KR20220111451A - Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment - Google Patents
Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment Download PDFInfo
- Publication number
- KR20220111451A KR20220111451A KR1020210014712A KR20210014712A KR20220111451A KR 20220111451 A KR20220111451 A KR 20220111451A KR 1020210014712 A KR1020210014712 A KR 1020210014712A KR 20210014712 A KR20210014712 A KR 20210014712A KR 20220111451 A KR20220111451 A KR 20220111451A
- Authority
- KR
- South Korea
- Prior art keywords
- solar
- semiconductor equipment
- sensor data
- characteristic factor
- characteristic
- Prior art date
Links
- 239000004065 semiconductor Substances 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000010354 integration Effects 0.000 title 1
- 238000007781 pre-processing Methods 0.000 claims abstract description 33
- 230000005856 abnormality Effects 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 239000000284 extract Substances 0.000 claims abstract description 4
- 238000007726 management method Methods 0.000 claims description 31
- 238000000513 principal component analysis Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 16
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
Classifications
-
- H01L31/18—
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67271—Sorting devices
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
- Testing Of Individual Semiconductor Devices (AREA)
- Testing Or Measuring Of Semiconductors Or The Like (AREA)
Abstract
Description
본 발명은 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법에 관한 것으로, 보다 자세하게는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법에 관한 것이다. The present invention relates to an integrated solution management apparatus and method using sensor data of solar and semiconductor equipment, and more particularly, after performing pre-processing on a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment, It relates to an integrated solution management apparatus and method using sensor data of solar and semiconductor equipment that detects abnormalities according to three types of clusters and classifications based on main characteristic factors selected from extracted characteristic factors.
반도체 및 디스플레이 FAB 등 첨단시설은 엄청난 투자 비용이 요구되고 그 비용의 대부분이 장비 비용에 해당된다. 따라서 고비용의 투자 비용을 빠른 시간에 회수하기 위해 공정을 빠른 시간에 안정화하고 장비의 가동률을 높이기 위한 많은 노력이 있으며 그 중 장비 변수들에 대해 실시간 모니터링을 수행하고 오류(Fault)를 감지하는 기술이 많이 요구되고 있다.State-of-the-art facilities such as semiconductor and display FAB require huge investment costs, and most of those costs fall into equipment costs. Therefore, in order to quickly recover the high-cost investment, there are many efforts to quickly stabilize the process and increase the operation rate of equipment. much is in demand.
그러나, 솔라 RPCVD 장비, 반도체 ALD 장비를 포함하여 많은 종류의 기계장비 부품 센서로부터 얻어지는 실시간 데이터에 대한 표준화된 전처리 프로세스가 부재하고, 건전성 예측 관리 및 예지 정비 과정에 필요한 각 단계별 데이터 분석 및 평가 판정의 객관적 방법론이 부재하다는 문제점이 있다.However, there is no standardized pre-processing process for real-time data obtained from sensors of many types of mechanical equipment, including solar RPCVD equipment and semiconductor ALD equipment, and data analysis and evaluation of each step necessary for predictive maintenance and predictive maintenance process. There is a problem in the absence of an objective methodology.
이와 관련하여, 한국공개특허 제2015-0082947호는 "반도체 공정에서의 공정 장비에 대한 실시간 이상 감지 방법"에 관하여 개시하고 있다.In this regard, Korean Patent Application Laid-Open No. 2015-0082947 discloses a "real-time anomaly detection method for process equipment in a semiconductor process".
본 발명은 상기와 같은 문제점을 해결하기 위해 발명된 것으로서, 센서 데이터 중심 인공지능, 기계학습, 확률통계 기반 건전성 예측 관리 및 상태 기반 예지 정비를 위한 데이터의 전처리, 특징추출 및 선택, 3종 군집 이상감지 등 일련의 과정을 자동화, 통합화 할 수 있는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.The present invention was invented to solve the above problems, and data pre-processing, feature extraction and selection, three or more clusters for sensor data-oriented artificial intelligence, machine learning, probabilistic statistics-based health prediction management and state-based predictive maintenance It aims to provide an integrated solution management device and method using sensor data of solar and semiconductor equipment that can automate and integrate a series of processes such as detection.
또한, 본 발명은 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하고, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.In addition, the present invention performs data pre-processing for a plurality of sensor data for each task assigned to solar and semiconductor equipment, and a characteristic factor for a pre-selected task according to a pre-selected main sensor among tasks assigned to solar and semiconductor equipment An object of the present invention is to provide an integrated solution management apparatus and method using sensor data of solar and semiconductor equipment for extracting .
또한, 본 발명은 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석하여 추출된 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링을 수행하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법을 제공하는데 그 목적이 있다.In addition, the present invention selects the main characteristic factors based on the principal component coefficients for the extracted characteristic factors, and performs clustering on the final characteristic factors extracted by normalizing and principal component analysis of the selected main characteristic factors using a clustering algorithm. An object of the present invention is to provide an integrated solution management device and method using sensor data of solar and semiconductor equipment for detecting and judging anomalies according to the threshold judgment criteria selected for species grouping and classification.
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 데이터 전처리 수행부; 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 특성인자 추출부; 및 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 이상 감지부;를 포함한다.An integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention for achieving the above object is allocated to solar and semiconductor equipment for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment. a data pre-processing unit performing data pre-processing for each task; a characteristic factor extraction unit for extracting characteristic factors for a predetermined operation according to a predetermined main sensor among operations assigned to solar and semiconductor equipment; and an abnormality detection unit that detects abnormalities according to three types of clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors.
또한, 상기 데이터 전처리 수행부는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 한다.In addition, the data preprocessing unit performs preprocessing for each raw data assigned to solar and semiconductor equipment.
또한, 상기 특성인자 추출부는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 최종 특성인자 추출부를 포함하는 것을 특징으로 한다.In addition, the characteristic factor extractor selects a main characteristic factor based on the principal component coefficient with respect to the extracted characteristic factor, and performs normalization and principal component analysis (PCA) of the selected key characteristic factor to extract the final characteristic factor. It is characterized in that it includes a factor extraction unit.
또한, 상기 특성인자 추출부는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 클러스터링 수행부를 포함하는 것을 특징으로 한다.In addition, the characteristic factor extraction unit is characterized in that it includes a clustering performing unit that performs clustering using a clustering algorithm on the final characteristic factor extracted from the selected main characteristic factor.
또한, 상기 이상 감지부는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 한다.In addition, the anomaly detection unit detects and judges anomalies according to the threshold determination criteria selected for three clusters and classifications using a multivariate Gaussian distribution for the final characteristic factor determined to be abnormal as a result of clustering. do it with
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법은 데이터 전처리 수행부에 의해, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계; 특성인자 추출부에 의해, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계; 및 이상 감지부에 의해, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계;를 포함한다.In an integrated solution management method using sensor data of solar and semiconductor equipment according to the present invention for achieving the above object, a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment by a data preprocessing unit performing data preprocessing for each task assigned to solar and semiconductor equipment; extracting, by the characteristic factor extraction unit, a characteristic factor for a predetermined operation according to a predetermined main sensor among operations allocated to solar and semiconductor equipment; and detecting, by the abnormality detection unit, an abnormality according to three types of clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors.
또한, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계는, 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 한다.In addition, the step of performing data pre-processing for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment for each task assigned to solar and semiconductor equipment includes raw data allocated to solar and semiconductor equipment. It is characterized by performing pre-processing for each job.
또한, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는, 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 단계를 포함하는 것을 특징으로 한다.In addition, the step of extracting the characteristic factor for the pre-selected work according to the pre-selected main sensor among the work assigned to the solar and semiconductor equipment selects the main characteristic factor based on the principal component coefficient for the extracted characteristic factor, and selects Normalization and principal component analysis (PCA: Principal Component Analysis) of the main characteristic factors, characterized in that it comprises the step of extracting the final characteristic factors.
또한, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는, 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 단계를 포함하는 것을 특징으로 한다.In addition, the step of extracting the characteristic factor for the pre-selected task according to the pre-selected main sensor among the tasks assigned to the solar and semiconductor equipment is performed by using a clustering algorithm for the final characteristic factor extracted from the selected main characteristic factor. It characterized in that it comprises the step of performing clustering (Clustering).
또한, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계는, 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 한다.In addition, in the step of detecting anomalies according to three clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors, a multivariate Gaussian distribution is used for the final characteristic factors determined to be abnormal as a result of clustering. Thus, it is characterized in that the abnormality is detected and judged according to the threshold judgment criteria selected for the three clusters and classifications.
상기의 목적을 달성하기 위한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치 및 그 방법은 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하고, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석하여 추출된 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링을 수행하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단함으로써, 데이터 전처리, 특징 추출 및 선정, 이상 감지 등의 일련의 과정을 통합화하는 솔라 및 반도체 장비 전용 솔루션을 제공할 수 있는 효과가 있다.An integrated solution management apparatus and method using sensor data of solar and semiconductor equipment according to the present invention for achieving the above object performs data preprocessing for a plurality of sensor data for each task assigned to solar and semiconductor equipment, And among the tasks assigned to the semiconductor equipment, the main characteristic factors are selected based on the principal component coefficients for the extracted characteristic factors for the previously selected tasks according to the selected main sensors, and the selected main characteristic factors are normalized and extracted by principal component analysis A series of processes such as data preprocessing, feature extraction and selection, and anomaly detection by performing clustering using a clustering algorithm for the final characteristic factors and detecting and judging anomalies according to the threshold judgment criteria selected for three clusters and classifications It has the effect of being able to provide a solution dedicated to solar and semiconductor equipment that integrates
또한, 본 발명은 3종(Good, Warning, Fail) 군집/분류의 이상감지 알고리즘 개발을 통해 솔라 및 반도체 장비의 상태 감시 및 예측에 대한 다양성 및 정밀성을 제공할 수 있는 효과가 있다.In addition, the present invention has the effect of providing diversity and precision for monitoring and predicting the state of solar and semiconductor equipment through the development of an anomaly detection algorithm of three (Good, Warning, Fail) clusters/classifications.
또한, 본 발명은 3종(Good, Warning, Fail) 군집/분류 이상감지 학습결과에 대해 사용자가 한계점을 선정할 수 있어 의사 결정 수준을 향상시킬 수 있는 효과가 있다.In addition, the present invention has the effect of improving the decision-making level because the user can select a threshold for the three types (Good, Warning, Fail) cluster / classification abnormality detection learning results.
도 1은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치의 구성을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 특성인자 추출부의 세부 구성을 설명하기 위한 도면이다.
도 3 내지 도 6는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 이상 감지부에 따른 예시 및 결과를 설명하기 위한 도면이다.
도 7은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법의 순서를 설명하기 위한 순서도이다.1 is a view for explaining the configuration of an integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention.
2 is a view for explaining the detailed configuration of a characteristic factor extraction unit employed in the integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention.
3 to 6 are views for explaining examples and results according to the abnormality detection unit employed in the integrated solution management apparatus using the sensor data of the solar and semiconductor equipment according to the present invention.
7 is a flowchart for explaining the sequence of an integrated solution management method using sensor data of solar and semiconductor equipment according to the present invention.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다.Since the present invention can have various changes and can have various embodiments, specific embodiments are illustrated in the drawings and described in detail.
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. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다. However, this is not intended to limit the present invention to specific embodiments, and should be understood to include all modifications, equivalents and substitutes included in the spirit and scope of the present invention. In describing each figure, like reference numerals have been used for like elements.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is referred to as being “connected” or “connected” to another component, it may be directly connected or connected to the other component, but it is understood that other components may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that the other element does not exist in the middle.
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.The terms used in this application are only used to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It is to be understood that this does not preclude the possibility of the presence or addition of numbers, steps, operations, components, parts, or combinations thereof.
이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하, 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, preferred embodiments of the present invention will be described in more detail with reference to the accompanying drawings. Hereinafter, the same reference numerals are used for the same components in the drawings, and repeated descriptions of the same components are omitted.
도 1은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치의 구성을 설명하기 위한 도면이고, 도 2는 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 특성인자 추출부의 세부 구성을 설명하기 위한 도면이고, 도 3 내지 도 6은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치에 채용되는 이상 감지부에 따른 예시 및 결과를 설명하기 위한 도면이다.1 is a diagram for explaining the configuration of an integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention, and FIG. 2 is an integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention. It is a view for explaining the detailed configuration of the characteristic factor extraction unit employed, and FIGS. 3 to 6 are examples and results according to the abnormality detection unit employed in the integrated solution management apparatus using sensor data of solar and semiconductor equipment according to the present invention. It is a drawing for explanation.
도 1을 참조하여 설명하면, 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치(100)는 크게 데이터 전처리 수행부(110), 특성인자 추출부(120) 및 이상 감지부(130)를 포함한다.Referring to FIG. 1 , the integrated
데이터 전처리 수행부(110)는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행한다. 여기서, 다수개의 센서 데이터는 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되되, 솔라 RPCVD 장비의 초 단위의 98개 센서 로우 데이터에서 센서 값의 변동이 보이지 않는 센서들은 제거하여 44개의 센서 데이터를 획득할 수 있다.The
데이터 전처리 수행부(121)는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하며 앞서 예를든바와 같이, 44개의 센서의 센서 데이터가 획득되고, 솔라 RPCVD 장비한개의 작업은 1~39 단계로 이루어져 있으며 이 중 주요 공정 10개 단계의 데이터 확보할 수 있다. The
특성인자 추출부(120)는 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출한다.The characteristic
즉, 특성 인자 추출부(120)는 앞서 예를든바와 같이, 44개의 센서에 10개 단계에 대하여 10개의 특성(mean, max min, rms, std, skewness, kurtosis, crest factor, impulse factor, shpe factor)을 추출하여 한 개의 작업당 총 4400개의 특성인자가 추출될 수 있다.That is, the characteristic
이를 위해, 특성인자 추출부(120)는 도 2에 도시된 바와 같이 최종 특성인자 추출부(121) 및 클러스터링 수행부(122)를 포함한다.To this end, the characteristic
최종 특성인자 추출부(121)는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출한다.The final characteristic
최종 특성인자 추출부(121)는 주성분 계수 결과를 통해 작업별 4400개의 특성인자 중에 주요 부품의 교체 시점을 기준으로 분류할 수 있는 특성을 가장 잘 나타내는 주요 특성인자 13개 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 도 3에 도시된 바와 같이 정규화 및 주성분 분석를 통한 최종 주요인자(PC1, PC2)를 추출할 수 있다.The final characteristic
클러스터링 수행부(122)는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행한다.The clustering performing
클러스터링 수행부(122)는 최종 특성인자를 이용하여 도 4와 같이 머신러닝 기법 중 군집화 클러스터링을 활용한 2종 분류를 수행할 수 있다.The clustering performing
이상 감지부(130)는 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지한다.The
여기서, 종 군집 및 분류는 정상/이상(normal, abnormal) 이거나 좋음/ 경고/실패(Good, Warning, Fail) 일 수 있다.Here, the species cluster and classification may be normal / abnormal (normal, abnormal) or good / warning / failure (Good, Warning, Fail).
이상 감지부(130)는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 도 5 및 도 6과 같이 3종 군집/분류 이상을 감지하고 판단한다. 이때, 도 5의 왼쪽은 단변량 가우시안분포이고, 오른쪽은 다변량 가우시안분포를 비교하는 것이고, 하기의 수학식은 다변량 가우시안분포의 공식이다. 그리고 도 6은 제안한 다변량 가우시안분포의 분류 예를 나타내는 것이다.The
그리고 본 발명은 이상이 감지된 결함 데이터를 분류하고 진단하고, 분류 및 진단된 결함 데이터를 토대로 성능 열화 인자에 대한 유효 잔여 수명을 예측할 수 있다.And, according to the present invention, it is possible to classify and diagnose defect data in which an abnormality is detected, and predict the effective remaining life of the performance degradation factor based on the classified and diagnosed defect data.
도 7은 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법의 순서를 설명하기 위한 순서도이다.7 is a flowchart for explaining the sequence of an integrated solution management method using sensor data of solar and semiconductor equipment according to the present invention.
도 7을 참조하여 설명하면, 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법은 앞서 설명한 본 발명에 따른 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장리를 이용하는 것으로, 이하 중복되는 설명은 생략하기로 한다.Referring to FIG. 7 , the integrated solution management method using sensor data of solar and semiconductor equipment according to the present invention uses the integrated solution management device using sensor data of solar and semiconductor equipment according to the present invention described above. A duplicate description will be omitted.
먼저, 솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행한다(S100). First, data pre-processing is performed for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment for each task assigned to solar and semiconductor equipment ( S100 ).
S100 단계는 솔라 및 반도체 장비에 구비되는 44개의 센서의 센서 데이터가 획득되고, 솔라 장비 한개의 작업은 1~39 단계로 이루어져 있으며 이 중 주요 공정 10개 단계의 데이터 확보할 수 있다. In step S100, sensor data of 44 sensors provided in solar and semiconductor equipment is acquired, and one operation of solar equipment consists of
다음, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출한다(S200).Next, a characteristic factor is extracted for a pre-selected task according to a pre-selected main sensor among tasks assigned to solar and semiconductor equipment (S200).
S200 단계는 솔라 및 반도체 장비에 구비되는 44개의 센서에 10개 단계에 대하여 10개의 특성(mean, max min, rms, std, skewness, kurtosis, crest factor, impulse factor, shpe factor)을 추출하여 한 개의 작업당 총 4400개의 특성인자가 추출될 수 있다.In step S200, 10 characteristics (mean, max min, rms, std, skewness, kurtosis, crest factor, impulse factor, shpe factor) are extracted from 44 sensors provided in solar and semiconductor equipment for 10 steps. A total of 4400 characteristic factors can be extracted per operation.
다음, 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고 , 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출한다(S300). Next, with respect to the extracted characteristic factors, a main characteristic factor is selected based on the principal component coefficient, and a final characteristic factor is extracted by normalizing and principal component analysis (PCA) of the selected main characteristic factor (S300).
S300 단계는 주성분 계수 결과를 통해 작업별 4400개의 특성인자 중에 주요 부품의 교체 시점을 기준으로 분류할 수 있는 특성을 가장 잘 나타내는 주요 특성인자 13개 선정하고, 선정된 주요 특성인자의 데이터만을 이용하여 정규화 및 주성분 분석를 통한 최종 주요인자를 추출할 수 있다.In step S300, 13 major characteristic factors that best represent the characteristics that can be classified based on the time of replacement of major parts among 4,400 characteristic factors for each task are selected through the principal component counting result, and only the data of the selected major characteristic factors are used. Final major factors can be extracted through normalization and principal component analysis.
다음, 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행한다(S400).Next, clustering is performed using a clustering algorithm on the final characteristic factors extracted from the selected main characteristic factors (S400).
S400 단계는, 최종 특성인자를 이용하여 머신러닝 기법 중 군집화 클러스터링을 활용한 2종 분류를 수행할 수 있다.In step S400, two types of classification using clustering among machine learning techniques may be performed using the final characteristic factor.
다음, 획득되는 다수개의 센서 데이터에 대하여 전처리를 수행한 후, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지한다(S500).Next, after performing pre-processing on a plurality of acquired sensor data, an abnormality is detected according to three clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors (S500).
S500 단계는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 사용자가 기 설정한 2종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 3종 군집/분류 이상을 감지하고 판단한다.Step S500 uses a multivariate Gaussian distribution for the final characteristic factor determined to be abnormal as a result of performing clustering, and according to the threshold judgment criteria selected for the 2 type clusters and classifications set by the user, 3 types of clusters/classifications or more detect and judge
이상 본 명세서에서 설명한 기능적 동작과 본 주제에 관한 실시형태들은 본 명세서에서 개시한 구조들 및 그들의 구조적인 등가물을 포함하여 디지털 전자 회로나 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어에서 또는 이들 중 하나 이상의 조합에서 구현 가능하다. The functional operations described herein and the embodiments related to the present subject matter can be implemented in a digital electronic circuit or computer software, firmware or hardware, including the structures disclosed herein and structural equivalents thereof, or in a combination of one or more thereof do.
본 명세서에서 기술하는 주제의 실시형태는 하나 이상의 컴퓨터 프로그램 제품, 다시 말해 데이터 처리 장치에 의한 실행을 위하여 또는 그 동작을 제어하기 위하여 유형의 프로그램 매체상에 인코딩되는 컴퓨터 프로그램 명령에 관한 하나 이상의 모듈로서 구현될 수 있다. 유형의 프로그램 매체는 전파형 신호이거나 컴퓨터로 판독 가능한 매체일 수 있다. 전파형 신호는 컴퓨터에 의한 실행을 위하여 적절한 수신기 장치로 전송하기 위한 정보를 인코딩하기 위하여 생성되는 예컨대 기계가 생성한 전기적, 광학적 또는 전자기 신호와 같은 인공적으로 생성된 신호이다. 컴퓨터로 판독 가능한 매체는 기계로 판독 가능한 저장장치, 기계로 판독 가능한 저장 기판, 메모리 장치, 기계로 판독 가능한 전파형 신호에 영향을 미치는 물질의 조합 또는 이들 중 하나 이상의 조합일 수 있다.Embodiments of the subject matter described herein are one or more computer program products, ie one or more modules directed to computer program instructions encoded on a tangible program medium for execution by or for controlling the operation of a data processing apparatus. can be implemented. A tangible program medium may be a radio wave signal or a computer-readable medium. A radio wave signal is an artificially generated signal, eg, a machine-generated electrical, optical or electromagnetic signal, that is generated to encode information for transmission to an appropriate receiver device for execution by a computer. The computer readable medium may be a machine readable storage device, a machine readable storage substrate, a memory device, a combination of materials that affect a machine readable radio wave signal, or a combination of one or more of these.
본 기술한 설명은 본 발명의 최상의 모드를 제시하고 있으며, 본 발명을 설명하기 위하여, 그리고 당업자가 본 발명을 제작 및 이용할 수 있도록 하기 위한 예를 제공하고 있다. 이렇게 작성된 명세서는 그 제시된 구체적인 용어에 본 발명을 제한하는 것이 아니다. The present description sets forth the best mode of the invention, and provides examples to illustrate the invention and to enable any person skilled in the art to make or use the invention. This written specification does not limit the present invention to the specific terms presented.
따라서, 상술한 예를 참조하여 본 발명을 상세하게 설명하였지만, 당업자라면 본 발명의 범위를 벗어나지 않으면서도 본 예들에 대한 개조, 변경 및 변형을 가할 수 있다. 요컨대 본 발명이 의도하는 효과를 달성하기 위해 도면에 도시된 모든 기능 블록을 별도로 포함하거나 도면에 도시된 모든 순서를 도시된 순서 그대로 따라야만 하는 것은 아니며, 그렇지 않더라도 얼마든지 청구항에 기재된 본 발명의 기술적 범위에 속할 수 있음에 주의한다.Accordingly, although the present invention has been described in detail with reference to the above-described examples, those skilled in the art can make modifications, changes, and modifications to these examples without departing from the scope of the present invention. In short, in order to achieve the intended effect of the present invention, it is not necessary to separately include all the functional blocks shown in the drawings or follow all the orders shown in the drawings. Note that it may fall within the scope.
100 : 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치
110 : 데이터 전처리 수행부
120 : 특성인자 추출부
130 : 이상 감지부
100: Integrated solution management device using sensor data of solar and semiconductor equipment
110: data pre-processing unit
120: characteristic factor extraction unit
130: abnormality detection unit
Claims (10)
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 특성인자 추출부; 및
추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 이상 감지부;
를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치.a data pre-processing unit for performing data pre-processing for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment for each task assigned to solar and semiconductor equipment;
a characteristic factor extraction unit for extracting characteristic factors for a predetermined operation according to a predetermined main sensor among operations assigned to solar and semiconductor equipment; and
an abnormality detection unit that detects abnormalities according to three types of clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors;
Integrated solution management device using sensor data of solar and semiconductor equipment comprising a.
상기 데이터 전처리 수행부는 솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치.According to claim 1,
The data pre-processing unit performs pre-processing for each raw data assigned to solar and semiconductor equipment, an integrated solution management device using sensor data of solar and semiconductor equipment.
상기 특성인자 추출부는 추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 최종 특성인자 추출부를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치.According to claim 1,
The characteristic factor extraction unit selects a main characteristic factor based on the principal component coefficient with respect to the extracted characteristic factor, and extracts the final characteristic factor by normalizing and principal component analysis (PCA) of the selected main characteristic factor. An integrated solution management device using sensor data of solar and semiconductor equipment, characterized in that it comprises a unit.
상기 특성인자 추출부는 선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 클러스터링 수행부를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치.According to claim 1,
The characteristic factor extraction unit is an integrated solution using sensor data of solar and semiconductor equipment, characterized in that it includes a clustering execution unit that performs clustering using a clustering algorithm on the final characteristic factor extracted from the selected main characteristic factors. management device.
상기 이상 감지부는 클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 장치.According to claim 1,
The anomaly detection unit detects and judges anomalies according to the threshold determination criteria selected for three types of clusters and classifications using a multivariate Gaussian distribution for the final characteristic factor determined as abnormal as a result of performing clustering, characterized in that An integrated solution management device that uses sensor data from solar and semiconductor equipment.
특성인자 추출부에 의해, 솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계; 및
이상 감지부에 의해, 추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계;
를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.performing, by the data preprocessing unit, data preprocessing for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment for each task assigned to solar and semiconductor equipment;
extracting, by the characteristic factor extraction unit, a characteristic factor for a predetermined operation according to a predetermined main sensor among operations assigned to solar and semiconductor equipment; and
detecting, by the abnormality detection unit, an abnormality according to three types of clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors;
An integrated solution management method using sensor data of solar and semiconductor equipment comprising a.
솔라 및 반도체 장비에 구비되는 센서들로부터 획득되는 다수개의 센서 데이터에 대하여 솔라 및 반도체 장비에 할당된 작업별로 데이터 전처리를 수행하는 단계는,
솔라 및 반도체 장비에 할당된 로우데이터(Raw Data) 작업별 전처리를 수행하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.7. The method of claim 6,
The step of performing data pre-processing for a plurality of sensor data obtained from sensors provided in solar and semiconductor equipment for each task assigned to solar and semiconductor equipment,
An integrated solution management method using sensor data of solar and semiconductor equipment, characterized in that pre-processing for each task of raw data allocated to solar and semiconductor equipment is performed.
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는,
추출된 특성인자에 대하여 주성분 계수를 토대로 주요 특성인자를 선정하고, 선정된 주요 특성인자를 정규화 및 주성분 분석(PCA:Principal Component Analysis)하여 최종 특성인자를 추출하는 단계를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.7. The method of claim 6,
The step of extracting the characteristic factor for the pre-selected task according to the pre-selected main sensor among the tasks assigned to solar and semiconductor equipment is,
Solar characterized in that it comprises the steps of selecting a main characteristic factor based on the principal component coefficient with respect to the extracted characteristic factor, and extracting the final characteristic factor by normalizing and principal component analysis (PCA) of the selected main characteristic factor and an integrated solution management method using sensor data of semiconductor equipment.
솔라 및 반도체 장비에 할당된 작업 중 기 선정된 주요 센서에 따른 기 선정된 작업에 대하여 특성인자를 추출하는 단계는,
선정된 주요 특성인자로부터 추출되는 최종 특성인자에 대하여 군집화 알고리즘을 이용하여 클러스터링(Clustering)을 수행하는 단계를 포함하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.7. The method of claim 6,
The step of extracting the characteristic factor for the pre-selected task according to the pre-selected main sensor among the tasks assigned to solar and semiconductor equipment is,
An integrated solution management method using sensor data of solar and semiconductor equipment, comprising the step of performing clustering using a clustering algorithm on the final characteristic factors extracted from the selected main characteristic factors.
추출된 특성인자로부터 선정된 주요 특성인자를 토대로 3종 군집 및 분류에 따라 이상을 감지하는 단계는,
클러스터링 수행 결과 이상으로 판단된 최종 특성인자에 대해 다변량 가우시안분포(Multivariate Gaussian Distribution)를 이용하여 3종 군집 및 분류에 대하여 선정한 한계점 판단 기준에 따라 이상을 감지하고 판단하는 것을 특징으로 하는 솔라 및 반도체 장비의 센서 데이터를 이용하는 통합 솔루션 관리 방법.
7. The method of claim 6,
The step of detecting anomalies according to three clusters and classifications based on the main characteristic factors selected from the extracted characteristic factors is:
Solar and semiconductor equipment characterized in that it detects and judges anomalies according to the threshold judgment criteria selected for three clusters and classifications using a multivariate Gaussian distribution for the final characteristic factor determined as an abnormality as a result of clustering An integrated solution management method using sensor data from
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (en) | 2021-02-02 | 2021-02-02 | Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (en) | 2021-02-02 | 2021-02-02 | Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220111451A true KR20220111451A (en) | 2022-08-09 |
| KR102564668B1 KR102564668B1 (en) | 2023-08-07 |
Family
ID=82844470
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210014712A KR102564668B1 (en) | 2021-02-02 | 2021-02-02 | Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102564668B1 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050165731A1 (en) * | 2002-08-20 | 2005-07-28 | Tokyo Electron Limited | Method for processing data based on the data context |
-
2021
- 2021-02-02 KR KR1020210014712A patent/KR102564668B1/en active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050165731A1 (en) * | 2002-08-20 | 2005-07-28 | Tokyo Electron Limited | Method for processing data based on the data context |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102564668B1 (en) | 2023-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109186813B (en) | Temperature sensor self-checking device and method | |
| CN117114454B (en) | DC sleeve state evaluation method and system based on Apriori algorithm | |
| JP5735499B2 (en) | Method and apparatus for automatically detecting and classifying fault conditions during substrate processing | |
| CN106528975B (en) | A kind of prognostic and health management method applied to Circuits and Systems | |
| CN110348150B (en) | Fault detection method based on correlation probability model | |
| US20140365179A1 (en) | Method and Apparatus for Detecting and Identifying Faults in a Process | |
| CA2931624A1 (en) | Systems and methods for event detection and diagnosis | |
| CN112284440B (en) | Sensor data deviation self-adaptive correction method | |
| KR102501883B1 (en) | System and method for fault classification of equipment based on machine learning | |
| KR20210017651A (en) | Method for Fault Detection and Fault Diagnosis in Semiconductor Manufacturing Process | |
| CN117932322B (en) | Flour equipment fault diagnosis method and system | |
| CN115828170B (en) | Fault detection method based on electronic control data of tunneling machine | |
| JP3515756B2 (en) | Processing unit monitoring method | |
| KR20140113153A (en) | Method and System for Statistical Equivalence Test | |
| CN118013442A (en) | Fault diagnosis method and system for edge calculation | |
| KR20200010671A (en) | System and method for fault diagnosis of equipment based on machine learning | |
| KR102026069B1 (en) | Segmentation system of sensor data in semiconductor manufacturing equipment and method thereof | |
| KR20220132824A (en) | Distribution facility condition monitoring system and method | |
| KR102564668B1 (en) | Apparatus and method for managing solution by integration using sensor data of solar and semiconductor equipment | |
| KR102303406B1 (en) | Method for something wrong diagnosis of industrial equipment and the device | |
| CN117435908A (en) | Multi-fault feature extraction method for rotary machine | |
| EP4273520A1 (en) | Method and system for comprehensively diagnosing defect in rotating machine | |
| CN117032102A (en) | Equipment fault prediction method and system based on big data | |
| KR102649453B1 (en) | Method and system for diagnosing defects in rotating machinery | |
| Sarquis Filho et al. | Practical recommendations for the design of automatic fault detection algorithms based on experiments with field monitoring data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |