FPD 제조: 자재 운반 장치
Last updated
Last updated
반도체/FPD 제조 공정 라인에 평균 500대 이상이 구동되는 OHT (Overhead Hoist Transport)에서 연 평균 수십 건의 고장이 발생되어 공정 라인이 일시적으로 멈추게 되는 사고가 발생되기도 합니다.
APM을 FPD 제조 사이트의 자재 운반 시스템에 도입하여 이러한 OHT의 잦은 고장을 예방하기 위해 OHT에서 발생하는 센서 데이터 (진동, 구동 속도, 토크, 온도 등)를 실시간 모니터링하여 이상 현상을 실시간 감지하고 자동 분류하였으며 OHT의 설비의 잔존 수명을 예측하여 OHT 고장으로 공정 라인이 멈추는 사고를 미연에 방지할 수 있는 종합적인 예지 예방 솔루션을 제공하였습니다.
OHT 이상 현상을 감지를 위해 기존에 설치된 진동 센서를 활용하여 OHT의 센서 데이터를 분석해 본 결과 OHT 구동 상태 (가속, 가동, 감속, 정지, 직선/커브 구동 코스)에 따라 진동 값이 크게 변하는 것을 알게 되어 OHT 구동 상태를 기준으로 장치 관리 정책을 수립하려 하였으나 반도체 설비와는 다르게 FPD 제조 사이트의 OHT는 구동 상태를 확인할 수 있는 이벤트가 발생하지 않는다는 문제점이 있었습니다.
이와 같은 장치 내부적 문제를 극복하기 위해 OHT가 사용하는 기존 트레이스 파라미터 중 OHT 구동 상태 변경을 확인할 수 있는 파라미터들을 활용하여 구동 상태를 발생시킬 수 있는 가상 이벤트를 생성하여 OHT를 관리하기로 하였습니다.
예를 들어 아래와 같이 동일 기간에 대한 속도 파라미터와 진동 파라미터의 트렌드를 확인한 결과 고속 기간에 진동도 커지는 것을 확인할 수 있습니다.
특정 속도 구간대에 이를 경우 가속 상태를 표시하는 가상 이벤트를 발생하여 가속 구간의 진동 데이터에 대해 다양한 통계치를 얻을 수 있었습니다.
하나의 생산 라인에서 구동하는 500대의 OHT에 대한 구동 및 건강 상태를 실시간으로 한 눈에 모니터링 하기 위해 APM은 OHT의 건강 상태 (건강도 또는 건강 점수)를 실시간으로 연산한 결과를 다양한 대시보드에 표시하여 설비 레벨 또는 파라미터 레벨로 OHT간 비교하여 성능이 낮은 OHT를 파악할 수 있었습니다.
예를 들어 대시보드가 제공하는 게이지 차트를 통해 문제가 되는 파라미터를 확인하고 발생한 문제의 원인을 파악하기 위해 센서 데이터 레벨로 드릴 다운하여 트렌드를 확인하여 문제가 되는 구간을 확인하여 문제를 조치할 수 있습니다.
또한, 설비 별 건강 상태를 모니터링하고 설비 간 성능 차이를 한 눈에 확인할 수 있는 대시보드를 통해 문제가 되는 설비 및 파라미터를 확인한 후 알람이 발생한 파라미터를 센서 데이터 레벨로 드릴 다운하여 문제가 되는 구간을 확인하여 문제를 조치할 수 있습니다.
FPD 제조에 사용되는 OHT는 고가의 장치이기도 하며 OHT가 고장으로 멈춰서 교체되기 위해서는 모든 공정 라인이 한 두시간 동안 멈춰 서야합니다. APM은 그랜드뷰는 실시간 모니터링 및 알람 룰 기반 이상 감지 모델로 발생할 OHT 고장을 미연에 방지할 수 있도록 설비 건강 상태에 대한 조기 경고 시스템을 제공하여 공정 라인 정지로 발생할 수 있는 시간 당 1백만 달러의 손실을 예방할 수 있었습니다.
알람 룰 기반 이상 감지 모델은 파라미터 별로 설정된 관리 기준선을 벗어나는 공정 이상 (Fault)을 감지할 수 있습니다.
알람 룰 기반 이상 감지 모델은 또한 레퍼런스를 기준으로 현재 공정 상태가 드리프트되는 경향성도 실시간으로 감지할 수 있습니다.
수 천개의 관리 파라미터에 대한 관리 제한선을 엔지니어의 손으로 일일이 설정하는 일은 많은 시간과 노력을 필요로 합니다. 또한, 전통적인 관리 제한선을 통한 파라미터 관리는 설비의 최신 상태를 반영하지 못하며 가성 알람이 다수 발생할 수 있습니다. APM을 통해 머신 러닝 기반 이상 감지 (Fault Detection), 이상 분류 (Fault Classification), 설비 잔존 수명 (RUL) 예측이 가능하여 설비로부터 수집된 데이터만으로도 실시간 설비 모니터링이 가능합니다.
예를 들어 아래는 특정 기간의 OHT의 건강 점수 트렌드입니다. 이상 감지 모델은 머신 러닝을 기반으로 관리 제한선을 자동 연산하여 이상 현상을 실시간으로 감지할 수 있습니다.
파란색 박스의 12시간 구간의 데이터를 이용하여 이상 감지 모델을 트레이닝하여 설비 건강 점수 (Asset Health Score)에 대해 실시간으로 이상을 감지할 수 있습니다.
빨간색 박스 구간은 OHT 장치가 고장으로 멈추기 전 1시간의 설비 건강 점수 변화를 보여줍니다. 머신 러닝 기반 이상 감지 모델은 OHT 장치가 멈추기 1시간 전에 경고 메시지를 관련 사용자에게 발송합니다.
LCD/OLED 제조용 OHT의 일반적인 가격은 개당 1십만 달러이며 생산 라인 별로 연 약 20회의 고장 건수가 보고되며, OHT가 고장으로 공정 라인에서 멈추게 되면 약 1백만 달러의 손실이 발생해 OHT 고장으로만 연간 2천만 달러의 손실이 발생됩니다. 그랜드뷰 도입을 통해 OHT 고장을 미연에 방지할 수 있다면 이와 같은 손실을 보존할 수 있습니다.
