| 1 |
1
적어도 하나의 프로세서(processor)와 센서를 구비하는 품질 관리 시스템이 생산 공정에서 품질을 관리하는 방법에 있어서,입력부가 생산 공정 내에서 품질에 영향을 미치는 요인에 해당하는 공정 인자와 상기 공정 인자에 대한 결과에 해당하는 양품 및 불량품에 대한 품질 변수를 입력받고, 처리부가 '인자'-'품질' 간의 관계를 나타내는 온톨로지(ontology)를 생성하는 단계;상기 처리부가 상기 생성된 온톨로지에 기초하여 관측하고자 하는 관측 지점을 결정하고, 상기 입력부를 통해 생산 공정을 통해 실시간으로 상기 관측 지점별로 상기 공정 인자의 관측 좌표와 측정 데이터를 입력받는 단계;상기 처리부가 상기 입력된 관측 좌표 및 측정 데이터에 대한 비선형 값들을 가상의 공간상에 사상(mapping)시켜 비선형 데이터들의 초평면(hyperplane)을 산출함으로써 상기 비선형 값들을 선형 분리하고, 상기 분리된 선형 값들에 기초하여 SVM(Support Vector Machine) 학습을 수행하는 단계; 및상기 처리부가 상기 SVM 학습 결과로부터 현재의 공정 상태를 예측하는 단계;를 포함하는 방법
|
| 2 |
2
제 1 항에 있어서,상기 온톨로지 및 공정 인자에 기초하여 품질 변수를 예측할 수 있도록 실험적으로 검증된 규칙(rule)을 저장부에 저장하는 단계;를 더 포함하는 방법
|
| 3 |
3
제 1 항에 있어서,상기 '인자'-'품질' 간의 관계는,신경망(neural network) 또는 의사결정나무(decision tree)를 이용한 학습을 통해 설정되는 것을 특징으로 하는 방법
|
| 4 |
4
제 1 항에 있어서,상기 '인자'-'품질' 간의 관계는,상기 품질 변수에 영향을 미치는 공정 인자의 가중치 및 상기 공정 인자들 간의 교호 작용에 따른 영향을 고려하되, 양품을 나타내는 품질 변수를 야기하는 공정 인자의 기여도를 반영하여 산출되는 것을 특징으로 하는 방법
|
| 5 |
5
제 1 항에 있어서,상기 비선형 값들을 선형 분리하는 단계는,커널 함수(Kernel function)을 이용하여 상기 비선형 값들을 가상의 공간상에 선형적으로 투영하되, 분류 경계에서 가장 가까운 곳에 위치한 데이터로부터 분류 경계까지의 거리를 나타내는 여백(margin)이 최대가 되는 분리 경계면을 산출하는 것을 특징으로 하는 방법
|
| 6 |
6
제 5 항에 있어서,상기 커널 함수는,RBF(Radial Basis Function) 커널, Polynomial 커널 또는 Linear 커널 중 적어도 하나인 것을 특징으로 하는 방법
|
| 7 |
7
제 1 항에 있어서,상기 현재의 공정 상태를 예측하는 단계는,상기 온톨로지에 기초한 관리도 기준을 고려하여 산출된 공정의 안정도 또는 예측 수율을 산출하여 사용자에게 제공하는 것을 특징으로 하는 방법
|
| 8 |
8
제 1 항에 있어서,상기 현재의 공정 상태를 예측하는 단계는, SVM에 기반한 패턴 인식을 이용하여 상기 온톨로지 및 이력 데이터로부터 현재의 측정 데이터에 기반하여 수행되고,상기 예측된 공정 상태를 사용자에게 제공함으로써 공정의 변화를 유도하는 단계;를 더 포함하는 방법
|
| 9 |
9
제 8 항에 있어서,상기 생산 공정에 대하여 상기 공정의 변화가 반영된 경우,새로운 공정 인자와 품질 변수를 입력받아 상기 온톨로지를 갱신하는 단계;를 더 포함하는 방법
|
| 10 |
10
적어도 하나의 프로세서(processor)와 센서를 구비하는 품질 관리 시스템이 열융착을 이용한 PCB(Printed Circuit Board) 생산 공정에서 품질을 관리하는 방법에 있어서,입력부가 PCB 생산 공정 내에서 공정 인자와 상기 공정 인자에 대한 품질 변수를 입력받고, 처리부가 '인자'-'품질' 간의 관계를 나타내는 온톨로지를 생성하는 단계;상기 처리부가 상기 생성된 온톨로지에 기초하여 관측하고자 하는 관측 지점을 결정하고, 상기 입력부가 센서를 이용하여 실시간으로 상기 관측 지점별로 상기 공정 인자의 관측 좌표와 측정 데이터를 입력받는 단계;상기 처리부가 커널 함수를 이용하여 상기 입력된 관측 좌표 및 측정 데이터에 대한 비선형 값들을 가상의 공간상에 사상(mapping)시켜 비선형 데이터들의 초평면(hyperplane)을 산출함으로써 상기 비선형 값들을 선형 분리하고, 상기 분리된 선형 값들에 기초하여 패턴 매칭(pattern matching)을 이용한 SVM 학습을 수행하는 단계; 및상기 처리부가 상기 SVM 학습 결과로부터 현재의 공정 인자의 영향으로 발생하는 공정 상태를 예측하는 단계;를 포함하는 방법
|
| 11 |
11
제 10 항에 있어서,상기 공정 인자는,온도, 진동 또는 소음 중 적어도 하나를 포함하는 것을 특징으로 하는 방법
|
| 12 |
12
제 10 항에 있어서,상기 입력된 값들은, 장비 식별 번호, 작업 일시, 공정 인자(온도), 장비 포인트 번호(온도 센서 번호), 측정값, 설정값, 온도 상한 및 온도 하한을 포함하는 배열로서 데이터 변환되어 SVM 학습을 위해 전달되는 것을 특징으로 하는 방법
|
| 13 |
13
제 12 항에 있어서,상기 데이터 변환은,장비 식별 번호, 작업 일시, 공정 인자, 장비 포인트 번호, 측정값 및 설정값을 독출하고,측정된 값의 수를 계수하여 변수에 저장하고,모든 측정 데이터에 대해 측정값과 설정값의 편차를 산출하며,제품 수의 2배만큼의 배열을 갖는 장비 식별 번호 및 작업 일시, 제품당 센서 수와 제품 수를 승산한 값만큼의 배열을 갖는 설정값, 제품당 센서 수와 제품 수를 승산한 값만큼의 배열을 갖는 온도 편차 값, 제품 수만큼의 배열을 갖는 제품의 합격/불합격 판정 값을 포함하는 배열 데이터를 생성함으로써 수행되는 것을 특징으로 하는 방법
|
| 14 |
14
제 10 항에 있어서,상기 커널 함수는 RBF 커널, Polynomial 커널 또는 Linear 커널 중 적어도 하나 중에서 선택되어 커널 초기 변수를 지정하며,상기 커널 함수를 이용하여 상기 비선형 값들을 선형적으로 투영하되, 분류 경계에서 가장 가까운 곳에 위치한 데이터로부터 분류 경계까지의 거리를 나타내는 여백(margin)이 최대가 되는 분리 경계면을 산출하는 것을 특징으로 하는 방법
|
| 15 |
15
제 14 항에 있어서,상기 커널 초기 변수는,K-묶음 교차 검증법(K-fold cross validation)을 이용하여 학습 데이터로서 커널 설정 변수를 비교하고, 차이 값이 가장 작은 변수를 선택하여 실제 모델을 가장 잘 표현한 근사 모델로서 검증함으로써 결정하는 것을 특징으로 하는 방법
|
| 16 |
16
제 1 항 내지 제 15 항 중에 어느 한 항의 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
| 17 |
17
생산 공정에서 품질을 관리하는 장치에 있어서,센서를 이용하여 생산 공정 내에서 품질에 영향을 미치는 요인에 해당하는 공정 인자와 상기 공정 인자에 대한 결과에 해당하는 양품 및 불량품에 대한 품질 변수를 입력받는 입력부;상기 입력된 공정 인자와 품질 변수로부터 '인자'-'품질' 간의 관계를 나타내는 온톨로지를 생성하고, 상기 생성된 온톨로지에 기초하여 관측하고자 하는 관측 지점을 결정하는 처리부; 및상기 생성된 온톨로지 및 공정 인자에 기초하여 품질 변수를 예측할 수 있도록 실험적으로 검증된 규칙을 저장하는 저장부;를 포함하되,상기 입력부는 생산 공정을 통해 실시간으로 상기 관측 지점별로 상기 공정 인자의 관측 좌표와 측정 데이터를 입력받고,상기 처리부는 상기 입력부를 통해 입력된 관측 좌표 및 측정 데이터에 대한 비선형 값들을 가상의 공간상에 사상(mapping)시켜 비선형 데이터들의 초평면(hyperplane)을 산출함으로써 상기 비선형 값들을 선형 분리하고, 상기 분리된 선형 값들에 기초하여 SVM 학습을 수행하며, 상기 SVM 학습 결과로부터 현재의 공정 상태를 예측하는 것을 특징으로 하는 장치
|
| 18 |
18
제 17 항에 있어서,상기 처리부는,RBF 커널, Polynomial 커널 또는 Linear 커널 중 적어도 하나 중에서 선택된 커널 함수를 이용하여 상기 비선형 값들을 선형적으로 투영하되, 분류 경계에서 가장 가까운 곳에 위치한 데이터로부터 분류 경계까지의 거리를 나타내는 여백(margin)이 최대가 되는 분리 경계면을 산출하는 것을 특징으로 하는 장치
|
| 19 |
19
제 17 항에 있어서,상기 처리부는,SVM에 기반한 패턴 인식을 이용하여 상기 온톨로지 및 이력 데이터로부터 현재의 측정 데이터에 기반한 현재의 공정 상태를 예측하되,상기 예측된 공정 상태를 사용자에게 제공함으로써 공정의 변화를 유도하는 것을 특징으로 하는 장치
|
| 20 |
20
제 19 항에 있어서,상기 생산 공정에 대하여 상기 공정의 변화가 반영된 경우,상기 처리부는 상기 입력부를 통해 새로운 공정 인자와 품질 변수를 입력받아 상기 온톨로지를 갱신하는 것을 특징으로 하는 장치
|
