딥러닝을 이용한 2단계 반도체 공정 설비 이상 감지 방법 및 시스템
TWO-STAGE ANOMALY DETECTION METHOD AND SYSTEM FOR SEMICONDUCTOR EQUIPMENT USING DEEP LEARNING
특허 요약
딥러닝을 이용한 2단계 반도체 공정 설비 이상 감지 방법 및 시스템이 개시된다. 일 실시예에 따른 이상 감지 시스템에 의해 수행되는 반도체 공정 설비 이상 감지 방법은, 반도체 공정 설비의 특정 센서를 통해 시계열 기반의 센서 데이터를 취득하는 단계; 제1 이상 탐지 모델을 통해 상기 취득된 시계열 기반의 센서 데이터로부터 반도체 공정 설비의 이상 여부를 판단하는 단계; 상기 시계열 기반의 센서 데이터가 이상으로 판단될 경우, 상기 취득된 시계열 시계열 기반의 센서 데이터에 대해 이미지 데이터를 생성하는 단계; 및 상기 제2 이상 탐지 모델을 통해 상기 생성된 이미지 데이터로부터 이상 유형을 분류하는 단계를 포함할 수 있다.
청구항
번호청구항
1

이상 감지 시스템에 의해 수행되는 반도체 공정 설비 이상 감지 방법에 있어서,반도체 공정 설비의 특정 센서를 통해 시계열 기반의 센서 데이터를 취득하는 단계;제1 이상 탐지 모델을 통해 상기 취득된 시계열 기반의 센서 데이터로부터 반도체 공정 설비의 이상 여부를 판단하는 단계;상기 시계열 기반의 센서 데이터가 이상으로 판단될 경우, 상기 취득된 시계열 시계열 기반의 센서 데이터에 대해 이미지 데이터를 생성하는 단계; 및 상기 제2 이상 탐지 모델을 통해 상기 생성된 이미지 데이터로부터 이상 유형을 분류하는 단계를 포함하는 반도체 공정 설비 이상 감지 방법.

2

제1항에 있어서,상기 제1 이상 탐지 모델은, LSTM을 기반으로 이진 분류를 수행하도록 구성되고, 상기 제2 이상 탐지 모델은, CNN을 기반으로 다중 분류를 수행하도록 구성되는 것을 특징으로 하는 반도체 공정 설비 이상 감지 방법.

3

제1항에 있어서,상기 취득하는 단계는,상기 취득된 시계열 기반의 센서 데이터를 기 설정된 비율로 학습을 위한 센서 데이터 및 테스트를 위한 센서 데이터로 구분하는 단계를 포함하는 반도체 공정 설비 이상 감지 방법.

4

제1항에 있어서, 상기 생성하는 단계는, 윈도우 사이즈(window size) 및 슬라이딩 사이즈(sliding size)를 결정하고, 상기 결정된 윈도우 사이즈 및 슬라이딩 사이즈에 기초하여 상기 취득된 센서 데이터에 대해 2차원의 이미지로 변환하고, 상기 변환된 2차원의 이미지를 제2 이상 탐지 모델에 입력하는 단계를 포함하는 반도체 공정 설비 이상 감지 방법.

5

제4항에 있어서, 상기 생성하는 단계는, 상기 변환된 2차원의 이미지에 복수 개의 이상 데이터가 포함될 경우, 이상으로 레이블링하는 단계 를 포함하는 반도체 공정 설비 이상 감지 방법.

6

제1항에 있어서, 상기 이상 유형은, 제1 이상 유형, 제2 이상 유형, 제3 이상 유형 및 제4 이상 유형을 포함하고,제1 유형은, 중심치가 변화하는 것이고,제2 유형은 중심치가 상승 또는 하락하는 것이고,제3 유형은 일정하게 유지되다가 소수의 점이 튀는 것이고, 제4 유형은 적어도 2개의 이상 유형이 혼합된 것을 특징으로 하는 반도체 공정 설비 이상 감지 방법.

7

이상 감지 시스템에 의해 수행되는 반도체 공정 설비 이상 감지 방법을 실행시키기 위해 컴퓨터 판독 가능한 저장매채에 저장된 컴퓨터 프로그램에 있어서,상기 반도체 공정 설비 이상 감지 방법은,반도체 공정 설비의 특정 센서를 통해 시계열 기반의 센서 데이터를 취득하는 단계;제1 이상 탐지 모델을 통해 상기 취득된 시계열 기반의 센서 데이터로부터 반도체 공정 설비의 이상 여부를 판단하는 단계;상기 시계열 기반의 센서 데이터가 이상으로 판단될 경우, 상기 취득된 시계열 시계열 기반의 센서 데이터에 대해 이미지 데이터를 생성하는 단계; 및 상기 제2 이상 탐지 모델을 통해 상기 생성된 이미지 데이터로부터 이상 유형을 분류하는 단계를 실행하는 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.

8

이상 감지 시스템에 있어서,반도체 공정 설비의 특정 센서를 통해 시계열 기반의 센서 데이터를 취득하는 센서 데이터 취득부;제1 이상 탐지 모델을 통해 상기 취득된 시계열 기반의 센서 데이터로부터 반도체 공정 설비의 이상 여부를 판단하는 이상 판단부;상기 시계열 기반의 센서 데이터가 이상으로 판단될 경우, 상기 취득된 시계열 시계열 기반의 센서 데이터에 대해 이미지 데이터를 생성하는 이미지 생성부; 및 상기 제2 이상 탐지 모델을 통해 상기 생성된 이미지 데이터로부터 이상 유형을 분류하는 이상 유형 분류부를 포함하는 이상 감지 시스템.

9

제8항에 있어서,상기 제1 이상 탐지 모델은, LSTM을 기반으로 이진 분류를 수행하도록 구성되고, 상기 제2 이상 탐지 모델은, CNN을 기반으로 다중 분류를 수행하도록 구성되는 것을 특징으로 하는 이상 감지 시스템.

10

제8항에 있어서,상기 센서 데이터 취득부는,상기 취득된 시계열 기반의 센서 데이터를 기 설정된 비율로 학습을 위한 센서 데이터 및 테스트를 위한 센서 데이터로 구분하는것을 특징으로 하는 이상 감지 시스템.

11

제8항에 있어서, 상기 이미지 생성부는, 윈도우 사이즈(window size) 및 슬라이딩 사이즈(sliding size)를 결정하고, 상기 결정된 윈도우 사이즈 및 슬라이딩 사이즈에 기초하여 상기 취득된 센서 데이터에 대해 2차원의 이미지로 변환하고, 상기 변환된 2차원의 이미지를 제2 이상 탐지 모델에 입력하는 것을 특징으로 하는 이상 감지 시스템.

12

제11항에 있어서, 상기 이미지 생성부는, 상기 변환된 2차원의 이미지에 복수 개의 이상 데이터가 포함될 경우, 이상으로 레이블링하는 것을 특징으로 하는 이상 감지 시스템.

13

제8항에 있어서, 상기 이상 유형은, 제1 이상 유형, 제2 이상 유형, 제3 이상 유형 및 제4 이상 유형을 포함하고,제1 유형은, 중심치가 변화하는 것이고,제2 유형은 중심치가 상승 또는 하락하는 것이고,제3 유형은 일정하게 유지되다가 소수의 점이 튀는 것이고, 제4 유형은 적어도 2개의 이상 유형이 혼합된 것을 특징으로 하는 이상 감지 시스템.