메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술대회자료
저자정보
김도윤 (삼성 디스플레이) 경윤영 (삼성 디스플레이) 김은지 (삼성 디스플레이) 박수진 (삼성 디스플레이) 진영길 (삼성 디스플레이) 김재완 (삼성 디스플레이)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2022년 대한산업공학회 추계학술대회
발행연도
2022.11
수록면
2,977 - 2,981 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In order to maintain high productivity, FAB manufacturing lines have been introduced various means to monitor process quality and facility abnormalities. Facility parameters are monitored to detect the abnormal status of the facility and various sensors and portable instruments are used to collect and analyze data to determine abnormalities. Recently, data collection methods have been diversified allowing establishment of big database, so various studies have explored into AI techniques to predict abnormal status using the collected data. Although the frequency of substrate damage cases inside facility is not high during a FAB manufacturing process, they can significantly impact on the decline of productivity. Therefore, it is crucial to predict the possibility of damaged substrate before occurring. This study proposes a novel AI-based method for diagnosing the breakage of substrate inside the facility using data collected from a sensor mounted on the process facility to monitor the pressure of the substrate. We developed an ensemble architecture by combining deep learning and machine learning algorithms which was inputted by the pressure sensor data in a converted manner. We validated the proposed method can be effectively used for increasing a yield rate of FAB manufacturing lines by preventing the breakage of substrate with early notice of its occurring.
#Deep Learning #Machine Learning #FAB process #Breakage of Substrate #Defect Prediction #Anomaly Detection #Classification

목차

Abstract
1. 서론
2. 제안방법론
3. 실험방법 및 결과
4. 결론
5. 참고문헌

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

차량용 DC모터 엑추에이터의 기어 파손 원인 분석 및 개선 검증에 대한 연구
신성철 ,  남지현 한국자동차공학회 추계학술대회 및 전시회 2022 .11
방전-기계 일체형 가공시스템을 활용한 초경 텅스텐카바이드 홀/격벽 가공 및 공구 파손 신호 분석
곽은지 ,  심종근 ,  안재현 외 4명 한국기계가공학회 춘추계학술대회 논문집 2022 .12
충돌속도와 충돌영역에 따른 소파블록의 파손 예측
김경진 ,  김우석 ,  정유석 외 2명 한국콘크리트학회 학술대회 논문집 2022 .11
고속회전 가감속 내구평가를 통한 댐퍼 파손 영향성에 관한 연구
김준영 한국자동차공학회 지회 학술대회 논문집 2022 .10
볼트형 피에조 센서를 이용한 증육 공정 모니터링 및 금형 파손 예측
권오동 ,  김기풍 ,  김현우 외 3명 한국소성가공학회 학술대회 논문집 2022 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-000169154