Research 2018-03-02T14:47:30+00:00

Research Area

Real-time Smart Monitoring and Intelligent Diagnosis of Equipment/Process
설비/공정의 실시간 스마트 모니터링 및 지능형 진단


11

 

– Smart Monitoring

기존에는 공정의 모니터링을 위해 전통적인 공정 관리 기법인 SPC (Statistical Process Control) 관리도를 활용하여 품질 특성을 관리해 왔습니다. 그러나 첨단 공정이 스마트 팩토리화 되면서 센서로부터 수집되는 데이터는 시간에 따라 품질 및 공정 속성이 변하는 시계열적 특성을 지니게 되며, 센서의 개수도 수십, 수백 개로 증가하면서 전통적인 SPC 기법을 그대로 적용하기에 한계가 있습니다. 본 연구실에서는 스마트팩토리 공정의 사물인터넷 센서로부터 수집되는 시계열 공정 데이터의 특성을 고려하여 공정의 스마트 모니터링이 가능한 다양한 기법들에 대한 연구를 수행하고 있습니다

세부연구분야

  • Seongwon Jang, Seung Hwan Park, Jun-Geol Baek, “Real-time contrasts control chart using random forests with weighted voting”, Expert Systems with Applications, Vol. 71, pp358–369, 2017. 4.
  • Seung Hwan Park, Cheong-Sool Park, Jun-Seok Kim, Jun-Geol Baek, “Principal curve-based monitoring chart for anomaly detection of non-linear process signals”, The International Journal of Advanced Manufacturing Technology, pp1-9, 2016.11

 

– Fault Detection & Classification

스마트 팩토리 공정은 품질, 수율, 설비 등과 관련된 다양한 센서로부터 방대한 양의 데이터를 수집합니다. 수집되는 데이터를 통해 공정을 모니터링 함으로써 공정 이상 탐지 성능과 생산 수율을 향상 시킬 수 있습니다. 이상 탐지란 공정에서 발생하는 반복적인 정상 신호와 상이한 형태의 패턴을 찾아내는 것을 의미하며, 이를 통해 공정의 이상 상태를 사전에 감지할 수 있습니다. 또한 이상 패턴 분류 기법을 통해 탐지된 이상을 분류하고 고장의 원인을 분석하여 고장에 대한 사전 또는 사후 대처가 가능하도록 현장 엔지니어에게 유용한 정보를 제공할 수 있습니다. 본 연구실에서는 품질 및 수율과 관련된 데이터들의 신호 특성을 고려하여 머신러닝 알고리즘 기반의 이상 탐지 기법 및 공정의 원인 분석을 위한 이상 분류 및 추적 기법 등을 연구합니다.

세부연구분야

  • Inseok Lee, Seung Hwan Park, Jun-Geol Baek, “Fault Detection of Manufacturing Process based on Dynamic Time Warping and Exponential Penalty (DTWEP)”, 2016 IJIE; International Conference on Industrial Engineering, Seoul, Korea 2016. 10.
  • Seung Hwan Park, Jun-Geol Baek, “Manufacturing Data based Segmentation for Process Shift Detection”, EURO 2016: European Conference on Operational Research, Poznan, Poland 2016. 07.
  • Donghwan Kim, Seung Hwan Park, Jun-Geol Baek, “Fault detection of a multi-profile data with a correlation using Hotelling’s T2 Control Chart”, EURO 2015: European Conference on Operational Research, Glasgow, UK, 2015. 07.

 

– Equipment Health Management

최근 제조업에서는 새로운 기술을 개발하고 더욱 지능화 된 시스템을 도입하기 위한 첨단 설비 투자를 확대함에 따라 설비의 건강 상태를 모니터링하고, 유지보수 시점 예측을 통한 예지보전 관련 연구가 이슈로 떠오르고 있습니다. 공정 설비의 건강 상태를 모니터링하고, 고장 시점 혹은 유지보수 시점을 정확하게 예측하는 것은 설비의 운영 계획과도 밀접한 관련이 있으며 유지보수 비용을 최소화 할 수 있습니다. 본 연구실에서는 설비의 상태를 모니터링하기 위해 설비의 잔존수명 혹은 고장 확률을 기반으로 건강 지표를 개발하고, 최적의 설비 유지보수 시점을 예측하기 위해 예측모델 기반의 예지 보전 기법을 개발합니다.

세부연구분야

  • Youngji Yoo, Jun-Geol Baek, “Data analysis method for facility breakdown prediction in the semiconductor manufacturing process”, EURO 2016: European Conference on Operational Research, Poznan, Poland 2016. 07.
  • Bong-Geun Song, Seung Hwan Park, Cheong-Sool Park, Jun-Geol Baek, “The probability prediction of fault state using Random Forest”, IASTEM 2016: International Academy of Science, Technology, Engineering and Management, Bali, Indonesia, 2016. 01.
  • Inseok Lee, Sung-Shick Kim, Jun-Geol Baek, “Diagnosis and Prediction of Equipment Fault using the Probability Model”, IFORS 2014: International Federation of Operational Research Societies, Barcelona, Spain , 2014. 07.

 

 

Product planning/scheduling and resource management
생산계획 수립 및 자원 관리


22

 

– Adaptive Product Planning and Scheduling

생산 계획은 제품군에 대한 생산 계획을 수립하는 활동입니다. 최종 제품이 완성되기 위해서는 다양한 세부 부품이 필요합니다. 부품의 종류에 따라 한 제품에만 사용되기도 하고, 여러 제품에 공통적으로 사용되기도 합니다. 이러한 일련의 생산 계획은 데이터를 기반으로 각 세부 제품의 수요를 예측하여 보다 정교하게 계획 할 수 있습니다. 본 연구실에서는 예측 과정에서 발생할 수 있는 오류를 최소화하면서 생산 계획을 수립하는 방법을 연구하고 있습니다.

세부연구분야

  • 한바울, 백준걸, “생존분석을 이용한 디스플레이 FAB의 반송시간 예측모형”, 2013 대한산업공학회 추 계학술대회, 수원, 2013. 11.
  • Hyo-Heon Ko, Jihyun Kim, Sung-Shick Kim, Jun-Geol Baek, “Dispatching rule for non-identical parallel machines with sequence-dependent setups and quality restrictions”, Computers and Industrial Engineering, Vol.59 , No.3, pp.448-457, 2010. 10.
  • 김근형, 고효헌, 백준걸, “AGV 사용이 제한적인 제조공정에서 납기만족을 위한 효율적인 작업투입 방법”, 2010 대한산업공학회 추계학술대회, 동국대학교, 2010. 10.

 

– Advanced Energy Consumption Management

한정된 자원으로 생산성을 극대화하기 위해서는 효율적인 에너지 관리가 필수적입니다. 같은 양의 에너지라 하더라도 소비 방식에 따라 생산량이 월등히 높아 질 수 있습니다. 또한, 같은 생산량이라 하더라도 보다 적은 에너지를 소비함으로써 생산비용을 절감할 수 있습니다. 본 연구실에서는 에너지 사용량과 생산효율의 관계를 파악하고 생산성을 극대화하기 위하여, 에너지 소비 패턴을 분류하고 학습된 데이터를 기반으로 에너지 사용량을 예측하는 연구를 하고 있습니다.

세부연구분야

  • 박종혁, 백준걸, 박승환, 김준석, 박새롬, “반도체디스플레이 공정 에너지 사용량 시뮬레이션 개발”, 2013 대한산업공학회 춘계학술대회, 여수, 2013. 05.
  • Sae-Rom Pak, Seung Hwan Park, Jeong Ho Cho, Daewoong An, Cheong-Sool Park, Jun Seok Kim, Jun-Geol Baek*, “Yield Prediction using Support Vectors based Under-Sampling in Semiconductor Process, ICIME 2012 International Conference on Industrial and Mechanical Engineering, Phuket, 2012. 12.

 

– Real-time Energy Monitoring

실시간 에너지 모니터링은 현재 운영되고 있는 에너지의 상태 정보를 관리자에게 전달하여 의사결정에 도움을 줍니다. 기존의 정보 전달 방식은 각 변수마다 관리도를 만들어 정보를 전달하는 방식이었습니다. 이러한 방식은 변수가 많아지면 정보전달이 어려워지는 문제가 발생합니다. 본 연구실에서는 단일 변수에 의한 통계적 관리에서 벗어나 전체 장비의 에너지 사용 현황을 하나의 시스템에서 모니터링하기 위한 연구를 진행하고 있습니다.

세부연구분야

  • Youngji Yoo, Cheong-Sool Park, Jun Seok Kim, Young-Hak Lee, Sung-Shick Kim, Jun-Geol Baek*, “Clustering Mixed Data Using Non-normal Regression Tree for Process Monitoring”, ICIME 2012 International Conference on Industrial and Mechanical Engineering, Phuket, 2012. 12.
  • Sang-Hoon Park, Hyo-Heon Ko, Min-Seok Kim, Jun-Seok Kim, Cheong-Sool Park, Sung-Shick Kim, Jun-Geol Baek*, “Advanced nano-scale process control using the back-propagation network and dual filter exponentially weighted moving average”, Advanced Science Letters, Vol. 14, No. 1, pp404-408, 2012. 7.
  • Jun Seok Kim, Sang-Hoon Park, Cheong-Sool Park, Hyo-Heon Ko, Sung-Shick Kim, Jun-Geol Baek, “Control Chart Pattern Recognition of Manufacturing Process Using Wavelet Feature-Based Artificial Neural Networks”, Advanced Science Letter, Vol. 13, No. 1, pp863-866, 2012. 6.

 

 

Data Mining
데이터 마이닝

33

 

– Classification & Clustering

분류(Classification)란 전통적인 데이터마이닝에서 가장 대표적인 이슈로서, Input 데이터를 기반으로 데이터 인스턴스의 Class Label을 예측하는 것을 말합니다. 또 군집화(Clustering)는 데이터의 특징들을 기반으로 유사한 데이터 인스턴스를 묶어주는 것을 말합니다. 본 연구실에서는 이러한 이슈에 대해서 Decision Tree, SVM(Support Vectoer Machine), ANN(Artificial Neural Network) 및 K-means clustering, KNN(K-Nearest Neighborhood) 과 같은 대표적인 방법론을 계속 연구하여 생명공학, 군수, 제조현장 등 실제 생활에서 사용될 수 있도록 하고 있습니다.

세부연구분야

  • Myungraee Cha, Jun Seok Kim, Jun-Geol Baek, “Density weighted support vector data description”, Expert Systems with Applications, Vol. 41, pp3343-3350, 2014. 6.
  • Jun-Geol Baek, Jonghyuck Park, Taek-Seung Kim, Hee-Deung Park, “Analysis of Time Dependency of Ammonia-Oxidizing Bacterial Community Dynamics in an Activated Sludge Bioreactor”, Journal of Bioscience and Bioengineering, Vol. 112, No.2, pp.166-169, 2011. 5.
  • 송봉근, 김근형, 김용국, 박승환, 백준걸, “무기체계의 신뢰성 향상을 위한 고장발생기간 중심의 대응분석 연구”, 한국산학기술학회논문지, Vol. 17, No. 10, pp 289-299, 2016. 08.
  • 조민영, 백준걸, “단일 클래스 분류기법을 이용한 반도체 공정 주기 신호의 이상 분류”, 2011 대한산업공학회 추계학술대회, 숭실대학교, 2011. 11.

 

– Time Series Forecasting

일상생활에서 생성되는 대부분의 데이터는 시간에 따라 수집된 데이터로 일련의 연관성을 가집니다. 이러한 특성을 가진 데이터를 통틀어 시계열 데이터라고 부릅니다. 본 연구실에서는 주식 가격 분석, 기온 예측, 전력 예측, 리서치 데이터와 같은 일반적인 시계열데이터 뿐만 아니라 제조 공정에서 실시간으로 수집되는 다변량 시계열 데이터를 활용하여 머신러닝 기반의 모델을 구축하고 미래의 데이터 값을 예측하는 기술을 연구하고 있습니다.

세부연구분야

  • 박근태, 백준걸, “최적의 웨이블릿 필터를 이용한 시계열 예측”, 2016 대한산업공학회 추계학술대회, 고려대학교 11.
  • 한바울, 백준걸, “생존분석을 이용한 디스플레이 FAB의 반송시간 예측모형”, 2013 대한산업공학회 추계학술대회, 수원, 2013. 11.
  • Jung Ha Seo, Cheong Sool Park, Sung-Shick Kim, Jun-Geol Baek, “Time-invariant Feature Selection for Multivariate Timeseries Data”, IFORS 2011, Melbourne, Australia, 2011. 7.

 

– Multi-variate Analysis

반도체, LED 디스플레이 등 최근 제조 공정에서 실시간으로 수집되는 데이터는 수십 수백 개의 센서들을 통해서 크기가 매우 크고 다양한 다변량 데이터입니다. 뿐만 아니라 공정 단계의 조합으로 이루어진 데이터가 반복적으로 수집되는 프로파일적인 특성을 가집니다. 때문에 데이터 전처리 과정부터 이를 분석하는 것은 아주 복잡하고 어려운 과정을 거치게 됩니다. 본 연구실에서는 이러한 데이터를 이용하여 전통적인 통계적 방법론으로부터 최첨단 머신러닝 기법을 이용하여 수집, 분석, 시각화 하는 기술을 연구하고 있습니다.

세부연구분야

  • 김동환, 박승환, 백준걸, “Individual Control Chart를 활용한 다중 프로파일 데이터 모니터링 기법에 관한 연구”, 2015 대한산업공학회, 대한인간공학회, 한국경영과학회, 한국산업경영시스템학회, 한국시뮬레이션학회 춘계공동학술대회, 라마다프라자 제주호텔 04.
  • 이인석, 백준걸, “DTW(Dynamic Time Warping) 기반 주기신호의 이상탐지 기법 연구”, 2016 대한산업공학회 춘계공동학술대회, 제주 국제컨벤션센터(ICC) 2016. 04.
  • 홍재열, 박승환, 백준걸, “반도체 제조 공정의 다변량 시계열 데이터(Multivariate Time Series Data) 특질 추출 및 이상 예측”, 2014 대한산업공학회 추계학술대회, 수원 11.
  • Seongwon Jang, Seung Hwan Park, Jun-Geol Baek,“Real-time contrasts control chart using random forests with weighted voting”, Expert Systems with Applications, Vol. 71, pp358–369, 2017. 4.
  • Donghwan Kim, Seung Hwan Park, Jun-Geol Baek, “Tree-based Ensemble Classifier using Kernel Fisher Discriminant Analysis”, 2016 IJIE; International Conference on Industrial Engineering, Seoul, Korea 2016. 10.

 

 

Deep Learning
딥 러닝

44

 

– Image Processing

카메라와 센서의 계속된 발달로 수집되는 데이터의 질과 양이 증가하고, 하드웨어의 발달로 많은 양의 데이터를 고속으로 처리할 수 있게 되자, 이미지와 같은 고차원의 데이터를 머신러닝에 기반하여 분석할 수 있게 되었습니다. 본 연구실에서는 기존 이미지 분석 알고리즘과 더불어 최근 이슈가 되고 있는 딥러닝(Deep Learning)과 같은 기법을 이용하여 현실의 다양한 이슈들을 효과적으로 분석하는 연구를 수행하고 있습니다.

세부연구분야

  • Eun-Hye Yuk, Seongwon Jang, Seung Hwan Park, Cheong-Sool Park, Jun-Geol Baek, “Surf Based Fault Image Detection for Printed Circuit Board Inspection”, IASTEM 2016: International Academy of Science, Technology, Engineering and Management, Bali, Indonesia, 2016. 01.
  • Jae Yeol Hong, Seung Hwan Park, Jun-Geol Baek, ” Improved Feature Extraction using Box Filter Combination in Image Data”, IASTEM 2016: International Academy of Science, Technology, Engineering and Management, Bali, Indonesia, 2016. 01.
  • 반도체 공정에서의 Wafer Map Image 분석 방법론

 

– Text Mining

비정형 데이터를 가장 많이 생산하는 주체는 바로 사람입니다. 메신저, 소셜네트워크서비스 등 다양한 매체를 통하여 사람은 텍스트를 생산해 냅니다. 본 연구실에서는 딥러닝을 포함한 다양한 텍스트마이닝 기법을 기반으로 미래 연구 동향을 예측하고, 텍스트를 통한 사용자의 특성 분석에 관한 연구를 수행하고 있습니다.

세부연구분야

  • 이인석, 박승환, 백준걸, “텍스트마이닝을 통한 제조시스템 분야의 연구동향 파악”, 2015 대한산업공학회, 대한인간공학회, 한국경영과학회, 한국산업경영시스템학회, 한국시뮬레이션학회 춘계공동학술대회, 라마다프라자 제주호텔 04.
  • 송봉근, 박정술, 백준걸, “특허 데이터 분석을 통한 반도체 산업의 발전 과정 및 발전 방향에 대한 연구”, 2015 대한산업공학회, 대한인간공학회, 한국경영과학회, 한국산업경영시스템학회, 한국시뮬레이션학회 춘계공동학술대회, 라마다프라자 제주호텔 04.

 

– Artificial Neural Network

딥러닝은 기존에 있던 인공신경망의 확장판이라고 할 수 있습니다. 본 연구실에서는 딥러닝의 기본이 되는 인공신경망과 이를 제조공정과 같은 실제 문제에 응용한 다양한 연구들을 계속 수행하고 있습니다.

세부연구분야

  • Hyunsoo Yoon, Cheong Sool Park, Jun Seok Kim, Sung-Shick Kim, Jun-Geol, “Algorithm Learning Based Neural Network for Multivariate Classification”, IFORS 2011, Melbourne, Australia, 2011. 7.
  • Jun Seok Kim, Cheong-Sool Park, Jun-Geol Baek, Sung-Shick Kim, “Control Chart Pattern Recognition using Wavelet based Neural Networks”, ICIME 2012 International Conference on Industrial and Mechanical Engineering, Phuket, 2012. 12.