본 프로젝트는 휴대폰 품질을 결정짓는 검사 공정설비로부터 수집된 계측데이터를 기반으로 주요 검사공정을 탐지하고, 검사공정 설비 절차를 간소화함으로써 휴대폰 검사공정 시간 최소화 및 효율성 극대화를 최종 목표로 한다. 따라서, 분석 절차는 중요 검사항목을 선정하는 프로세스를 설계하고, 나머지 검사항목은 가상계측으로 대체하여 중요 검사항목 선정에 대한 타당성을 검증하였다. 본 프로젝트에서 중요 검사항목은 (1) 서로 독립적인 검사항목이 중요, (2) 분산이 큰 검사항목이 중요하다고 정의하였다. 독립적인 검사항목을 판별하기 위해 군집화 방법론을 적용하였으며, 군집 내에서 분산이 큰 검사항목을 선정하기 위해 PCA알고리즘을 기반으로 주요 점수를 정의하였다. 결과적으로, 중요 검사들을 기반으로 비중요검사항목들의 계측값을 예측하는 가상계측 알고리즘을 구축하여 중요검사 선정에 대한 타당성을 검증하였다. 

본 프로젝트에서는 철강 제조공정 내 복잡하고 미세한 원인으로부터 발생하는 품질불량을 탐지하는 알고리즘을 개발하였다. 다양한 공정상황을 설명할 수 있는 다채널 센서데이터를 기반으로 Convolutional Neural Network를 이용하여 불량률을 예측하고 그 원인을 분석하는 데 Class Activation Mapping(CAM) 을 적용하였다. 제안하는 방법론으로부터 최적 공정설계를 위해 품질정상을 잘 설명하는 파라미터를 분석하여 공정수행 시 반영하고, 품질불량의 원인을 분석하여 사전에 그 요소를 줄이는 데 기여한다. 최종적으로 품질정상을 대표하는 최적공정 파라미터를 제안하여 안정된 공정수행을 유지하는 데 활용한다.

반도체 생산라인에서 계측되고 저장되는 수많은 데이터를 대상으로 보다 진보된 공정의 건강도 관리 방법을 도출하는데 목적을 두고 진행되었다. OES(Optical Emission Spectroscopy) 데이터를 대상으로 다양한 데이터마이닝 방법을 적용하여 생산라인별 분석 및 VM(virtual metrology) 모델을 구축하고, 검증하는 과정에서 공정에 영향을 미치는 주요 인자 및 그에대한 통제 범위를 설정하는 성과를 거두었다.

다변량 관리도는 효과적인 공정관리 기법이지만, 공정의 이상원인에 대한 정보는 제공해주지 않는다. 본 연구팀은 이러한 다변량 관리도의 한계점을 극복하고자 LG 디스플레이와 데이터마이닝 기반의 공정 이상원인 분석을 위한 산학 프로젝트를 수행하였다. T2 분해기법과 분해결과를 요약하는 기법을 개발하여 공정 이상의 원인이 되는 설비변수를 탐지하고 의사결정 나무를 활용하여 변수간 교호작용에 의한 이상원인을 파악하는 등 체계적인 공정 이상원인 분석 프로세스를 제안하였다. 뿐만 아니라 공정진단 및 이상의 원인을 분석하는 일련의 프로세스를 자동화하는 소프트웨어를 개발하였다. 본 프로젝트를 통해 LG 디스플레이는 신속한 설비이상의 원인파악 및 개선의 효과를 거둘 수 있었고 2012년 대한산업공학회 추계학술대회의 프로젝트 경진대회 대상을 수상하였다.