Anomaly Detection for Oht System in Semiconductor Fab
페이지 정보
조회 62회 작성일 24-12-23 10:20
본문
Anomaly Detection for Oht System in Semiconductor Fab
반도체 제조 시설(팹, FAB)에서 공정 설비 간 자재 이동은 주로 OHT(Overhead Hoist Transport)에 의해 수행되며, 이 OHT 시스템은 OHT 본체와 유도 레일로 구성된다. OHT 시스템은 대부분 일방통행 방식으로 운영되기 때문에, OHT 한 기의 고장은 다른 OHT들의 통행을 차단하고 자재 흐름 효율성에 심각한 영향을 미칠 수 있다. 본 연구에서는 운행 중인 OHT의 특성을 고려한 순환 신경망 (RNN, Recurrent Neural Network) 기반의 오토인코더를 개발하고, 이를 활용하여 OHT 시스템에서 수집된 다중 시계열 센서 신호를 기반으로 한 이상 탐지 방법을 제안한다.
본 논문에서는 연구에 활용된 테스트 환경, 다중 시계열 센서 신호, 모델 구축 등을 설명하며, IoT 보드와 이상 탐지 시스템이 실제 팹 환경에서 운영되는 OHT 시스템에 어떻게 적용되었는지에 대한 검증 과정을 제시한다.
The material move between processing machine in semiconductor fabrication facilities (FABs) are mainly performed by an overhead hoist transfer (OHT) system, which consists of OHT vehicles and guided tracks. Because the OHT system operates as one-way traffic on most tracks, sudden failure of a OHT system causes the obstruction of other OHT vehicle passages and serious material-flow efficiency degradation. We propose an anomaly detection for OHT sysem with multiple time-series sensor signals collected from a OHT vehicle. We developed recurrent neural network-based autoencoder considering characteristics of a moving object. We demonstrate our experimental setup such as the testbed environment, collected multiple sensor signals, and model establishment. We also show the verification processes and how the IoT board and abnormality system can be applied to actual OHT systems operated in FAB environments.
2022