Deep Learning 기반 불량 혐의설비 탐지 모델 개발

Problem

• 수백 개 설비를 거치는 공정 특성상 불량 원인 설비 미탐지 시 대량 품질 저하 발생
• 기존 방식은 엔지니어 경험 및 rule-based, FDC 로직에 의존
• 복잡한 공정 간 상호관계 및 데이터 특성 충분히 반영하지 못함
• 계측 누락, 낮은 불량 비율, 설비 불균형으로 정확한 원인 분석 어려움

Methodology & Results

• 공정 데이터 EDA 및 전처리를 수행하고 설비 이력 기반 sequence 데이터 구성
• 자기지도학습 기반 MCM 이상탐지 모델 적용
• 설비별 anomaly score 산출 및 혐의설비 우선순위화
• 기존 대비 탐지 성능 향상 및 목표 성능 달성
• 불량 원인 설비 조기 탐지 가능성 확보