- 제조(반도체/디스플레이)
- 이상감지
머신러닝 기반 설비 이상 감지 시스템 구축
초 단위로 수집되는 FDC(Fault Detection & Classification) Trace 데이터를 활용하여 설비 이상 감지 프로세스를 구축하고, 이를 실제 양산에 적용함으로써 제품 품질 향상에 기여합니다.
Use Case
- 제조(반도체/디스플레이)
- 이상감지
머신러닝 기반 설비 이상 감지 시스템 구축
초 단위로 수집되는 FDC(Fault Detection & Classification) Trace 데이터를 활용하여 설비 이상 감지 프로세스를 구축하고, 이를 실제 양산에 적용함으로써 제품 품질 향상에 기여합니다.
Business Problem
기존에는 데이터 처리 기술의 한계로 공정 진행 중 초 단위로 수집되는 FDC Trace 데이터를 통계량으로 축소 변환하여 분석을 수행하였습니다.
Goals
FDC Trace 데이터를 활용하여 설비의 이상 현상을 정밀하게 감지함으로써, 설비 이상 발생 시 대응 방안 구축을 가능하게 합니다.
Analysis
생산 단위별 공정 진행 시간의 차이가 발생하여, 표준 시간을 기준으로 시간 동기화 알고리즘(DTW : Dynamic Time Warping)을 적용합니다. FDC 패턴의 군집 분석을 통하여 정상 군집을 정의하고, 각 군집별 이상 판정 기준을 설정하는 프로세스를 개발합니다.
Solution
해당 프로세스를 실제 양산 과정에서 적용함으로써, 엔지니어가 실시간으로 이상 발생 알람을 전달받을 수 있는 시스템을 구축합니다.
-
-
- 제조(반도체/디스플레이)
- 최적화
OLED 생산 계획 최적화OLED 생산 공정에서 발생하는 재고 문제를 해결하기 위하여 수리 모형과 휴리스틱 기법을 적용한 최적화 모델을 설계함으로써, 단시간 내에 방대한 양의 생산 계획을 수립합니다. -
- 제조(반도체/디스플레이)
- 예측
OES 데이터를 활용한 Airleak 감지 프로세스 구축디스플레이 증착 공정에서 수집되는 OES(Optical Emission Spectroscopy) 데이터를 활용하여, 박막 형성에 영향을 미치는 Airleak 예측 모형을 개발하고, 이를 통해 품질 향상에 기여합니다.
이 홈페이지는 Chrome(크롬)과 Edge(엣지)에 최적화 되어있습니다.
Chrome(크롬)과 Edge(엣지) 브라우저의 사용을 권장드립니다.