earticle

영어

In order to efficiently maintain the dust collection efficiency, semiconductor dust collection equipment that removes fine dust and contaminants generated during the semiconductor device manufacturing process must periodically replace the filters contained inside. At this time, in order to reduce equipment maintenance costs, the filter replacement time must be accurately predicted. Until now, this work has been done based on the subjective experience of the operator, and a lot of money has been wasted due to the inaccuracy of the prediction. In this study, in order to increase the accuracy of the dust collection filter replacement cycle, we collected pressure data generated from the dust collector and conducted an experiment to predict the pressure data using deep learning. In the experiment, we used a deep learning model consisting of one input layer, two hidden layers, and one output layer, and evaluated the performance by measuring the mean square error and accuracy value. As a result of the experiment, the average learning error was 0.8898, and the accuracy was 95.23%.

한국어

반도체 소자 제조과정에서 발생하는 미세 분진과 오염 물질을 제거하기 위한 반도체 집진 장비는 집진 효율 유지를 위해, 내부에 포함된 필터를 주기적으로 교체해 주어야 한다. 이때, 장비 유지 보수 비용을 줄이기 위해서는, 필터 교체 시점을 정확히 예측 해야 한다. 현재까지 이러한 작업은 작업자의 주관적 경험에 의존하여 이루어졌으며, 예측의 부정확성으로 많은 비용을 낭비 하였다. 본 연구에서는 집진 필터 교체 주기의 정확도를 높이기 위해, 집진기 에서 발생하는 압력 데이터를 수집하고 딥러닝을 사용하여, 압력 데이터를 예측하는 실험을 진행 하였다. 실험에서, 입력층 1개, 은닉층 2개, 출력등 1개로 구성된 딥러닝 모델을 사용하였으며, 평균 제곱 오차와 정확도값를 측정 하여, 성능을 평가 하였다. 실험 결과, 평균 학습 오차는 0.8898이었으며, 정확도는 95.23%를 보였다.