공정 사이클 이상 탐지를 위한 특징 추출 연구
Feature Extraction study for Process Cycle Anomaly Detection
초록/요약
본 연구는 자동화 공정에서 나오는 제어 신호와 아날로그 신호를 PLC를 통해 수집하여, 특징 추출을 적용한 제어 구간 단위 Cycle 이상 탐지 모델을 생성하는 것에 목표를 두었다. 또한 공정 프로세스를 고려한 이상 탐지 모델 적용 및 결과 해석에 대한 방법들을 제안한다. 자동화 공정은 주로 공정 Cycle 타임이 짧고 대량 생산을 진행하는 라인에 적용이 된다. 이러한 특성 때문에 대다수의 자동화 라인들은 전수조사를 진행하지 못하고 Lot단위로 초중종물 검사를 수행한다. 해당 검사 방법은 제품의 불량 발생 시 빠르게 대응하기 어렵고, 다음 검사가 진행되기 전까지 계속해서 발생하는 불량을 놓칠 수 있는 아주 큰 위험성이 있다. 이러한 이슈로 인해 제품 Cycle 단위로 이상을 탐지하고자 하는 시장의 요구사항은 계속해서 늘어나고 있다. 본 연구에서는 특징 추출을 활용한 공정 Cycle 단위 이상 탐지 프로세스를 제안한다. 첫째로, 본 연구에서는 구역화된 제어 구간에서 어떤 특징을 선택해야 하는지 방법을 제시한다. 둘째로, 선정된 제어 구간 단위 특징을 관리할 수 있는 관리도를 생성한다. 이를 토대로 공정 Cycle의 이상을 탐지해주는 모델 생성 방법론을 제시하고, 최종적으로 해당 모델의 적용 방법과 해석 방법에 대해 제안한다.
more초록/요약
This study aimed to generate a control interval unit cycle anomaly detection model applying feature extraction by collecting control signals and analog signals from the automation process through PLC. We also propose methods for applying anomaly detection models and analyzing results considering the process process. The automation process is mainly applied to lines with short process cycle time and mass production. Due to these characteristics, most of the automation lines cannot conduct a full investigation and perform an sampling test on a Lot basis. The inspection method is difficult to respond quickly to product defects, and there is a great risk of missing defects that continue to occur until the next inspection proceeds. Due to these issues, the market's requirement to detect anomalies in units of product cycles continues to increase. This study proposes a process cycle unit anomaly detection process using feature extraction. First, in this study, we present a method for selecting which features should be selected in the zoned control interval. Second, a control chart capable of managing the selected control interval unit characteristics is generated. Based on this, we present a model generation methodology that detects abnormalities in the process cycle, and finally, we propose the application method and interpretation method of the model. ※ Keyword: Segmentation, Feature Extraction, PLC, Anomaly Detection, Control Charts, Automated Manufacturing Process
more목차
제 1장. 서론 1
제 1절. 연구 배경 및 목적 1
제 2장. 관련 연구 3
제 1절. PLC 데이터 수집 및 구역화 3
제 2절. 제조 데이터 분석 사례 5
제 3장. 특징 추출 기반 공정 사이클 이상 탐지 6
제 1절. 제어구간 특징 선정 6
1. 결측치 제거 10
2. 정규성 검정 11
가. 히스토그램(Histogram) 확인 11
나. Q-Q Plot 확인 12
다. Kolmogorov-Smirov & Shapiro-Wilk 검정 14
3. 다중공선성 제거 15
제 2절. 제어 구간 특징 기반 관리도 18
1. 제어 구간 Duration 관리 18
2. SF – D 관리도 19
가. 공정 Cycle 단위 관리도 20
나. 상이한 부분군의 개수를 제어 구간 특징값으로 해결 20
다. 제어 구간 특징 관리 21
라. 제어 구간 Duration 관리를 통한 특징 관리의 맹점 보완 21
제 3절. 특징 추출 기반 공정 Cycle 이상 탐지 모델 생성 22
1. AutoEncoder 모델 생성 23
2. 정상 Cycle 데이터 수집 24
3. AutoEncoder 모델 학습 26
제 4절. 공정 사이클 이상 탐지 27
1. Cycle 이상 탐지 및 공정 상태 파악 27
2. AutoEncoder 모델 불량 원인 파악 29
가. Cycle 단위 불량 원인 파악 30
나. 기간 단위 불량 원인 파악 30
제 4장. 연구 결과 32
제 1절. 고주파 열처리 공정 데이터 32
1. 고주파 열처리 공정 32
제 2절. 제어 구간 단위 특징 선정 35
제 3절. SF – D 관리도 생성 37
제 4절. 고주파 열처리 이상 탐지 모델 생성 38
제 5절. 불량 원인 해석 39
제 5장. 결론 및 향후 연구 41
