초록 ▼

본 발명의 인공지능 기반의 제조공정 품질검사 시스템에 따르면, 제조장비의 제조공정에서 사용되는 센서로부터 기 획득된 학습데이터를 준비하는 (a)단계; 상기 학습데이터를 뉴럴 네트워크 모델 기반의 오토인코더로 학습시키는 (b)단계; 상기 학습데이터와 상기 오토인코더로 학습한 결과데이터를 비교하여 학습결과를 확인하는 (c)단계; 상기 학습결과가 정상인 경우, 상기 학습데이터와 결과데이터의 값을 분석하여 문턱값을 추출하는 (d)단계; 및 상기 제조장비를 통한 제조공정 시, 상기 센서로부터 실시간 획득되는 센서값이 상기 문턱값 이상일 경우

본 발명의 인공지능 기반의 제조공정 품질검사 시스템에 따르면, 제조장비의 제조공정에서 사용되는 센서로부터 기 획득된 학습데이터를 준비하는 (a)단계; 상기 학습데이터를 뉴럴 네트워크 모델 기반의 오토인코더로 학습시키는 (b)단계; 상기 학습데이터와 상기 오토인코더로 학습한 결과데이터를 비교하여 학습결과를 확인하는 (c)단계; 상기 학습결과가 정상인 경우, 상기 학습데이터와 결과데이터의 값을 분석하여 문턱값을 추출하는 (d)단계; 및 상기 제조장비를 통한 제조공정 시, 상기 센서로부터 실시간 획득되는 센서값이 상기 문턱값 이상일 경우 비정상 공정으로 판단하고, 상기 문턱값 미만일 경우 정상 공정으로 판단하는 (e)단계;를 포함한다.

대표청구항 ▼

제조장비의 제조공정에서 사용되는 센서로부터 기 획득된 학습데이터를 준비하는 (a)단계; 상기 학습데이터를 뉴럴 네트워크 모델 기반의 오토인코더로 학습시키는 (b)단계; 상기 학습데이터와 상기 오토인코더로 학습한 결과데이터를 비교하여 학습결과를 확인하는 (c)단계; 상기 학습결과가 정상인 경우, 상기 학습데이터와 상기 결과데이터의 값을 분석하여 문턱값을 추출하는 (d)단계; 및 상기 제조장비를 통한 제조공정 시, 상기 센서로부터 실시간 획득되는 센서값이 상기 문턱값 이상일 경우 비정상 공정으로 판단하고, 상기 문턱값 미만일 경우 정상

제조장비의 제조공정에서 사용되는 센서로부터 기 획득된 학습데이터를 준비하는 (a)단계; 상기 학습데이터를 뉴럴 네트워크 모델 기반의 오토인코더로 학습시키는 (b)단계; 상기 학습데이터와 상기 오토인코더로 학습한 결과데이터를 비교하여 학습결과를 확인하는 (c)단계; 상기 학습결과가 정상인 경우, 상기 학습데이터와 상기 결과데이터의 값을 분석하여 문턱값을 추출하는 (d)단계; 및 상기 제조장비를 통한 제조공정 시, 상기 센서로부터 실시간 획득되는 센서값이 상기 문턱값 이상일 경우 비정상 공정으로 판단하고, 상기 문턱값 미만일 경우 정상 공정으로 판단하는 (e)단계;를 포함하며,상기 (d)단계에서의 상기 학습데이터와 상기 결과데이터의 값의 분석은, 상기 학습데이터와 상기 결과데이터의 값의 차이를 분석한 차이값 - 상기 차이값은, 상기 학습데이터와 상기 결과데이터의 평균 절대 오차임 - 과 상기 차이값에 대한 빈도수를 히스토그램으로 가시화하여 진행되며,상기 문턱값은,상기 빈도수 중 최대 빈도수에 해당하는 차이값을 평균값으로 하는 정규분포 상의 z 값으로 설정되며,상기 z 값은,상기 평균값에 표준편차의 3배 값을 더하여 도출되는 값이며,상기 학습데이터는,상기 제조공정이 이루어지기 전인 공정전 데이터, 상기 제조공정이 이루어지는 동안의 공정중 데이터 및 상기 제조공정이 이루어지는 후인 공정후 데이터로 세분화되어 제공되고,상기 공정중 데이터는, 상기 센서값이 일정하지 않을 경우, 둘 이상으로 세분화된 데이터로 이루어지며,상기 오토인코더의 학습은, 세분화된 상기 공정전 데이터, 상기 공정중 데이터 및 상기 공정후 데이터를 각각 학습하는 것을 특징으로 하는 인공지능 기반의 제조공정 품질검사 시스템.