVENTION It is an object of the present invention to provide a method and system for easily extracting and grasping a key factor of a manufacturing process using a PCA.
본 발명의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.The objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.
이와 같은 목적을 달성하기 위한 본 발명의 제조 공정의 핵심 인자를 추출하기 위한 핵심 인자 추출 시스템에서의 핵심 인자 추출 방법에서, PCA를 통해 제조 공정 별 주성분을 추출하는 단계, 추출된 주성분을 분석하고, 그 결과를 데이터베이스에 저장하는 단계, 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하는 단계 및 추출된 핵심 인자를 화면에 디스플레이하는 단계를 포함한다. In order to achieve the above object, in a key factor extraction method for extracting key factors of a manufacturing process according to the present invention, a method for extracting principal components by a manufacturing process through a PCA, Storing the results in a database, extracting key factors for each manufacturing process in descending order of results, and displaying the extracted key factors on the screen.
상기 제조 공정 별 핵심 인자를 추출하는 단계에서, 각 주성분에 미리 정해진 가중치를 부여하고, 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출할 수 있다. 여기서, 주 성분의 개수에 따라 상기 가중치가 달라질 수 있다. In the step of extracting the key factors according to the manufacturing process, a predetermined weight is assigned to each principal component, and key factors for each manufacturing process can be extracted in order of the resultant value. Here, the weight may vary depending on the number of main components.
상기 디스플레이하는 단계에서, 각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 디스플레이하거나, 원 그래프 형식으로 디스플레이할 수 있다. In the displaying step, the key factors extracted for each manufacturing process can be displayed in a bar graph format or in a circle graph format.
본 발명의 제조 공정의 핵심 인자를 추출하기 위한 핵심 인자 추출 시스템에서, 사용자가 이용하는 단말 및 상기 단말로부터 입력된 제조 공정 관련 데이터에 대해, PCA를 통해 제조 공정 별 주성분을 추출하고, 추출된 주성분을 분석하고, 그 결과를 데이터베이스에 저장하고, 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하고, 추출된 핵심 인자를 상기 단말의 화면에 디스플레이하는 서버를 포함한다. In the key factor extraction system for extracting the key factors of the manufacturing process of the present invention, PCA is used to extract principal components of the manufacturing process from terminal used by the user and data related to manufacturing process input from the terminal, Analyzing the results, storing the results in a database, extracting key factors for each manufacturing process in descending order of the results, and displaying the extracted key factors on the screen of the terminal.
상기 서버는 각 주성분에 미리 정해진 가중치를 부여하고, 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출할 수 있다. 여기서, 주 성분의 개수에 따라 상기 가중치가 달라질 수 있다. The server can assign a predetermined weight to each principal component and extract a key factor for each manufacturing process in the order of the highest value. Here, the weight may vary depending on the number of main components.
상기 서버는 각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 상기 단말의 화면에 디스플레이하거나, 원 그래프 형식으로 상기 단말의 화면에 디스플레이할 수 있다.The server can display key factors extracted for each manufacturing process in a bar graph format on the screen of the terminal or in a circle graph format on the screen of the terminal.
본 발명에 의하면, PCA를 이용하여 제조 공정의 핵심 인자를 용이하게 도출할 수 있는 효과가 있다. According to the present invention, it is possible to easily extract a key factor of the manufacturing process by using the PCA.
또한, 본 발명에 의하면 각 제조 공정 별 핵심 인자를 막대 그래프, 원 그래프 등 다양한 방식으로 표출함으로써, 각 제조 공정 별 핵심 인자를 한 눈에 용이하게 파악할 수 있는 효과가 있다. In addition, according to the present invention, the key factors of each manufacturing process can be easily grasped at a glance by displaying various factors such as a bar graph and a circle graph.
도 1 내지 도 4는 PCA를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 추출 시스템을 보여주는 도면이다.
도 6은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 추출 방법을 보여주는 흐름도이다.
도 7은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 분석 과정을 개략적으로 도시한 개념도이다.
도 8 내지 도 11은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 분석 과정을 설명하기 위한 도면이다.
도 12 내지 도 15는 본 발명의 일 실시예에 따른 제조 공정 별 핵심 인자를 표시한 원 그래프이다.
도 16은 본 발명의 일 실시예에 따른 제조 공정 별 핵심 인자를 디스플레이한 화면예이다. 1 to 4 are views for explaining the PCA.
FIG. 5 is a diagram showing a key factor extraction system in a manufacturing process according to an embodiment of the present invention.
FIG. 6 is a flowchart illustrating a method of extracting a key factor of a manufacturing process according to an embodiment of the present invention.
7 is a conceptual diagram schematically illustrating a process of analyzing a key factor of a manufacturing process according to an embodiment of the present invention.
FIGS. 8 to 11 are views for explaining a process of analyzing key factors of a manufacturing process according to an embodiment of the present invention.
FIGS. 12 to 15 are circle graphs showing key factors according to an embodiment of the present invention.
16 is an example of a screen displaying key factors according to an embodiment of the present invention.
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.While the invention is susceptible to various modifications and alternative forms, specific embodiments thereof are shown by way of example in the drawings and will herein be described in detail. It should be understood, however, that the invention is not intended to be limited to the particular embodiments, but includes all modifications, equivalents, and alternatives falling within the spirit and scope of the invention.
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 명세서 상에 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.The terminology used in this application is used only to describe a specific embodiment and is not intended to limit the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprises" or "having" and the like are used to specify that there is a feature, a number, a step, an operation, an element, a component or a combination thereof described in the specification, But do not preclude the presence or addition of one or more other features, integers, steps, operations, elements, components, or combinations thereof.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 갖는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries are to be interpreted as having a meaning consistent with the contextual meaning of the related art and are to be interpreted in an ideal or overly formal sense unless expressly defined in the present application Do not.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In the following description of the present invention with reference to the accompanying drawings, the same components are denoted by the same reference numerals regardless of the reference numerals, and redundant explanations thereof will be omitted. DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings. In the following description, well-known functions or constructions are not described in detail since they would obscure the invention in unnecessary detail.
본 발명은 PCA(Principal Component Analysis)를 이용하여 제조 공정의 핵심 인자를 추출하기 위한 핵심 인자 추출 방법 및 시스템에 대한 것이다.The present invention relates to a key factor extraction method and system for extracting key factors of a manufacturing process using PCA (Principal Component Analysis).
도 1 내지 도 4는 PCA를 설명하기 위한 도면이다. 1 to 4 are views for explaining the PCA.
도 1 내지 도 4를 참조하면, PCA(Principal Component Analysis)는 주 성분 분석이라고도 하며, 여러 변수들의 변량을 주 성분(Principal Component)이라 불리는 서로 상관성이 높은 여러 변수들의 선형조합으로 만든 새로운 변수들로 요약하여 축소하는 기법이다. Referring to FIGS. 1 to 4, Principal Component Analysis (PCA) is also referred to as principal component analysis. Variations of various variables are defined as new variables that are linear combinations of highly correlated variables called Principal Components It is a technique to summarize and shrink.
주 성분 분석의 기준은 다양하게 정해질 수 있는데, 예를 들어 고유값(eigenvalue)과 고유벡터(eigenvector)의 값이 1이상 나올 때, 주 성분의 분산의 기여율이 80% 가 될 때 등으로 주 성분 분석의 기준을 정할 수 있다. For example, when the value of the eigenvalue and the eigenvector is 1 or more, when the contribution rate of the main component is 80%, the criteria of the main component analysis may be variously determined. For example, The criteria for composition analysis can be determined.
도 2에서 보는 바와 같이, PCA를 이용하여 데이터를 분석하면, 여러 변수들 간에 내재하는 상관관계, 연관성을 이용해 소수의 주성분 또는 요인으로 차원을 축소함으로써, 데이터를 이해하기 쉽고, 관리가 용이하다. As shown in FIG. 2, when the data is analyzed using the PCA, the data is easily understood and easily managed by reducing the dimension to a small number of principal components or factors by using the correlation and association among the various variables.
즉, PCA란 한 마디로 입력 데이터들의 공분산(covariance) 행렬에 대한 고유값 분해로 볼 수 있다. That is, the PCA can be viewed as an eigenvalue decomposition of a covariance matrix of input data.
도 3에서 λ는 행렬 A의 고유값이고, v는 행렬 A의 λ에 대한 고유벡터이다.In Fig. 3, [lambda] is the eigenvalue of the matrix A and v is the eigenvector for [lambda] of the matrix A.
공분산 행렬(covariance matrix)은 데이터의 좌표 성분들 사이의 공분산 값을 원소로 하는 행렬로서, 데이터의 i번째 좌표 성분과 j번째 좌표 성분의 공분산 값을 행렬의 i행 j열 원소값으로 하는 행렬이다. The covariance matrix is a matrix having covariance values between the coordinate components of data as elements, and the covariance values of the i-th coordinate component and the j-th coordinate component of the data are the matrix values of the i-th row and j-th column of the matrix .
도 4에서 좌측의 그래프에서, 고유벡터가 주성분 벡터로서 데이터의 분포에서 분산이 큰 방향을 나타내고, 대응되는 고유값(eigenvalue)이 그 분산의 크기를 나타낸다. 도 4에서 우측에 PCA 계산 과정을 예시하고 있다. In the graph on the left side in Fig. 4, the eigenvectors represent a direction in which the variance is large in the distribution of data as a principal component vector, and the corresponding eigenvalues represent the magnitude of the variance. The right side of FIG. 4 illustrates a PCA calculation process.
도 5는 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 추출 시스템을 보여주는 도면이다. FIG. 5 is a diagram showing a key factor extraction system in a manufacturing process according to an embodiment of the present invention.
도 5를 참조하면, 제조 공정의 핵심 인자를 추출하기 위한 핵심 인자 추출 시스템은 단말(100), 서버(200), 데이터베이스(300)를 포함한다. Referring to FIG. 5, a key factor extraction system for extracting a key factor of a manufacturing process includes a
단말(100)은 사용자가 이용하는 단말로서, 유무선 통신망을 통해 서버(200)와 통신하며, 예를 들어 데스크탑 컴퓨터, 랩탑 컴퓨터, 스마트폰, 태블릿 PC 등이 될 수 있다. The
서버(200)는 단말(100)로부터 입력된 제조 공정 관련 데이터에 대해, PCA를 통해 제조 공정 별 주성분을 추출하고, 추출된 주성분을 분석하고, 그 결과를 데이터베이스(300)에 저장한다. 그리고, 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하고, 추출된 핵심 인자를 단말(100)의 화면에 디스플레이한다. The
본 발명에서 서버(200)는 각 주성분에 미리 정해진 가중치를 부여하고, 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출한다. 이때, 주 성분의 개수에 따라 가중치가 달라질 수 있다. In the present invention, the
본 발명의 일 실시예에서 서버(200)는 각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 단말(100)의 화면에 디스플레이하거나, 또는 원 그래프 형식으로 단말(100)의 화면에 디스플레이할 수 있다. In one embodiment of the present invention, the
도 6은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 추출 방법을 보여주는 흐름도이다. FIG. 6 is a flowchart illustrating a method of extracting a key factor of a manufacturing process according to an embodiment of the present invention.
도 6을 참조하면, 먼저 PCA를 통해 제조 공정 별 주성분을 추출한다(S610). Referring to FIG. 6, a principal component for each manufacturing process is extracted through a PCA (S610).
다음, 추출된 주성분을 분석하고(S620), 그 결과를 데이터베이스에 저장한다(S630).Next, the extracted main component is analyzed (S620), and the result is stored in the database (S630).
그리고, 각 주성분에 미리 정해진 가중치를 부여하고(S640), 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출한다(S650). 이때 주 성분의 개수에 따라 가중치가 달라질 수 있다. Then, a predetermined weight is assigned to each principal component (S640), and key factors for each manufacturing process are extracted in order of the resultant value (S650). At this time, the weight can be changed according to the number of main components.
그리고, 추출된 핵심 인자를 화면에 디스플레이한다(S660). Then, the extracted core factors are displayed on the screen (S660).
S660 단계에서, 각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 디스플레이하거나, 또는 원 그래프 형식으로 디스플레이할 수 있다. In step S660, the key factors extracted for each manufacturing process can be displayed in a bar graph format or in a circle graph format.
도 7은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 분석 과정을 개략적으로 도시한 개념도이다.7 is a conceptual diagram schematically illustrating a process of analyzing a key factor of a manufacturing process according to an embodiment of the present invention.
도 7을 참조하면, 본 발명에서는 SPI(Solder Paste Inspection), AOI(Automatic Optical Inspection), ICT, IFT, REFLOW 등과 같은 제조 공정 별로 PCA를 수행하여, 핵심 인자를 도출하고, 이를 디스플레이한다. Referring to FIG. 7, in the present invention, a PCA is performed according to manufacturing processes such as SPI (Solder Paste Inspection), Automatic Optical Inspection (AOI), ICT, IFT and REFLOW,
도 8 내지 도 11은 본 발명의 일 실시예에 따른 제조 공정의 핵심 인자 분석 과정을 설명하기 위한 도면이다.FIGS. 8 to 11 are views for explaining a process of analyzing key factors of a manufacturing process according to an embodiment of the present invention.
도 8은 제조 공정 중에서 SPI에 대한 핵심 인자를 분석하는 과정의 프로그램 화면예를 도시하고 있다. FIG. 8 shows an example of a program screen of a process of analyzing a key factor for SPI in the manufacturing process.
도 8의 실시예에서 화면예를 보면, 고유벡터(eigenvectors)에서 주성분이 V1, V2, V3, V4의 네 개임을 알 수 있다. In the example of FIG. 8, the main components of the eigenvectors are V1, V2, V3, and V4.
즉, 도 9에서 V1은 SD_VOLUM_PER, SD_VOLUM_UM3에서 수치가 가장 높고, V2는 SD_OFFSETX_MN, SD_OfFSETX_PER에서 수치가 가장 높고, V3는 SD_OFFSETY_MM, SD_OFFSETY_PER에서 수치가 가장 높고, V4는 SD_HEIGHT_UM, SD_AREA_PER, SD_AREA_UM3에서 수치가 가장 높음을 알 수 있다. 9, V1 has the highest value in SD_VOLUM_PER and SD_VOLUM_UM3, V2 has the highest value in SD_OFFSETX_MN and SD_OfFSETX_PER, V3 has the highest value in SD_OFFSETY_MM and SD_OFFSETY_PER, and V4 has the highest value in SD_HEIGHT_UM, SD_AREA_PER and SD_AREA_UM3 .
도 10에는 PCA를 이용한 제조 공정 별 주 성분 분석 결과가 도시되어 있고, 이를 데이터베이스(300)에 저장한다. FIG. 10 shows a result of analyzing the main component for each manufacturing process using the PCA, and stores the analyzed result in the
이러한 분석 결과에 가중치를 적용하여 가장 중요한 핵심 인자를 추출하게 된다. 본 발명에서 주성분의 개수에 따라 가중치를 달리 설정할 수 있다. Weights are applied to these analysis results to extract the most important key factors. In the present invention, weights can be set differently depending on the number of principal components.
도 11에서 (a)의 가중치가 적용된 결과에서 핵심 인자를 추출한 목록이 (b)에 도시되어 있다. In FIG. 11, a list of key factors extracted from the results of applying the weights of (a) is shown in (b).
도 12 내지 도 15는 본 발명의 일 실시예에 따른 제조 공정 별 핵심 인자를 표시한 원 그래프이다. FIGS. 12 to 15 are circle graphs showing key factors according to an embodiment of the present invention.
도 12는 SPI 공정의 핵심 인자를 비율에 따라 원 그래프로 도시한 것이고, 도 13은 AOI 공정의 핵심 인자를 비율에 따라 원 그래프로 도시한 것이고, 도 14는 ICT/IFT 공정의 핵심 인자를 비율에 따라 원 그래프로 도시한 것이고, 도 15는 REFLOW 공정의 핵심 인자를 비율에 따라 원 그래프로 도시한 것이다. FIG. 12 is a graph showing a key factor of the SPI process in a circle graph. FIG. 13 is a graph showing a key factor of the AOI process in terms of a ratio. FIG. And FIG. 15 is a circle graph showing the key factors of the REFLOW process according to the ratios.
도 16은 본 발명의 일 실시예에 따른 제조 공정 별 핵심 인자를 디스플레이한 화면예이다. 16 is an example of a screen displaying key factors according to an embodiment of the present invention.
도 16의 화면예에서, SPI, AOI, ICT, IFT, REFLOW 공정의 핵심 인자를 각 제조 공정 별로 막대 그래프로 표시한 것이 좌측에 도시되어 있고, 이 화면 상에서 SPI를 클릭하면 SPI 공정에 대한 핵심 인자를 원 그래프로 디스플레이하게 되는 화면예가 우측에 도시되어 있다.In the screen example of FIG. 16, the key factors of the SPI, AOI, ICT, IFT, and REFLOW processes are indicated by bar graphs for each manufacturing process. On the left side, SPI is clicked, Is displayed on the right side of the screen.
이처럼 본 발명에서는 PCA를 이용하여 제조 공정의 핵심 인자를 용이하게 도출할 수 있다. 또한, 본 발명에 의하면 각 제조 공정 별 핵심 인자를 막대 그래프, 원 그래프 등 다양한 방식으로 표출함으로써, 각 제조 공정 별 핵심 인자를 한 눈에 용이하게 파악할 수 있다. As described above, in the present invention, the key factors of the manufacturing process can be easily derived using PCA. In addition, according to the present invention, the key factors of each manufacturing process can be easily grasped at a glance by expressing various factors such as a bar graph and a circle graph.
이상 본 발명을 몇 가지 바람직한 실시예를 사용하여 설명하였으나, 이들 실시예는 예시적인 것이며 한정적인 것이 아니다. 본 발명이 속하는 기술분야에서 통상의 지식을 지닌 자라면 본 발명의 사상과 첨부된 특허청구범위에 제시된 권리범위에서 벗어나지 않으면서 다양한 변화와 수정을 가할 수 있음을 이해할 것이다.While the present invention has been described with reference to several preferred embodiments, these embodiments are illustrative and not restrictive. It will be understood by those skilled in the art that various changes and modifications may be made therein without departing from the spirit of the invention and the scope of the appended claims.
100 단말
200 서버
300 데이터베이스100 terminal 200 server
300 database
Claims (10)
PCA를 통해 제조 공정 별 주성분을 추출하는 단계;
추출된 주성분을 분석하고, 그 결과를 데이터베이스에 저장하는 단계;
결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하는 단계; 및
추출된 핵심 인자를 화면에 디스플레이하는 단계를 포함하는 제조 공정의 핵심 인자 추출 방법.
In the key factor extraction method in the key factor extraction system for extracting the key factors of the manufacturing process,
Extracting a main component for each manufacturing process through the PCA;
Analyzing the extracted principal components, and storing the results in a database;
Extracting key factors for the manufacturing process in the order of the highest value; And
And displaying the extracted core factors on a screen.
상기 제조 공정 별 핵심 인자를 추출하는 단계에서,
각 주성분에 미리 정해진 가중치를 부여하고, 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 방법.
The method according to claim 1,
In the step of extracting the key factors for each manufacturing process,
Wherein a predetermined weight is assigned to each principal component, and a key factor for each manufacturing process is extracted in a descending order of the resultant value.
주 성분의 개수에 따라 상기 가중치가 달라지는 것임을 특징으로 하는 제조 공정의 핵심 인자 추출 방법.
The method of claim 2,
Wherein the weights are varied according to the number of main components.
상기 디스플레이하는 단계에서,
각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 디스플레이하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 방법.
The method according to claim 1,
In the displaying step,
And the key factors extracted for each manufacturing process are displayed in a bar graph format.
상기 디스플레이하는 단계에서,
각 제조 공정 별로 추출된 핵심 인자를 원 그래프 형식으로 디스플레이하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 방법.
The method according to claim 1,
In the displaying step,
And the key factors extracted for each manufacturing process are displayed in a circle graph format.
사용자가 이용하는 단말; 및
상기 단말로부터 입력된 제조 공정 관련 데이터에 대해, PCA를 통해 제조 공정 별 주성분을 추출하고, 추출된 주성분을 분석하고, 그 결과를 데이터베이스에 저장하고, 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하고, 추출된 핵심 인자를 상기 단말의 화면에 디스플레이하는 서버를 포함하는 제조 공정의 핵심 인자 추출 시스템.
In a key factor extraction system for extracting key factors in the manufacturing process,
A terminal used by a user; And
The PCA extracts the principal components of the manufacturing process input from the terminal, analyzes the extracted principal components, stores the results in a database, and analyzes the key factors of each manufacturing process Extracting the key factors from the extracted key factors, and displaying the extracted key factors on a screen of the terminal.
상기 서버는 각 주성분에 미리 정해진 가중치를 부여하고, 그 결과 값이 높은 순서대로 제조 공정 별 핵심 인자를 추출하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 시스템.
The method of claim 6,
Wherein the server assigns predetermined weights to the main components and extracts key factors for each manufacturing process in a descending order of the resultant values.
주 성분의 개수에 따라 상기 가중치가 달라지는 것임을 특징으로 하는 제조 공정의 핵심 인자 추출 시스템.
The method of claim 7,
Wherein the weights are varied according to the number of main components.
상기 서버는 각 제조 공정 별로 추출된 핵심 인자를 막대 그래프 형식으로 상기 단말의 화면에 디스플레이하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 시스템.
The method of claim 6,
Wherein the server displays key factors extracted for each manufacturing process in a bar graph format on the screen of the terminal.
상기 서버는 각 제조 공정 별로 추출된 핵심 인자를 원 그래프 형식으로 상기 단말의 화면에 디스플레이하는 것을 특징으로 하는 제조 공정의 핵심 인자 추출 시스템.
The method of claim 6,
Wherein the server displays the key factors extracted for each manufacturing process in a circle graph format on the screen of the terminal.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170018011A KR101948165B1 (en) | 2017-02-09 | 2017-02-09 | Method and system for extracting core factor using Principal Component Analysis in manufacturing process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170018011A KR101948165B1 (en) | 2017-02-09 | 2017-02-09 | Method and system for extracting core factor using Principal Component Analysis in manufacturing process |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180092397A true KR20180092397A (en) | 2018-08-20 |
| KR101948165B1 KR101948165B1 (en) | 2019-02-14 |
Family
ID=63443216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170018011A KR101948165B1 (en) | 2017-02-09 | 2017-02-09 | Method and system for extracting core factor using Principal Component Analysis in manufacturing process |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101948165B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210004057A (en) | 2019-07-03 | 2021-01-13 | 인하대학교 산학협력단 | Machine Learning and Semantic Knowledge-based Big Data Analysis: A Novel Healthcare Monitoring Method and Apparatus Using Wearable Sensors and Social Networking Data |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050114739A (en) | 2004-06-01 | 2005-12-06 | 삼성전자주식회사 | A monitoring system of processing tool and model forming method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8676538B2 (en) * | 2004-11-02 | 2014-03-18 | Advanced Micro Devices, Inc. | Adjusting weighting of a parameter relating to fault detection based on a detected fault |
| JP2015026252A (en) * | 2013-07-26 | 2015-02-05 | 株式会社豊田中央研究所 | Abnormality detection device and program |
-
2017
- 2017-02-09 KR KR1020170018011A patent/KR101948165B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050114739A (en) | 2004-06-01 | 2005-12-06 | 삼성전자주식회사 | A monitoring system of processing tool and model forming method |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210004057A (en) | 2019-07-03 | 2021-01-13 | 인하대학교 산학협력단 | Machine Learning and Semantic Knowledge-based Big Data Analysis: A Novel Healthcare Monitoring Method and Apparatus Using Wearable Sensors and Social Networking Data |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101948165B1 (en) | 2019-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210110780A (en) | Parameter update method, device and electronic equipment for multitask model | |
| JP7346788B2 (en) | Speech recognition model training methods, devices, equipment, and storage media | |
| US11144582B2 (en) | Method and system for parsing and aggregating unstructured data objects | |
| KR102002024B1 (en) | Method for processing labeling of object and object management server | |
| CN113240936A (en) | Parking area recommendation method and device, electronic equipment and medium | |
| CN114881129A (en) | Model training method and device, electronic equipment and storage medium | |
| CN112527383A (en) | Method, apparatus, device, medium, and program for generating multitask model | |
| KR101948165B1 (en) | Method and system for extracting core factor using Principal Component Analysis in manufacturing process | |
| CN113657088A (en) | Interface document analysis method and device, electronic equipment and storage medium | |
| CN114418093B (en) | Method and device for training path characterization model and outputting information | |
| CN114863182A (en) | Image classification method, and training method and device of image classification model | |
| CN114445682A (en) | Method, device, electronic equipment, storage medium and product for training model | |
| KR20180096834A (en) | Method and system for predicting optimal environmental condition in manufacturing process | |
| CN110555486A (en) | Model structure delay prediction method and device and electronic equipment | |
| CN114254028A (en) | Event attribute extraction method and device, electronic equipment and storage medium | |
| CN113850072A (en) | Text emotion analysis method, emotion analysis model training method, device, equipment and medium | |
| JP2024505316A (en) | Application testing methods, equipment, electronic equipment and storage media | |
| CN113032251A (en) | Method, device and storage medium for determining service quality of application program | |
| CN113360346A (en) | Method and apparatus for training a model | |
| CN113239273A (en) | Method, device, equipment and storage medium for generating text | |
| CN113592305A (en) | Test method, test device, electronic device, and storage medium | |
| CN114372499A (en) | Natural language processing method, device, equipment and computer readable storage medium | |
| CN113612777A (en) | Training method, traffic classification method, device, electronic device and storage medium | |
| CN112069807A (en) | Text data theme extraction method and device, computer equipment and storage medium | |
| CN114329219A (en) | Data processing method, method and device for outputting knowledge content |
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 |