AI 기반 산업 시계열 데이터 품질 향상 및 설명가능한 예측적 이상 탐지 통합 프레임워크 개발

• 반도체 공정 중 샘플링으로 인한 극단적 결측치 복원 모델 연구
• 혐의 인자 도출을 위한 주요 변수 탐색 기법 연구
• 시계열 조기 이상 탐지 연구 및 평가 방법 구축 탐색 기법 연구

반도체 공정 중 샘플링으로 인한 극단적 결측치 복원 모델 연구

: 공정 후 검사 단계에서 샘플링으로 발생하는 극단적 결측 복원을 하는 것을 목표로 한다. 공정 프로세스의 시계열 특성 및 웨이퍼 Lot 단위 구조적 특성을 반영한 복원 모델을 연구하며, 이를 통해 이상 탐지 및 수율 예측 성능 향상과 품질 분석 모델의 신뢰도 확보를 달성하고자 한다.

혐의 인자 도출을 위한 주요 변수 탐색 기법 연구

: 결측치 복원 데이터 및 이상 탐지 모델 기반 공정 이상 혐의 인자 도출을 위한 주요 변수 탐색 연구를 목표로 한다. 경험적 추측에서 객관적 데이터 분석으로 전환하여 산업 현장에서의 실용성 및 객관성 확보를 달성하고자 한다.

시계열 조기 이상 탐지 연구 및 평가 방법 구축 탐색 기법 연구

: 주어진 데이터로부터 도출할 수 있는 불확실성을 기반으로 이상 전조 신호를 포착할 수 있는 조기 이상 탐지 모델 및 조기 이상 탐지 평가 지표 설계를 목표로 한다. 이를 통해 재난, 사고, 경제적 손실을 사전에 줄일 수 있는 체계를 도입하여 사회적 비용을 절감과 안전하고 지속 가능한 산업을 구현하고자 한다.