지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 박상철
- 발행연도
- 2021
- 저작권
- 아주대학교 논문은 저작권에 의해 보호받습니다.
이용수35
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
이 논문은 반도체 제조 장비인 Diffusion Furnace의 온도 예측 모델로서 물리적 기반 모델과 데이터 주도 모델의 혼합하는 방법을 제시한다. 예측 모델은 k 시점의 7개 온도 센서와 7개 히터 파워를 예측 변수로 k+△t 시점의 7개의 온도 센서값을 응답 변수로 한다. 그 방법으로 본 연구에서는 물리 기반 모델과 데이터 기반 모델을 혼합한 형태의 새로운 모델을 제안한다. 1) 열역학 1 법칙을 이용한 수식 형태의 모델을 수립하고 2) 수식 형태에 맞추어 센서 데이터에서 특징을 추출하고 회귀 기술을 이용하여 수식의 계수를 추출한다. 이는 기존의 대표적인 블랙박스 모델인 ANN과 비교하여 2가지 차별점을 갖는다. 1) 적은 데이터로 높은 예측 정확도를 갖는 모델 학습이 가능하다. 2) 학습된 모델의 계수들이 물리적 의미를 갖기 때문에 모델의 해석이 가능하다. 제안하는 방법을 사용하여 온도 예측을 한 결과 ANN 대비 정확도가 2.6배 높았다. 예측 모델을 활용하여 가상 실험 환경을 실무에서 활용한 결과, 1hr 공정 시간을 3s 까지 줄여 1200 배 정도 업무 효율 개선이 되었다.
목차
Ⅰ. 서 론 11. 반도체 장비 산업 이해 12. 연구의 필요성 및 연구 방향 43. 논문의 구성 10Ⅱ. 관련 개념 및 연구 111. Control System 111.1 Control System 111.2 Controller 131.3 Plant 152. Thermodynamics 182.1 열역학 제 1법칙 182.2 열전달 193. 디지털 트윈 233.1 디지털 트윈 개념 및 구분 243.2 디지털 트윈 활용 예시 25Ⅲ. 연구 결과 281. 장비 데이터 구성 281.1 장비 구조와 센서 데이터 위치 281.2 공정 순서 설명 302. HMPD 예측 모델링 332.1 예측 모델링 스케메틱 332.2 열역학 이론 근거 수식 도출 342.3 데이터 전처리 362.4 모델링 392.5 모델 평가 413. ANN 예측 모델링 423.1 ANN 구조 433.2 모델링 및 모델 평가 444. 모델 간 정확도 비교 475. 실제 활용 사례 48Ⅳ. 결론 49참고 문헌 51
최근 본 자료
댓글(0)
0