[논문]적응형 인자 모델을 이용한 개선된 진공펌프 상태진단에 관한 연구

이규호; 이수갑; 임종연; 정완섭

doi:10.5757/jkvs.2011.20.3.165

[국내논문] 적응형 인자 모델을 이용한 개선된 진공펌프 상태진단에 관한 연구
Study on Vacuum Pump Monitoring Using Adaptive Parameter Model 원문보기

韓國眞空學會誌 = Journal of the Korean Vacuum Society, v.20 no.3, 2011년, pp.165 - 175

이규호 (서울대학교 기계항공공학부, 공학연구소) , 이수갑 (서울대학교 기계항공공학부, 공학연구소) , 임종연 (한국표준과학연구원) , 정완섭 (한국표준과학연구원)

초록
AI-Helper

본 논문에서는 건식 진공펌프에서 측정한 다중 변수로 구성된 배치데이터의 통계적인 특성을 소개한다. 흡입구 및 배출구 압력과 부스터/드라이 펌프의 소비전류와 같은 상태변수의 변위분포는 2개나 3개의 특정적인 구간으로 나뉘는 특성이 있다. 이런 관측을 통해 발견한 통계학적 특성을 나타내기 위해 적응형 인자 모델(APM)을 사용하였다. APM 모델기반의 배치 데이터는 건식 진공펌프의 상태를 진단하는데 적절함을 증명하였고, 이전의 동적 시간 왜곡 알고리즘과 비교하였을 때 계산시간 및 필요 메모리 면에서 효율적임을 확인하였다.

Abstract ▼ AI-Helper

This paper introduces statistical features observed from measured batch data from the multiple operation state variables of dry vacuum pumps running in the semiconductor processes. The amplitude distribution characteristics of such state variables as inlet pressures, supply currents of the booster and dry pumps, and exhaust pressures are shown to be divided into two or three distinctive regions. This observation gives an idea of using an adaptive parametric model (APM) chosen to describe their statistical features. This modelling, in comparison to the traditional dynamic time wrapping algorithm, is shown to provide superior performance in computation time and memory resources required in the preprocessing stage of sampled batch data for the diagnosis of running dry vacuum pumps. APM model-based batch data are demonstrated to be very appropriate for monitoring and diagnosing the running conditions of dry vacuum pumps.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 반도체 공정에서 측정된 6종류의 상태변수들의 진폭에 대한 통계적 분포함수의 특징을 상세히 소개하였다. 특히 펌프의 흡입구와 배출구 압력 그리고 부스터 펌프와 드라이 펌프의 소비전류 신호들의 진폭 신호에 대한 통계적 분포 특성이 최소 2∼3개의 독립된 분포의 영역이 존재함을 확인하였다.
이렇게 배치의 데이터를 일차 함수의 점근선 모델인자들과 표준편차로 변환하는 방법은 본 연구팀에 의하여 처음으로 제안되었다 [7,8]. 본 연구는 이러한 적응형 인자모델의 유효성 검증에 초점을 맞추어 진행되었다.
본 연구에서는 배치 데이터의 통계적 특성을 몇 개의 모델 인자(model parameter)로 표현하는 적응형 인자 모델(APM, Adaptive Parameter Model)을 제안한다. APM은 배치의 길이(데이터 개수)와 무관하게 배치 데이터의 특성을 나타내는 모델 인자들로 PCA에 사용될 배치 행렬을 재구성하는 방법이다.
흡입구 압력과 진동 센서는 실제 반도체 공정용 건식 진공펌프에는 아직 사용되지 않고 있다. 본 연구에서는 진공펌프에 인가되는 가스 부하를 측정하고자 흡입구 압력 센서를 설치하였으며 또한 부스터 및 드라이 펌프의 회전운동에서 유발되는 진동을 측정 분석하고자 가속도계를 각각 설치하였다. Fig.

제안 방법

개선된 자기진단 평가 기법의 효율성을 평가하기 위해 DTW 기법과 APM 기법의 계산량 및 계산시간과 데이터 저장량을 정량적으로 파악하였다. 이를 위해 정규화에 필요한 주요 계산식의 비교를 통해 감소한 계산 량을 평가하고 동일한 조건하에서 계산을 수행한 경우 평균적인 계산 시간의 감소량 역시 확인하였다.
4에 도시하였다. 검증을 위해 동일한 RAW 데이터를 DTW와 APM으로 각각 재구성한 배치에 대한 결과를 비교하였다. Fig.
그리고 이들 신호의 상부와 하부의 점근적 분포특성을 분리하여 그들의 고유한 변화 특성을 모델링하는 방법을 새로이 제안하였다. 그리고 부스터 펌프와 드라이 펌프에 장착된 진동센서의 가속도 신호 등은 표준분포와 유사한 특성을 보였지만 이들 신호 또한 상부와 하부의 점근적 모델을 각각 분리하여 이들 신호의 변화 특성을 모델링하는 방법을 제안하였다. 이러한 진공펌프의 상태변수들의 공정 가변성으로 말미암은 배치 데이터 통계적 특성들을 고려하고자 기존의 DTW 대신 적응형 인자 모델(APM) 알고리즘을 사용하였다.
특히 펌프의 흡입구와 배출구 압력 그리고 부스터 펌프와 드라이 펌프의 소비전류 신호들의 진폭 신호에 대한 통계적 분포 특성이 최소 2∼3개의 독립된 분포의 영역이 존재함을 확인하였다. 그리고 이들 신호의 상부와 하부의 점근적 분포특성을 분리하여 그들의 고유한 변화 특성을 모델링하는 방법을 새로이 제안하였다. 그리고 부스터 펌프와 드라이 펌프에 장착된 진동센서의 가속도 신호 등은 표준분포와 유사한 특성을 보였지만 이들 신호 또한 상부와 하부의 점근적 모델을 각각 분리하여 이들 신호의 변화 특성을 모델링하는 방법을 제안하였다.
이를 위해 정규화에 필요한 주요 계산식의 비교를 통해 감소한 계산 량을 평가하고 동일한 조건하에서 계산을 수행한 경우 평균적인 계산 시간의 감소량 역시 확인하였다. 또한 데이터 저장에 관하여, 계산에 사용되는 주요 변수 행렬의 크기를 비교하여 필요한 데이터 저장량 비교 역시 병행하였다. 정규화 과정에서 주요 부분을 차지하는 식과 식에 해당하는 계산 량을 Table 3과 Table 4에 비교 정리하였다.
DTW로 구성하는 행렬의 경우 하나의 배치에 레퍼런스 배치를 기준으로 6개의 센서에서 약 300개씩의 데이터가 입력되므로 행-300,열-6이다. 반면 APM은 배치를 사용자 임의로 나눌 수 있으므로 행벡터의 길이 조절이 가능하며 안정적인 계산을 위해 10개의 단위로 나누었다. 그리고 6개의 센서에서 6개씩의 인자를 추출하므로 하나의 배치행렬의 크기는 행-10, 열-36이다.
둘째로 가스 부하 조건에서 상부 경계와 하한 경계에 둘로 분리된 분포를 보이는 상태변수들의 특징을 고려한 상태진단 기법의 구현이 또한 필요하다는 점이다. 본 논문에서는 상태변수들의 분포에 대한 형태가 다양한 가스 부하상태의 데이터들을 이용한 진공펌프의 상태탐지에 초점을 맞추었다.
흡입구와 배출구 압력 센서의 출력 신호 2채널, 부스터 및 드라이 펌프의 구동모터 소비전류 센서의 출력 신호 2채널, 부스터 펌프와 드라이 펌프의 몸체에 장착된 진동 가속도계(단축 모델)의 출력 신호 1채널, 그리고 드라이 펌프 몸체에 부착된 3축 가속도계 출력 3채널의 신호들은 NI사 PXI샤시(Model NI-1000B)에 장착된 실시간 신호 수집 장치(dual NI PXI-4472, 24-bit AD, 16 channels)에 의하여 모두 24-bit의 디지털 신호로 변환되어 서버 급 PC로 저장하였다. 본 연구에서 40.96kHz의 신호 수집 속도를 선정하였으며 수집된 모든 신호는 0.1초마다 두 압력신호의 평균값과 전류 및 진동신호의 실효치 값을 각각 환산하였다. 드라이 펌프 몸체에 장착된 3축 가속도계의 신호는 3축 벡터 합성된 신호의 실효치 값을 상태변수로 선택하였다.
반도체 공정용 건식 진공펌프의 운전 상태를 측정하는데 사용되는 센서들은 일반적으로 부스터 및 드라이 펌프의 부위별 온도, 압력, 유량, 소비전류 등 십 여종 이상으로 구성 사용하고 있다. 본 연구에서 펌프의 운전 상태를 진단하고자 선정된 센서들은 부스터 펌프 흡입구 압력, 부스터 펌프와 드라이 펌프 각각의 소비전류와 몸체 진동, 그리고 드라이 펌프의 배출구 압력을 선정하였다. 흡입구 압력과 진동 센서는 실제 반도체 공정용 건식 진공펌프에는 아직 사용되지 않고 있다.
흡입구와 배출구 압력 센서의 출력 신호 2채널, 부스터 및 드라이 펌프의 구동모터 소비전류 센서의 출력 신호 2채널, 부스터 펌프와 드라이 펌프의 몸체에 장착된 진동 가속도계(단축 모델)의 출력 신호 1채널, 그리고 드라이 펌프 몸체에 부착된 3축 가속도계 출력 3채널의 신호들은 NI사 PXI샤시(Model NI-1000B)에 장착된 실시간 신호 수집 장치(dual NI PXI-4472, 24-bit AD, 16 channels)에 의하여 모두 24-bit의 디지털 신호로 변환되어 서버 급 PC로 저장하였다. 본 연구에서 40.

대상 데이터

앞서 측정된 6개의 상태변수로부터 모델 인자들을 얻는 과정을 설명하였다. 이에 따라 흡기 가스 데이터에서는 배치 당 상부와 하부 경계선 영역의 두 점근선으로부터 기울기와 초기 절편 값 그리고 점근선에 대한 표준편차로 각각 구성된 총 6개의 모델 인자를 얻는다. 아래 X_IP는 흡입구가스 압력신호로부터 구성된 파라미터 행렬의 예를 보이고 있으며 열의 색인 j는 배치의 순번을 나타낸다.

이론/모형

Figure 3. Gas loaded batches reconstructed by the APM algorithm.
공정 진행에 따라 얻어진 배치 데이터의 변화를 하나의 대푯값으로 표시하는 기법인 Hotelling's T2 환산기법을 본 연구에서도 이용하였다.
그리고 부스터 펌프와 드라이 펌프에 장착된 진동센서의 가속도 신호 등은 표준분포와 유사한 특성을 보였지만 이들 신호 또한 상부와 하부의 점근적 모델을 각각 분리하여 이들 신호의 변화 특성을 모델링하는 방법을 제안하였다. 이러한 진공펌프의 상태변수들의 공정 가변성으로 말미암은 배치 데이터 통계적 특성들을 고려하고자 기존의 DTW 대신 적응형 인자 모델(APM) 알고리즘을 사용하였다. 반도체 공정에 사용되는 진공펌프들의 상태진단을 위해 이전연구에서 사용한 PCA를 통한 Hotelling's T²값이 매우 효과적임을 확인할 수 있다.
그러나 배치마다 행렬 데이터의 크기가 같지 않아 인위적 재구성을 통한 배치의 크기를 같게 하는 선행과정이 필요하다. 이전 연구 [4]에서는 동적 시간 왜곡(DTW, Dynamic Time Wrapping) 알고리즘 [5,6]을 사용하였다. 그러나 DTW를 이용하여 배치를 동일한 길이로 재구성하는 과정은 계산 량이 많고 데이터의 저장 공간 역시 매우 크다.

성능/효과

반도체 공정에 사용되는 진공펌프들의 상태진단을 위해 이전연구에서 사용한 PCA를 통한 Hotelling's T2값이 매우 효과적임을 확인할 수 있다.
2 (d)는 드라이 펌프 구동 모터의 소비전류를 나타낸 데이터이며, 이는 유휴 상태에서는 하나의 분포를 갖는 특징을 보였지만 가스 부하 상태에는 다시 상하 경계로 분리 중복된 2종의 분포를 보였다. 부스터 펌프의 소비전류 신호 분포와 드라이 펌프 소비전류 신호 분포는 서로 반전하는, 즉 부스터 펌프가 가스부하 상태에서 많은 전류를 소비하는 반면에 드라이 펌프는 유휴상태에서 더 큰 전류를 소비함을 알 수 있었다. 부스터 및 드라이 펌프 몸체의 진동신호에 대한 분포 특성은 Fig 2(e)와 (f)에 보인 바와 같았으며, 진동 가속도 데이터의 경우 평균값을 중심으로 하나의 분포를 즉, 가스부하에 따라 차이를 보이지 않는 분포 특성이 관측되었다.
실제로 이 계산을 수행한 결과 DTW는 평균 43.26(초)가 소요된 반면 APM은 평균 3.38(초)가 소요됨에 따라 1/10배 이상의 계산 시간을 단축함을 확인하였다.
이전의 DTW 기법으로 얻었던 진공펌프의 이상 유무를 APM 모델을 이용한 배치결과로 부터도 동일하게 판별할 수 있었다. 이 논문에서 제안한 APM 모델기법은 DTW에 비해 계산 량의 관점에서 1/1000 수준, 계산시간에서 1/10 수준 그리고 데이터 저장량에서 1/100 수준임을 확인하였다.
개선된 자기진단 평가 기법의 효율성을 평가하기 위해 DTW 기법과 APM 기법의 계산량 및 계산시간과 데이터 저장량을 정량적으로 파악하였다. 이를 위해 정규화에 필요한 주요 계산식의 비교를 통해 감소한 계산 량을 평가하고 동일한 조건하에서 계산을 수행한 경우 평균적인 계산 시간의 감소량 역시 확인하였다. 또한 데이터 저장에 관하여, 계산에 사용되는 주요 변수 행렬의 크기를 비교하여 필요한 데이터 저장량 비교 역시 병행하였다.
특히 펌프의 흡입구와 배출구 압력 그리고 부스터 펌프와 드라이 펌프의 소비전류 신호들의 진폭 신호에 대한 통계적 분포 특성이 최소 2∼3개의 독립된 분포의 영역이 존재함을 확인하였다.
그리고 6개의 센서에서 6개씩의 인자를 추출하므로 하나의 배치행렬의 크기는 행-10, 열-36이다. 하나의 배치 데이터를 정규화 하는데 필요한 계산 량은 DTW의 경우 10의 7승 그리고 APM의 경우 10의 4승으로 약 1/1000로 계산 량이 감소함을 확인할 수 있다. 또한 이는 DTW의 결과 수렴을 배제한 결과로 각 배치 데이터의 데이터양에 대한 편차가 크다면 수렴을 위해 반복계산이 필요하므로 DTW는 수렴 횟수만큼의 배수로 계산 량이 증가하게 된다.
1의 1차 선형 모델을 이용하여 각 배치를 상태변수로 구성한 것이다. 하나의 상태변수 데이터들은 6개의 변수(상부 하부 각각의 점근선 모델 인자 2종과 표준편차 1종)로 변환되며, 총 6종류의 측정신호들로 구성된 한 배치 데이터는 결론적으로 총 36개의 모델인자로 표현된다. Fig.

질의응답

핵심어	질문	논문에서 추출한 답변
	건식 진공펌프들의 운전 상태는 어떤 값을 이용하는가?	건식 진공펌프들의 운전 상태는 기계 내부에 부착된 다중 센서들의 출력 값 즉, 상태변수들의 측정치를 이용한다. 다중 상태변수들을 동시에 고려하는 상태진단 기법들 [3]은 다양하게 개발되었지만, 특히 주성분 분석(PCA, Principal Component Analysis)을 통한 Hotelling's T2 값을 이용하는 기법의 효율성을 이전연구 [4]에서 확인한 바 있었다.
	건식 진공펌프들의 정밀한 상태진단에 따른 예지 보수에 관한 연구가 중요한 이유는 무엇인가?	국내외 반도체 및 평판 디스플레이 제작공정에서 진공환경을 제공하는 진공 배기 시스템의 상태진단 기술에 대한 필요성은 이전부터 지적되어온 분야이다 [1]. 국내 반도체 및 평판 디스플레이 업체들의 최근 연구는 진공 배기 시스템의 핵심 부품인 건식 진공펌프들의 정밀한 상태진단에 따른 예지 보수에 초점이 맞추어져 있으며, 이는 생산되는 웨이퍼나 플랫 디스플레이의 크기가 커짐에 따른 생산 비용과 시간 단축 즉, 생산성 극대화에 반드시 필요한 기술이기 때문이다 [2].
	주성분 분석(PCA, Principal Component Analysis)을 통한 Hotelling's T2 값을 이용하는 기법이 효율적인 이유는 무엇인가?	다중 상태변수들을 동시에 고려하는 상태진단 기법들 [3]은 다양하게 개발되었지만, 특히 주성분 분석(PCA, Principal Component Analysis)을 통한 Hotelling's T2 값을 이용하는 기법의 효율성을 이전연구 [4]에서 확인한 바 있었다. 이는 시스템의 상태 변화를 도표로 나타내기 쉽고, 공정의 트렌드를 파악하는데 유용할 뿐 아니라 이상 발생에 기여한 상태변수(contributing state variables)들의 정량적 기여도에 대한 탐색도 가능하기 때문이다 [3].

참고문헌 (12)

R. Bahren and M Kuhn, Vacuum 44, 709 (1993).

상세보기
S. Y. Lee, M. Noh, B. O. Kim, and A. S. Lee, J. Korean Vacuum Soc. 19, 265 (2010).

원문보기 상세보기
R. L. Mason and J. C. Young, Multivariate Statistical Process Control with Industrial Applications, (ASA SIAM, Philadelphia, 2002). Chap.1-6.
D. Sung, J. Kim, W. Jung, S. Lee, W. Cheung, J.Lim, and K. Chung, J. Korean Vacuum Soc. 15, 338 (2006).
A. Kassida, J. F. MacGregor, and P. A. Taylor,Process systems Engineering, AIChE Journal 44,846 (1998).
V. Pravdova, B. Walczak, and D. L. Massart, Analytica Chimica Acia 456, 77 (2002).

상세보기
W. S. Cheung, J. Y. Lim, K. H. Chung, and S.G. Lee, U. S. Patent No. 7,653,512 (2010).
W. S. Cheung, J. Y. Lim, K. H. Chung, and S.G. Lee, U. S. Patent No. 7,664,618 (2010).
R. Bro and A. K. Smilde, J Chemometr 17, 16(2003).

상세보기
E. J. Dudewicz and S.N. Mishra, Modern Mathematical statistics, (Wiley, New York, 1988).
W. H. Press, S. A. Teukolsky, W. T. Vetterling, and B. P. Flannery, Numerical recipes in Fortran the art of scientific computing second edition, (Cambridge university press, New York, 1997).
J. E. Jackson, A User’s guide to Principal Component, (John Wiley and Sons, 1991).

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증