기존에 사용되는 단변량 모니터링은 변수간 교호작용으로 인해 발생하는 In-Fab 이상 감지와 원인 분석에 어려움이 있다. 다수의 Fab 데이터를 이용하여 신뢰성 이상을 조기에 예측하고, 이상의 원인이 되는 Fab 변수, 설비 등을 탐색하는 방법론이 필요하다. 본 과제에서는 기계학습 기반 In-Fab 이상 조기 예측 모델을 개발하고, 공정 이력 정보를 기반으로 혐의 공정 시퀀스를 도출하는 방법론을 개발했다. 특히, 결측률이 매우 높은 데이터에 대한 모델을 구축하기 위해 결측치 대체 방법론을 다양하게 적용하여 분류 정확도 및 민감도를 향상 시켰다.