초기공정에서 공정변화에 대한 신경망을 이용한 관리도 형태 연구

A study on the control chart pattern for detecting shifts using neural network in start-up process

이 논문에서는 초기공정에서 개별관측치를 이용하여 공정변화를 지적하는 효율적인 관리도 패턴을 제시한다. 신경망 모델을 적용한 공정관리 기법이 부분적으로 통계적이거나 다른 분석기법보다 우월하지 않을 수도 있지만 학습된 자료관계는 분석적 가정이나 잘못된 모수 때문에 발생되는 오류를 평가할 수 있는 능력이 있으므로 완벽한 공정관리 모델을 추구할 수 있다. 이 논문에서는 BP 알고리즘을 사용하며, 신경망을 이용한 관리도는 작은 공정변화에 특히 예민하다. 공정관리에 영향을 주는 최적의 모수를 구하는 유용한 방법이 신경망을 이용하는 방법임을 제시하며 신경망을 이용한 관리도와 X, EWMA 관리도 비교를 위해 평균 런의 길이를 이용한다.

This Paper Propose the control chart Pattern to provide a more comprehensive scheme for detecting process shifts using individual observations in start-up process. In this paper, which uses the backpropagation algorithm two samples are fed into the trained neural network to provide outputs ranging from 0 to 1. The main advantage of using neural networks approach with a control chart is that the neural network has almost no delay in detecting small shift. This paper illustrates how neural networks can provide a useful method for optimizing parameter(connection weights) that affect process control. Simulation results show that the performance of the proposed control chart using the neural network (NNCC) is quite promising.