초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 불량 하드디스크 드라이브의 수리판정 자동화를 위해 필요한 하드디스크 드라이브(Hard Disk Drive, HDD) 결함의 분포패턴의 분류에 관한 연구 결과를 소개한다. HDD 제조공정에서는 테스트 진행 중 검출된 결함에 관한 정보를 HDD 내부에 기록한다. 불량으로 판별된 HDD는 내부에 기록된 결함의 분포론 관찰한 후, 불량의 종류 및 그에 따른 처리방안을 결정한다. 본 논문에서는 효율적인 결함분포 패턴의 특징추출을 위해, 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식으로 표현된 결함 위치 데이터를 직교좌표(Cartesian Coordinates)로 변환한다. 그리고 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시한다. 설계된 알고리즘은 실제 HDD 제조공정에서 발생한 불량 HDD Set을 대상으로 적용한 결과, 그 효용성이 검증되었다.

본 논문에서는 불량 하드디스크 드라이브의 수리판정 자동화를 위해 필요한 하드디스크 드라이브(Hard Disk Drive, HDD) 결함의 분포패턴의 분류에 관한 연구 결과를 소개한다. HDD 제조공정에서는 테스트 진행 중 검출된 결함에 관한 정보를 HDD 내부에 기록한다. 불량으로 판별된 HDD는 내부에 기록된 결함의 분포론 관찰한 후, 불량의 종류 및 그에 따른 처리방안을 결정한다. 본 논문에서는 효율적인 결함분포 패턴의 특징추출을 위해, 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식으로 표현된 결함 위치 데이터를 직교좌표(Cartesian Coordinates)로 변환한다. 그리고 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시한다. 설계된 알고리즘은 실제 HDD 제조공정에서 발생한 불량 HDD Set을 대상으로 적용한 결과, 그 효용성이 검증되었다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 본 논문에서는 실제 HDD 제조현장의 수리공정을 대상으로 HDD 결함분포의 패턴 분류에 관한 연구 결과를 소개한다. 먼저 현장에서 각 대표유형별 HDD 결함분포 자료를 취합하였다.
• 본 논문에서는 회전체라는 HDD의 물리적 특성에 근거하여 직교좌표로 표현된 HDD 결함 List에 대해 HDD Zone별 히스토그램 분석을 수행하여 패턴을 분류하는 알고리즘을 소개하였다. 현장에서 수집된 실제 불량 HDD Set를 분석하여 패턴의 특징 추출이 용이한 데이터 표현방식을 제시하였고, 히스토그램 분석에 기초한 의 패턴의 특징 도출하여 HDD 결함분포의 패턴을 분류하였다.
• 본 논문은 기존의 패턴인식 시스템 개발 방법론의 기초하에 HDD의 물리적 특성에 부합하는 HDD 결함 분포 패턴인식 알고리즘을 제안하였고, 이를 실제 생산공정에 적용함으로써 이론의 효용성을 검증하였다.

제안 방법

• 필터링된 결함 리스트는 Zone별로 그룹핑하여 각 Zone별 결합빈도 발생 수를 구한다. 결함이 많은 Zone순서별로 4.5°(=360°/80) 사이즈를 가지는 구간을 독립변수로 하고, 해당 구간별 결함발생 빈도를 종속변수로 하는 히스토그램 분석을 수행한다. 이때, 80구간은 주어진 패턴들의 특성을 감안하여 경험적으로 선정하였다.
• 먼저 현장에서 각 대표유형별 HDD 결함분포 자료를 취합하였다. 그리고, 취합된 결함분포의 위치 데이터를 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식에서 직교좌표 (Cartesian Coordinates) 방식으로 변환하였다. 이후, 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시하였다.
• 기존 검사설비와의 호환성 보장을 위해 Dos환경에서의 Borland (거■+ 3.1 을 개발도구로 사용하였으며, HDD 결함정보를 HDD Set에서 읽어오기 위해 검사장비와 System Call방식의 인터페이스를 구현하였다.
• 기준치 이상인 경우, 결함이 100개 이상인 구간이 4개 이하인 경우에는 먼저 Spot으로 분류하고, 결함이 200개 이하인 구간이 40개 이하인 전역에 분포한 것으로 판단하여 Loop로, 40개 이상인 경우에는 주기적으로 분포한 것으로 판단하여 Symmetry로 분류하였다.
• 대상 HDD를 연결하기 위하여 [그림 4]와 같이 설계된 착탈포트를 SCSI 방식으로 PC에 연결하는 방식을 취하였다. 즉, 각각의 불량 HE©를 착탈 포트에 연결한 후 PC상에서 개발된 프로그램으로 패턴을 판정하는 방식이다.
• 연구 결과를 소개한다. 먼저 현장에서 각 대표유형별 HDD 결함분포 자료를 취합하였다. 그리고, 취합된 결함분포의 위치 데이터를 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식에서 직교좌표 (Cartesian Coordinates) 방식으로 변환하였다.
• 그리고, 취합된 결함분포의 위치 데이터를 하드디스크의 물리적 특성에 대한 분석을 바탕으로 극좌표 (Polar Coordinates) 방식에서 직교좌표 (Cartesian Coordinates) 방식으로 변환하였다. 이후, 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시하였다. 설계된 알고리즘은 실제 HDD 제조공정에서 발생한 불량 HDD Set을 대상으로 적용한 결과, 그 효용성이 검증되었다.
• 제안된 패턴분류 알고리즘은, 결함의 위치 데이터를 일반적인 극좌표(Polar Coordinates) 대신에 직교좌표(Cartesian Coordinates)로 표현한다. 즉, HDD의 12시 방향을 기준으로 하여 시계방향으로 각도가 증가하는 것으로 설정하여 각 각도별 결함의 수를 직교좌표 상으로 나타내었다 [그림 4]와 같이 직교좌표로 표현된 결함 리스트를 좌표상에 표시하면 결함의 산포가 기하학적으로 단순해짐을 알 수 있다.
• 현장에서 수집된 실제 불량 HDD Set를 분석하여 패턴의 특징 추출이 용이한 데이터 표현방식을 제시하였고, 히스토그램 분석에 기초한 의 패턴의 특징 도출하여 HDD 결함분포의 패턴을 분류하였다.
• 히스토그램 분석을 통하여 분석한 결과, 먼저 기준치 이상과 이하로 분류하고 기준치 이상인 경우 Symmetry, Loop 그리고 Spot으로 분류하고, 기준치 이하인 경우, Arc와 line 그리고 Nothing으로 분류 하였다.

대상 데이터

• 제안된 패턴분류의 알고리즘을 실제 HDD 제조공정에서 발생한 불량HDD Set을 대상으로 적용하였다. 기존 검사설비와의 호환성 보장을 위해 Dos환경에서의 Borland (거■+ 3.

성능/효과

• 구현된 결과를 300개의 Sample HDD에 대해서 실험한 결과, 5년 이상 숙련도를 갖는 수리사의 판별결과와 273개가 일치하였고 나머지 27개에 대해서는 일치하지 않는 결과를 나타내었다. 이 때 일치하지 않는 패턴은 실제 수리사의 판단으로도 적절하게 나누어 지지않는 불분명한 패턴으로 분석되어, 패턴분석의 결과는 신뢰할 만 한 것으로 판정되었다.
• 이후, 디스크 상의 두 동심원 사이의 공간을 정해진 회전각별로 등분한 후, 나누어진 구간별로 결함 발생빈도 히스토그램 (Histogram) 분석을 수행하여 결함분포의 패턴을 분류하는 알고리즘을 제시하였다. 설계된 알고리즘은 실제 HDD 제조공정에서 발생한 불량 HDD Set을 대상으로 적용한 결과, 그 효용성이 검증되었다.
• 이 때 일치하지 않는 패턴은 실제 수리사의 판단으로도 적절하게 나누어 지지않는 불분명한 패턴으로 분석되어, 패턴분석의 결과는 신뢰할 만 한 것으로 판정되었다.
• 즉, HDD의 12시 방향을 기준으로 하여 시계방향으로 각도가 증가하는 것으로 설정하여 각 각도별 결함의 수를 직교좌표 상으로 나타내었다 [그림 4]와 같이 직교좌표로 표현된 결함 리스트를 좌표상에 표시하면 결함의 산포가 기하학적으로 단순해짐을 알 수 있다. 이 흑백 이미지에는 Set의 불량을 결정하는 주요 패턴 구성 결함들 이외에 여분의 공간에 랜덤 (Random) 하게 결함들이 산포되어 있다.

후속연구

• 결정된다. 후속 테스트 프로시져의 수행결과에 따라, Disk교체 / HSA 교체 / PCBA교체 / 재 Servo Write / 재 Bum-In 등의 수리판정 결과가 도출된다. 예를 들면 결함분포가 Loop type인 경우 불량 헤드 (Head)로 인한 불량일 확률이 높기 때문에, HDD Set에 직접 Read/Write가 가능한 장비를 통해 해당 헤드에 반복적으로 Read / Write Test를 수행한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기

저자의 다른 논문 :

문운철 (13) 김형석 (54)