최근 네트워크 센서와 IoT(Internet of Things)와 같은 정보 기술의 발전으로 인해 많은 제조 회사가 제조 라인에서 대량의 공정 운영 데이터를 얻고 있다. 이러한 공정 운영 데이터는 실시간 또는 ...
http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
https://www.riss.kr/link?id=A107058768
2020
-
300
학술저널
17-17(1쪽)
0
상세조회0
다운로드국문 초록 (Abstract)
최근 네트워크 센서와 IoT(Internet of Things)와 같은 정보 기술의 발전으로 인해 많은 제조 회사가 제조 라인에서 대량의 공정 운영 데이터를 얻고 있다. 이러한 공정 운영 데이터는 실시간 또는 ...
최근 네트워크 센서와 IoT(Internet of Things)와 같은 정보 기술의 발전으로 인해 많은 제조 회사가 제조 라인에서 대량의 공정 운영 데이터를 얻고 있다. 이러한 공정 운영 데이터는 실시간 또는 주기적으로 수집되는 한편, 제조라인의 설비는 여러 가지 요인으로 인해 시간의 흐름에 따라 성능이 지속적으로 붕괴될 수 있다. 따라서 대량의 공정운영 데이터는 시계열 데이터로 간주할 수 있다. 본 논문에서는 대량의 시계열 데이터를 다루는 공정 최적화를 위한 새로운 데이터 마이닝 접근법을 제안한다. 제안된 방법은 공정 최적화를 위한 대표적인 데이터 마이닝 접근법인 인내심 규칙 추론(Patient Rule Induction Method)을 사용한다. PRIM은 전체 입력 공간에서 반응 변수의 평균이 최대화되는 작은 부분 영역을 찾는 알고리즘이다. 기존의 PRIM은 작은 부분 영역을 찾는 과정에서 목적함수로써 반응 변수의 평균을 사용하며, 이는 모든 누적 데이터, 즉 오래된 데이터와 최신의 데이터가 모두 동일한 중요도를 가진다고 가정함을 의미한다. 그러나 시간의 흐름을 가지고 있는 시계열 데이터를 가정하면 오래된 데이터보다 최신의 데이터가 더 중요하게 된다.
따라서 본 논문은 PRIM 알고리즘의 목적함수로써 반응 변수의 단순 평균이 아니라 시계열 분석 방법 중 하나인 지수가중이동평균(Exponential Weighted Moving Average)를 사용할 것을 제안한다. 이를 통해 오래된 데이터보다 최신의 데이터에 대해 더 높은 중요도를 적용할 수 있으므로 시간의 흐름을 고려한 공정 최적화가 가능하다. 제안된EWMA-PRIM과 기존 PRIM의 비교 연구는 사례 연구를 통해 수행된다.
적은 수량, 불균형 문제를 가진 학습데이터를 위한 합성곱 신경망 기반의 웨이퍼 맵 불량패턴 분류
다단계 제조 공정에서의 시간에 따른 설비 성능 변화를 고려한 핵심 공정 경로 도출 방법
반도체 제조 공정 내 웨이퍼 결함 패턴 관련 핵심 설비 탐색