• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제4권2호
• /
• pp.65-70
• /
• 2015

PCB(Printed Circuit Board) 제조공정에서의 수율은 제품의 원가와 품질을 결정하는 중요한 관리 요인이다. PCB 제조공정은 일반적으로 많은 단계의 미세공정을 거쳐서 제품인 칩(Chip)이 생산되기 때문에 높은 수율을 보장하기가 현실적으로 어렵다. 제품의 수율을 향상시키기 위해서는 저수율의 원인이 되는 불량요인을 분석하고, 불량요인에 영향을 미치는 중요공정 및 설비를 찾아서 관리해야 한다. 본 연구는 로지스틱 회귀분석 및 변수선택법을 이용하여 혐의공정 및 설비를 찾는 방법을 제안하였다. 데이터는 실제 현장의 로트 데이터를 사용하였고, 각 로트는 진행한 설비 및 불량유형별 불량수를 갖고 있다. 또한 분석 결과는 실제 현장 확인을 통하여 수율에 미치는 영향을 확인하였다.

• 한국기계가공학회지
• /
• 제20권12호
• /
• pp.85-91
• /
• 2021

In our daily life, artificial intelligence performs simple and complicated tasks like us, including operating mobile phones and working at homes and workplaces. Artificial intelligence is used in industrial technology for diagnosing various types of equipment using the machine learning technology. This study presents a fault mode effect analysis (FMEA) of start motors using machine learning and big data. Through multiple data collection, we observed that the primary failure of the start motor was caused by the melting of the magnetic switch inside the start motor causing it to fail. Long-short-term memory (LSTM) was used to diagnose the condition of the magnetic locations, and synthetic data were generated using the synthetic minority oversampling technique (SMOTE). This technique has the advantage of increasing the data accuracy. LSTM can also predict a start motor failure.