반도체 제조 공장 Diffusion Furnace 장비의 온도 예측을 위한 물리 기반 모델과 데이터 기반 모델의 혼합 방법

Abstract

이 논문은 반도체 제조 장비인 Diffusion Furnace의 온도 예측 모델로서 물리적 기반 모델과 데이터 주도 모델의 혼합하는 방법을 제시한다. 예측 모델은 k 시점의 7개 온도 센서와 7개 히터 파워를 예측 변수로 k+△t 시점의 7개의 온도 센서값을 응답 변수로 한다. 그 방법으로 본 연구에서는 물리 기반 모델과 데이터 기반 모델을 혼합한 형태의 새로운 모델을 제안한다. 1) 열역학 1 법칙을 이용한 수식 형태의 모델을 수립하고 2) 수식 형태에 맞추어 센서 데이터에서 특징을 추출하고 회귀 기술을 이용하여 수식의 계수를 추출한다. 이는 기존의 대표적인 블랙박스 모델인 ANN과 비교하여 2가지 차별점을 갖는다. 1) 적은 데이터로 높은 예측 정확도를 갖는 모델 학습이 가능하다. 2) 학습된 모델의 계수들이 물리적 의미를 갖기 때문에 모델의 해석이 가능하다. 제안하는 방법을 사용하여 온도 예측을 한 결과 ANN 대비 정확도가 2.6배 높았다. 예측 모델을 활용하여 가상 실험 환경을 실무에서 활용한 결과, 1hr 공정 시간을 3s 까지 줄여 1200 배 정도 업무 효율 개선이 되었다.