디스플레이 장비의 이상 징후 사전감지 시스템 설계 및 구현

Abstract

국내반도체·디스플레이제조 업체는 기술력을 바탕으로 품질과 생산 등에 있어서 반도체·디스플레이산업을 선도하였으나, 후발 주자인 중국이 정부의 지원 정책에 힘입어 제조업체들의 양적·질적 성장이 눈에 띄게 늘었으며, 이는 기술을 선도하는 한국을 위협하고 있다. 중국은 한국으로부터 기술 도입을 통해 자체적인 기술력을 확보하였으며, 한국 제조 업체들간의 기술 격차를 줄이고, 품질 및 수율 등의 생산 수준도 상당히 올라와 있다. 특히나, 저렴한 인건비는 제품의 가격적인 면에서 우위를 점하는데 큰 몫을 하여 시장 점유율을 높이는데 기여하고 있다.

국내 제조 업체들은 이러한 중국의 추격을 극복하기 위해서 기술 경쟁력 강화라는 목표를 갖고 있으며, 이에 대한 방안 중 하나로 Smart Factory,즉 지능형 공장에 관심을 갖기 시작하였다.

본 연구는 국내 제조 기업들의 목표인 원가 절감, 생산성 향상, 자동화라는 목표를 달성하기 위해 설비를 이루는 Components의 Sensor와 Camera로부터 수집 된 시계열 데이터들을 Deep Learning 기술 중 RNN의 하나인 LSTM 모델로 학습 시켜 얻은 예측 데이터와 실시간 데이터를 비교하는 Anomaly Detection을 통해 설비에 이상 징후를 포착하여 공정 불량이 발생 하기 전에 장비를 사전 점검 할 수 있도록 하는 시스템을 구성 및 제공하여 기술 경쟁력을 강화하는데 기여 할 수 있을 것으로 기대 된다.

이러한 기능들이 원활히 동작하기 위해 데이터를 얻기 위한 하드웨어 장착과 설비 제어 및 수집 된 데이터를 관리하며 설비의 이상 징후를 포착 하기 위한 알고리즘이 적용 된 소프트웨어를 개발하고, 결과에 따른 HOST, 장비 제어 시스템, 딥 러닝 시스템 간에 상호 피드백 제어가 가능한 인터페이스를 구현하여 실험을 하였다.

연구를 통해 얻은 실험의 결과로는 장비 점검 시점을 정확히 알 수가 없었다. 하지만 본 연구로 장비 점검 시점에 대한 가이드 라인을 작업자에게 제공 할 수 있었다. 기술이 적용 된 Dry Etcher의 경우, 설비의 이상 징후 사전 검출을 통해 장비 Down 기간의 48% 감소와 Glass 생산 매수의 10%증가를 기대 할 수 있었었다.

본 연구는 제조 공정의 수율 및 품질 향상을 높일 수 있을 것으로 생각된다; Domestic semiconductors and display manufacturers led the semiconductor and display industries in terms of quality and production on the basis of their technological strength. However, China, a latecomer, has significantly increased the quantitative and qualitative growth of manufacturers thanks to government support policies. China is threatening Korea leading the technology, China has secured its own technology through the introduction of technology from Korea, reducing the technology gap between Korean manufacturers, and the production level such as quality and yield has increased considerably. The labor cost contributes to increase the market share by making a big contribution to the advantage of the price of the product. Domestic manufacturers have a goal of strengthening their technological competitiveness in order to overcome this chase of China. As one of the measures for this, they started to get interested in Smart Factory, an intelligent factory.

In order to achieve the goal of cost reduction, productivity improvement, and automation, the goal of this study is to obtain the time series data collected from the sensors and cameras of the equipment as LSTM model which is one of RNN Anomaly Detection, which compares predicted data with real-time data, is expected to contribute to strengthening technological competitiveness by constructing and providing a system that can detect abnormalities in equipment and allow equipment to be pre-inspected before process failures do.

In order to operate these functions smoothly, it is necessary to install hardware for obtaining data, to control the equipment and to manage collected data, to develop software with algorithms applied to capture abnormal signs of equipment, Experiments were conducted by implementing an interface capable of mutual feedback control between running systems.

As a result of the experiment, it was not known exactly when the equipment was inspected. However, this study was able to provide guidelines for the time of equipment inspection to the worker. In the case of dry etcher applied technology, we could expect 48% reduction of machine down period and 10% increase of glass production quantity through pre - detection of abnormal signs of equipment.

This study is expected to improve the yield and quality of the manufacturing process