반도체 생산에서 시계열 빅데이터를 사용한 기계학습 기반 실시간 이상징후 예측 알고리즘 개발

Abstract

대량 생산 체제인 현대 산업에서는 장비(설비)의 유지 보수 관리가 매우 중요하다. 그 이유로는 대량 생산체제의 지속적인 유지와 양질의 제품을 일정하게 생산하기 위함이다. 그 중에서도 특히 반도체 생산 공정은 더욱더 중요한 것이, nm 크기의 미세공정과 초 대량 생산이 이루어 지기 때문이다. 그러나 아직까지 많은 산업 현장에서는 대량 생산 장비의 유지 보수가 정기적인 유지 보수(계획 정비)와 문제 발생 이후의 유지보수(고장 정비)로 나누어져서 수행된다. 이는 경험적인 측면에 의지하는 유지보수의 형태로써, 설비의 고장 징후가 발생함을 예측하는 방법은 아니다. 따라서 대량 생산체제의 산업현장에서는 보다 많고 안정적인 생산량과 품질을 유지하기 위해서는 설비 장치의 이상징후를 사전에 파악하여 그 이상 징후에 맞는 조치를 취하게 된다면 현재의 유지 보수 방법에 부가되는 우수한 설비 관리 방법론이 될 여지가 크다. 본 연구는 설비의 변수 등에서 나타나는 대량의 변수를 이용하여 기계학습과 시계열 분석적인 방법에서 접근하여 설비가 고장정지를 발생하기 일정 시간 이전에 고장을 예측하여 생산관리/계획과 설비 보수에 도움이 되고자 한다.