금년 대한산업공학회 추계학술대회가 4차 산업혁명과 산업공학이란 주제로 카이스트에서 진행 되었다. 다양한 주제로 프로그램이 구성되었지만, 연구내용을 살펴 보면 빅데이터와 데이터마이닝 기술을 융합하여 관심 문제들을 해결하는 내용들이었다

1. 발표요약
“Multi-task Learning for Virtual Metrology Model With Multi-outputs and Heterogeneous Data”란 제목으로 발표를 하였다. 여러 설비/레시피에 따라 수집되는 데이터로 웨이퍼 내 위치 별 두께를 예측 할 수 있는 가상계측 모델링에 대해 소개하였다. 특히, 설비/레시피에 따라 센서 데이터(인풋데이터) 패턴이 다르고, 웨이퍼 내의 위치에 따라 계측된 두께(아웃풋) 패턴이 다르기 때문에, 단일 인풋과 단일 아웃풋을 가정하는 기존의 접근법으로는 Multi-outputs and Heterogeneous Data 문제를 해결하기 어렵다. 본 연구에서는 Multi-task learning이란 기법으로 문제를 해결하였다. 각 설비/레시피에서 수집되는 웨이퍼 내 위치 별 두께 예측을 하나의 태스크로 정의하였다. 즉, (설비/레시피 수 * 아웃풋 수)를 총 모델링 해야 할 태스크 수로 정의하였다. Multi-task learning 기법 중 태스크 별 인풋변수를 공유하는 joint feature selection 방법을 사용하여 모델링을 하였다. 결과적으로 모든 설비/레시피의 모든 아웃풋에 영향을 미치는 변수, 특정 설비/레시피의 모든 아웃풋에 영향을 미치는 변수, 특정 아웃풋에만 영향을 미치는 변수를 추출 함으로써, 설비/레시피와 멀티 아웃풋 패턴을 모두 반영하는 예측 모형을 구축하였다. 제안 방법의 우수성 및 적용성은 가상 및 실제 데이터 적용을 통해 입증하였다.

2. 청취 후기
다양한 주제의 발표들이 있었지만, 가장 많이 발표되고 관심을 받은 주제는 딥러닝 기술을 이용한 연구들이었다. 다양한 문제들을 딥러닝을 통해 해결하고자 하는 시도가 많았는데, 아직까지는 적용해보는 수준의 연구들이 많았던 것 같다. 개인적으로 흥미롭게 들었던 연구는 “반도체 FAB 자동반송시스템에서 온라인 Q(λ) 학습을 이용한 최적 경로 탐색” 였다. 특히, 슬라이드 구성이 훌륭했다. 연구배경과 문제정의를 명확하게 설명함으로써, 익숙하지 않은 내용임에도 불구하고 어떤 연구를 진행했는지 쉽게 파악 할 수 있었다.