KR20190073315A - 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템 - Google Patents

스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템 Download PDF

Info

Publication number
KR20190073315A
KR20190073315A KR1020190067132A KR20190067132A KR20190073315A KR 20190073315 A KR20190073315 A KR 20190073315A KR 1020190067132 A KR1020190067132 A KR 1020190067132A KR 20190067132 A KR20190067132 A KR 20190067132A KR 20190073315 A KR20190073315 A KR 20190073315A
Authority
KR
South Korea
Prior art keywords
big data
data
processing unit
value
manufacturing
Prior art date
Application number
KR1020190067132A
Other languages
English (en)
Inventor
우형철
Original Assignee
코리아바큠테크(주)
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 코리아바큠테크(주) filed Critical 코리아바큠테크(주)
Priority to KR1020190067132A priority Critical patent/KR20190073315A/ko
Publication of KR20190073315A publication Critical patent/KR20190073315A/ko

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/41815—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by the cooperation between machine tools, manipulators and conveyor or other workpiece supply system, workcell
    • 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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

컨버징시스템은 제조현장에 설치된 제조설비마다 각각 적어도 하나의 센서가 부착되고, 각 제조설비의 적어도 하나의 센서로부터 수신한 빅데이터값을 수집하고, 기설정된 포맷으로 변환하여 수신한 빅데이터값을 표준화하고, 표준화된 빅데이터값에서 특징값을 추출하고 처리하는 로컬데이터처리부; 상기 로컬데이터처리부에서 제조설비마다 상기 적어도 하나의 센서로부터 수신한 빅데이터값, 상기 표준화된 빅데이터값, 상기 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을 통합하고, 각 제조현장에서 수신한 빅데이터를 비교, 추적하는 원격데이터처리부; 상기 표준화된 빅데이터값이 기설정된 범위를 초과하는 경우, 상기 특징값이 기설정된 범위를 초과하는 경우 또는 제조설비 간에 빅데이터값을 비교하여야 하는 경우 중 적어도 하나에 속하는 경우에만 상기 원격데이터처리부에서 빅데이터를 처리하도록 전달하는 제어부를 포함하며, 특히 빅데이터의 처리 결과를 적어도 2개의 사용자가 공유하는 것을 특징으로 한다.

Description

스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템{OMIT}
본 발명은 스마트 반도체 공장에 설치된 반도체 제조 설비들에서 수집된 데이터를 반도체 제조 현장의 설비 또는 원격의 클라우드 서버에서 컨버징하여 처리하며 특히 빅데이터의 처리 결과를 복수개의 반도체 제조 설비들이 공유하는 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템에 관한 것이다.
반도체 공장 운영 관리시스템은 제조 현장마다 공장운영 진행 정보 감시 및 제어, 설비의 감시 및 제어, 실적 정보 집계, 인력 관리, 공무 관리 등 공장 현장에서 발생할 수 있는 모든 데이터를 통합 관리하는 시스템을 지칭한다.
그러나, 현재까지 반도체 공장 운영 관리시스템에서는 센서, IoT, 빅데이터 분석, 클라우드 서비스 등의 영역에서 다양한 기술들이 연구되고 이를 이용한 다양한 제품들이 개발되었지만, 대부분의 제품들은 독립적으로 동작하며 H/W와 S/W가 모두 융합된 통합 솔루션은 존재하지 않고 있다.
이런 상황에서는 스마트 공장에 설치된 제조설비의 상태에 따라 제조설비에서 획득한 센서데이터를 통합하여 관리하기 어려우며, 수정과 검증에 많은 시간이 소요될 수 있다.
KR 10-2017-0090114 A
본 발명의 바람직한 일 실시예에서는 반도체 설비를 제조하는 중소 및 중견 제조업에서 클라우드 시스템 환경 하에서 빅데이터를 분석할 수 있는 시스템을 제공하고자 한다.
본 발명의 바람직한 일 실시예로서, 컨버징시스템은 반도체 제조현장에 설치된 제조설비마다 각각 적어도 하나의 센서가 부착되고, 각 제조설비의 적어도 하나의 센서로부터 수신한 빅데이터값을 수집하고, 기설정된 포맷으로 변환하여 수신한 빅데이터값을 표준화하고, 표준화된 빅데이터값에서 특징값을 추출하고 처리하는 로컬데이터처리부; 상기 로컬데이터처리부에서 제조설비마다 상기 적어도 하나의 센서로부터 수신한 빅데이터값, 상기 표준화된 빅데이터값, 상기 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을 통합하고, 각 제조현장에서 수신한 빅데이터를 비교, 추적하는 원격데이터처리부; 상기 표준화된 빅데이터값이 기설정된 범위를 초과하는 경우, 상기 특징값이 기설정된 범위를 초과하는 경우 또는 제조설비 간에 빅데이터값을 비교하여야 하는 경우 중 적어도 하나에 속하는 경우에만 상기 원격데이터처리부에서 빅데이터를 처리하도록 전달하는 제어부를 포함하며, 상기 빅데이터의 처리 결과를 복수개의 반도체 제조 설비가 공유하는 것을 특징으로 한다.
본 발명에 따른 컨버징시스템은 반도체 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리함으로써 반도체 제조설비의 하드웨어 특성과 소프트웨어 특성을 극대화하여 통합 솔루션을 제공할 수 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, 반도체 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 시스템의 내부 구성도를 도시한다.
도 2 는 본 발명의 바람직한 일 실시예로서, 반도체 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 시스템도를 도시한다.
도 3 은 본 발명의 바람직한 일 실시예로서, 클라우드서버에서 데이터를 통합, 비교하는 일 예를 도시한다.
도 4 는 본 발명의 바람직한 일 실시예로서, 데이터수집주기를 자동으로 설정하는 일 예를 도시한다.
도 5 는 본 발명의 바람직한 일 실시예로서, 로컬 데이터처리부와 원격데이터처리부에서 소프트웨어를 업데이트하는 일 예를 도시한다.
도 6은 본 발명의 바람직한 일 실시예로서, 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 흐름도를 도시한다.
이하 설명되는 본 발명은 다양한 변환을 가할 수 있고, 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에서 상세하게 설명하고자 한다.
그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한 제1, 제2 등의 용어는 다양한 구성요소들을 구분하여 설명하기 위해 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
또한 본 출원에서 적어도 2개의 상이한 실시예들이 각각 기재되어 있을 경우, 본 발명의 기술적 사상을 벗어나지 않는 범위에서 별다른 기재가 없더라도 각 실시예들은 구성요소의 전부 또는 일부를 상호 병합 및 혼용하여 사용할 수 있다.
도 1 은 본 발명의 바람직한 일 실시예로서, 반도체 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 시스템의 내부 구성도를 도시한다.
본 발명의 바람직한 일 실시예로서, 컨버징시스템(100)은 제어부(110), 로컬데이터처리부(120), 원격데이터처리부(130) 및 수집기간설정부(140)를 포함하며, 특히 본 발명에서는 최종적으로 산출된 빅데이터의 처리 결과를 복수개의 반도체 제조 설비들이 공유하는 특징을 갖는다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 반도체 제조현장에서 수신한 빅데이터를 반도체 제조현장에 설치된 반도체 제조설비, 기기, 기구, 서버 등에서 자체적으로 처리를 수행할지 또는 원격데이터처리부(130)로 전송하여 처리할지 여부를 제어할 수 있다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 또한 제조현장에서 수신한 빅데이터의 데이터 수집량, 데이터의 분산 정도에 기초하여 빅데이터를 로컬데이터처리부(120)에서 처리할지 또는 원격데이터처리부(130)로 전송하여 처리할지 여부를 제어할 수 있다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 빅데이터값 또는 표준화된 빅데이터값이 기설정된 범위를 초과하는 경우, 특징값이 기설정된 범위를 초과하는 경우 또는 제조설비 간에 빅데이터값을 비교하여야 하는 경우 중 적어도 하나에 속하는 경우 해당 데이터를 원격데이터처리부(130)로 전송하여 처리할지 여부를 제어할 수 있다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 또한 수집기간설정부(140)에서 빅데이터 분석에 따라 자동으로 설정한 데이터 수집주기에 기초하여 빅데이터를 로컬데이터처리부(120)에서 처리할지 또는 원격데이터처리부(130)로 전송하여 처리할지 여부를 제어할 수 있다. 일 예를 들어, 데이터 수집주기가 기설정된 주기보다 더 빨라지거나 또는 기설정된 주기를 초과하는 경우에는 원격데이터처리부(130)에서 빅데이터를 설정하도록 제어할 수 있다. 다만, 이는 일 실시예에 제한되는 예일 뿐 다양한 변형이 가능함을 유의하여야 한다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 또한 제조설비에서 수집되는 데이터값 또는 빅데이터의 처리량에 따라 원격데이터처리부(130)로부터 소프트웨어를 다운로드하여 제조현장에 설치된 반도체 제조설비의 소프트웨어를 업데이트 할지 여부를 제어할 수 있다.
본 발명의 바람직한 일 실시예로서, 제어부(110)는 또한 도 3 에 도시된 일 실시예와 같이 제조설비가 일부는 국내, 일부는 국외에 있는 경우 국내에 있는 제조설비에서 원격데이터처리부(130)로부터 소프트웨어를 다운로드하는 것과 국외에 있는 제조설비에서 원격데이터처리부(130)로부터 소프트웨어를 다운로드 하는 것 간의 동기화를 구현하도록 제어할 수 있다.
본 발명의 바람직한 일 실시예로서, 로컬데이터처리부(120)는 제조현장에 설치된 제조설비마다 부착된 적어도 하나의 센서로부터 수신한 빅데이터값을 수집하고, 기설정된 포맷으로 변환하여 수신한 빅데이터값을 표준화하고, 표준화된 빅데이터값에서 특징값을 추출하여 처리하도록 구현된다. 이 경우 기설정된 포맷은 반도체 장비를 제어하는 데이터 송수신 프로토콜 SECS/GEM 포맷과 PLC 태그맵 (Programmable Logic Controller Tag Map, 설비자동제어장치) 포맷을 포함할 수 있다. 본 발명의 바람직한 일 실시예로서, 로컬데이터처리부(120)는 스마트 공장 제조 현장에 설치된 반도체 제조 설비, 기기, 기구, 서버 등을 모두 지칭한다.
본 발명의 바람직한 일 실시예로서, 원격데이터처리부(130)는 로컬데이터처리부에서 반도체 제조설비마다 상기 적어도 하나의 센서로부터 수신한 빅데이터값, 상기 표준화된 빅데이터값, 상기 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을통합하고, 각 제조현장에서 수신한 빅데이터를 비교, 추적하도록 구현된다. 보다 상세한 내용은 도 2와 관련된 설명을 참고한다.
본 발명의 바람직한 일 실시예로서, 수집기간설정부(140)는 데이터값을 누적하여 도 4에 도시된 일 실시예와 같이 데이터값의 변동량이 기설정된 범위 이내인 구간(410)에는 예를 들어 1초당 1건의 센서 데이터를 수집하여 불필요한 데이터가 적재되는 것을 방지할 수 있다.
본 발명의 바람직한 일 실시예로서, 수집기간설정부(140)는 수집되는 데이터값의 변동량이 기설정된 범위를 초과하는 구간(420)이 발생하면, 예를 들어 1초당 1건의 센서 데이터를 수집하는 등으로 데이터 수집주기를 일시적으로 증가시킬 수 있다. 수집기간설정부(140)는 수집되는 데이터값이 다시 기설정된 범위 내로 돌아오는 경우 데이터수집주기를 예를 들어 1초당 1건으로 다시 재설정할 수 있다.
본 발명의 바람직한 일 실시예로서, 수집기간설정부(140)는 수집되는 데이터값의 변동량에 따라 데이터 수집주기를 기설정된 기준에 따라 자동으로 설정할 수 있다. 본 발명의 바람직한 일 실시예로서, 수집기간설정부(140)는 데이터값의 변동량, 데이터값의 평균값, 데이터값의 분산값 등을 이용하여 데이터 수집주기를 설정할 수 있다.
본 발명의 바람직한 일 실시예로서, 수집기간설정부(140)는 데이터 수집주기가 변동되는 지점(430)에서 로컬데이터처리부(120) 또는 원격데이터처리부(130)에 데이터 수집주기가 변동되었다는 메시지를 전송할 수 있다.
도 2 를 참고하면, 로컬데이터처리부(120)는 처리부나 측정부의 형태로 구현된 각각의 제조설비로부터 수신한 데이터값을 IoT 수집장치에서 획득하여 서버에 저장하거나 또는 필요에 따라 IoT 게이트웨이를 통해 원격데이터 처리부(130)로 수집한 빅데이터를 전송할 수 있다.
본 발명의 바람직한 일 실시예로서, 원격데이터처리부(130)는 클라우드서버의 형태로 구현되며, 로컬데이터처리부(120)에서 제조설비마다 적어도 하나의 센서로부터 수신한 빅데이터값, SECS/GEM 포맷, PLC 태그맵 등의 형태로 표준화된 빅데이터값, 수신한 빅데이터값을 처리하는 과정에서 검출된 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을 통합하고, 각 제조현장에서 수신한 빅데이터를 비교, 추적하도록 구현된다.
본 발명의 바람직한 일 실시예로서, 특징값이란 기설정된 기준을 만족시키는 값을 지칭한다. 일 예로, 센서의 값이 기설정된 범위를 초과하는 경우 오류가 검출되었다고 판단하는 기설정된 기준이 있을 경우, 센서값이 기설정된 범위를 초과하는 경우 해당 수치값이 특징값으로 분류될 수 있다. 또한, 특징값은 수신된 데이터의 평균값, 중간값, 변동 범위 등으로 설정이 가능하며, 데이터를 분석함에 있어 구별되는 특징을 지닌 값을 모두 포함하는 의미로 사용되었다.
본 발명의 바람직한 일 실시예로서, 원격데이터처리부(130)는 도 2 를 참고하면, MES클라우드서비스제공부(211)와 빅데이터클라우드서비스제공부(212)의 기능을 제공할 수 있다.
도 2 는 본 발명의 바람직한 일 실시예로서, 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 시스템도를 도시한다.
본 발명의 바람직한 일 실시예로서, 컨버징시스템(200)은 원격데이터처리부(210)와 로컬데이터처리부(220)를 포함한다. 원격데이터처리부(210)는 MES클라우드서비스제공부(211)와 빅데이터클라우드서비스제공부(212)를 포함한다.
MES클라우드서비스제공부(211)는 Lot트래킹, 데이터 계측기능, 수율측정기능, 데이터 처리기능, 물질정보 관리 기능 등을 제공한다.
빅데이터클라우드서비스제공부(212)는 데이터통합관리기능, 데이터분석기능 및 데이터예측기능을 제공한다. 본 발명의 바람직한 일 실시예로서, 데이터통합관리부(213)는 제조현장에서 발생하는 다양한 데이터를 수신하는 인터페이스를 지원하며, 적어도 하나의 제조 현장에 설치된 다양한 센서에서 발생된 센서데이터, 품질데이터, 로그 데이터 및 기저장된시스템데이터를 포함하는 빅데이터를 정규화된 또는 표준화된 SECS/GEM 프로토콜, 센서 프로토콜, 고주파데이터프로토콜 등을 이용하여 수신한 데이터를 변환할 수 있다.
데이터통합관리부(213)는 또한 데이터 수집 계획, 컨텍스트 관리, 데이터 전처리, 데이터요약 등을 수행할 수 있다. 데이터통합관리부(213)는 빅데이터를 상기 제조 현장의 공정조건, 상기 제조 현장의 공정순서 등에 따라 기설정된 형태의 수집방법, 기설정된 수집주기로 수집하도록 데이터 수집계획을 세울 수 있다.
데이터통합관리부(213)는 수집되는 데이터의 유형, 데이터의 종류에 따라 컨텍스트별로 분류, 관리가 가능하며, 데이터의 포맷을 변화시키거나 하는 등의 데이터 전처리를 수행할 수 있다.
데이터통합관리부(213)는 서로 다른 제조 현장 또는 제조 현장 내의 서로 다른 설비에서 발생하는 서로 다른 데이터 소스에 대하여 해당 데이터의 발생 시점에 따른 생산정보를 매핑하여 분석 및 제어가 가능하다. 발생 시점에 따른 생산정보는 제품 Lot, 공정조건, 공정 순서 등을 포함한다. 또한 서로 다른 설비에서 발생하는 서로 다른 데이터 소스에 대하여 동기화를 수행할 수 있다.
데이터통합관리부(213)는 또한 빅데이터를 제조 현장의 공정조건, 상기 제조 현장의 공정순서, 제조 현장에 설치된 설비, 제조 현장에서 데이터를 가공하는 방법, 제조 현장에서 사용하는 물질 등에 따라 수집된 빅데이터 중 트레이스 데이터(Trace Data)를 분석하여 각 제조 현장의 특성을 반영하는 제조현장특성데이터를 자동생성이 가능하다. 이 경우 데이터통합관리부(213)에서는 데이터 변환시 가상센서(Virtual Sensor)를 생성하여 추가 데이터를 생성할 수 있다.
본 발명의 바람직한 일 실시예로서, 데이터분석부(214)는 데이터마이닝, 데이터 분류, 데이터 추적 분석 내지 데이터 실시간 분석을 지원한다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(214)는 대량의 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출하고 의사결정에 이용하는 데이터 마이닝 기능을 지원한다.
데이터분석부(214)는 데이터통합관리부(213)에서 수신한 빅데이터 중 불량 이미지에서 반복되는 공통 패턴을 분류하거나, 트레이스 데이터를 분석하는 등의 데이터마이닝기법으로 빅데이터를 분석할 수 있다. 본 발명의 바람직한 일 실시예에서는 데이터마이닝기법 중 제조업의 공정 상황을 고려한 귀책 원인 분석(Root Cause Analysis)방법을 이용할 수 있다. 귀책 원인 분석 데이터 마이닝 기법은 원인 인자를 설비, 파라미터(parameter) 수준까지 찾아주며, 원인 인자간의 상호작용에 의한 원인 및 시간에 의존하는 원인인자를 찾을 수있다. 또한 데이터 마이닝 결과 해석에 있어서 통계 지식이 필요하지 않으므로, 통계 지식 등의 전문가가 아니더라도 결과를 이해할 수 있는 이점이 있다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(214)는 수신한 영상이미지를 학습하여, 공동 패턴을 자동으로 인식하여 분류하고 수치화 할 수 있다. 또한 불량 이미지로 분류된 불량 패턴을 다시 데이터마이닝 기능을 이용하여 귀책 원인 분석에 활용할 수 있다.
본 발명의 바람직한 일 실시예에서, 데이터분석부(214)는 제조 설비로부터 발생하는 센서 데이터 중에서 중요신호를 추출할 수 있다. 중요신호는 기설정된 임계값 또는 공통 패턴으로 추출된 값 등을 의미한다.
본 발명의 바람직한 일 실시예에서, 데이터예측부(215)는 반도체 수율(Yield) 예측, 품질 예측, 설비고장 등의 오류 예측, PM 예측, 효율성 예측 등을 지원한다. 데이터예측부(215)는 기계학습을 통해 장비 데이터를 대량으로 학습한 학습데이터를 상기 데이터분석부(214)에서 귀책원인분석 데이터마이닝기법으로 분석한 빅데이터에 적용하여 설비고장 예측, 수율 예측, 품질 예측,PM 예측, 효율성 예측 중 적어도 하나를 수행하며, 데이터 예측 결과값을 지속적으로 피드백하여 학습데이터로 이용할 수 있다.
본 발명의 바람직한 일 실시예로서, 로컬데이터처리부(220)는 스마트 공장의 제조현장에 설치된 제조 설비 일부 또는 전부를 포함하는 개념이다. 로컬데이터처리부(220)는 처리부 또는 측정부를 통해 측정된 데이터를 IoT 수집부를 통해 수집하고 패키지 서버에 저장하며, 패키지 서버 또는 IoT 게이트웨이를 통해 빅데이터 클라우드서비스 제공부(212)로 전송할 수 있다.
또한, 로컬데이터처리부(220)는 MES클라우드서비스제공부(211)로 MES 게이트웨이를 통해 측정된 데이터를 전송할 수 있으며, 이 경우 MES Lot 트래킹이 지원된다.
도 3 은 본 발명의 바람직한 일 실시예로서, 원격데이터처리부에서 데이터를 통합, 비교하는 일 예를 도시한다.
본 발명의 바람직한 일 실시예로서, 원격데이터처리부(320)는 클라우드 서버의 형태로 구현이 가능하며, MES클라우드서비스제공부(330) 및 빅데이터 클라우드서비스 제공부(340)를 포함한다.
도 3 을 참고하면 원격데이터처리부(320)는 적어도 하나의 제조 현장이 국내(325)에 위치하고 또 다른 하나의 제조 현장이 해외(321, 323, 327, 329)에 위치하는 경우, 국내 또는 국외에 각각 위치한 제조현장 각각으로부터 수신한 빅데이터를 용어 등이 통일된 기설정된 포맷에 따라 가공하여 국내(325)에 위치한 제조현장에서 수신한 빅데이터와 국외(321, 323, 327, 329)에 위치한 제조현장에서 수신한 빅데이터 간에 통합이 가능하며 데이터비교부(223)를 통해 빅데이터간 비교가 가능하도록 구현된다.
도 5(a) 내지 (c) 는 본 발명의 바람직한 일 실시예로서, 로컬 데이터처리부와 원격데이터처리부에서 소프트웨어를 업데이트하는 일 예를 도시한다.
도 5(a)는 제조설비로부터 IoT 게이트웨이가 센서데이터를 수집하여 로컬데이터처리부에 저장하는 일 예를 도시한다. 제조설비로부터 획득한 센서데이터를 PDM(Predictive Maintenance) 또는 DFD(Dynamic Fault Detection)를 통해 로컬데이터처리부에서 처리하는 일 예를 도시한다. 이 경우, 로컬데이터처리부는 제어부를 통해 선택적으로 일부 데이터를 원격데이터처리부로 전송할 수 있다.
도 5(a)는 제조설비로부터 IoT 게이트웨이가 센서데이터를 수집하여 로컬데이터처리부에 저장하는 일 예를 도시한다. 제조설비로부터 획득한 센서데이터를 기초로 PDM(Predictive Maintenance) 또는 DFD(Dynamic Fault Detection) 기능을 로컬데이터처리부에서 처리하는 일 예를 도시한다. 이 경우, 로컬데이터처리부는 제어부를 통해 선택적으로 일부 데이터를 원격데이터처리부로 전송할 수 있다.
도 5(b)는 복수의 제조설비로부터 센서데이터를 수집하여 로컬데이터처리부에 저장하는 일 예를 도시한다. 도 5(b)에 도시된 각 제조설비는 IoT 기반 분석 플랫폼을 이용하여 PDM(Predictive Maintenance), CM (Chamber Matching), DFD(Dynamic Fault Detection)또는 MCC+(Machine Cycle Chart +) 기능을 로컬데이터처리부에서 처리하는 일 예를 도시한다. 각 제조설비는 각각 상이한 IoT 기반 분석 플랫폼을 이용할 수 있다. 이 경우, 로컬데이터처리부는 제어부를 통해 각 제조설비에서 획득한 데이터의 일부를 선택적으로 전송하거나 제 1 제조 설비(521)의 데이터는 로컬데이터처리부에서 처리하고, 제 2 제조설비(522)의 데이터는 원격데이터처리부에서 처리하는 등과 같이 처리가 가능하다.
도 5(c)는 복수의 제조설비로부터 센서데이터를 수집하여 원격데이터처리부에 저장하는 일 예를 도시한다.
도 5(c)에 도시된 각 제조설비(531, 532, 533)은 각각 동일하거나 또는 상이한 IoT 기반 분석 플랫폼을 이용할 수 있다. 그리고, 각 제조설비는 IoT 기반 분석 플랫폼을 이용하여 PDM(Predictive Maintenance), CM (Chamber Matching), DFD(Dynamic Fault Detection)또는 MCC+(Machine Cycle Chart +) 기능을 로컬데이터처리부 또는 원격데이터처리부(540)에서 처리할 수 있다(S541, S542, S543). 이 경우 원격데이터처리부(540)는 AI(Artificial Intelligence), DBA(Data Behavior Analysis) 내지 KD(Knowledge Discovery) 기능을 이용하여 각 제조설비(531, 532, 533)에 설치될 소프트웨어를 동기화하여 설치하거나 또는 개별적으로 설치할 수 있다.
또한 원격데이터처리부(540)는 로컬데이터처리부(530)에서 수행하는 PDM(Predictive Maintenance), CM(Chamber Matching), DFD(Dynamic Fault Detection)또는 MCC+(Machine Cycle Chart +) 기능을 수행할 수있다.
도 6은 본 발명의 바람직한 일 실시예로서, 제조현장에 설치된 제조설비와 클라우드서버가 컨버징하여 빅데이터를 처리하는 흐름도를 도시한다.
본 발명의 바람직한 일 실시예로서 컨버징 방법은 로컬데이터처리부에서 제조현장에 설치된 제조설비마다 각각 적어도 하나의 센서가 부착되고, 각 제조설비의 적어도 하나의 센서로부터 수신한 빅데이터값을 수집하고, 기설정된 포맷으로 변환하여 수신한 빅데이터값을 표준화하고, 표준화된 빅데이터값에서 특징값을 추출하고 처리한다(S610).
또한 원격데이터처리부는 로컬데이터처리부와 동시에 또는 개별적으로 또는 로컬데이터처리부 또는 원격데이터 처리부 중 한 곳에서 로컬데이터처리부에서 제조설비마다 상기 적어도 하나의 센서로부터 수신한 빅데이터값, 상기 표준화된 빅데이터값, 상기 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을 통합하고, 각 제조현장에서 수신한 빅데이터를 비교, 추적한다(S620).
제어부는 로컬데이터처리부에서 상기 표준화된 빅데이터값이 기설정된 범위를 초과하는 경우, 상기 특징값이 기 설정된 범위를 초과하는 경우 또는 제조설비 간에 빅데이터값을 비교하여야 하는 경우 중 적어도 하나에 속하는 경우에만 상기 원격데이터처리부에서 빅데이터를 처리하도록 전달함으로써, 네트워크 트래픽을 감소시킬 수 있다(S630).
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (1)

  1. 반도체 제조현장에 설치된 반도체 제조설비마다 각각 적어도 하나의 센서가 부착되고, 각 반도체 제조설비의 적어도 하나의 센서로부터 수신한 빅데이터값을 수집하고, 기설정된 포맷으로 변환하여 수신한 빅데이터값을 표준화하고, 표준화된 빅데이터값에서 특징값을 추출하고 처리하는 로컬데이터처리부;
    상기 로컬데이터처리부에서 반도체 제조설비마다 상기 적어도 하나의 센서로부터 수신한 빅데이터값, 상기 표준화된 빅데이터값, 상기 특징값 중 적어도 하나 이상을 수신하여 빅데이터값을 통합하고, 각 반도체 제조현장에서 수신한 빅데이터를 비교, 추적하는 원격데이터처리부; 및
    상기 표준화된 빅데이터값이 기설정된 범위를 초과하는 경우, 상기 특징값이 기설정된 범위를 초과하는 경우 또는 반도체 제조설비 간에 빅데이터값을 비교하여야 하는 경우 중 적어도 하나에 속하는 경우에만 상기 원격데이터처리부에서 빅데이터를 처리하도록 전달하는 제어부를 포함하며,
    상기 빅데이터의 처리 결과를 복수개의 반도체 제조 설비가 공유하는 것을 특징으로 하는 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템.
KR1020190067132A 2019-06-07 2019-06-07 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템 KR20190073315A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190067132A KR20190073315A (ko) 2019-06-07 2019-06-07 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190067132A KR20190073315A (ko) 2019-06-07 2019-06-07 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템

Publications (1)

Publication Number Publication Date
KR20190073315A true KR20190073315A (ko) 2019-06-26

Family

ID=67104865

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190067132A KR20190073315A (ko) 2019-06-07 2019-06-07 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템

Country Status (1)

Country Link
KR (1) KR20190073315A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170090114A (ko) 2016-01-28 2017-08-07 주식회사 아임클라우드 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20170090114A (ko) 2016-01-28 2017-08-07 주식회사 아임클라우드 빅데이터 기반의 스마트 팩토리 분석시스템 및 방법

Similar Documents

Publication Publication Date Title
CN111047082B (zh) 设备的预警方法及装置、存储介质和电子装置
KR101984730B1 (ko) 서버 장애 자동 예측 시스템 및 자동 예측 방법
CN110008713B (zh) 一种工控系统漏洞探测方法及系统
CN103246265B (zh) 机电设备检测维护方法
CN1324515C (zh) 处理工具优化系统和方法
Nováczki An improved anomaly detection and diagnosis framework for mobile network operators
CN102759684B (zh) 用于探测和定位地下线缆中的缺陷的装置和方法
KR101938946B1 (ko) 대량의 데이터 수집을 위한 인터페이스 미들웨어 시스템 및 인터페이스 미들웨어 시스템의 데이터 수집 방법
CN113313280B (zh) 云平台的巡检方法、电子设备及非易失性存储介质
CN112734977B (zh) 一种基于物联网的设备风险预警系统及算法
KR20190106369A (ko) 공장 자동화 설비의 수명과 생산성 향상을 위한 ｐｌｃ 패턴 분석 시스템 및 패턴 분석 방법
CN110709789A (zh) 用于监测可再生发电装置或微电网内的子系统的状况的方法和设备
CN116800199A (zh) 一种分布式光伏运行电能质量监测与分析方法
KR101984258B1 (ko) 스마트공장과 클라우드 서버간 컨버징 방법 및 시스템
CN112449362B (zh) 基于信物模型的智能传感器自适应配置方法、装置及系统
KR101984257B1 (ko) 클라우드기반 빅데이터분석시스템 및 방법
CN114816468A (zh) 云边协同系统、数据处理方法、电子设备及存储介质
CN116880402A (zh) 智慧工厂协同管控系统及其方法
CN117041312A (zh) 基于物联网的企业级信息技术监控系统
KR20190073315A (ko) 스마트 반도체 공장 및 클라우드 서버간 컨버징 시스템
WO2018199912A1 (en) Plant design based incremental asset discovery architecture, method and protocol
JP7062505B2 (ja) 設備管理支援システム
CN116070143A (zh) 一种基于人工智能的配电网多源异构数据融合方法及系统
CN112817827A (zh) 运维方法、装置、服务器、设备、系统及介质
CN117878925B (zh) 一种智能电网的输电数据控制方法及系统