[논문]머신러닝 알고리즘 기반 반도체 자동화를 위한 이송로봇 고장진단에 대한 연구

김미진; 고광인; 구교문; 심재홍; 김기현

[국내논문] 머신러닝 알고리즘 기반 반도체 자동화를 위한 이송로봇 고장진단에 대한 연구
A Study on the Failure Diagnosis of Transfer Robot for Semiconductor Automation Based on Machine Learning Algorithm 원문보기

반도체디스플레이기술학회지 = Journal of the semiconductor & display technology, v.21 no.4, 2022년, pp.65 - 70

김미진 (한국공학대학교 IT반도체융합공학부) , 고광인 (차세대 융합기술원) , 구교문 (한국공학대학교 메카트로닉스공학부) , 심재홍 (한국공학대학교 메카트로닉스공학부) , 김기현 (한국공학대학교 메카트로닉스공학부)

Abstract ▼ AI-Helper

In manufacturing and semiconductor industries, transfer robots increase productivity through accurate and continuous work. Due to the nature of the semiconductor process, there are environments where humans cannot intervene to maintain internal temperature and humidity in a clean room. So, transport robots take responsibility over humans. In such an environment where the manpower of the process is cutting down, the lack of maintenance and management technology of the machine may adversely affect the production, and that's why it is necessary to develop a technology for the machine failure diagnosis system. Therefore, this paper tries to identify various causes of failure of transport robots that are widely used in semiconductor automation, and the Prognostics and Health Management (PHM) method is considered for determining and predicting the process of failures. The robot mainly fails in the driving unit due to long-term repetitive motion, and the core components of the driving unit are motors and gear reducer. A simulation drive unit was manufactured and tested around this component and then applied to 6-axis vertical multi-joint robots used in actual industrial sites. Vibration data was collected for each cause of failure of the robot, and then the collected data was processed through signal processing and frequency analysis. The processed data can determine the fault of the robot by utilizing machine learning algorithms such as SVM (Support Vector Machine) and KNN (K-Nearest Neighbor). As a result, the PHM environment was built based on machine learning algorithms using SVM and KNN, confirming that failure prediction was partially possible.

주제어

참고문헌 (13)

D.J.Choi, J.H.Han., "Comparison of Characteristics of Noise and Vibration Data for Diagnosis of Deep Learning Motor Fault", J. of The Korean Electrical Society. Vol. 39. pp. 46-47, 2019
S.H.Choi, J.K.Park, B.R.Jo, "A Fundamental Study on the Fault Diagnosis Method for Integrated Drive Module of Collaborative Robot based on Artificial Neural Network", ICROS. pp.599~600, 2021
H.Jung, J.W.Kim, "A Machine Learning Approach for Mechanical Motor Fault Diagnosis", J of Korean Society of Industrial and Systems Engineering. Vol.40. pp. 57~64, 2017

원문보기 상세보기
S.Y.Lim, U.H.Jeong, H.W.Lim, "Study on Failure Prediction Method of BLDC Motor Driver", J of Advanced Engineering and Technology. Vol.9. pp.105~109, 2016
Y.H.Lee, K.J.Kim, S.I.Lee, "Seq2Seq model-based prognostics and Health Management of Robot Arm", KIIECT. Vol.12, 2019
S.M.Chun, S.Y.Suk, "Development and Implementation of Smart Manufactruing Big-Data Platform Using Opensource for Failure Prognostics and Diagnosis Technology of Industrial Robot", IEMEK, Vol.14. pp.184~195, 2019
D.S.Kim, T.G.Kim, W.S.Seo, "Development of Collaborative Robot Actuator Reliability Test System for Real Time Monitoring and Fault Detection", The Institute of Electronics and Information Engineers. pp.597~598, 2019
D.H.Ko, W.H.Choi, S.D.Choi, " Failure Prognostics of Start Motor Based on Machine Learning", J of Korean Society of Manufacturing Process Engineers. Vol.20. pp.85~91, 2021
J.S.Choi, "Predictive Maintenance of the Robot Trouble Using The Machine Learning Method", J of the semiconductor & display technology, Vol.19 no.1. pp.1~5, 2020
H.J.Shin, "A Fault Diagnosis Methodology for Module P rocess of TFT-LCD Manufacture Using Support Vector Machines", J of the semiconductor & display technology, Vol.9 no.4, pp.93~97, 2010
S.U.Park, J.H.Han, J.Y.Kim, "Study on Compatibility of Learning Model by Verification of External Motor Failure Noise and Vibration Data", KIEE. Vol.52. pp.1797~1798, 2021
N.J.Kim, Y.C.Bae, "Status Diagnosis of Pump and Motor Applying K-Nearest Neighbors", KIECS. vol.13. pp.1249~1256, 2018
S.I.Kim, Y.J.Noh, "Fault Classification Model Based on Time Domain Feature Extraction of Vibration Data", J of Computational Structural Engineering Institute. Vol.34. pp.25~33, 2021

원문보기 상세보기

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

[국내논문] 머신러닝 알고리즘 기반 반도체 자동화를 위한 이송로봇 고장진단에 대한 연구
A Study on the Failure Diagnosis of Transfer Robot for Semiconductor Automation Based on Machine Learning Algorithm 원문보기

Abstract ▼ AI-Helper

주제어

참고문헌 (13)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 머신러닝 알고리즘 기반 반도체 자동화를 위한 이송로봇 고장진단에 대한 연구 A Study on the Failure Diagnosis of Transfer Robot for Semiconductor Automation Based on Machine Learning Algorithm 원문보기

Abstract ▼ AI-Helper

주제어

참고문헌 (13)

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

연관된 기능

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 머신러닝 알고리즘 기반 반도체 자동화를 위한 이송로봇 고장진단에 대한 연구
A Study on the Failure Diagnosis of Transfer Robot for Semiconductor Automation Based on Machine Learning Algorithm 원문보기