본 과제는 반도체 공정 설비 데이터를 사용하여 알려지지 않은 이상 패턴을 탐지를 위한 오픈셋 분류 AI 기술 개발을 목표로 한다. 본 과제는 반도체 공정 설비 데이터에 최초 오픈셋 분류 AI 기술 개발이라는 의의를 가지며, 데이터 확보 및 문제 상황 정의부터 모델 구축, 고도화까지 큰 프레임워크를 제안한다. 개발된 모델은 적응형 오픈셋 모델로 새로운 이상 패턴을 조기에 탐지 가능하며, 이 중 새롭게 레이블링이 수행된 데이터를 지속적으로 모델 업데이트에 활용한다.  본 모델은 딥러닝을 활용한 메트링 러닝으로 오픈셋 분류에 적절한 요약값을 추출하였으며, 새롭게 마할라노비스 거리를 활용한 오픈셋 알고리즘을 제안해 최종 분류를 수행하였다. 또한, 액티브 러닝의 개념을 도입하여 알려지지 않은 클래스로 탐지된 데이터 중 정보력이 우수한 데이터를 추가 레이블링하여 모델 업데이트에 활용하였다.