KR20200134459A - 빅데이터를 이용한 스마트 팩토리 시스템 - Google Patents

빅데이터를 이용한 스마트 팩토리 시스템 Download PDF

Info

Publication number
KR20200134459A
KR20200134459A KR1020190059950A KR20190059950A KR20200134459A KR 20200134459 A KR20200134459 A KR 20200134459A KR 1020190059950 A KR1020190059950 A KR 1020190059950A KR 20190059950 A KR20190059950 A KR 20190059950A KR 20200134459 A KR20200134459 A KR 20200134459A
Authority
KR
South Korea
Prior art keywords
inspection
big data
inspection object
defect
equipment
Prior art date
Application number
KR1020190059950A
Other languages
English (en)
Other versions
KR102295438B1 (ko
Inventor
김성영
이영종
Original Assignee
금오공과대학교 산학협력단
이영종
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 금오공과대학교 산학협력단, 이영종 filed Critical 금오공과대학교 산학협력단
Priority to KR1020190059950A priority Critical patent/KR102295438B1/ko
Publication of KR20200134459A publication Critical patent/KR20200134459A/ko
Application granted granted Critical
Publication of KR102295438B1 publication Critical patent/KR102295438B1/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
    • 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
    • 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
    • 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]
    • G05B19/41865—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 job scheduling, process planning, material flow
    • 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]
    • 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
    • Y02P90/80—Management or planning

Abstract

본 발명은 빅데이터를 이용한 스마트 팩토리 시스템에 관한 것으로, 복수의 검사구역에 대응하여 모듈화된 형태로 교체 가능하게 구비되며, 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비와, 상기 검사대상물의 생산 이력 관리를 통해 검사대상물 정보를 누적시켜 검사대상물 빅데이터가 구축되는 빅데이터 데이터베이스와, 상기 검사대상물 빅데이터를 이용하여 상기 복수의 검사구역 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리하는 검사관리기를 포함함으로써, 검사대상물 빅데이터를 이용하여 불량 발생 검사구역의 검사순서를 맞춤형으로 변경하여 생산성을 향상시킬 수 있다.

Description

빅데이터를 이용한 스마트 팩토리 시스템{BIG DATA USED SMART FACTORY SYSTEM}
본 발명은 각각의 검사구역에 배치되는 각 검사장비를 교체 가능하게 모듈화하고, 검사대상물 정보의 이력 관리를 통해 누적한 검사대상물 빅데이터를 이용하여 불량 발생 검사구역의 검사순서를 맞춤형으로 변경함으로써, 불량 발생 검출 시간을 효과적으로 단축시켜 생산성을 향상시킬 수 있는 빅데이터를 이용한 스마트 팩토리 시스템에 관한 것이다.
잘 알려진 바와 같이, 빅테이터는 생성되는 양, 생성 주기 또는 방식이 기존 데이터에 비하여 훨씬 크고 이로 인하여 기존의 방식으로 수집, 검색 또는 분석이 어려운 방대한 양의 데이터를 의미한다.
이러한 빅데이터는 기술의 발달에 따른 센서와 같은 탐지 또는 정보 기술의 발달 및 정보가 공유될 수 있는 인터넷의 발달로 인하여 데이터가 급격하게 증가되면서 나타나기 시작했는데, 빅데이터는 예를 들어 페타바이트(PB) 크기의 규모(Volume), 모든 형태의 데이터 발생 원인을 포함하는 다양성(Variety), 빠른 데이터의 수집 및 처리가 요구되는 속도(Velocity), 데이터 자체가 가지는 불확실성에 대비에 필요한 정확성(Veracity) 등과 같은 다양한 특성을 가지는 것으로 알려져 있다.
한편, 반도체 제품의 생산성에 있어 수율, 생산속도 등이 중요한 요소로 간주되고 있는데, 이러한 두 요소는 기술개발로 인해 더 이상 향상시키기 어려울 정도로 최적화되어 있지만, 4차 산업혁명으로 개발되어질 것으로 예측되는 다양한 디바이스들로 인해 현재보다 더 향상된 수율과 생산속도를 달성하기 위한 기술개발이 진행되고 있다.
하지만, 종래의 반도체 제품에 대한 검사과정에서는 각각의 검사구역을 순차적으로 진행하는 방식으로 검사공정이 진행되는데, 특정구역에서 불량이 빈번하게 발생되더라도 특정구역의 전 검사 단계를 전부 진행해야만 하도록 설정되어 있다. 예를 들면, 1번 내지 6번 구역에서 6가지 검사를 순차 진행하는 검사공정의 경우 4번 검사구역에서 자주 불량으로 판정되더라도 1번 내지 3번 구역까지는 순차적으로 진행하고, 4번 구역에서 불량으로 판정될 경우 불량으로 분류되기 때문에, 4번 구역에서 빈번한 불량이 발생되더라도 불필요한 검사 구역에서의 검사를 진행해야만 불량 분류가 가능하게 되는 문제점이 있다.
또한, 종래 검사장비에서 불량구역, 불량횟수 등의 데이터를 확인할 수는 있지만, 종래의 검사장비는 이동이 불가능하게 고정되어 있기 때문에, 특정구역에서 불량이 발생하더라도 불량발생 원인을 찾아 복구하기 전까지는 정상적인 검사공정을 수행하기 어렵기 때문에 필연적으로 생산성이 저하될 수 밖에 없는 문제점이 있다.
1. 한국등록특허 제10-1892350호(2018.08.21.등록)
본 발명은 각각의 검사구역에 배치되는 각 검사장비를 교체 가능하게 모듈화하고, 검사대상물 정보의 이력 관리를 통해 누적한 검사대상물 빅데이터를 이용하여 불량 발생 검사구역의 검사순서를 맞춤형으로 변경함으로써, 불량 발생 검출 시간을 효과적으로 단축시켜 생산성을 향상시킬 수 있는 빅데이터를 이용한 스마트 팩토리 시스템을 제공하고자 한다.
그리고, 본 발명은 검사대상물의 생산 이력 관리를 통해 검사대상물 빅데이터를 구축한 상태에서 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리함으로써, 빅데이터를 이용하여 불량 발생을 예측할 수 있을 뿐만 아니라 불량 예측을 통해 해당 검사장비를 교체하여 유지 관리 효율성을 향상시킬 수 있고, 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 불량품에 대한 빠른 분류를 통해 생산성을 향상시킬 수 있는 빅데이터를 이용한 스마트 팩토리 시스템을 제공하고자 한다.
본 발명의 실시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 실시예에 따르면, 복수의 검사구역에 대응하여 모듈화된 형태로 교체 가능하게 구비되며, 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비와, 상기 검사대상물의 생산 이력 관리를 통해 검사대상물 정보를 누적시켜 검사대상물 빅데이터가 구축되는 빅데이터 데이터베이스와, 상기 검사대상물 빅데이터를 이용하여 상기 복수의 검사구역 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리하는 검사관리기를 포함하는 빅데이터를 이용한 스마트 팩토리 시스템이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 검사관리기는, 상기 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 상기 불량 검사를 수행하도록 관리하는 빅데이터를 이용한 스마트 팩토리 시스템이 제공될 수 있다.
또한, 본 발명의 실시예에 따르면, 상기 검사대상물 정보 및 검사대상물 빅데이터는, 제품명, 생산지, 생산지불량률 및 로트별 특성을 각각 포함하는 빅데이터를 이용한 스마트 팩토리 시스템이 제공될 수 있다.
본 발명은 각각의 검사구역에 배치되는 각 검사장비를 교체 가능하게 모듈화하고, 검사대상물 정보의 이력 관리를 통해 누적한 검사대상물 빅데이터를 이용하여 불량 발생 검사구역의 검사순서를 맞춤형으로 변경함으로써, 불량 발생 검출 시간을 효과적으로 단축시켜 생산성을 향상시킬 수 있는 빅데이터를 이용한 스마트 팩토리 시스템을 제공할 수 있다.
그리고, 본 발명은 검사대상물의 생산 이력 관리를 통해 검사대상물 빅데이터를 축한 상태에서 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리함으로써, 빅데이터를 이용하여 불량 발생을 예측할 수 있을 뿐만 아니라 불량 예측을 통해 해당 검사장비를 교체하여 유지 관리 효율성을 향상시킬 수 있고, 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 불량품에 대한 빠른 분류를 통해 생산성을 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템의 블록구성도이고,
도 2 내지 도 4는 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템의 검사공정을 설명하기 위한 도면이다.
본 발명의 실시예들에 대한 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템의 블록구성도이고, 도 2 내지 도 4는 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템의 검사공정을 설명하기 위한 도면이다.
도 1 내지 도 4를 참조하면, 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템은 복수의 검사장비(100), 빅데이터 데이터베이스(200), 검사관리기(300) 등을 포함할 수 있다.
복수의 검사장비(100)는 복수의 검사구역(Inspection Zone)에 대응하여 모듈화된 형태로 교체 가능하게 구비되며, 검사대상물(Target)에 대해 비전 카메라(Vision)를 이용한 불량 검사를 각각 수행하는 것으로, 복수의 검사장비(100)는 검사공정을 수행하는 장착레일(Rail) 상에 복수개가 구비될 수 있다.
이러한 복수의 검사장비(100)가 모듈화된 형태로 장착레일 상에 교체 가능하게 구비될 수 있는데, 빠르게 변화하는 디스플레이 시장에서 새로운 검사 종류가 추가되는 경우가 빈번하게 발생할 수 있고, 종래에는 신규 검사공정을 추가하기 위해서 종래 배선 및 연결구도로 인해 신규 설비를 제작하여야 하는 문제점이 있지만, 본 발명의 실시예에 따른 복수의 검사장비(100)는 모듈화되어 있기 때문에 종래 설비에서 신규 모듈만을 추가로 설치할 경우 신규 검사공정에 빠르게 대처할 수 있다.
이에 따라, 모듈의 쉬운 이동을 통해 필요에 따라 동적인 순서 변화가 가능하기 때문에, 생산속도가 중시되는 생산현장에서 최고 성능을 구현할 수 있다.
또한, 생산현장에서 문제가 발생할 경우 대응팀이 도착하여 수리를 진행할 때까지 설비가 중지되어 검사공정이 지연되는 경우가 자주 발생하게 되는데, 여분의 모듈을 확보함으로써, 문제가 발생할 경우 즉각적이고 빠른 교체를 통해 검사공정을 지연없이 지속적으로 수행할 수 있는 장점이 있다.
빅데이터 데이터베이스(200)는 검사대상물(Target)의 생산 이력 관리를 통해 검사대상물 정보를 누적시켜 검사대상물 빅데이터가 구축되는 것으로, 검사대상물 정보와 검사대상물 빅데이터는, 예를 들면, 제품명, 생산지, 생산지불량률, 로트별 특성 등을 각각 포함할 수 있다.
여기에서, 검사대상물 빅데이터를 구축하기 위해서는 검사대상물의 정보를 바탕으로 이력관리를 수행하고, 이력관리에 따른 생산지별 불량률 및 로트(Lot)별 특성을 분석하여 검사대상물 정보를 획득하는 방식으로 빅데이터를 구축할 수 있는 횟수만큼 누적시킬 수 있다.
상술한 바와 같이 누적된 검사대상물 빅데이터를 이용하여 불량 분포를 역추적하고, 생산지(생산현장)의 시설 문제점을 통보함으로써, 검사대상물의 입고 전부터 불량률을 감소시킬 수 있다.
검사관리기(300)는 검사대상물 빅데이터를 이용하여 복수의 검사구역 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리하는 것으로, 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 불량 검사를 수행하도록 관리할 수 있다.
예를 들어 상술한 바와 같은 빅데이터를 이용한 스마트 팩토리 시스템에서 불량 발생을 예측하여 불량발생예측 검사장비를 교체하고, 검사순서를 변경하는 과정에 대해 도 4를 참조하여 상세히 설명하면, 일반적으로 1→2→3→4→5→6의 순서대로 검사대상물에 대한 각 검사공정이 각 검사장비들을 운용하여 수행되는데(①), 검사대상물 빅데이터를 분석한 결과 4번 검사장비(4)의 검사구역에서 불량 발생률이 높은 경우 1번 검사장비(1)와 4번 검사장비(4)를 장착레일 상에서 탈착시킨 후에(②,③,④,⑤), 1번 검사장비(1)와 4번 검사장비(4)의 검사구역을 상호 교체하여 장착레일 상에 장착한 후에, 검사대상물에 대한 각 검사공정이 4→2→3→1→5→6의 순서대로 검사장비들을 운용하여 수행될 수 있다(⑥).
물론, 이러한 검사 공정은 검사대상물의 빅데이터의 분석에 따라 다양한 순서로 변경하여 검사공정을 수행할 수 있음은 물론이다.
상술한 바와 같이 검사관리기(300)를 통해 불량률이 높은 검사공정을 미리 수행할 경우 검사대상물의 불량 여부를 종래의 검사순서보다 빠르게 파악하여 분류할 수 있기 때문에, 전체 검사시간을 감소시킬 수 있을 뿐만 아니라 전체 생산속도 및 생산률을 현저하게 향상시킬 수 있다.
상술한 바와 같이 본 발명의 실시예에 따른 빅데이터를 이용한 스마트 팩토리 시스템은 빅데이터를 통해 발생 가능한 문제를 예측할 수 있고, 예측된 불량에 따라 검사 순서를 동적으로 변화시킬 수 있으며, 빠른 문제점 검출을 통해 낭비되는 시간을 줄여 전체 소요시간을 단축시킬 수 있고, 데이터 분석을 통해 반복되는 불량에 대한 생산지 문제점을 개선할 수 있으며, 생산지 문제점 개선을 통해 수율을 향상시킬 수 있고, 다양한 생산 시스템에 적용이 가능하다는 장점이 있다.
또한, 새로운 검사장비를 최단 시간 내에 적용할 수 있고, 문제 발생 시 미리 확보한 여분의 모듈로 바로 교체할 수 있기 때문에 장비를 지속적으로 작동시켜 검사공정을 지속적으로 수행할 수 있는 장점이 있다.
따라서, 본 발명은 각각의 검사구역에 배치되는 각 검사장비를 교체 가능하게 모듈화하고, 검사대상물 정보의 이력 관리를 통해 누적한 검사대상물 빅데이터를 이용하여 불량 발생 검사구역의 검사순서를 맞춤형으로 변경함으로써, 불량 발생 검출 시간을 효과적으로 단축시켜 생산성을 향상시킬 수 있는 빅데이터를 이용한 스마트 팩토리 시스템을 제공할 수 있다.
그리고, 본 발명은 검사대상물의 생산 이력 관리를 통해 검사대상물 빅데이터를 구축한 상태에서 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리함으로써, 빅데이터를 이용하여 불량 발생을 예측할 수 있을 뿐만 아니라 불량 예측을 통해 해당 검사장비를 교체하여 유지 관리 효율성을 향상시킬 수 있고, 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 불량품에 대한 빠른 분류를 통해 생산성을 향상시킬 수 있다.
이상의 설명에서는 본 발명의 다양한 실시예들을 제시하여 설명하였으나 본 발명이 반드시 이에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능함을 쉽게 알 수 있을 것이다.
100 : 복수의 검사장비
200 : 빅데이터 데이터베이스
300 : 검사관리기

Claims (3)

  1. 복수의 검사구역에 대응하여 모듈화된 형태로 교체 가능하게 구비되며, 검사대상물에 대해 비전 카메라를 이용한 불량 검사를 각각 수행하는 복수의 검사장비와,
    상기 검사대상물의 생산 이력 관리를 통해 검사대상물 정보를 누적시켜 검사대상물 빅데이터가 구축되는 빅데이터 데이터베이스와,
    상기 검사대상물 빅데이터를 이용하여 상기 복수의 검사구역 중에서 불량 발생이 예측되는 검사구역의 불량발생예측 검사장비를 교체하여 검사 순서를 변경하도록 관리하는 검사관리기
    를 포함하는 빅데이터를 이용한 스마트 팩토리 시스템.
  2. 제 1 항에 있어서,
    상기 검사관리기는, 상기 불량발생예측 검사장비를 최초 검사구역으로 이동시켜 상기 불량 검사를 수행하도록 관리하는 빅데이터를 이용한 스마트 팩토리 시스템.
  3. 제 1 항 또는 제 2 항에 있어서,
    상기 검사대상물 정보 및 검사대상물 빅데이터는, 제품명, 생산지, 생산지불량률 및 로트별 특성을 각각 포함하는 빅데이터를 이용한 스마트 팩토리 시스템.
KR1020190059950A 2019-05-22 2019-05-22 빅데이터를 이용한 스마트 팩토리 시스템 KR102295438B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190059950A KR102295438B1 (ko) 2019-05-22 2019-05-22 빅데이터를 이용한 스마트 팩토리 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190059950A KR102295438B1 (ko) 2019-05-22 2019-05-22 빅데이터를 이용한 스마트 팩토리 시스템

Publications (2)

Publication Number Publication Date
KR20200134459A true KR20200134459A (ko) 2020-12-02
KR102295438B1 KR102295438B1 (ko) 2021-08-30

Family

ID=73792060

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190059950A KR102295438B1 (ko) 2019-05-22 2019-05-22 빅데이터를 이용한 스마트 팩토리 시스템

Country Status (1)

Country Link
KR (1) KR102295438B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230102470A (ko) 2021-12-30 2023-07-07 동명대학교산학협력단 스마트 팩토리 모니터링 시스템
KR102612058B1 (ko) 2023-05-24 2023-12-08 주식회사 시스너 인공지능 모델 기반 불량률 예측을 통한 스마트 팩토리 운용 방법, 장치 및 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101619721B1 (ko) * 2015-11-25 2016-05-11 주식회사 케이엔케이 Pcb 검사 장치
KR101892350B1 (ko) 2016-09-01 2018-08-27 주식회사 포스코아이씨티 연속공정용 대용량 데이터를 실시간으로 처리하기 위한 스마트팩토리 플랫폼

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101619721B1 (ko) * 2015-11-25 2016-05-11 주식회사 케이엔케이 Pcb 검사 장치
KR101892350B1 (ko) 2016-09-01 2018-08-27 주식회사 포스코아이씨티 연속공정용 대용량 데이터를 실시간으로 처리하기 위한 스마트팩토리 플랫폼

Also Published As

Publication number Publication date
KR102295438B1 (ko) 2021-08-30

Similar Documents

Publication Publication Date Title
Lee et al. A big data analytics platform for smart factories in small and medium-sized manufacturing enterprises: An empirical case study of a die casting factory
JP6443312B2 (ja) 管理システム
Sakib et al. Challenges and opportunities of condition-based predictive maintenance: a review
Colledani et al. Integrated analysis of quality and production logistics performance in manufacturing lines
CN109902931B (zh) 一种基于运行数据融合的多态制造系统运行风险建模方法
Eswaramurthi et al. Improvement of manufacturing performance measurement system and evaluation of overall resource effectiveness
WO2018221948A1 (ko) 빅데이터 분석을 통한 공정 관리 방법
US7805639B2 (en) Tool to report the status and drill-down of an application in an automated manufacturing environment
Alabdulkarim et al. Applications of simulation in maintenance research
CN106980922A (zh) 一种基于大数据的输变电设备状态评价方法
Colledani et al. Joint design of quality and production control in manufacturing systems
Li et al. Production system design for quality robustness
Chongwatpol Prognostic analysis of defects in manufacturing
CN114267178B (zh) 一种车站的智能运营维护方法及装置
KR102295438B1 (ko) 빅데이터를 이용한 스마트 팩토리 시스템
Wedel et al. Development of bottleneck detection methods allowing for an effective fault repair prioritization in machining lines of the automobile industry
CN109690641A (zh) 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统
Martinez et al. A cyber-physical system approach to zero-defect manufacturing in light-gauge steel frame assemblies
Tichý et al. Predictive diagnostics usage for telematic systems maintenance
Gopalakrishnan et al. IIoT Framework Based ML Model to Improve Automobile Industry Product.
Lee et al. Intelligent factory agents with predictive analytics for asset management
KR101984257B1 (ko) 클라우드기반 빅데이터분석시스템 및 방법
Kinz et al. Lean smart maintenance–efficient and effective asset management for smart factories
Hribernik et al. Unified Predictive Maintenance System-Findings Based on its Initial Deployment in Three Use Case
KR20200121082A (ko) 장비 자산 관리를 위한 정비 예측 시뮬레이션 시스템 및 그 방법

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant