열화상·디지털 트윈 기반 제조 공정 결함 및 희귀 이상탐지
Thermographic Inspection and Digital-Twin-Driven Anomaly Detection in Manufacturing Processes
연구 내용
열화상 기반 비접촉 결함 검출과 디지털 트윈 기반 시계열 데이터 증강을 결합해 제조 공정의 희귀 이상과 PCBA 결함을 탐지하는 연구
본 연구는 전자 제조에서 ICT 고정구와 프로브 사용의 비용·치명적 결함 유발 한계를 줄이기 위해 열화상 기반 비접촉 검사를 수행합니다. 구조 유사도 인덱스 맵을 룰 기반 탐지로 활용하고, CNN 계열과 특징 영역 기반 분석, 오토인코더 기반 방식으로 결함 구성요소를 실시간으로 국소화합니다. 또한 반도체 본딩 공정에서 극도로 낮은 발생률의 희귀 이상을 다루기 위해 디지털 트윈으로 물리 특성을 반영한 시간시계열 증강을 수행하고, 오토인코더 기반 이상점수 파이프라인으로 대표 정상 패턴과의 비교를 통해 이상을 선별합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
2022년에는 열화상과 딥러닝을 결합하여 PCBA 결함을 고정구·ICT 없이 탐지하는 방법을 제안했습니다. 이후 2024년에는 극단적 클래스 불균형 문제를 해결하기 위해 디지털 트윈 기반 시간시계열 데이터 증강을 도입하고, 오토인코더 기반 이상탐지 파이프라인을 구성했습니다. 로봇팔과 공정 물리 특성을 모사한 디지털 트윈을 통해 증강 데이터의 유사성을 유지하는 방향으로 확장되었으며, 실제 제조 공정에 적용 가능한 이상점수 임계값 도출 절차까지 포함하여 성능을 검증했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- 비접촉 열화상 기반 품질검사
- 실시간 PCBA 결함 위치추정
- 구성요소 결함 자동 분류
- 구조 유사도 기반 후보 영역 탐지
- 오토인코더 이상점수 산출
- 디지털 트윈 기반 제조 데이터 증강
- 희귀 이상탐지 파이프라인
- 반도체 본딩 공정 모니터링
- 제조 공정 이상 임계값 최적화
- 제조 QA 데이터셋 구축 자동화
관련 논문
구분
제목
A Contactless PCBA Defect Detection Method: Convolutional Neural Networks With Thermographic Images
Extremely Rare Anomaly Detection Pipeline in Semiconductor Bonding Process With Digital Twin-Driven Data Augmentation Method