[SK하이닉스 i-tap] 부품 교체 정보를 활용한 Dynamic System VM Modeling

직책: 연구 책임자

기간: 2022. 08 ~ 2022. 11

연구 필요성

공정의 Predictive Maintenance (PM) 이후 발생하는 Data의 Drift, Shift 양상은 Random에 가깝다고 보고 Virtual Metrology (VM)을 하기 위해서는 PM 후 새로운 학습 기간을 필요로 해왔다.
그러나 현업 엔지니어들은 경험적으로 PM 진행 시 특정 부품 교체가 진행이 되면 Drift, Shift 양상이 Rule을 기반으로 양상이 나타남을 체득하였다.
따라서 이를 바탕으로 현장에서는 수기로 기록된 PM 노트를 확인하여, Engineer 판단하에 선재적인 조치 (Response Data의 Drift 정도를 예측하고 가변 Para를 선조절)를 하는 형태로 업무를 진행해왔다.
이런 Engineer의 감에 의한 진행되는 업무 절차들을 M/L을 사용해 구체화, 고도화해 나가고자 한다.

연구 목적 및 내용

FDC Data를 통해 VM Modeling 하여 PM 진행 직 후의 초기 Response 예측 한 성능과 PM 정보 (주로 부품 교체)를 활용하여 PM 진행 직 후의 초기 Response를 예측 한 성능을 비교하여, 부품 교체 정보가 유의미함을 보이고자 한다.
그 과정 속에서 PM 중 발생한 어떠한 정보가 Response 변화에 주된 영향을 주는 인자인지 파악 하고자 한다.
다만, 아직 PM에 관련된 모든 정보가 다 반영되지 않았으며, PM Case가 드물게 일어나 Data가 충분하지 않을 수도 있다.
따라서 제한된 데이터 하에서 유의미한 PM 정보를 얻고자 한다.
FDC Data와 PM 정보를 동시에 고려하여 Drift/Shift를 예측하고, Response를 최종 예측하여 R-squared 0.8 이상의 예측 정확도를 달성하는 것을 목표로 연구 개발을 진행한다.

기대 효과

해당 기업의 Data Feature Enginnering 관련 전문 인력을 양성하고, 새로운 유의 Data 발굴 Sequence를 정립하며 기존 Data의 활용을 극대화한다.
이러한 과정을 통해 선조치 필요 Case 도출(유의 Part 교체 이력 또는 Parts 교체 조합 도출) → 해당 Case의 선조치안 제안 → 선조치를 통한 PM 진행 직 후 초기 Response 산포 개선 → 나아가 장치 가동률 개선을 통한 비용 절감 효과를 얻고자 한다.