Projects 2020-06-06T16:00:02+00:00

Projects

Ongoing Projects

● IH 쿡탑의 머신러닝 기반 조리온도 예측 알고리즘 개발

연구기간: 2020. 04. 01 – 2021. 01. 29 (10개월)
연구내용:

     본 연구는 IH(Induction Heating) 쿡탑에서 조리 편의성을 높이기 위하여, 용기를 분류할 수 있는 기술과 함께 다양한 용기에 적용 가능한 온도 예측 모델을 개발하는 것을 목표로 한다. IH 쿡탑은 용기 가열 시, 열 손실이 적어 짧은 시간 내에 용기를 가열할 수 있다는 장점을 가지고 있지만 용기의 온도가 금방 올라가기 때문에 사용자에게 원하는 온도에 도달 시 알람(Boiling Alarm)을 제공하는 것이 필요하다. 머신 러닝 or 딥러닝 분류 알고리즘을 활용하여 다양한 용기의 재질, 특성, 모양을 반영하여 용기를 그룹화 할 수 있는 방법을 연구하고 IH 쿡탑 내에 존재하는 다양한 센서 데이터들을 사용하여 용기 그룹의 온도를 예측한다.

 

지원기관: LG전자


● 설명 가능 인공지능을 이용한 이상 원인 진단기술 개발

연구기간: 2019. 10. 25 – 2020. 09. 29 (11개월)
연구내용:

     본 연구는 이미 개발된 공조시스템 이상 진단 모델에 적용할 수 있는 이상 원인 분석 모델을 개발하는 것을 목표로 한다. 기존의 모델은 다변량 시계열 데이터에 대해서 높은 수준의 고장 예측, 분류 성능을 보이지만 모델에 투입되는 변수들의 변수중요도를 산출해 주지 않기 때문에 실질적인 이상 진단을 위한 원인 분석을 진행하기 어렵다. 공정이 고도화될수록 장비가 설치된 현장이 다양하고 각 현장마다 탐지 조건 및 이상원인이 상이하게 나타난다. 따라서 단순한 이상탐지 뿐만 아니라 이상 원인을 찾는 것이 중요하며 이상 진단 모델에 투입되는 변수의 중요도 파악을 통해 주요변수를 선택하고 이를 집중적으로 관리할 수 있다.
     연구를 통해 기존의 이상 진단 모델에 적용 가능한 별도의 이상 원인 탐지 모듈을 개발하여 각 변수 별 중요도를 산출하고 주요 원인 변수를 추출할 수 있는 방법을 제안한다. 그리고 고장 분류마다 이상 원인 변수들의 영향 정도를 파악하여 각 고장 별 원인 분석이 가능한 모듈을 개발한다. 정상과 이상 상태의 통계량 차이를 탐지하는 관리도 기법을 활용하여 통계량을 분석하고 원인 변수를 찾아내는 방법론과 엔트로피 및 불순도 지표로 널리 사용되는 Gini Index 그리고 뉴럴넷(Neural Network)에서 가중치를 추출하여 확률 분포를 구성하고 특정 변수 가중치의 유의성을 판단하는 기법 등이 이러한 문제 해결을 위해 활용될 수 있다. 따라서 다양한 변수중요도 분석기법을 활용하여 기존 모델 뿐만 아니라 다른 모델에 적용할 수 있는 범용성을 갖는 원인 분석 모듈을 개발하고자 한다.

 

지원기관: LG전자


● 멀티 스트리밍 센서 데이터 분석을 위한 캡슐화된 딥 네트워크 기법 개발

연구기간: 2019. 03. 01 – 2022. 02. 28 (3년)
연구내용:

      본 연구는 IoT 센서로부터 수집되는 멀티 스트리밍 센서 데이터 분석을 위한 캡슐화된 딥 네트워크 기법을 개발하는 것을 목표로 한다. 반도체, 자동차, 조선과 같은 분야에서 공정 지능화를 목적으로 멀티 스트리밍 센서 데이터 수집이 활발히 이루어지고 있다. 딥러닝(deep learning)과 같은 인공지능 기술은 많은 양의 데이터를 학습할수록 탁월한 성능을 보이며, 많은 연구자들이 관심을 가지고 연구를 진행하고 있다.
     반도체, 자동차, 조선 분야에서 수집되는 IoT 기반 멀티 스트리밍 센서 데이터는 고차원성(multi-dimensionality)을 갖는다. 또한, 장시간 수집된 멀티 스트리밍 센서 데이터는 서로 다른 성질을 갖는 데이터셋(dataset)의 집합으로 구성되며, 데이터셋 사이에는 순차성(sequentiality)이 존재한다. 시간의 흐름에 따른 영향력을 반영하는 시계열성과는 다르게, 순차성은 데이터셋 간의 상관관계를 의미한다.
      기존의 딥러닝 기법은 결과값을 스칼라(scalar)로 표현하기 때문에 멀티 스트리밍 센서 데이터와 같이 순차성을 갖는 데이터를 표현하기 어렵다. 따라서, 멀티 스트리밍 센서 데이터를 효율적으로 분석하기 위해서는 순차성을 갖는 고차원 데이터의 특질을 추출할 수 있는 멀티 스트리밍 센서 데이터 정제 기법과 데이터셋 간의 상관관계를 반영할 수 있는 캡슐화된 딥 네트워크 아키텍처 개발이 필수적이다. 또한, 본 연구에서 개발하는 해석가능한 캡슐화된 딥 네트워크 기법은 계층적 강화학습 기법을 이용한 진화적 보전 기법(EVM: EVolutionary Maintenance)을 개발하는데 활용될 수 있고, 스마트 생산시스템의 SDPS(Smart Diagnostics & Prognostics System)를 구축하는데 활용될 수 있다.
     본 연구에서 제안하는 캡슐화된 딥 네트워크 기법은 멀티 스트리밍 센서 데이터가 수집되는 대부분의 산업 분야에 폭넓게 적용될 수 있다. 특히 반도체, 자동차, 조선과 같은 첨단 산업에서 수행되었던 설비의 이상 탐지, 예지 보전, 품질 관리 분야에 보다 신뢰성 높은 연구성과가 도출될 것으로 기대된다.


지원기관: 연구재단


● 최적화/통계 알고리즘 기반의 반도체 제조 현장 지향형 이상 분석 기법 개발

연구기간: 2015. 07. 01 – 2020. 06. 30 (5년)
연구내용:

     본 연구는 반도체 제조 공정에서 발생하는 데이터에 기반하여 공정의 특성과 제품의 최종 품질 및 수율을 반영한 데이터 분석 기법을 제안하고, 정확한 설비 건강과 공정의 정상 및 이상 상태를 정의할 수 있는 현장 적응형 데이터 마이닝 모델 개발을 목표로 한다. 반도체 제조 공정은 오랜 시간 동안 여러 복잡한 단계를 거쳐 제품이 완성되는 다단공정으로써, 각 단계별로 다양한 공정 및 설비들이 존재하며, 공정과정 중 생성된 데이터는 각 단계별 특징이 혼재되어 있다. 이 데이터는 정규성(Normality), 선형성(Linearity) 등 일반적인 통계적 가정을 만족하지 않으며 다중공선성(Multicollinearity) 및 시계열(Time series)적 특성이 있기 때문에 단순한 데이터 마이닝 기법만으로 분석하는 것이 어렵다. 기존의 통계적인 분석 방법의 가정을 만족하지 않고 일반적인 데이터 마이닝 기법을 적용하기 어려운 조건 때문에 공정의 특성을 반영하여 데이터를 정확하게 분석할 필요가 있다. 이러한 필요성과 공정에서 제조 설비의 상태가 제조 품질에서 차지하는 비중이 큼에도 불구하고, 대부분의 제조 현장에서는 여전히 제조 설비의 상태보다는 최종 제품의 품질과 공정상의 일부 데이터만을 가지고 제품의 품질 관리를 하고 있는 상황이다. 또한 제조 설비의 건강을 위한 유지보수를 하는 경우에도 공정에서 발생되는 데이터에 기반을 둔 방법이 아니라 엔지니어의 경험에 따른 경우가 대부분이며, 이로 인해 효과적이고 과학적인 설비 건강 유지가 힘든 상황이다. 따라서 본 연구에서는 반도체 제조 공정에서 발생되는 데이터에 기반하여 공정의 특성과 제품의 최종 품질 및 수율을 반영한 데이터 분석 기법들을 제안하고, 정확한 설비 건강과 공정의 정상 및 이상 상태를 정의할 수 있는 현장 적응형 데이터 마이닝 모델을 개발하고자 한다.

 

지원기관: 삼성전자


 

 

Past Projects

Subject. ‘설비 이상 감지 시스템의 관리한계선 설정을 위한 통계적 방법론 개발’
Term. 2019. 04. 15 – 2019. 10. 15
Support. 삼성전자

Subject. ‘빅 데이터 기반 스마트팩토리 구현을 위한 프리딕티브 에널리틱스 기법 개발’
Term. 2016. 06. 01 – 2019. 05. 31
Support. 한국연구재단

Subject. ‘딥러닝 기반의 부품성능 정보를 이용한 차량 성능 예측 프로세스 개발’
Term. 2018. 09. 01 – 2018. 12. 31
Support. 현대자동차

Subject. ‘디스플레이 설비의 온도와 PCW 데이터를 이용한 이상 탐지 기법 개발’
Term. 2018. 05. 01 – 2018. 10. 31
Support. 원익테라세미콘

Subject. ‘시계열 데이터에 특화된 데이터 마이닝 기법을 이용한 차량 부품 온도 특성 예측 기법 개발’
Term. 2017. 07. 24 – 2018. 01. 23
Support. 현대자동차

Subject. ‘무인화 로봇라인 가동 이상탐지 및 원인분석 기술/Advanced 스케줄링 기술 개발’
Term. 2017. 06. 01 – 2017. 11. 30
Support. 삼성전자

Subject. ‘반도체 설비 상태 진단 및 돌발 이상 탐지를 위한 빅데이터 분석 알고리즘 개발’
Term. 2016.08.01 – 2017.01.31
Support. SK C&C

Subject. ‘제품 수율 분석 SPC/FDC 알고리즘 개발’
Term. 2016.02.01 – 2017.01.31
Support. 삼성전자TP

Subject. ‘제조공정에 특화된 빅 데이터 분석 방법론 개발’
Term. 2013.06.01 – 2016.05.31
Support. 한국연구재단

Subject. ‘생산계획을 고려한 첨단 생산 장비 건강 감시 및 분석 시스템을 위한 알고리즘 개발’
Term. 2014.12.01 – 2015.11.30
Support. 중소기업청

Subject. ‘반도체 전 설비에 적용 가능한 Wide-Spectrum용 SPC Logic 개발’
Term. 2010.07.01 – 2015.06.30
Support. 삼성전자

Subject. ‘설비 노후화를 고려한 이상진단 및 잔존 수명 예측 모델 개발’
Term. 2015.08.07 – 2015.12.24

Support. 삼성SDS

Subject. ‘ 다변량 시계열 데이터 마이닝 프레임워크 연구’
Term. 2011.09.01 – 2014.08.31

Support. 한국연구재단

Subject. ‘반도체,디스플레이 생산시스템의 에너지절감을 위한 Smart에너지 관리기술 개발’
Term. 2011.08.01 – 2014.07.31

Support. 정보통신산업진흥원

Subject. ‘ 2차 전지 제조 부문의 최적 공정 경로/조건 분석’
Term. 2013. 6. 01 – 2013. 12. 31

Support. 삼성SDI

Subject. ‘반도체 수율 및 품질 향상을 위한 Test data분석 방법론 연구’
Term. 2011.01.01 – 2013.12.31

Support. SK Hynix

Subject. ‘BK21 Networked Enterprise 팀’
Term. 2009.03.01 – 2013.02.28

Support. 교육과학기술부

Subject. ‘나노 공정 제어를 위한 공정 상태를 고려한 지능형 통합 제어 알고리듬 개발’
Term. 2009.05.01 – 2012.04.30

Support. 한국연구재단

Subject. ‘초미세 FAB 공정의 수율 기반 이상 판단 및 분류 알고리즘 개발’
Term. 2009.05.01 – 2012.04.30

Support. 한국연구재단

Subject. ‘반도체 전 설비에 적용 가능한 wide-Spectrum용 SPC Logic개발’
Term. 2010.07.01 – 2012.06.30

Support. 삼성전자

Subject. ‘냉장고 생산 공정의 지능형 생산 스케쥴러 개발’
Term. 2011.05.01 – 2011.12.31

Support. LG전자 생산기술연구원

Subject. ‘반도체 수율 및 품질 향상을 위한 Yield Managemenet Methods 개발’
Term. 2011.01.01 – 2011.12.31

Support. SK Hynix

Subject. ‘하수슬러지 혐기성소화조로부터 메탄가스 생산을 극대화하기 위한 혐기소화 모델 및 공정개발’
Term. 2010.12.01 – 2011.12.31

Support. 서울특별시(상수도연구원)

Subject. ‘WAVELET FDC LOGIC 개발’
Term. 2010.01.01 – 2010.02.28

Support. (주)비스텔

Subject. ‘융합소프트웨어 신뢰성 기술개발 연구’
Term. 2009.07.01 – 2010.12.31

Support. 한국소프트웨어진흥원

Subject. ‘Advanced PCS Algoritm 개발’
Term. 2009.01.01 – 2009.06.30

Support. (주)비스텔

Subject. ‘반도체 진공공정 FDC/APC 시스템 개발’
Term. 2008.12.01 – 2011.09.30

Support. 한국산업기술평가관리원

Subject. ‘반도체 나노공정의 효율적인 제어를 위한 차세대 PCS 프레임워크 개발’
Term. 2008.07.01 – 2009.06.30

Support. 중소기업청