반도체 제조: 펌프 설비 자산
일반적으로 반도체 제조/코팅 설비에 사용되는 에너지 절약 다단 펌프는 내부적으로 1차 펌핑을 담당하는 블로워 펌프 (Blower Pump)와 2차 펌핑을 처리하는 드라이 펌프 (Dry Pump)로 구성됩니다. 각 펌프에는 기체 유량을 조절하는 밸브가 연결되어 있는데 밸브 작업에 의해 펌프관이 막혀 펌프가 제 기능을 수행하지 못하는 현상이 발생할 수 있습니다.
이에 APM을 통해 반도체 제조/코팅 설비에 사용되는 다단 펌프의 센서 데이터 (배출압, 진동, 전력, 속도, 가스 유동, 온도)를 실시간 모니터링하여 이상 현상을 감지하고 자동 분류하였으며 주요 펌프 자산의 잔존 수명을 예측하였습니다.
잔존 수명 예측 및 이상 현상 자동 분류를 통한 펌프 자산 관리
일반적으로 진공 펌프는 반도체 공조 시스템/시설물에 사용되어 공정 라인의 최적화된 제조 환경을 유지 하는데 사용됩니다. 진공 펌프가 노후화되면서 펌프를 구성하는 블로워 펌프 또는 드라이 펌프에 발생할 수 있는 문제가 어떠한 원인에 속하였는지 펌프들의 잔존 수명이 얼마나 남았는지 확인이 필요합니다.
APM을 통해 펌프 설비 자산의 잔존 수명을 예측하고 머신 러닝 알고리즘을 기반으로 하여 이상 현상 (Fault)을 주요 펌프 고장 원인 별로 자동 분류하였습니다.
예를 들어 가스 유동 파라미터는 관련 펌프가 유휴 상태인지 구동 상태인지 확인하는데 사용됩니다. APM의 머신 러닝 알고리즘을 통해 펌프 구동 상태 (노란색 박스는 구동 상태)를 구분하여 원하는 구동 상태의 센서 데이터만을 필터하여 유의미한 분석 결과를 도출할 수 있었습니다.
아래는 APM이 머신 러닝 알고리즘의 변경점 감지를 통해 펌프 유휴 상태와 노이즈 구간을 제거한 결과를 보여줍니다.
머신 러닝 기반 이상 감지/분류 및 잔존 수명 예측
수 천개의 관리 파라미터에 대한 관리 제한선을 엔지니어의 손으로 일일이 설정 및 수정하는 일은 많은 시간과 노력을 필요로 합니다. 또한, 전통적인 관리 제한선을 통한 파라미터 관리는 설비의 최신 상태를 반영하지 못하며 가성 알람이 다수 발생하여 비효율적인 설비 운영으로 이어질 수 있습니다. APM을 통해 머신 러닝 기반 이상 감지 (Fault Detection), 이상 분류 (Fault Classification), 설비 잔존 생명 (RUL) 예측이 가능하여 설비로부터 수집된 데이터만으로도 실시간 설비 모니터링이 가능합니다.
아래는 전통적인 룰 기반 이상 현상 감지 (Rule-based Fault Detection) 모델과 APM의 머신 러닝 기반 이상 현상 감지 모델 (설비 건강 점수를 실시간으로 연산하여 고장에 이르기 전에 알람을 발생시키는 모델)이 동일한 펌프 공정을 관리할 때를 비교한 예입니다.
두 그림에서 빨간 색으로 표시된 부분을 보면 전통적인 방식으로는 포착하지 못하는 이상 현상을 APM을 통해 조기에 감지하여 사용자에게 알려 펌프 자산의 고장을 미연에 방지할 수 있음을 알 수 있습니다.
펌프 자산에 대한 APM 도입을 통한 ROI
일반적으로 중소 규모 반도체 팹에 사용되는 펌프의 가격은 약 만달러이며 반도체 설비 라인별로 500여대의 펌프가 사용됩니다. APM을 통해 펌프 자산을 관리하게 되면 설비 구동 시간을 4% 증가시켜 4백만 달러의 생산량 증가를 도모할 수 있으며 신규 생산 라인 투자의 4%를 아낄 수 있은 효과를 얻을 수 있습니다.
Last updated
