WO2023128418A1 - 인공지능 모델 통합 관리 및 배포 시스템과 그 방법 - Google Patents

인공지능 모델 통합 관리 및 배포 시스템과 그 방법 Download PDF

Info

Publication number
WO2023128418A1
WO2023128418A1 PCT/KR2022/020459 KR2022020459W WO2023128418A1 WO 2023128418 A1 WO2023128418 A1 WO 2023128418A1 KR 2022020459 W KR2022020459 W KR 2022020459W WO 2023128418 A1 WO2023128418 A1 WO 2023128418A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
artificial intelligence
model
intelligence model
user
Prior art date
Application number
PCT/KR2022/020459
Other languages
English (en)
French (fr)
Inventor
백승찬
Original Assignee
주식회사 커넥트시스템
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 주식회사 커넥트시스템 filed Critical 주식회사 커넥트시스템
Publication of WO2023128418A1 publication Critical patent/WO2023128418A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2851—Testing of integrated circuits [IC]
    • G01R31/2855—Environmental, reliability or burn-in testing
    • G01R31/286—External aspects, e.g. related to chambers, contacting devices or handlers
    • G01R31/2868—Complete testing stations; systems; procedures; software aspects
    • G01R31/287—Procedures; Software aspects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2834—Automated test systems [ATE]; using microprocessors or computers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/28—Testing of electronic circuits, e.g. by signal tracer
    • G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
    • G01R31/2836—Fault-finding or characterising
    • G01R31/2846—Fault-finding or characterising using hard- or software simulation or using knowledge-based systems, e.g. expert systems, artificial intelligence or interactive algorithms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present invention relates to an artificial intelligence model integrated management and distribution system and method thereof, and more particularly, to store and manage various artificial intelligence models that determine whether a semiconductor or display production process is abnormal, and to produce a user's semiconductor or display. It relates to an artificial intelligence model integrated management and distribution system and method configured to distribute an artificial intelligence model suitable for a process to users in the form of a web service.
  • AI artificial intelligence
  • an artificial intelligence model is developed through an external expert or an internal expert within the company without giving up on the introduction of artificial intelligence technology, there is a problem in that it takes a lot of time to develop an artificial intelligence model because there is no environment for collaboration between developers and sharing of artificial intelligence models. do.
  • an artificial intelligence model is developed by spending a lot of time as described above, if a developer other than the developer who developed the artificial intelligence model applies the artificial intelligence model to various semiconductor and display production processes, it is difficult to understand the model and cannot be used. There are difficulties that may arise.
  • the present invention integrates and manages artificial intelligence models that determine abnormalities in semiconductor and display production processes, and provides artificial intelligence models in the form of web services so that users can call and use artificial intelligence models from any terminal.
  • One technical task is to provide an integrated management and distribution system and method.
  • the present invention provides an artificial intelligence integrated management and distribution system and method that provides a shared environment in which a developer can develop an artificial intelligence model with other developers in a team unit when developing an artificial intelligence model. do.
  • a system for integrated management and distribution of an artificial intelligence model through a communication connection with a terminal includes an information management unit that receives user information and company information from a user terminal and codes the received information, receives artificial intelligence model information from the user terminal, and codes the artificial intelligence model information by the information management unit.
  • An artificial intelligence model management unit for mapping information and optimizing an artificial intelligence model according to the artificial intelligence model information to determine whether one or more processes among a plurality of preset processes are abnormal, and an artificial intelligence model optimized by the artificial intelligence model management unit.
  • a list creation unit generating a list of intelligence models and distributing the list to the user terminal, and call information about the artificial intelligence model included in the list from the user terminal and a process for the plurality of preset processes It is configured to include a response unit that receives data and provides response information generated based on the process data using an artificial intelligence model corresponding to the call information to the user terminal.
  • an artificial intelligence model integrated management and distribution method through a communication connection between terminals including a user terminal and a developer terminal and a server.
  • the method includes the steps of receiving user information and company information from a user terminal, encoding the received information, receiving artificial intelligence model information from any one of the user terminal and the developer terminal, and the artificial intelligence model information Mapping with the information coded by the coding step and optimizing the artificial intelligence model according to the artificial intelligence model information to determine whether one or more processes are abnormal among a plurality of preset processes, optimization by the optimization step Generating a list of artificial intelligence models and distributing the list to the user terminal, and call information for the artificial intelligence model included in the list from the user terminal and a process for the plurality of preset processes Receiving data and providing response information generated based on the process data using an artificial intelligence model corresponding to the call information to the user terminal.
  • the artificial intelligence model for determining whether the semiconductor process and the display process are abnormal is integrated and managed, and the artificial intelligence model is provided in the form of a web service so that the artificial intelligence model can be called and used from any terminal.
  • a system that can be provided with can be provided.
  • an artificial intelligence model can be provided in the form of a web service, and a shared environment in which a developer can develop an artificial intelligence model with other developers in a team unit when developing an artificial intelligence model can be provided.
  • FIG. 1 is a diagram showing an artificial intelligence model integrated management and distribution system according to an embodiment of the present invention and terminals communicatively connected thereto.
  • FIG. 2 is a block diagram showing the configuration of the artificial intelligence model integrated management and distribution system shown in FIG.
  • FIG. 3 is a block diagram showing the configuration of the terminal shown in FIG. 1;
  • FIG. 4 is a flowchart illustrating a sequence of an artificial intelligence model integrated management and distribution method according to another embodiment of the present invention.
  • 5 to 7 are flowcharts showing detailed steps included in steps of the artificial intelligence model integrated management and distribution method shown in FIG. 4 .
  • artificial intelligence integrated management system 100 is a communication connection between an artificial intelligence model integrated management and distribution system (hereinafter referred to as “artificial intelligence integrated management system 100”) and terminals 200 and 300 communicatively connected thereto according to an embodiment of the present invention.
  • artificial intelligence integrated management system 100 an artificial intelligence model integrated management and distribution system
  • terminals 200 and 300 communicatively connected thereto according to an embodiment of the present invention.
  • the artificial intelligence integrated management system 100 and the terminals 200 and 300 may be interconnected through a wired or wireless communication network.
  • the artificial intelligence integrated management system 100 may be formed as a cloud computing server such as Software as a Service (SaaS), Platform as a Service (PaaS) or Infrastructure as a Service (IaaS).
  • SaaS Software as a Service
  • PaaS Platform as a Service
  • IaaS Infrastructure as a Service
  • Each of the terminals 200 and 300 includes, for example, a laptop, a desktop, a laptop equipped with a web browser, a wireless communication device or a smart phone that ensures portability and mobility, and a touchpad. It may refer to all types of handheld-based wireless communication devices such as a tablet PC including a tablet PC.
  • a communication network is any wired network such as a Local Area Network (LAN), a Wide Area Network (WAN) or a Value Added Network (VAN), a mobile radio communication network, or a satellite communication network. It can be implemented as
  • the terminals 200 and 300 may include a user terminal 200 using the integrated artificial intelligence management system 100 and a developer terminal 300 providing an artificial intelligence model to the integrated artificial intelligence management system 100 .
  • a user using the artificial intelligence integrated management system 100 may be a developer who provides an artificial intelligence model to the artificial intelligence integrated management system 100 .
  • a developer who provides an artificial intelligence model to the integrated artificial intelligence management system 100 may also be a user using the integrated artificial intelligence management system 100. Accordingly, although the user terminal 200 and the developer terminal 300 are shown separately in FIG. 1 , they may have substantially the same configuration.
  • the user terminal 200 may output the artificial intelligence model list and response information received from the artificial intelligence integrated management system 100 and display them on a display.
  • the artificial intelligence integrated management system 100 and the user terminal 200 will be described in more detail with reference to FIGS. 2 and 3 below.
  • the developer terminal 300 may also include substantially the same configuration as the user terminal 200 described below.
  • FIG. 2 is a block diagram showing the configuration of the artificial intelligence integrated management system 100.
  • the artificial intelligence integrated management system 100 includes an information management unit 110, an artificial intelligence model management unit 120, a list generator 130 and a response unit 140.
  • the information management unit 110, the AI model management unit 120, the list generation unit 130, and the response unit 140 of the artificial intelligence integrated management system 100 are connected to the terminals 200 through Rest (Representational state transfer)ful API. , 300) and information can be transmitted and received.
  • Rest Representational state transfer
  • the information management unit 110 may receive user information and company information from the user terminal 200 and code the received information. More specifically, the information management unit 110 may include a common information management module 111, a user information management module 112, a code information management module 113 and a server information management module 114.
  • the common information management module 111 may receive and store company information including a company name, main business information, factory information, and process information from the user terminal 200 .
  • Process information may include at least one of semiconductor process information and display process information.
  • the semiconductor process information may include at least one of a semiconductor production process line, a semiconductor yield test line, and semiconductor production facility information.
  • the display process information may include at least one of a display production process line, a display yield test line, and display production facility information.
  • the user information management module 112 may receive and store user information from the user terminal 200 .
  • User information may include at least one of a user name, a user ID, a user's company, a user's age, a user's gender, a user's identification number, a user's e-mail address, and a user's telephone number.
  • the user's unique number may be the user's employee number or social security number.
  • the code information management module 113 may code and manage information received by the common information management module 111 and the user information management module 112 . Coding may be encoding the information received from the common information management module 111 and the user information management module 112 into company codes, company main business codes, and process codes.
  • the process code may be subdivided into a process line code, a yield test line code, a production facility code, and a process area code.
  • the artificial intelligence model manager 120 receives artificial intelligence model information from the user terminal 200 and maps the artificial intelligence model information to information coded by the information manager 110 .
  • the artificial intelligence model management unit 120 optimizes the artificial intelligence model according to the artificial intelligence model information to determine whether one or more processes among a plurality of predetermined processes are abnormal. More specifically, the artificial intelligence model management unit 120 may include a model information management module 121 and a model test module 122 .
  • the user terminal 200 may be the developer terminal 300 .
  • the model information management module 121 may receive artificial intelligence model information from the user terminal 200, map the artificial intelligence model information to information coded by the information management unit 110, and store the information.
  • the artificial intelligence model information may include at least one of artificial intelligence model developer information, model name information, model version information, model content information, model input data format, and SavedModel file binary information.
  • the model information management module 121 may classify and store the artificial intelligence model included in the artificial intelligence model information as a model under development or a model that has been developed.
  • the model information management module 121 may receive setting information for setting artificial intelligence model information provided from the user terminal 200 or the developer terminal 300 .
  • the above-described setting information may include at least one of whether to disclose/non-disclose adjustable parameter information, whether to disclose model sources, model test authority information, and whether to delete models when learning an artificial intelligence model.
  • the model test authority information may be information for selecting whether to provide model modification authority of the model test module 122 only to the corresponding user terminal 200 or to a plurality of user terminals 200 .
  • the authority information is information for setting the authority for whether to check and test artificial intelligence model information for each individual or whether to check and test artificial intelligence model information for each group. Through this, the user can designate and manage which process the artificial intelligence model included in the artificial intelligence model information is suitable for, and can check and test the artificial intelligence model information individually or in groups.
  • the model test module 122 receives test information corresponding to artificial intelligence model information from the user terminal 200 and performs an accuracy test of the artificial intelligence model based on the test information.
  • the test information may include model test data and test answer values.
  • the model test module 122 transmits artificial intelligence model modification request information to the user terminal 200 and receives artificial intelligence model modification information from the user terminal 200 when the result of the accuracy test is equal to or less than a preset value.
  • the preset value may be a similarity value derived by comparing a result value of the accuracy test with a correct answer value of the test information.
  • the artificial intelligence model modification information may be a modified artificial intelligence model.
  • the artificial intelligence model correction information may be data and procedure information for correcting the artificial intelligence model.
  • the artificial intelligence model integrated management system 100 may modify an existing artificial intelligence model based on artificial intelligence model modification information.
  • the model test module 122 determines the similarity value by comparing the result value of the accuracy test with the test answer value of the test information, and when the similarity value is 90% or less, the user terminal 200 provides the artificial intelligence model Modification request information can be transmitted.
  • the model test module 122 may receive model correction information from the user terminal 200 and modify the artificial intelligence model by applying the model correction information to the artificial intelligence model.
  • Model correction information may include at least one or more of parameter correction information, error correction information, and hyperparameter (hyper-parameter) information.
  • the model test module 122 may measure a second similarity value by performing a second test on the modified artificial intelligence model.
  • the model test module 122 transmits secondary modification request information to the user terminal 200 and receives the secondary model modification information from the user terminal 200 to build an artificial intelligence model. can be modified
  • the model test module 122 may provide a model modification completion alarm to the user terminal 200 .
  • the model test module 122 may store and manage all processes and results of the accuracy test. Through this, the model test module 122 may optimize the artificial intelligence model for one or more processes among a plurality of predetermined processes.
  • the list creation unit 130 may generate a list for the artificial intelligence model optimized by the artificial intelligence model management unit 120 and distribute the generated list to the user terminal 200 .
  • the list may include AI model names, AI model descriptions, process information mapped to AI models, and AI model distribution status information.
  • the response unit 140 receives, from the user terminal 200, call information on the AI model included in the list and process data on a plurality of preset processes.
  • the response unit 140 may provide the user terminal 200 with response information generated based on process data using an artificial intelligence model corresponding to the call information. More specifically, the response unit 140 may include a call information reception module 141, an artificial intelligence model payment module 142, and a response information generation module 143.
  • the call information reception module 141 may receive call information and process data for a list from the user terminal 200 .
  • the call information may include at least one of model selection information, model request terminal information, model request date information, and model request time information for an artificial intelligence model selected from the list.
  • the process data may include line information and parameter information about one or more processes among a plurality of preset processes. Parameter information may include various data measured to record processes performed in each of the semiconductor process and the display process.
  • the artificial intelligence model payment module 142 may transmit payment request information to the developer terminal 300 of the called artificial intelligence model.
  • the artificial intelligence model payment module 142 may call the called artificial intelligence model from the artificial intelligence model information management unit 120.
  • the response information generation module 143 inputs process data into the artificial intelligence model received from the artificial intelligence model management unit 120 to generate response information including an anomaly detection result, and provides the response information to the user terminal 200.
  • the response information may include at least one of process state information, anomaly detection processing message information, anomaly detection prediction information, anomaly detection comment information, and an anomaly detection probability value.
  • Process state information may include at least one of process temperature, process humidity, and process atmosphere information of each of the semiconductor process and the display process.
  • the user terminal 200 may include a communication module 210 , a memory 220 , an input/output module 230 and a processor 240 .
  • the communication module 210 performs information transmission and reception with the artificial intelligence integrated management system 100 .
  • the communication module 210 may include a device including hardware and software necessary for transmitting/receiving a signal such as a control signal or a data signal through a wired/wireless connection with another network device.
  • the memory 220 stores an artificial intelligence model integrated management program.
  • the name of the artificial intelligence model integrated management program is set for convenience of explanation, and the name itself does not limit the function of the program.
  • the memory 220 stores at least one of information and data input to the communication module 210, information and data required for functions performed by the processor 240, and data generated according to execution of the processor 240. can
  • the memory 220 should be interpreted as collectively referring to a non-volatile storage device that continuously maintains stored information even when power is not supplied and a volatile storage device that requires power to maintain stored information.
  • the memory 220 may temporarily or permanently store data processed by the processor 240 .
  • the memory 220 may include magnetic storage media or flash storage media in addition to volatile storage devices that require power to maintain stored information, but the scope of the present invention is not limited thereto. no.
  • the input/output module 230 may receive information, data, etc. transmitted to the user terminal 200 from the outside or output information, data, etc. possessed by the user terminal 200 to the outside.
  • the input/output module 230 may include a display, a touch pad, a speaker, and a microphone.
  • the processor 240 may include various types of devices that control and process data.
  • the processor 240 may refer to a data processing device embedded in hardware having a physically structured circuit to perform functions expressed by codes or instructions included in a program.
  • the processor 240 may include a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated circuit (ASIC), an FPGA ( field programmable gate array), etc., but the scope of the present invention is not limited thereto.
  • the processor 240 is configured to execute the artificial intelligence model integrated management program (hereinafter referred to as “management program”) stored in the memory 220 to perform the following functions and procedures.
  • management program the artificial intelligence model integrated management program
  • Information transmitted from the processor 240 to the artificial intelligence integrated management system 100 may be information input to various interfaces output through the input/output module 230 .
  • the interface may be received from the artificial intelligence integrated management system 100 or generated by the processor 240 .
  • the processor 240 may transmit user information and company information to the artificial intelligence integrated management system 100 . More specifically, the processor 240 outputs the user information and company information input interface through the input/output module 230, and integrates the user information and company information input to the interface through the communication module 210 through artificial intelligence. It can be transmitted to the management system (100).
  • the processor 240 may transmit artificial intelligence model information to the artificial intelligence integrated management system 100 .
  • the processor 240 uses the artificial intelligence model information as the artificial intelligence integrated management system 100 to optimize the artificial intelligence model according to the artificial intelligence model information to determine whether an abnormality is detected for one or more processes among a plurality of preset processes. Corresponding test information may be transmitted.
  • the processor 240 receives modification request information of the artificial intelligence model from the artificial intelligence integrated management system 100 when the accuracy test result of the artificial intelligence model is equal to or less than a preset value.
  • the processor 240 may transmit the model correction information to the artificial intelligence integrated management system 100 and apply the model correction information to the artificial intelligence model. Through this, the artificial intelligence model in the user terminal 200 can be optimized for a specific process.
  • the processor 240 may receive a list of optimized artificial intelligence models from the integrated artificial intelligence management system 100 .
  • the processor may transmit call information for the artificial intelligence model included in the list and process data for a plurality of preset processes to the artificial intelligence integrated management system 100 .
  • Processor 240 may receive response information from the artificial intelligence integrated management system (100).
  • Response information is information generated based on process data using an artificial intelligence model corresponding to call information.
  • the response information may include at least one of process state information, anomaly detection processing message information, anomaly detection prediction information, anomaly detection comment information, and an anomaly detection probability value.
  • the processor 240 may receive response information from the artificial intelligence integrated management system 100 through the communication module 210 and display it through the input/output module 230 . Through this, the user terminal 200 can easily determine whether or not the process is abnormal through the artificial intelligence integrated management system 100.
  • FIGS. 4 is an operational flowchart illustrating an artificial intelligence model integrated management and distribution method (hereinafter referred to as “artificial intelligence model integrated management method”) according to another embodiment of the present invention
  • FIGS. 5 to 7 are artificial intelligence models These are diagrams showing detailed processes of some steps of the integrated management method.
  • an artificial intelligence model integrated management method will be described.
  • Each step of the artificial intelligence model integrated management method to be described below is performed by at least one of the artificial intelligence integrated management system 100, the user terminal 200, and the developer terminal 300 described above with reference to FIGS. 1 to 3 can be performed Therefore, the contents of the embodiments of the present invention described above with reference to FIGS.
  • the artificial intelligence model integrated management method is a method through a communication connection between terminals including a user terminal and a developer terminal and a server, including a user information and company information coding step (S110), an artificial intelligence model optimization step ( S120), artificial intelligence model list generation step (S130) and response information providing step (S140).
  • the user terminal, the developer terminal, and the server are the user terminal (200 in FIG. 1), the developer terminal (300 in FIG. 1) and the artificial intelligence model integrated management system (100 in FIG. 1) described above with reference to FIGS. 1 to 3, respectively. ) and may be substantially the same as The above step may be performed through a Rest (Representational state transfer)ful API.
  • Coding of user information and company information is a step in which the server receives user information and company information from the user terminal and encodes the received information.
  • the server receives artificial intelligence model information from either a user terminal or a developer terminal, and the artificial intelligence model information is mapped with information coded by the user information and company information coding step (S110). and optimizing the artificial intelligence model according to the artificial intelligence model information to determine whether one or more processes are abnormal among a plurality of preset processes.
  • the artificial intelligence model list generating step (S130) is a step in which the server generates a list for the artificial intelligence model optimized by the artificial intelligence model optimization step (S120) and distributes the generated list to the user terminal.
  • the list may include AI model names, AI model descriptions, process information mapped to AI models, and AI model distribution status information.
  • the server receives call information for the artificial intelligence model included in the list and process data for a plurality of predetermined processes from the user terminal, and uses the artificial intelligence model corresponding to the call information This step is to provide response information generated based on process data to the user terminal.
  • the coding of user information and company information may include common information management (S111), user information management (S112), and common information and user information coding (S113).
  • the common information management step (S111) is a step in which the server receives and stores company information including company name, main business information, factory information and process information from the user terminal.
  • Process information may include at least one of semiconductor process information and display process information.
  • the semiconductor process information may include at least one of a semiconductor production process line, a semiconductor yield test line, and semiconductor production facility information.
  • the display process information may include at least one of a display production process line, a display yield test line, and display production facility information.
  • the user information management step (S112) is a step in which the server receives and stores user information from the user terminal.
  • User information may include at least one of a user name, a user ID, a user's company, a user's age, a user's gender, a user's identification number, a user's e-mail address, and a user's phone number.
  • the common information and user information coding step (S113) is a step in which the server codes and manages the information received in the common information management step (S111) and the user information management step (S112). Coding may be coding the information received in the common information management step (S111) and the user information management step (S112) into a company code, company main business code, and process code.
  • the process code may be subdivided into a process line code, a yield test line code, a production facility code, and a process area code.
  • the artificial intelligence model optimization step (S120) may include a model information management step (S121) and an artificial intelligence model test step (S122).
  • the model information management step (S121) is a step in which the server receives artificial intelligence model information from the user terminal, maps the artificial intelligence model information to information coded in the user information and company information coding step (S110), and stores it.
  • the artificial intelligence model information may include at least one of artificial intelligence model developer information, model name information, model version information, model content information, model input data format, and SavedModel file binary information.
  • the model information management step (S121) may include a step of classifying and storing the artificial intelligence model included in the artificial intelligence model information as a model under development or a model that has been developed.
  • the model information management step (S121) may include receiving setting information for setting artificial intelligence model information provided from a user terminal or a developer terminal.
  • the setting information may include at least one of whether to disclose/non-disclose adjustable parameter information, whether to disclose model sources, model test authority information, and whether to delete models during model learning.
  • the model test authority information may be information for selecting whether to provide the model modification authority of the artificial intelligence model test step S122 only to a corresponding user terminal or to a plurality of user terminals.
  • the authority information is information for setting authority whether to check and test artificial intelligence model information for each individual or to check and test artificial intelligence model information for each group. Through this, the user can designate and manage which process the artificial intelligence model included in the artificial intelligence model information is suitable for, and can check and test the artificial intelligence model information individually or in groups.
  • the server receives test information corresponding to the artificial intelligence model information from the user terminal, performs an accuracy test of the artificial intelligence model based on the test information, and the result of the accuracy test is a preset value.
  • the test information may include model test data and test answer values.
  • the preset value may be a similarity value derived by comparing a result value of the accuracy test with a correct answer value of the test information.
  • the server determines the similarity value by comparing the result value of the accuracy test and the test answer value of the test information, and if the similarity value is 90% or less, the artificial intelligence model is sent to the user terminal. It may be a step of transmitting modification request information of.
  • the artificial intelligence model test step (S122) may be a step in which the server receives model correction information from the user terminal and applies the model correction information to the artificial intelligence model to correct the artificial intelligence model.
  • Model correction information may include at least one or more of parameter correction information, error correction information, and hyperparameter (hyper-parameter) information.
  • the server performs a second test on the modified artificial intelligence model to measure a second similarity value, and if the second similarity value is 90% or less, a second modification request is made to the user terminal. Transmitting information and receiving secondary model modification information from a user terminal to modify the artificial intelligence model.
  • the artificial intelligence model testing step ( S122 ) may include providing a model modification completion alarm to the user terminal.
  • the process and results of the accuracy test performed in the artificial intelligence model test step (S122) may be stored and managed in the server.
  • the server may optimize the artificial intelligence model for one or more processes among a plurality of preset processes.
  • the response information providing step (S140) may include a call information receiving step (S141), an artificial intelligence model payment step (S142), and a response information generating step (S143).
  • Receiving call information step (S141) is a step for the server to receive call information and process data for the list from the user terminal.
  • the call information may include at least one of model selection information, model request terminal information, model request date information, and model request time information for an artificial intelligence model selected from the list.
  • the call information may have the following format in a Restful API method, for example.
  • the process data may include line information and parameter information about one or more processes among a plurality of preset processes.
  • Parameter information may include various data measured to record processes performed in each of the semiconductor process and the display process.
  • Process data for example, can have the following format in a Restful API method.
  • the called artificial intelligence model In the artificial intelligence model payment step (S142), when the server transmits payment request information to the developer terminal 300 of the called artificial intelligence model and receives payment completion information corresponding to the payment request information from the developer terminal, the called artificial intelligence model This step is to load the intelligence model from the server.
  • the artificial intelligence model may be pre-stored and managed in the server.
  • the response information generation step (S143) is a step of inputting process data to the artificial intelligence model received by the server to generate response information including an abnormal detection result, and providing the response information to the user terminal.
  • the response information may include at least one of process state information, anomaly detection processing message information, anomaly detection prediction information, anomaly detection comment information, and an anomaly detection probability value.
  • Process state information may include at least one of process temperature, process humidity, and process atmosphere information of each of the semiconductor process and the display process.
  • Response information may have the following format in a Restful API method, for example.
  • the artificial intelligence integrated management system 100 described above may be implemented by including a communication module, a processor, and a memory.
  • the processor may be configured to perform functions and operations of the information management unit 110, the artificial intelligence model management unit 120, the list generation unit 130, and the response unit 140 shown in FIG.
  • the processor may receive user information and company information from the user terminal 200 and code the received information.
  • the processor receives artificial intelligence model information from the user terminal 200, maps the artificial intelligence model information with coded information, and sets the artificial intelligence model according to the artificial intelligence model information to one or more processes among a plurality of preset processes. It can be optimized to determine whether there is an anomaly.
  • the processor may generate a list of optimized artificial intelligence models and distribute the list to the user terminal 200 .
  • the processor receives call information on the artificial intelligence model included in the list and process data on a plurality of predetermined processes from the user terminal 200, and generates based on the process data using the artificial intelligence model corresponding to the call information.
  • One response information may be provided to the user terminal 200 .
  • the artificial intelligence model integrated management method according to the embodiments of the present invention described above may be implemented in the form of a recording medium including instructions executable by a computer, such as program modules executed by a computer.
  • Computer readable media can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media.
  • Computer readable media may include computer storage media.
  • Computer storage media includes both volatile and nonvolatile, removable and non-removable media implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data.
  • the mode for carrying out the invention is the same as the best mode for carrying out the invention described above.
  • the present invention is a technology for storing and managing various artificial intelligence models that determine whether a semiconductor or display production process is abnormal, and distributing an artificial intelligence model suitable for a user's semiconductor or display production process to users in the form of a web service. And since it can be used in the display industry, it has industrial applicability.
  • code information management module 114 server information management module
  • model information management module 122 model test module
  • call information receiving module 142 artificial intelligence model payment module
  • communication module 220 memory
  • I/O module 240 processor

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

본 발명의 일 실시예는, 단말과의 통신 연결을 통해 인공지능 모델 통합 관리 및 배포하는 시스템을 제공한다. 본 시스템은, 사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 정보 관리부, 상기 사용자 단말로부터 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 정보 관리부에 의해 코드화된 정보와 매핑하고, 상기 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 인공지능 모델 관리부, 상기 인공지능 모델 관리부에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 상기 리스트를 상기 사용자 단말로 배포하는 리스트 생성부, 및 상기 사용자 단말로부터 상기 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 상기 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 상기 호출 정보에 대응되는 인공지능 모델을 이용하여 상기 공정 데이터를 토대로 생성한 응답 정보를 상기 사용자 단말에게 제공하는 응답부를 포함한다.

Description

인공지능 모델 통합 관리 및 배포 시스템과 그 방법
본 발명은 인공지능 모델 통합 관리 및 배포 시스템과 그 방법에 관한 것으로, 보다 상세하게는, 반도체 또는 디스플레이 생산 공정의 이상 여부를 판단하는 다양한 인공지능 모델을 저장하여 관리하고, 사용자의 반도체 또는 디스플레이 생산 공정에 적합한 인공지능 모델을 웹 서비스 형태로 사용자에게 배포하도록 구성되는 인공지능 모델 통합 관리 및 배포 시스템 및 방법에 관한 것이다.
최근 들어, 반도체 생산 공정 및 디스플레이 생산 공정에 인공지능(Artificial Intelligence, AI) 기술을 도입하는 기업이 증가하고 있으나, 위와 같은 제조 공정에 인공지능 기술을 도입하기 위한 물적, 인적, 기술적 자원이 부족하여 인공지능 기술 도입을 포기하는 기업이 많이 생기고 있다.
인공지능 기술 도입을 포기하지 않고 외부 전문가 또는 기업 내부 전문가를 통해 인공지능 모델을 개발할 경우, 개발자 간의 협업 및 인공지능 모델 공유 환경이 마련되어 있지 않아, 인공지능 모델 개발에 많은 시간이 소요되는 문제가 존재한다. 또한, 위와 같이 많은 시간을 들여, 인공지능 모델을 개발하더라도 해당 인공지능 모델을 개발한 개발자 외에 다른 개발자가 인공지능 모델을 다양한 반도체 및 디스플레이 생산 공정에 적용하고자 할 경우, 모델 파악이 어려워 활용이 불가능한 경우가 생기는 어려움이 존재한다.
본 발명은 반도체 및 디스플레이 생산 공정의 이상 여부를 판단하는 인공지능 모델을 통합하여 관리하고, 사용자가 어느 단말에서든지 인공지능 모델을 호출하여 사용할 수 있도록, 인공지능 모델을 웹 서비스 형태로 제공하는 인공지능 통합 관리 및 배포 시스템 및 방법을 제공하는 것을 일 기술적 과제로 한다.
또한, 본 발명은 개발자가 인공지능 모델 개발 시, 팀 단위로 다른 개발자와 함께 인공지능 모델을 개발할 수 있는 공유 환경을 제공하는 인공지능 통합 관리 및 배포 시스템 및 방법을 제공하는 것을 다른 일 기술적 과제로 한다.
본 발명이 이루고자 하는 기술적 과제들은 상기한 기술적 과제로 제한되지 않으며, 이하의 설명으로부터 본 발명의 또 다른 기술적 과제들이 도출될 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 발명의 일 측면에 따라 단말과의 통신 연결을 통해 인공지능 모델을 통합 관리 및 배포하는 시스템이 제공된다. 본 시스템은, 사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 정보 관리부, 상기 사용자 단말로부터 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 정보 관리부에 의해 코드화된 정보와 매핑하고, 상기 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 인공지능 모델 관리부, 상기 인공지능 모델 관리부에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 상기 리스트를 상기 사용자 단말로 배포하는 리스트 생성부, 및 상기 사용자 단말로부터 상기 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 상기 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 상기 호출 정보에 대응되는 인공지능 모델을 이용하여 상기 공정 데이터를 토대로 생성한 응답 정보를 상기 사용자 단말에게 제공하는 응답부를 포함하도록 구성된다.
또한, 상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 발명의 다른 측면에 따라, 사용자 단말 및 개발자 단말을 포함하는 단말들과 서버의 통신 연결을 통한 인공지능 모델 통합 관리 및 배포 방법이 제공된다. 본 방법은, 사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 단계, 상기 사용자 단말로 및 상기 개발자 단말 중 어느 하나로부터 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 코드화 단계에 의해 코드화된 정보와 매핑하고, 상기 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 단계, 상기 최적화 단계에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 상기 리스트를 상기 사용자 단말로 배포하는 단계, 및 상기 사용자 단말로부터 상기 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 상기 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 상기 호출 정보에 대응되는 인공지능 모델을 이용하여 상기 공정 데이터를 토대로 생성한 응답 정보를 상기 사용자 단말에게 제공하는 단계를 포함한다.
전술한 본 발명의 과제 해결 수단들에 의하면, 반도체 공정 및 디스플레이 공정의 이상 여부를 판단하는 인공지능 모델을 통합 관리하고, 어느 단말에서든지 인공지능 모델을 호출하여 사용할 수 있도록 인공지능 모델을 웹 서비스 형태로 제공할 수 있는 시스템을 제공할 수 있다.
또한, 본 발명에 따르면, 인공지능 모델을 웹 서비스 형태로 제공할 수 있으며, 개발자가 인공지능 모델 개발 시, 팀 단위로 다른 개발자와 함께 인공지능 모델을 개발할 수 있는 공유 환경을 제공할 수 있다.
또한, 본 발명에 따르면, 개인별 또는 그룹별로 인공지능 모델을 관리하고, 인공지능 모델을 수정하여, 반도체 공정 및 디스플레이 공정 이상 감지에 최적화시킬 수 있는 시스템을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 모델 통합 관리 및 배포 시스템과 이와 통신 연결되는 단말들을 나타낸 도면이다.
도 2는 도 1에 도시된 인공지능 모델 통합 관리 및 배포 시스템의 구성을 도시한 블록도이다.
도 3은 도 1에 도시된 단말의 구성을 도시한 블록도이다.
도 4는 본 발명의 다른 실시예에 따른 인공지능 모델 통합 관리 및 배포 방법의 순서를 도시한 흐름도이다.
도 5 내지 도 7은 도 4에 도시된 인공지능 모델 통합 관리 및 배포 방법의 단계들이 포함하는 세부 단계들을 나타낸 흐름도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 상세히 설명하기로 한다. 다만, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 여기에서 설명하는 실시예들로 한정되는 것은 아니다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다. 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미로 해석되어야 한다. 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 추가적으로 갖는 것으로 해석되어야 하며, 별도로 정의되지 않는 한 매우 이상적이거나 제한적인 의미로 해석되지 않는다.
도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 도면에 나타난 각 구성요소의 크기, 형태, 형상은 다양하게 변형될 수 있다. 명세서 전체에 대하여 동일/유사한 부분에 대해서는 동일/유사한 도면 부호를 붙였다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 “부” 등은 명세서 작성의 용이함만이 고려되어 부여 되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략하였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉 또는 결합)"되어 있다고 할 때, 이는 "직접적으로 연결(접속, 접촉 또는 결합)"되어 있는 경우뿐만 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결 (접속, 접촉 또는 결합)"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함(구비 또는 마련)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 "포함(구비 또는 마련)"할 수 있다는 것을 의미한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 나타내는 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용되며, 구성 요소들의 순서나 관계를 제한하지 않는다. 예를 들어, 본 발명의 제1구성요소는 제2구성요소로 명명될 수 있고, 유사하게 제2구성요소도 제1구성 요소로 명명될 수 있다. 본 명세서에서 사용되는 단수 표현의 형태들은 명백히 반대의 의미를 나타내지 않는 한 복수 표현의 형태들도 포함하는 것으로 해석되어야 한다.
도 1은 본 발명의 일 실시예에 따른 인공지능 모델 통합 관리 및 배포 시스템(이하, “인공지능 통합 관리 시스템(100)”이라 함)과 이와 통신 연결되는 단말들(200, 300)의 통신 연결을 나타낸 도면이다.
도 1을 참조하면, 인공지능 통합 관리 시스템(100) 및 단말들(200, 300)은 유선 또는 무선 통신망을 통해 상호 연결될 수 있다. 인공지능 통합 관리 시스템(100)은 SaaS (Software as a Service), PaaS (Platform as a Service) 또는 IaaS (Infrastructure as a Service)와 같은 클라우드 컴퓨팅 서버로 형성될 수 있다. 단말들(200, 300) 각각은 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 휴대성과 이동성이 보장되는 무선 통신 장치 또는 스마트폰, 터치패드를 포함하는 태블릿 PC 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 의미할 수 있다. 통신망은 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN) 또는 부가가치 통신망(Value Added Network; VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.
단말들(200, 300)은 인공지능 통합 관리 시스템(100)을 이용하는 사용자 단말(200) 및 인공지능 통합 관리 시스템(100)에 인공지능 모델을 제공하는 개발자 단말(300)을 포함할 수 있다. 인공지능 통합 관리 시스템(100)을 이용하는 사용자가 인공지능 통합 관리 시스템(100)에 인공지능 모델을 제공하는 개발자일 수 있다. 또한, 인공지능 통합 관리 시스템(100)에 인공지능 모델을 제공하는 개발자 역시, 인공지능 통합 관리 시스템(100)을 이용하는 사용자일 수 있다. 따라서, 사용자 단말(200)과 개발자 단말(300)을 도 1에서는 구분하여 도시하였으나, 실질적으로 동일한 구성일 수 있다. 사용자 단말(200)은 상술한 인공지능 통합 관리 시스템(100)으로부터 수신한 인공지능 모델 리스트 및 응답 정보를 출력하여 디스플레이 상에 표시할 수 있다.
인공지능 통합 관리 시스템(100) 및 사용자 단말(200)에 대해서는 이하에서 도 2 및 도 3을 참조하여 더욱 상세하게 설명하고자 한다. 개발자 단말(300) 역시 이하에서 설명되는 사용자 단말(200)과 실질적으로 동일한 구성을 포함할 수 있다.
도 2는 인공지능 통합 관리 시스템(100)의 구성을 도시한 블록도이다.
도 1 및 도 2를 함께 참조하면, 인공지능 통합 관리 시스템(100)은 정보 관리부(110), 인공지능 모델 관리부(120), 리스트 생성부(130) 및 응답부(140)를 포함한다. 인공지능 통합 관리 시스템(100)의 정보 관리부(110), 인공지능 모델 관리부(120), 리스트 생성부(130) 및 응답부(140)는 Rest(Representational state transfer)ful API를 통해 단말들(200, 300)과 정보를 송수신할 수 있다.
정보 관리부(110)는 사용자 단말(200)로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화할 수 있다. 보다 상세하게는, 정보 관리부(110)는 공통 정보 관리 모듈(111), 사용자 정보 관리 모듈(112), 코드 정보 관리 모듈(113) 및 서버 정보 관리 모듈(114)을 포함할 수 있다.
공통 정보 관리 모듈(111)은 사용자 단말(200)로부터 회사명, 주요사업 정보, 공장 정보 및 공정 정보를 포함하는 업체 정보를 수신하여 저장할 수 있다. 공정 정보는 반도체 공정 정보 및 디스플레이 공정 정보 중 적어도 하나 이상을 포함할 수 있다. 반도체 공정 정보는 반도체 생산 공정 라인, 반도체 수율 테스트 라인 및 반도체 생산 설비 정보 중 적어도 하나 이상을 포함할 수 있다. 디스플레이 공정 정보는 디스플레이 생산 공정 라인, 디스플레이 수율 테스트 라인 및 디스플레이 생산 설비 정보 중 적어도 하나 이상을 포함할 수 있다.
사용자 정보 관리 모듈(112)은 사용자 단말(200)로부터 사용자 정보를 수신하여 저장할 수 있다. 사용자 정보는 사용자 이름, 사용자 아이디, 사용자 소속 회사, 사용자 연령, 사용자 성별, 사용자 고유번호, 사용자 이메일 및 사용자 전화번호 중 적어도 하나 이상을 포함할 수 있다. 사용자 고유번호는 사용자의 사원번호 또는 주민번호일 수 있다.
코드 정보 관리 모듈(113)은 공통 정보 관리 모듈(111) 및 사용자 정보 관리 모듈(112)이 수신한 정보들을 코드화하여 관리할 수 있다. 코드화는 공통 정보 관리 모듈(111) 및 사용자 정보 관리 모듈(112)에서 수신한 정보들을 회사 코드, 회사 주요 사업 코드, 공정 코드로 코드화하는 것일 수 있다. 공정 코드는 공정 라인 코드, 수율 테스트 라인 코드, 생산 설비 코드, 공정 영역 코드로 세분화될 수 있다.
인공지능 모델 관리부(120)는 사용자 단말(200)로부터 인공지능 모델 정보를 수신하고, 인공지능 모델 정보를 정보 관리부(110)에 의해 코드화된 정보와 매핑한다. 인공지능 모델 관리부(120)는 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화한다. 보다 상세하게는, 인공지능 모델 관리부(120)는 모델 정보 관리 모듈(121) 및 모델 테스트 모듈(122)을 포함할 수 있다. 사용자 단말(200)은 개발자 단말(300)일 수 있다.
모델 정보 관리 모듈(121)은 사용자 단말(200)로부터 인공지능 모델 정보를 수신하고, 인공지능 모델 정보를 정보 관리부(110)에 의해 코드화된 정보에 매핑하여 저장할 수 있다. 인공지능 모델 정보는 인공지능 모델의 개발자 정보, 모델명 정보, 모델 버전 정보, 모델 내용 정보, 모델 입력 데이터 포맷 및 SavedModel 파일 바이너리 정보 중 적어도 하나 이상을 포함할 수 있다. 모델 정보 관리 모듈(121)은 인공지능 모델 정보에 포함된 인공지능 모델을 개발 중인 모델 또는 개발 완료 모델로 분류하여 저장할 수 있다. 모델 정보 관리 모듈(121)은 사용자 단말(200) 또는 개발자 단말(300)로부터 제공된 인공지능 모델 정보를 설정하기 위한 설정 정보를 수신할 수 있다.
상술한 설정 정보는 인공지능 모델 학습 시, 조정 가능한 파라미터 정보 공개/비공개 여부, 모델 소스 공개여부, 모델 테스트 권한 정보 및 모델 삭제 여부 중 적어도 하나 이상을 포함할 수 있다. 모델 테스트 권한 정보는 모델 테스트 모듈(122)의 모델 수정 권한을 해당 사용자 단말(200)에만 제공할지 또는 복수의 사용자 단말(200)에게 제공할지 선택하는 정보일 수 있다. 예를 들어, 권한 정보는 개인별로 인공지능 모델 정보를 확인하고, 테스트할 것인지 또는 그룹별로 인공지능 모델 정보를 확인하고 테스트할 것인지에 대한 권한을 설정할 수 있도록 하는 정보이다. 이를 통해 사용자는 인공지능 모델 정보에 포함된 인공지능 모델이 어느 공정에 적합한지 지정하여 관리할 수 있고, 개별적으로 또는 그룹으로 인공지능 모델 정보를 확인 및 테스트할 수 있다.
모델 테스트 모듈(122)은 사용자 단말(200)로부터 인공지능 모델 정보에 대응되는 테스트 정보를 수신하고, 테스트 정보를 토대로 인공지능 모델의 정확도 테스트를 수행한다. 테스트 정보는 모델 테스트 데이터 및 테스트 정답 값을 포함할 수 있다. 모델 테스트 모듈(122)은 정확도 테스트의 결과값이 기 설정된 값 이하인 경우, 사용자 단말(200)에게 인공지능 모델의 수정 요청 정보를 전송하고, 사용자 단말(200)로부터 인공지능 모델 수정 정보를 수신한다. 기 설정된 값은 정확도 테스트의 결과값과 테스트 정보의 테스트 정답 값을 비교하여 도출되는 유사도 값일 수 있다.
인공지능 모델 수정 정보는 수정된 인공지능 모델일 수 있다. 또한, 인공지능 모델 수정 정보는 인공지능 모델을 수정하기 위한 데이터 및 절차 정보일 수 있다. 인공지능 모델 통합 관리 시스템(100)은 인공지능 모델 수정 정보를 토대로 기존의 인공지능 모델을 수정할 수 있다.
예를 들어, 모델 테스트 모듈(122)은 정확도 테스트의 결과값과 테스트 정보의 테스트 정답 값을 비교하여 유사도 값을 파악하고, 유사도 값이 90% 이하일 경우, 사용자 단말(200)에게 인공지능 모델의 수정 요청 정보를 전송할 수 있다. 모델 테스트 모듈(122)은 사용자 단말(200)로부터 모델 수정 정보를 수신하고, 모델 수정 정보를 인공지능 모델에 적용하여 인공지능 모델을 수정할 수 있다. 모델 수정 정보는 매개변수 수정 정보, 오류 수정 정보 및 초매개변수 (하이퍼파라미터, Hyper-parameter) 정보 중 적어도 하나 이상을 포함할 수 있다. 모델 테스트 모듈(122)은 수정된 인공지능 모델을 대상으로 제2 테스트를 진행하여 제2 유사도 값을 측정할 수 있다. 모델 테스트 모듈(122)은 제2 유사도 값이 90% 이하일 경우, 사용자 단말(200)에게 2차 수정 요청 정보를 송신하고, 사용자 단말(200)로부터 2차 모델 수정 정보를 수신하여 인공지능 모델을 수정할 수 있다. 제2 유사도 값이 90% 초과일 경우, 모델 테스트 모듈(122)은 사용자 단말(200)에게 모델 수정 완료 알람을 제공할 수 있다. 모델 테스트 모듈(122)은 정확도 테스트의 과정 및 결과를 모두 저장하여 관리할 수 있다. 이를 통해, 모델 테스트 모듈(122)은 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 최적화시킬 수 있다.
리스트 생성부(130)는 인공지능 모델 관리부(120)에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 생성된 리스트를 사용자 단말(200)로 배포할 수 있다. 리스트는 인공지능 모델명, 인공지능 모델 설명, 인공지능 모델에 매핑된 공정 정보 및 인공지능 모델 배포 현황 정보 등을 포함할 수 있다.
응답부(140)는 사용자 단말(200)로부터 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신한다. 응답부(140)는 호출 정보에 대응되는 인공지능 모델을 이용하여 공정 데이터를 토대로 생성한 응답 정보를 사용자 단말(200)에게 제공할 수 있다. 보다 상세하게는, 응답부(140)는 호출 정보 수신 모듈(141), 인공지능 모델 결제 모듈(142) 및 응답 정보 생성 모듈(143)을 포함할 수 있다.
호출 정보 수신 모듈(141)은 사용자 단말(200)로부터 리스트에 대한 호출 정보 및 공정 데이터를 수신할 수 있다. 호출 정보는 리스트 중에서 선택된 인공지능 모델에 대한 모델 선택 정보, 모델 요청 단말 정보, 모델 요청 날짜 정보 및 모델 요청 시간 정보 중 적어도 하나 이상을 포함할 수 있다. 공정 데이터는 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한, 라인 정보 및 파라미터 정보를 포함할 수 있다. 파라미터 정보는 반도체 공정 및 디스플레이 공정들 각각에서 수행되는 과정들을 기록하기 위해 측정한 다양한 데이터들을 포함할 수 있다.
인공지능 모델 결제 모듈(142)은 호출된 인공지능 모델의 개발자 단말(300)로 결제 요청 정보를 송신할 수 있다. 인공지능 모델 결제 모듈(142)은 개발자 단말(300)로부터 결제 요청 정보에 대응되는 결제 완료 정보를 수신할 경우, 호출된 인공지능 모델을 인공지능 모델 정보 관리부(120)로부터 불러올 수 있다.
응답 정보 생성 모듈(143)은 인공지능 모델 관리부(120)로부터 전송 받은 인공지능 모델에 공정 데이터를 입력하여 이상 감지 결과를 포함하는 응답 정보를 생성하고, 응답 정보를 사용자 단말(200)에게 제공할 수 있다. 응답 정보는 공정의 상태 정보, 이상 감지 처리 메시지 정보, 이상 감지 예측 정보, 이상 감지 코멘트 정보 및 이상 감지 확률값 중 적어도 하나 이상을 포함할 수 있다. 공정의 상태 정보는 반도체 공정 및 디스플레이 공정들 각각의 공정 온도, 공정 습도 및 공정 분위기 정보 중 적어도 하나 이상을 포함할 수 있다.
도 1 및 도 3을 함께 참조하면, 사용자 단말(200)은 통신 모듈(210), 메모리(220), 입출력 모듈(230) 및 프로세서(240)를 포함할 수 있다.
통신 모듈(210)은 인공지능 통합 관리 시스템(100)과의 정보 송수신을 수행한다. 통신 모듈(210)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치를 포함할 수 있다.
메모리(220)는 인공지능 모델 통합 관리 프로그램을 저장한다. 인공지능 모델 통합 관리 프로그램의 명칭은 설명의 편의를 위해 설정된 것으로, 명칭 그 자체로 프로그램의 기능을 제한하는 것은 아니다. 메모리(220)는 통신 모듈(210)로 입력되는 정보 및 데이터, 프로세서(240)에 의해 수행되는 기능에 필요한 정보 및 데이터, 프로세서(240)의 실행에 따라 생성된 데이터 중 적어도 어느 하나 이상을 저장할 수 있다. 메모리(220)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력을 필요로 하는 휘발성 저장장치를 통칭하는 것으로 해석되어야 한다. 또한, 메모리(220)는 프로세서(240)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 메모리(220)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
입출력 모듈(230)은 외부로부터 사용자 단말(200)로 전송되는 정보, 데이터 등을 입력 받거나, 사용자 단말(200)이 보유한 정보, 데이터 등을 외부로 출력할 수 있다. 예컨대, 입출력 모듈(230)은 디스플레이, 터치패드, 스피커 및 마이크 등을 포함할 수 있다.
프로세서(240)는 데이터를 제어 및 처리하는 다양한 종류의 장치들을 포함할 수 있다. 프로세서(240)는 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 일 예에서, 프로세서(240)는 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 형태로 구현될 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 프로세서(240)는 메모리(220)에 저장된 인공지능 모델 통합 관리 프로그램(이하, “관리 프로그램”이라 함)을 실행하여 다음과 같은 기능 및 절차들을 수행하도록 구성된다.
프로세서(240)에서 인공지능 통합 관리 시스템(100)으로 송신하는 정보는 입출력 모듈(230)을 통해 출력되는 다양한 인터페이스에 입력된 정보일 수 있다. 인터페이스는 인공지능 통합 관리 시스템(100)로부터 수신되거나 프로세서(240)에 의해 생성될 수 있다.
프로세서(240)는 사용자 정보 및 업체 정보를 인공지능 통합 관리 시스템(100)으로 송신할 수 있다. 보다 상세하게는, 프로세서(240)는 입출력 모듈(230)을 통해 사용자의 정보 및 업체 정보 입력 인터페이스를 출력하고, 해당 인터페이스에 입력된 사용자 정보 및 업체 정보를 통신 모듈(210)을 통해 인공지능 통합 관리 시스템(100)으로 송신할 수 있다.
프로세서(240)는 인공지능 모델 정보를 인공지능 통합 관리 시스템(100)으로 송신할 수 있다. 프로세서(240)는 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 감지 여부를 판단하도록 최적화시키기 위해 인공지능 통합 관리 시스템(100)으로 인공지능 모델 정보에 대응되는 테스트 정보를 송신할 수 있다. 프로세서(240)는 인공지능 통합 관리 시스템(100)으로부터 인공지능 모델의 정확도 테스트 결과값이 기 설정된 값 이하일 경우, 인공지능 모델의 수정 요청 정보를 수신한다. 프로세서(240)는 모델 수정 정보를 인공지능 통합 관리 시스템(100)으로 송신하여 인공지능 모델에 모델 수정 정보를 적용할 수 있다. 이를 통해, 사용자 단말(200)에서 인공지능 모델을 특정 공정에 최적화시킬 수 있다.
프로세서(240)는 인공지능 통합 관리 시스템(100)으로부터 최적화된 인공지능 모델에 대한 리스트를 수신할 수 있다. 프로세서는 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 기 설정된 복수개의 공정들에 대한 공정 데이터를 인공지능 통합 관리 시스템(100)으로 송신할 수 있다. 프로세서(240)는 인공지능 통합 관리 시스템(100)으로부터 응답 정보를 수신할 수 있다. 응답 정보는 호출 정보에 대응되는 인공지능 모델을 이용하여 공정 데이터를 토대로 생성된 정보이다. 응답 정보는 공정의 상태 정보, 이상 감지 처리 메시지 정보, 이상 감지 예측 정보, 이상 감지 코멘트 정보 및 이상 감지 확률값 중 적어도 하나 이상을 포함할 수 있다. 프로세서(240)는 통신 모듈(210)을 통해 인공지능 통합 관리 시스템(100)으로부터 응답 정보를 수신하여 입출력 모듈(230)을 통해 표시할 수 있다. 이를 통해 사용자 단말(200)은 공정의 이상 여부를 인공지능 통합 관리 시스템(100)통해 쉽게 파악할 수 있다.
도 4는 본 발명의 다른 실시예에 따른 인공지능 모델 통합 관리 및 배포 방법(이하, “인공지능 모델 통합 관리 방법” 이라 함.)을 설명하는 동작 흐름도이고, 도 5 내지 도 7은 인공지능 모델 통합 관리 방법의 일부 단계들에 대한 세부 과정들을 도시한 도면들이다. 이하에서 도 4 내지 도 7을 참조하여, 인공지능 모델 통합 관리 방법을 설명하도록 한다. 이하에서 설명될 인공지능 모델 통합 관리 방법의 각 단계들은 앞서 도 1 내지 도 3을 참조하여 설명한 인공지능 통합 관리 시스템(100), 사용자 단말(200), 개발자 단말(300) 중 적어도 하나 이상에 의해 수행될 수 있다. 따라서, 앞서 도 1 내지 도 3을 참조하여 설명한 본 발명의 실시예에 대한 내용은 이하에서 설명될 실시예에도 동일하게 적용될 수 있으며, 이하에서 상술한 설명과 중복되는 내용은 생략하도록 한다. 이하에서 설명되는 단계들은 반드시 순서대로 수행되어야 하는 것은 아니고, 단계들의 순서는 다양하게 설정될 수 있으며, 단계들은 거의 동시에 수행될 수도 있다.
도 4를 참조하면, 인공지능 모델 통합 관리 방법은 사용자 단말 및 개발자 단말을 포함하는 단말들과 서버의 통신 연결을 통한 방법으로서, 사용자 정보 및 업체 정보 코드화 단계(S110), 인공지능 모델 최적화 단계(S120), 인공지능 모델 리스트 생성 단계(S130) 및 응답 정보 제공 단계(S140)를 포함한다. 여기서, 사용자 단말, 개발자 단말 및 서버는 각각 앞서 도 1 내지 도 3을 참조하여 설명한 사용자 단말(도 1의 200), 개발자 단말(도 1의 300) 및 인공지능 모델 통합 관리 시스템(도 1의 100)과 실질적으로 동일한 것일 수 있다. 위 단계는 Rest(Representational state transfer)ful API를 통해 수행될 수 있다.
사용자 정보 및 업체 정보 코드화 단계(S110)는 서버가 사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 단계이다. 인공지능 모델 최적화 단계(S120)는 서버가 사용자 단말 및 개발자 단말 중 어느 하나로부터 인공지능 모델 정보를 수신하고, 인공지능 모델 정보를 사용자 정보 및 업체 정보 코드화 단계(S110)에 의해 코드화된 정보와 매핑하고, 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 단계이다. 인공지능 모델 리스트 생성 단계(S130)는 서버가 인공지능 모델 최적화 단계(S120)에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 생성된 리스트를 사용자 단말로 배포하는 단계이다. 리스트는 인공지능 모델명, 인공지능 모델 설명, 인공지능 모델에 매핑된 공정 정보 및 인공지능 모델 배포 현황 정보 등을 포함할 수 있다. 응답 정보 제공 단계(S140)는 서버가 사용자 단말로부터 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 호출 정보에 대응되는 인공지능 모델을 이용하여 공정 데이터를 토대로 생성한 응답 정보를 사용자 단말에게 제공하는 단계이다.
도 5를 참조하면, 사용자 정보 및 업체 정보 코드화 단계(S110)는 공통 정보 관리 단계(S111), 사용자 정보 관리 단계(S112) 및 공통 정보 및 사용자 정보 코드화 단계(S113)를 포함할 수 있다.
공통 정보 관리 단계(S111)는 서버가 사용자 단말로부터 회사명, 주요사업 정보, 공장 정보 및 공정 정보를 포함하는 업체 정보를 수신하여 저장하는 단계이다. 공정 정보는 반도체 공정 정보 및 디스플레이 공정 정보 중 적어도 하나 이상을 포함할 수 있다. 반도체 공정 정보는 반도체 생산 공정 라인, 반도체 수율 테스트 라인 및 반도체 생산 설비 정보 중 적어도 하나 이상을 포함할 수 있다. 디스플레이 공정 정보는 디스플레이 생산 공정 라인, 디스플레이 수율 테스트 라인 및 디스플레이 생산 설비 정보 중 적어도 하나 이상을 포함할 수 있다.
사용자 정보 관리 단계(S112)는 서버가 사용자 단말로부터 사용자 정보를 수신하여 저장하는 단계이다. 사용자 정보는 사용자 이름, 사용자 아이디, 사용자 소속 회사, 사용자 연령, 사용자 성별, 사용자 고유번호, 사용자 이메일 및 사용자 전화번호 중 적어도 하나 이상을 포함할 수 있다.
공통 정보 및 사용자 정보 코드화 단계(S113)는 서버가 공통 정보 관리 단계(S111) 및 사용자 정보 관리 단계(S112)에서 수신한 정보들을 코드화하여 관리하는 단계이다. 코드화는 공통 정보 관리 단계(S111) 및 사용자 정보 관리 단계(S112)에서 수신한 정보들을 회사 코드, 회사 주요 사업 코드, 공정 코드로 코드화하는 것일 수 있다. 공정 코드는 공정 라인 코드, 수율 테스트 라인 코드, 생산 설비 코드, 공정 영역 코드로 세분화될 수 있다.
도 6을 참조하면, 인공지능 모델 최적화 단계(S120)는 모델 정보 관리 단계(S121) 및 인공지능 모델 테스트 단계(S122)를 포함할 수 있다.
모델 정보 관리 단계(S121)는 서버가 사용자 단말로부터 인공지능 모델 정보를 수신하고, 인공지능 모델 정보를 사용자 정보 및 업체 정보 코드화 단계(S110)에 의해 코드화된 정보에 매핑하여 저장하는 단계이다. 인공지능 모델 정보는 인공지능 모델의 개발자 정보, 모델명 정보, 모델 버전 정보, 모델 내용 정보, 모델 입력 데이터 포맷 및 SavedModel 파일 바이너리 정보 중 적어도 하나 이상을 포함할 수 있다. 모델 정보 관리 단계(S121)는 인공지능 모델 정보에 포함된 인공지능 모델을 개발 중인 모델 또는 개발 완료 모델로 분류하여 저장하는 단계를 포함할 수 있다. 모델 정보 관리 단계(S121)는 사용자 단말 또는 개발자 단말로부터 제공된 인공지능 모델 정보를 설정하기 위한 설정 정보를 수신하는 단계를 포함할 수 있다. 설정 정보는 모델 학습 시, 조정 가능한 파라미터 정보 공개/비공개 여부, 모델 소스 공개여부, 모델 테스트 권한 정보 및 모델 삭제 여부 중 적어도 하나 이상을 포함할 수 있다. 모델 테스트 권한 정보는 인공지능 모델 테스트 단계(S122)의 모델 수정 권한을 해당 사용자 단말에만 제공할지 또는 복수의 사용자 단말에게 제공할지 선택하는 정보일 수 있다. 예를 들어, 권한 정보는 개인별로 인공지능 모델 정보를 확인하고, 테스트할 것인지 또는 그룹별로 인공지능 모델 정보를 확인하고 테스트할 것인지 권한을 설정할 수 있도록 하는 정보이다. 이를 통해 사용자는 인공지능 모델 정보에 포함된 인공지능 모델이 어느 공정에 적합한지 지정하여 관리할 수 있고, 개별적으로 또는 그룹으로 인공지능 모델 정보를 확인 및 테스트할 수 있다.
인공지능 모델 테스트 단계(S122)는 서버가 사용자 단말로부터 인공지능 모델 정보에 대응되는 테스트 정보를 수신하고, 테스트 정보를 토대로 인공지능 모델의 정확도 테스트를 수행하고, 정확도 테스트의 결과값이 기 설정된 값 이하인 경우, 사용자 단말에게 인공지능 모델의 수정 요청 정보를 전송하고, 사용자 단말로부터 인공지능 모델 수정 정보를 수신하는 단계이다. 테스트 정보는 모델 테스트 데이터 및 테스트 정답 값을 포함할 수 있다. 기 설정된 값은 정확도 테스트의 결과값과 테스트 정보의 테스트 정답 값을 비교하여 도출되는 유사도 값일 수 있다. 예를 들어, 인공지능 모델 테스트 단계(S122)는 서버가 정확도 테스트의 결과값과 테스트 정보의 테스트 정답 값을 비교하여 유사도 값을 파악하고, 유사도 값이 90% 이하일 경우, 사용자 단말에게 인공지능 모델의 수정 요청 정보를 전송하는 단계일 수 있다. 인공지능 모델 테스트 단계(S122)는 서버가 사용자 단말로부터 모델 수정 정보를 수신하고, 모델 수정 정보를 인공지능 모델에 적용하여 인공지능 모델을 수정하는 단계일 수 있다. 모델 수정 정보는 매개변수 수정 정보, 오류 수정 정보 및 초매개변수 (하이퍼파라미터, Hyper-parameter) 정보 중 적어도 하나 이상을 포함할 수 있다. 인공지능 모델 테스트 단계(S122)는 서버가 수정된 인공지능 모델을 대상으로 제2 테스트를 진행하여 제2 유사도 값을 측정하고, 제2 유사도 값이 90% 이하일 경우, 사용자 단말에게 2차 수정 요청 정보를 송신하고, 사용자 단말로부터 2차 모델 수정 정보를 수신하여 인공지능 모델을 수정하는 단계를 포함할 수 있다. 제2 유사도 값이 90% 초과일 경우, 인공지능 모델 테스트 단계(S122)는 사용자 단말에게 모델 수정 완료 알람을 제공하는 단계를 포함할 수 있다. 인공지능 모델 테스트 단계(S122)에서 수행된 정확도 테스트의 과정 및 결과는 서버에 모두 저장되어 관리될 수 있다. 이를 통해, 인공지능 모델 테스트 단계(S122)에서 서버는 인공지능 모델을 기설정된 복수개의 공정들 중 하나 이상의 공정에 최적화시킬 수 있다.
도 7을 참조하면, 응답 정보 제공 단계(S140)는 호출 정보 수신 단계(S141), 인공지능 모델 결제 단계(S142) 및 응답 정보 생성 단계(S143)를 포함할 수 있다.
호출 정보 수신 단계(S141)는 서버가 사용자 단말로부터 리스트에 대한 호출 정보 및 공정 데이터를 수신하는 단계이다. 호출 정보는 리스트 중에서 선택된 인공지능 모델에 대한 모델 선택 정보, 모델 요청 단말 정보, 모델 요청 날짜 정보 및 모델 요청 시간 정보 중 적어도 하나 이상을 포함할 수 있다. 호출 정보는 예를 들어, Restful API 방식으로 아래와 같은 형식을 가질 수 있다.
POST http://host:port/models/${MODEL_NAME}[/versions/${VERSION}
공정 데이터는 기설정된 복수개의 공정들 중 하나 이상의 공정에 대한, 라인 정보 및 파라미터 정보를 포함할 수 있다. 파라미터 정보는 반도체 공정 및 디스플레이 공정들 각각에서 수행되는 과정들을 기록하기 위해 측정한 다양한 데이터들을 포함할 수 있다. 공정 데이터는 예를 들어, Restful API 방식으로 아래와 같은 형식을 가질 수 있다.
Figure PCTKR2022020459-appb-img-000001
인공지능 모델 결제 단계(S142)는 서버가 호출된 인공지능 모델의 개발자 단말(300)로 결제 요청 정보를 송신하고, 개발자 단말로부터 결제 요청 정보에 대응되는 결제 완료 정보를 수신할 경우, 호출된 인공지능 모델을 서버로부터 불러오는 단계이다. 해당 인공지능 모델은 서버에 기 저장되어 관리될 수 있다.
응답 정보 생성 단계(S143)는 서버가 수신한 인공지능 모델에 공정 데이터를 입력하여 이상 감지 결과를 포함하는 응답 정보를 생성하고, 응답 정보를 사용자 단말에게 제공하는 단계이다. 응답 정보는 공정의 상태 정보, 이상 감지 처리 메시지 정보, 이상 감지 예측 정보, 이상 감지 코멘트 정보 및 이상 감지 확률값 중 적어도 하나 이상을 포함할 수 있다. 공정의 상태 정보는 반도체 공정 및 디스플레이 공정들 각각의 공정 온도, 공정 습도 및 공정 분위기 정보 중 적어도 하나 이상을 포함할 수 있다. 응답 정보는 예를 들어, Restful API 방식으로 아래와 같은 형식을 가질 수 있다.
Figure PCTKR2022020459-appb-img-000002
도면에 도시되지 않았으나, 상술한 인공지능 통합 관리 시스템(100)은 통신 모듈, 프로세서, 메모리를 포함하여 구현될 수 있다. 프로세서는 도 2에 도시된 정보 관리부(110), 인공지능 모델 관리부(120), 리스트 생성부(130) 및 응답부(140)의 기능 및 동작을 수행하도록 구성될 수 있다. 예를 들어, 프로세서는 사용자 단말(200)로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화할 수 있다. 프로세서는 사용자 단말(200)로부터 인공지능 모델 정보를 수신하고, 인공지능 모델 정보를 코드화된 정보와 매핑하고, 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화할 수 있다. 프로세서는 최적화된 인공지능 모델에 대한 리스트를 생성하고, 해당 리스트를 사용자 단말(200)로 배포할 수 있다. 프로세서는 사용자 단말(200)로부터 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 호출 정보에 대응되는 인공지능 모델을 이용하여 공정 데이터를 토대로 생성한 응답 정보를 사용자 단말(200)에게 제공할 수 있다.
이상 지금까지 설명한 본 발명의 실시예들에 따른 인공지능 모델 통합 관리 방법은, 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 상술한 설명을 기초로 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해되어야만 한다. 본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다. 본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
발명의 실시를 위한 형태는 상술한 발명의 실시를 위한 최선의 형태와 같다.
본 발명은 반도체 또는 디스플레이 생산 공정의 이상 여부를 판단하는 다양한 인공지능 모델을 저장하여 관리하고, 사용자의 반도체 또는 디스플레이 생산 공정에 적합한 인공지능 모델을 웹 서비스 형태로 사용자에게 배포하는 기술로서, 반도체 산업 및 디스플레이 산업에 이용 가능하므로, 산업상 이용 가능성을 갖는다.
[부호의 설명]
100: 인공지능 통합 관리 시스템
110: 정보 관리부
111: 공통 정보 관리 모듈 112: 사용자 정보 관리 모듈
113: 코드 정보 관리 모듈 114: 서버 정보 관리 모듈
120: 인공지능 모델 관리부
121: 모델 정보 관리 모듈 122: 모델 테스트 모듈
130: 리스트 생성부
140: 응답부
141: 호출 정보 수신 모듈 142: 인공지능 모델 결제 모듈
143: 응답 정보 생성 모듈
200: 사용자 단말
210: 통신 모듈 220: 메모리
230: 입출력 모듈 240: 프로세서
300: 개발자 단말

Claims (16)

  1. 단말과의 통신 연결을 통한 인공지능 모델 통합 관리 및 배포 시스템에 있어서,
    사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 정보 관리부;
    상기 사용자 단말로부터 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 정보 관리부에 의해 코드화된 정보와 매핑하고, 상기 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 인공지능 모델 관리부;
    상기 인공지능 모델 관리부에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 상기 리스트를 상기 사용자 단말로 배포하는 리스트 생성부; 및
    상기 사용자 단말로부터 상기 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 상기 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 상기 호출 정보에 대응되는 인공지능 모델을 이용하여 상기 공정 데이터를 토대로 생성한 응답 정보를 상기 사용자 단말에게 제공하는 응답부를 포함하는 인공지능 모델 통합 관리 및 배포 시스템.
  2. 제 1항에 있어서,
    상기 정보 관리부는,
    상기 사용자 단말로부터 회사명, 주요사업 정보, 공장 정보 및 공정 정보를 포함하는 업체 정보를 수신하여 저장하는 공통 정보 관리 모듈;
    상기 사용자 단말로부터 사용자 이름, 사용자 아이디, 사용자 소속 회사, 사용자 연령, 사용자 성별, 사용자 고유번호, 사용자 이메일 및 사용자 전화번호 중 적어도 하나 이상을 포함하는 사용자 정보를 수신하여 저장하는 사용자 정보 관리 모듈; 및
    상기 공통 정보 관리 모듈 및 상기 사용자 정보 관리 모듈이 수신한 정보들을 코드화하여 관리하는 코드 정보 관리 모듈을 포함하는 인공지능 모델 통합 관리 및 배포 시스템.
  3. 제 1항에 있어서,
    상기 인공지능 모델 관리부는,
    상기 사용자 단말로부터 상기 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 코드화된 정보에 매핑하여 저장하는 모델 정보 관리 모듈; 및
    상기 사용자 단말로부터 상기 인공지능 모델 정보에 대응되는 테스트 정보를 수신하고, 상기 테스트 정보를 토대로 상기 인공지능 모델의 정확도 테스트를 수행하고, 상기 정확도 테스트의 결과값이 기 설정된 값 이하인 경우 상기 사용자 단말에게 상기 인공지능 모델의 수정 요청 정보를 전송하고, 상기 사용자 단말로부터 모델 수정 정보를 수신하고, 그리고, 상기 모델 수정 정보를 상기 인공지능 모델에 적용하여 상기 인공지능 모델을 수정하는 모델 테스트 모듈을 포함하는 인공지능 모델 통합 관리 및 배포 시스템.
  4. 제3항에 있어서,
    상기 인공지능 모델 정보는,
    상기 인공지능 모델, 인공지능 모델의 개발자 정보, 모델명 정보, 모델 버전 정보 및 모델 내용 정보 중 적어도 하나 이상을 포함하는 것인, 인공지능 모델 통합 관리 및 배포 시스템.
  5. 제 3항에 있어서,
    상기 모델 정보 관리 모듈은,
    상기 인공지능 모델 정보에 포함된 인공지능 모델을 개발 중인 모델 또는 개발 완료 모델로 분류하여 저장하는 것을 포함하는 인공지능 모델 통합 관리 및 배포 시스템.
  6. 제 1항에 있어서,
    상기 응답부는,
    상기 사용자 단말로부터 상기 리스트에 대한 호출 정보 및 상기 공정 데이터를 수신하는 호출 정보 수신 모듈;
    상기 호출된 인공지능 모델의 개발자 단말로 결제 요청 정보를 송신하고, 상기 개발자 단말로부터 상기 결제 요청 정보에 대응되는 결제 완료 정보를 수신할 경우, 상기 호출된 인공지능 모델을 상기 인공지능 모델 관리부로부터 불러오는 인공지능 모델 결제 모듈; 및
    상기 인공지능 모델 관리부로부터 불러온 인공지능 모델에 상기 공정 데이터를 입력하여 이상 감지 결과를 포함하는 상기 응답 정보를 생성하고, 상기 응답 정보를 상기 사용자 단말에게 제공하는 응답 정보 생성 모듈을 포함하는 인공지능 모델 통합 관리 및 배포 시스템.
  7. 제 6항에 있어서,
    상기 호출 정보는, 상기 리스트 중에서 선택된 인공지능 모델에 대한 모델 선택 정보, 모델 요청 단말 정보, 모델 요청 날짜 정보 및 모델 요청 시간 정보 중 적어도 하나 이상을 포함하고,
    상기 공정 데이터는, 상기 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한, 라인 정보 및 파라미터 정보를 포함하고, 그리고,
    상기 응답 정보는, 상기 공정의 상태 정보, 이상 감지 처리 메시지 정보, 이상 감지 예측 정보, 이상 감지 코멘트 정보 및 이상 감지 확률값 중 적어도 하나 이상을 포함하는 것인 인공지능 모델 통합 관리 및 배포 시스템.
  8. 제 1항에 있어서,
    상기 정보 관리부, 상기 인공지능 모델 관리부, 상기 리스트 생성부 및 상기 응답부는, Restful API를 통해 상기 사용자 단말과 정보를 송수신하는 것인 인공지능 모델 통합 관리 및 배포 시스템.
  9. 사용자 단말 및 개발자 단말을 포함하는 단말들과 서버의 통신 연결을 통한 인공지능 모델 통합 관리 및 배포 방법에 있어서,
    a) 상기 서버가, 상기 사용자 단말로부터 사용자 정보 및 업체 정보를 수신하고, 수신한 정보를 코드화하는 단계;
    b) 상기 서버가, 상기 사용자 단말 및 상기 개발자 단말 중 어느 하나로부터 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 a) 단계에 의해 코드화된 정보와 매핑하고, 그리고, 상기 인공지능 모델 정보에 따른 인공지능 모델을 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한 이상 여부를 판단하도록 최적화하는 단계;
    c) 상기 서버가, 상기 b) 단계에 의해 최적화된 인공지능 모델에 대한 리스트를 생성하고, 상기 리스트를 상기 사용자 단말로 배포하는 단계; 및
    d) 상기 서버가, 상기 사용자 단말로부터 상기 리스트에 포함된 인공지능 모델에 대한 호출 정보 및 상기 기 설정된 복수개의 공정들에 대한 공정 데이터를 수신하고, 그리고, 상기 호출 정보에 대응되는 인공지능 모델을 이용하여 상기 공정 데이터를 토대로 생성한 응답 정보를 상기 사용자 단말에게 제공하는 단계를 포함하는 인공지능 모델 통합 관리 및 배포 방법.
  10. 제 9항에 있어서,
    상기 a) 단계는,
    상기 서버가, 상기 사용자 단말로부터 회사명, 주요사업 정보, 공장 정보 및 공정 정보를 포함하는 업체 정보를 수신하여 저장하는 공통 정보 관리 단계;
    상기 서버가, 상기 사용자 단말로부터 사용자 이름, 사용자 아이디, 사용자 소속 회사, 사용자 연령, 사용자 성별, 사용자 고유번호, 사용자 이메일 및 사용자 전화번호 중 적어도 하나 이상을 포함하는 사용자 정보를 수신하여 저장하는 사용자 정보 관리 단계; 및
    상기 서버가, 상기 공통 정보 관리 단계 및 사용자 정보 관리 단계에서 수신한 정보들을 코드화하여 관리하는 코드 정보 관리 단계를 포함하는 인공지능 모델 통합 관리 및 배포 방법.
  11. 제 9항에 있어서,
    상기 b) 단계는,
    상기 서버가, 상기 사용자 단말로부터 상기 인공지능 모델 정보를 수신하고, 상기 인공지능 모델 정보를 상기 코드화된 정보에 매핑하여 저장하는 모델 정보 관리 단계; 및
    상기 서버가, 상기 사용자 단말로부터 상기 인공지능 모델 정보에 대응되는 테스트 정보를 수신하고, 상기 테스트 정보를 토대로 상기 인공지능 모델의 정확도 테스트를 수행하고, 상기 정확도 테스트의 결과값이 기 설정된 값 이하인 경우 상기 사용자 단말에게 상기 인공지능 모델의 수정 요청 정보를 전송하고, 상기 사용자 단말로부터 모델 수정 정보를 수신하고, 그리고, 상기 모델 수정 정보를 상기 인공지능 모델에 적용하여 상기 인공지능 모델을 수정하는 모델 테스트 단계를 포함하는 인공지능 모델 통합 관리 및 배포 방법.
  12. 제 11항에 있어서,
    상기 인공지능 모델 정보는,
    상기 인공지능 모델, 인공지능 모델의 개발자 정보, 모델명 정보, 모델 버전 정보 및 모델 내용 정보 중 적어도 하나 이상을 포함하는 것인, 인공지능 모델 통합 관리 및 배포 방법.
  13. 제 11항에 있어서,
    상기 모델 정보 관리 단계는,
    상기 인공지능 모델 정보에 포함된 인공지능 모델을 개발 중인 모델 또는 개발 완료 모델로 분류하여 저장하는 단계를 포함하는 인공지능 모델 통합 관리 및 배포 방법.
  14. 제 9항에 있어서,
    상기 d) 단계는,
    상기 서버가, 상기 사용자 단말로부터 상기 리스트에 대한 호출 정보 및 상기 공정 데이터를 수신하는 호출 정보 수신 단계;
    상기 서버가, 상기 호출된 인공지능 모델의 개발자 단말로 결제 요청 정보를 송신하고, 상기 개발자 단말로부터 상기 결제 요청 정보에 대응되는 결제 완료 정보를 수신할 경우, 상기 호출된 인공지능 모델을 불러오는 인공지능 모델 결제 단계; 및
    상기 서버가, 상기 불러온 인공지능 모델에 상기 공정 데이터를 입력하여 이상 감지 결과를 포함하는 상기 응답 정보를 생성하고, 상기 응답 정보를 상기 단말에게 제공하는 응답 정보 생성 단계를 포함하는 인공지능 모델 통합 관리 및 배포 방법.
  15. 제 14항에 있어서,
    상기 호출 정보는, 상기 리스트 중에서 선택된 인공지능 모델에 대한 모델 선택 정보, 모델 요청 단말 정보, 모델 요청 날짜 정보 및 모델 요청 시간 정보 중 적어도 하나 이상을 포함하고,
    상기 공정 데이터는, 상기 기 설정된 복수개의 공정들 중 하나 이상의 공정에 대한, 라인 정보 및 파라미터 정보를 포함하고, 그리고,
    상기 응답 정보는, 상기 상태 정보, 이상 감지 처리 메시지 정보, 이상 감지 예측 정보, 이상 감지 코멘트 정보 및 이상 감지 확률값 중 적어도 하나 이상을 포함하는 것인 인공지능 모델 통합 관리 및 배포 방법.
  16. 제 9항에 있어서,
    상기 서버는 상기 단말들과 Restful API를 통해 정보를 송수신하는 것인 인공지능 모델 통합 관리 및 배포 방법.
PCT/KR2022/020459 2021-12-29 2022-12-15 인공지능 모델 통합 관리 및 배포 시스템과 그 방법 WO2023128418A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210190620A KR102656090B1 (ko) 2021-12-29 2021-12-29 인공지능 모델 통합 관리 및 배포 시스템과 그 방법
KR10-2021-0190620 2021-12-29

Publications (1)

Publication Number Publication Date
WO2023128418A1 true WO2023128418A1 (ko) 2023-07-06

Family

ID=86999668

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/020459 WO2023128418A1 (ko) 2021-12-29 2022-12-15 인공지능 모델 통합 관리 및 배포 시스템과 그 방법

Country Status (2)

Country Link
KR (1) KR102656090B1 (ko)
WO (1) WO2023128418A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101327519B1 (ko) * 2012-09-14 2013-11-08 정용범 주문자 코드 값을 통한 멀티 플랫폼 게임 아이템 제공 시스템
CN108595816A (zh) * 2018-04-18 2018-09-28 石家庄创天电子科技有限公司 基于人工智能的电子产品建模系统及方法
KR102160390B1 (ko) * 2019-12-31 2020-09-29 (주)제이엘케이 인공지능 기반의 사용자 의료정보 분석 방법 및 시스템
KR20210136706A (ko) * 2020-05-08 2021-11-17 삼성전자주식회사 전자 장치 및 이의 제어 방법
KR20210147074A (ko) * 2020-06-30 2021-12-06 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 맞춤형 인공 지능 생산 라인을 실행하기 위한 장치, 방법, 기기 및 매체

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102517228B1 (ko) * 2018-03-14 2023-04-04 삼성전자주식회사 사용자의 입력에 대한 외부 전자 장치의 응답 시간에 기반하여 지정된 기능을 제어하는 전자 장치 및 그의 방법
KR102396255B1 (ko) * 2018-05-03 2022-05-10 손영욱 클라우드 기반 인공지능 음성인식을 이용한 맞춤형 스마트팩토리 생산관리 통합 서비스 제공 방법
KR102213940B1 (ko) * 2020-08-04 2021-02-08 위즈코어 주식회사 지능형 자율 생산 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101327519B1 (ko) * 2012-09-14 2013-11-08 정용범 주문자 코드 값을 통한 멀티 플랫폼 게임 아이템 제공 시스템
CN108595816A (zh) * 2018-04-18 2018-09-28 石家庄创天电子科技有限公司 基于人工智能的电子产品建模系统及方法
KR102160390B1 (ko) * 2019-12-31 2020-09-29 (주)제이엘케이 인공지능 기반의 사용자 의료정보 분석 방법 및 시스템
KR20210136706A (ko) * 2020-05-08 2021-11-17 삼성전자주식회사 전자 장치 및 이의 제어 방법
KR20210147074A (ko) * 2020-06-30 2021-12-06 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 맞춤형 인공 지능 생산 라인을 실행하기 위한 장치, 방법, 기기 및 매체

Also Published As

Publication number Publication date
KR102656090B1 (ko) 2024-04-11
KR20230100933A (ko) 2023-07-06

Similar Documents

Publication Publication Date Title
CN101795270B (zh) 一种基于串口的服务器控制方法
US20220271924A1 (en) Method and apparatus for processing data request
CN110891005A (zh) Iot设备的控制方法、云服务器及iot设备控制系统
WO2021253957A1 (zh) 遗嘱处理方法、装置、设备及存储介质
CN112506779A (zh) 软件接口测试方法、装置、电子设备及存储介质
WO2022059826A1 (ko) 디지털 트윈 환경 기반의 융합형 스마트-IoT 커넥티드 미들웨어 장치 및 제공 방법
WO2023182724A1 (ko) 인력 매칭 시스템
CN114401187B (zh) 灰度发布方法、装置、计算机设备和存储介质
CN112363938A (zh) 数据处理方法、装置、电子设备和存储介质
WO2023128418A1 (ko) 인공지능 모델 통합 관리 및 배포 시스템과 그 방법
CN112882948A (zh) 一种应用的稳定性测试方法、装置、系统及存储介质
CN111984268A (zh) 应用发布方法和应用发布平台
CN113379019B (zh) 核销码生成方法、装置、存储介质及电子设备
CN114546370A (zh) 一种数据对接方法及相关装置
CN115017149A (zh) 数据处理方法、装置、电子设备和存储介质
CN113704079B (zh) 基于Protobuf的接口测试方法和装置
WO2015183016A1 (ko) 데이터 처리 장치 및 데이터 처리 장치의 메모리에 기록된 데이터의 확인 방법
CN112433783A (zh) 一种配置方法及相关设备
WO2023127979A1 (ko) Autosar 센서 인터페이스의 정적 설정 시스템 및 방법
CN103455944A (zh) 信息处理装置和信息处理方法
WO2024096463A1 (ko) 엣지 컴퓨팅을 이용한 서비스를 제공하는 전자 장치 및 그의 동작 방법
WO2023128654A1 (ko) 타겟 장치를 위한 학습 모델 최적화 방법 및 이를 위한 시스템
WO2024128384A1 (ko) 추론 환경 관련 정보 관리 장치 및 방법
CN112882838B (zh) 用于腾退资源实例的方法和装置
US20240126718A1 (en) Systems and methods for data validation

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22916561

Country of ref document: EP

Kind code of ref document: A1