• 목록

A Conditional Recurrent Autoencoder for Anomaly Detection in Overhead Hoist Transport Systems According to their Operational State

OHT (Overhead Hoist Transport) 시스템은 현대 반도체 제조 시설(팹, FAB)에서 자재 운반을 위해 사용되는 자동화 물류 시스템이다. OHT 시스템은 제조 라인의 신뢰성을 유지하기 위해 지속적인 이상 징후 모니터링을 필요로 한다.

OHT는 운전, 하역 및 적재 등의 다양한 동작을 수행하며, 각 동작의 수행 상황은 OHT의 현 상태에 따라 달라진다. 본 논문에서는 이러한 OHT의 운영 상태 정보를 기반으로 이상을 탐지하는 프레임워크를 제시한다. 특히, OHT의 상태에 따라 센서 데이터를 처리할 수 있는 조건부 순환 오토인코더(CRAE, Conditional Recurrent Auto-Encoder)를 중점으로 다룬다. 프레임워크의 성능은 OHT 테스트베드에서 수집한 데이터를 통해 검증되었으며, 이를 통해 본 모델 OHT 시스템에서 상태 의존적인 다양한 이상을 효과적으로 탐지할 수 있음을 확인하였다.

Overhead hoist transport (OHT) systems are the primary systems used for the automated transportation of parts and materials in contemporary semiconductor fabrication facilities (FABs). OHT systems must be continuously monitored for the presence of abnormalities, so that these can be rapidly repaired to maintain system reliability. Since the OHT system is dynamic, it has various operational states such as driving and loading/unloading. Given that the operation of an OHT system depends on its state, this paper presents a framework for detecting anomalies in an OHT system according to state information. In particular, we describe a novel conditional recurrent autoencoder (CRAE) that can leverage its conditional input structure to process sensor data according to an OHT system’s state. The performance of our CRAE-based method was verified with data collected from an OHT system test-bed, which showed that it effectively detected various statedependent anomalies in this model OHT system.

* URL: https://www.conf.tw/site/userdata/1449/ISMI_paper/ISMI2022_paper_7084.pdf