KR100839071B1 - 공정장비의 상태를 모니터링하기 위한 시스템 및 방법 - Google Patents

Abstract

본 발명은 공정장비의 상태를 모니터링하기 위한 시스템 및 방법에 관한 것으로, 본 발명의 목적은 공정장비의 오류를 정확하게 감지할 수 있는 공정장비의 상태를 모니터링하기 위한 시스템 및 방법을 제공함에 있다.

이를 위해 본 발명은 장비에 관한 데이터를 기초로 생성된 적어도 하나의 우량모델을 저장하는 제1모델저장부, 상기 데이터를 기초로 생성된 적어도 하나의 불량모델을 저장하는 제2모델저장부, 상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 우량모델 및 불량모델 중에서 각각 하나의 우량모델과 불량모델을 선택하는 모델선택부, 상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 우량모델 및 불량모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함한다.

Description

공정장비의 상태를 모니터링하기 위한 시스템 및 방법{A system and method for monitoring conditions of a processing tool}

도 1은 본 발명의 일실시예에 따른 모니터링 시스템이 적용되는 제조라인을 도시한 블록도이다.

도 2는 본 발명의 일실시예에 따른 모니터링 시스템을 도시한 블록도이다.

도 3은 도2의 모니터링 시스템에서 생성되는 모델을 도시한 도면이다.

도4는 도2의 모니터링 시스템에서 공정장비의 상태를 평가하는 방법을 도시한 도면이다.

도 5a 및 5b는 도2의 모니터링 시스템의 동작을 도시한 흐름도이다.

*도면의 주요 기능에 대한 부호의 설명*

10:모니터링 시스템              11:기준 데이터베이스

12:우량모델저장부               13:불량모델저장부

14:모델선택부                  15:오류감지부

16:사용자 인터페이스

본 발명은 공정장비의 상태를 모니터링하기 위한 시스템 및 방법에 관한 것으로, 더욱 상세하게는 공정장비의 작동오류를 감지할 수 있는 공정장비의 상태를 모니터링하기 위한 시스템 및 방법에 관한 것이다.

일반적으로, 반도체는 확산(diffusion), 사진(photo), 에칭(etching) 등의 공정을 거치면서 제조되고, 각 공정에서는 다양한 설비들을 이용하여 웨이퍼를 가공한다.

웨이퍼는 통상 제조라인을 따라 이동하면서 제조되는데, 반도체의 품질 및 생산성은 웨이퍼를 가공중인 설비의 상태에 크게 영향을 받는다. 만약 반도체 제조설비에 오류가 있음에도 불구하고 계속적인 공정이 이루어진다면 수율의 하락을 초래할 뿐만 아니라 비용적으로도 막대한 손실을 입게 된다. 따라서 웨이퍼 제조설비의 고장을 신속하게 감지할 수 있는 다양한 방법이 제시되고 있다.

APC(Advanced Process Control)는 웨이퍼 제조설비의 상태를 체크하는 대표적인 시스템으로, APC의 한 종류인 FDC(Fault Detection and Classification) 시스템이 널리 사용되고 있다.

FDC시스템은 설비의 오류를 감지하기 위해 온도, 압력, 전력 등의 공정데이터를 통신포트 또는 별도의 데이터수집장치를 통해 입력받는다. 이 때 공정데이터는 웨이퍼의 각 제조공정에서 공정을 수행하는 설비에 가해지는 각종 자극을 의미한다. 공정데이터가 입력되면 FDC시스템은 입력된 공정데이터를 기준데이터로부터 생성한 기준모델과 비교분석하여 설비의 상태를 판단하게 된다.

이와 같은 모니터링 과정에서 설비의 오류가 감지되면 FDC시스템은 제조설 비에 문제가 있음을 경보하거나 웨이퍼 제조라인의 가동을 중단시킨다. 예를 들어 아르곤 가스의 흐름율에 대한 공정데이터를 계속 입력받고 있는 FDC시스템에서 아르곤 가스 흐름율이 기준치와 오차범위 이상의 차이가 생긴 것을 감지하면 아르곤 가스를 사용하는 공정에서 오류가 있는 것으로 보아 경보를 발생한다. 기타 APC시스템을 이용하여 반도체 제조설비의 고장을 검출하는 방법은 대한민국 공개특허 특2003-0019635에 개시되어 있다.

그러나 APC시스템을 이용하여 반도체 공정장비의 상태를 감시하는 종래의 장치는 기존의 우량데이터만을 샘플링하여 기준데이터로 사용하고, 기존의 불량데이터는 고려하지 않음으로써 반도체 제조설비의 상태를 정확하게 평가할 수 없는 문제점이 있었다. 즉, 실제로는 불량에 해당하는 공정데이터 임에도 불구하고 우량데이터에서 추출한 기준모델과 유사하여 불량이 아닌 것으로 판단하는 문제점이 있었다. 또한, 설비의 상태가 "정상" 임에도 불구하고 공정데이터가 기준모델에 속하지 않는다는 이유로 "비정상" 으로 판정하고 정상적인 설비의 가동을 중지시켜 설비의 효율성을 떨어뜨리는 문제점이 있었다.

본 발명은 전술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 공정장비의 오류를 정확하게 감지할 수 있는 공정장비의 상태를 모니터링하기 위한 시스템 및 방법을 제공함에 있다.

전술한 목적을 달성하기 위한 본 발명은 장비에 관한 데이터를 기초로 생 성된 적어도 하나의 우량모델을 저장하는 제1모델저장부, 상기 데이터를 기초로 생성된 적어도 하나의 불량모델을 저장하는 제2모델저장부, 상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 우량모델 및 불량모델 중에서 각각 하나의 우량모델과 불량모델을 선택하는 모델선택부, 상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 우량모델 및 불량모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함하는 것을 특징으로 한다.

또한 상기 우량모델은 상기 장비의 정상적인 상태를 나타내는 복수의 우량데이터를 기초로 생성되고, 상기 불량모델은 상기 장비의 비정상적인 상태를 나타내는 복수의 불량데이터를 기초로 생성되는 것을 특징으로 한다.

또한 상기 우량데이터 및 불량데이터의 구분기준은 다양하게 설정될 수 있는 것을 특징으로 한다.

또한 상기 우량모델이 복수개인 경우 상기 우량모델 마다 다른 모델링방법으로 모델링되는 것을 특징으로 한다.

또한 상기 불량모델이 복수개인 경우 상기 불량모델마다 다른 모델링방법으로 모델링되는 것을 특징으로 한다.

또한 상기 오류감지부는 상기 공정데이터가 상기 우량모델 및 불량모델에 포함되는지 여부 및 상기 공정데이터와 상기 우량모델 및 불량모델과의 유사정도에 따라 상기 장비의 상태를 판단하는 것을 특징으로 한다.

또한 상기 오류감지부는 상기 공정데이터가 상기 우량모델에 포함되거나 상기 불량모델보다 상기 우량모델과 더 유사하면 상기 장비가 정상인 것으로 판단하고, 상기 공정데이터가 상기 불량모델에 포함되거나 상기 우량모델보다 상기 불량모델과 더 유사하면 상기 장비가 비정상인 것으로 판단하는 것을 특징으로 한다.

또한 상기 설비데이터는 상기 장비의 노후정도, 상기 장비의 부품교체여부, 공정방법의 변경여부를 포함하는 것을 특징으로 한다.

또한 상기 시스템은 상기 우량데이터 및 불량데이터를 저장하고 있는 기준데이터베이스를 더 포함하는 것을 특징으로 한다.

또한 상기 시스템은 상기 모니터링의 결과를 표시하기 위한 표시부를 더 포함하는 것을 특징으로 한다.

또한 장비의 상태판단을 위한 기준우량데이터인 적어도 하나의 우량모델을 저장하는 제1모델저장부, 상기 장비의 상태판단을 위한 기준불량데이터인 적어도 하나의 불량모델을 저장하는 제2모델저장부, 상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 우량모델 및 불량모델을 선택하는 모델선택부, 상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 우량 및 불량모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함하는 것을 특징으로 한다.

또한 장비가 정상적인 상태에서 수집한 우량데이터를 기초로 생성한 적어도 하나의 우량모델과 상기 장비가 비정상적인 상태에서 수집한 불량데이터를 기초로 생성한 적어도 하나의 불량모델을 저장하고, 상기 장비로부터 전달된 설비데이터에 연계하여 우량모델과 불량모델을 선택하고, 상기 장비로부터 전달된 공정데이 터를 상기 선택된 우량모델 및 불량모델과 비교하고, 상기 비교결과에 따라 상기 장비의 상태를 판단하는 것을 특징으로 한다.

또한 상기 장비의 상태는 상기 공정데이터가 상기 우량모델 및 불량모델에 포함되는지 여부 및 상기 공정데이터가 상기 우량모델 및 불량모델과 유사한 정도에 따라 정상 또는 비정상으로 결정하는 것을 특징으로 한다.

또한 상기 유사한 정도에 따라 상기 장비의 상태를 판단할 경우 상기 공정데이터를 상기 우량모델과 불량모델에 각각 비교한 결과에는 서로 다른 가중치를 주어 유사성을 연산하는 것을 특징으로 한다.

이하에서는 본 발명의 바람직한 실시예를 본 도면을 참조하여 상세하게 설명하도록 한다. 도1에 도시한 바와 같이 본 발명의 일실시예에 따른 모니터링 시스템(10)이 적용되는 반도체 제조설비는 복수의 공정장비(processing tool)(30)와, 복수의 공정장비(30)를 각각 제어하는 복수의 공정제어기(40)와, 제조설비 전체의 동작을 제어하는 공정제어서버(50)를 구비한다.

복수의 공정장비(30)는 반도체 공정에서 웨이퍼를 가공하는 각 설비들이며, 복수의 공정장비(30)에는 공정장비의 상태를 감지하기 위한 센서들(미도시)이 설치된다.

복수의 공정제어기(40)는 공정제어서버(50)로부터 제어명령을 전송받아 제어대상이 되는 공정장비(30)의 움직임을 제어한다.

공정제어서버(50)는 제조설비를 제어할 뿐만 아니라 공정장비(30)로부터 공정데이터를 입력받아 모니터링 시스템(10)에 전달한다.

도2에 도시한 바와 같이 도1의 모니터링 시스템(10)은 기존의 우량데이터 및 불량데이터를 포함하여 장비의 작동에 관련된 각종 데이터를 저장하고 있는 기준 데이터베이스(11)와, 기존의 우량데이터(good data)에서 생성된 복수의 우량모델을 저장하는 우량모델저장부(12)와, 기존의 불량데이터(fault data)에서 생성된 복수의 불량모델을 저장하는 불량모델저장부(13)와, 공정제어서버(50)로부터 입력된 설비데이터를 고려하여 우량모델과 불량모델을 선택하는 모델선택부(14)와, 공정데이터를 선택된 우량모델 및 불량모델과 비교하여 설비의 오류여부를 판단하는 오류감지부(15)를 포함한다.

기준 데이터베이스(11)는 공정제어서버(50)에서 전달되는 설비의 각종 운행데이터(공정데이터 및 설비데이터를 포함)를 입력받아 우량데이터와 불량데이터를 선별한다. 우량데이터는 우량웨이퍼를 가공할 때 발생한 데이터를 의미한다. 우량웨이퍼와 불량웨이퍼는 여러 가지 기준에 의해 구분할 수 있는데, 예를 들면 하나의 웨이퍼에서 불량 다이(die)의 개수가 일정개수 이하이면 우량웨이퍼, 불량 다이의 개수가 일정개수 이상이면 불량 웨이퍼로 판단한다.

우량모델은 우량데이터에서 모델링된 기준데이터 및 평가방법이다. 즉, 우량모델은 우량데이터에서 모델생성방법에 의해 선택된 기준데이터 뿐만 아니라 평가방법도 포함하고 있다. 평가방법은 일종의 평가알고리즘으로, 실제 평가는 오류감지부에서 모델에 포함된 평가알고리즘을 실행함으로써 이루어진다.

우량데이터를 모델링하는 방법은 PCA(Principal Component Analysis)기법이나 트라이언트 테크놀로지사(Triant Technologies)에서 개발된 UPM(Universal Process Model) 등이 사용될 수 있다. PCA기법은 실시간으로 공정데이터를 모으고, 모델링한 후 오류를 감지하는 기법으로 자세한 내용은 " Principal Component Analysis" 1986, Spring-Verlag에 개시되어 있다. 또한, UPM에 대해서는 대한민국 공개특허 특2002-0021353의 종래의 기술에 상세히 개시되어 있다.

도3을 참조하여 우량데이터 및 우량모델을 설명한다. 도3에서 x축은 파라미터 x1, y축은 파라미터 x2를 나타낸다. 파라미터 x1과 x2는 공정데이터 중 임의의 값이 될 수 있다. 또한, 도3에서 점은 우량데이터, x는 불량데이터, A는 다변량 모델링에 의한 우량모델, B는 단변량 모델링에 의한 우량모델 , C는 불량모델이다.

우량모델은 모델링하는 방법에 따라 다르게 설정되는데, 예를 들어 도3에서 A그룹처럼 다변량(Multivariate)으로 모델링하거나 B그룹처럼 단변량(Univariate)으로 모델링할 수 있다. 또한, 도3에서 표현하지는 않았으나 PCA기법에 의해  y1= x1+x2, y2=x1-x2와 같이 y1 및 y2를 이용하여 모델링함으로써 하나의 우량모델을 생성하거나, 파라미터 x1과 x2를 사용하여 이변량 정규분포(Bivariate Normal Distribution)모형으로 모델링하여 또 다른 하나의 우량모델을 생성할 수 있다. 도3의 A그룹 및 B그룹에서 보는 바와 같이 우량모델은 통상 우량데이터를 모두 포함하지만 전체적인 범위는 다르게 설정될 수 있다.

불량모델은 우량모델과는 반대로 불량데이터에서 모델링된 기준데이터 및 평가방법이다. 즉, 불량모델은 불량데이터에서 모델링에 의해 선택된 기준데이터 뿐만 아니라 평가방법을 포함하고 있다. 평가방법은 일종의 평가알고리즘으로, 실제 평가는 우량모델의 경우와 마찬가지로 오류감지부에서 모델에 포함된 평가알고 리즘을 실행함으로써 이루어진다.

불량데이터는 과거의 반도체 제조공정에서 설비의 상태가 비정상인 상태에서 수집된 데이터이다. 불량데이터에서 불량모델을 모델링하는 방법은 우량모델을 모델링하는 방법과 동일한 방법이 사용될 수 있다. 따라서 도3에서는 단지 하나의 불량모델만을 예시하였으나 불량모델도 모델링방법에 따라 전체적인 영역이 다르게 설정될 수 있다.

모델선택부(14)에는 입력된 설비데이터에 상응하여 선택될 우량모델 및 불량모델을 정리한 테이블이 저장되어 있다. 여기에서 설비데이터는 설비의 노후화정도, 설비에서 부품의 교체여부, 레서피(recipe)의 변경여부 등 설비의 성능에 영향을 미치는 각종 정보를 의미한다. 예를 들면 모델선택부는 공정장비가 가동된지 1년되었을 경우에는 PCA기법으로 모델링하고, 가동된지 5년되었을 경우에는 UPM기법으로 모델링하도록 설정된 테이블을 저장하고 있다. 따라서 모델선택부(14)는 각종 설비데이터를 입력받고 저장된 테이블을 참고하여 현재의 설비상태에 가장 적합한 모델을 선택하게 된다.

오류감지부(15)는 공정제어서버(50)로부터 전달받은 공정데이터와 모델선택부(14)에서 선택한 우량모델 및 불량모델을 비교하여 설비의 상태를 평가한다. 설비의 상태를 평가하는 알고리즘은 통계분석에서 널리 사용되는 호텔링(Hotelling)의 T제곱테스트, 신경망방법이나 사용자가 정의한 평가방법 등이 적용될 수 있으며, 사용되는 평가방법에 따라 비교기준이 되는 모델과의 유사성을 백분율, 통계적 검정치 등으로 나타낼 수 있다. 이러한 평가알고리즘은 우량모델저 장부(12) 및 불량모델저장부(13)에 저장된 모델의 설정시에 함께 설정되어 저장된다.

따라서 오류감지부(15)는 입력된 공정데이터와 우량모델을 미리 설정한 평가방법에 의해 평가하고, 다시 입력된 공정데이터와 불량모델을 미리 설정한 평가방법에 의해 평가한 후 두 개의 평가결과를 결합하여 최종적인 평가결과를 도출한다.

두 개의 평가결과를 결합할 때에는 단순히 두개의 평가결과 중 유사성이 더 높은 결과를 채택하는 방법 또는 두 평가결과에 가중치를 준 후 유사성이 더 높은 결과를 채택하는 방법이 있다. 예를 들어 입력된 공정데이터를 우량모델과 비교한 결과 90%의 유사성을 가지고, 불량모델과 비교한 결과 10%의 유사성을 가진다면 공정데이터가 우량모델에 더 유사하므로 이 경우는 정상인 것으로 판단한다.

또한, 위의 예에서 우량모델과의 유사성에는 α의 가중치를 주고 불량모델과의 유사성에는 β의 가중치를 준 후 유사성을 다시 계산하여 더 큰 유사성을 가지는 결과를 선택할 수도 있다.

도4에서(도4의 x축은 파라미터 x1, y축은 파라미터 x2, 점은 우량데이터, x표시는 불량데이터, A는 다변량 모델링에 의한 우량모델, B는 단변량 모델링에 의한 우량모델, C는 불량모델, D는 A가 기준모델일 경우에는 정상이지만 B가 기준모델일 경우에는 우량모델 및 불량모델과의 유사정도에 따라 설비의 정상여부를 판단하게 되는 공정데이터임) 다변량 모델을 기준모델로 선택했을 때 입력된 공정데이터가 A그룹에 속하면 설비의 상태는 정상, 입력된 공정데이터가 C그룹에 속하면 설 비의 상태는 비정상이다.

그러나 도4에서 E영역에 속하는 공정데이터는 우량모델과 불량모델의 어디에도 포함되지 않는다. 따라서 이러한 경우에는 E영역에 해당하는 공정데이터가 우량모델에 더 유사한지 불량모델에 더 유사한지 판단한다. E영역에 속하는 공정데이터는 우량모델로부터는 약간 벗어나 있지만, 불량모델로부터는 많이 벗어나 있다. 따라서 우량모델에 더 유사하고, 설비의 상태는 정상으로 판단한다. 또한, 입력된 공정데이터가 우량모델과 불량모델에 대해 비슷한 유사성을 가질 경우 판단을 유보하고, 다음 평가에서 정상여부를 판단하게 할 수 있다.

한편, 위의 경우와 달리 입력된 공정데이터가 우량모델로부터 일정한 거리내에 있을 때만 우량모델 및 불량모델과 비교하여 유사정도를 판단할 수도 있다.

즉, 도4에서 입력된 공정데이터가 A에 속하면 설비는 정상, F를 벗어난 위치에 속하면 설비는 비정상, A와 F사이의 영역에 속하면 우량모델 또는 불량모델 중 어떤 모델과 더 유사한지를 판단하여 설비의 상태를 판단한다. 이 때 F는 설비에 따라 다르게 설정될 수 있다.

예를 들어 G에 포함되는 공정데이터는 F에서 벗어난 영역에 있어 우량모델 또는 불량모델과의 유사정도에 관계없이 설비의 상태는 불량으로 판정한다. 그리고 E및 H에 속하는 공정데이터는 우량모델 또는 불량모델과의 유사정도에 따라 설비의 상태를 판단한다.

평가가 완료되면 오류감지부(15)는 평가결과를 사용자 인터페이스(16)에 전달하고, 사용자 인터페이스(16)는 평가결과를 분석 리포트 또는 분석 차트로 표 시하여 사용자가 평가결과를 확인할 수 있도록 한다.

도5a 및 5b를 참조하여 도2의 모니터링 시스템의 동작을 설명한다. 사용자는 기준데이터베이스(11)에 저장된 우량데이터를 모델링한 복수의 우량모델과, 불량데이터를 모델링한 복수의 불량모델을 각각 우량모델저장부(12)와 불량모델저장부(13)에 저장한다(70,72).

우량모델과 불량모델의 저장이 완료된 상태이면 모델선택부(14)는 설비데이터를 입력받는다(74). 다음으로 모델선택부(14)는 입력된 설비데이터에 가장 적합한 우량모델과 불량모델을 선택하여 오류감지부(15)에 전달한다(76).

오류감지부(15)는 공정제어서버(50)로부터 공정데이터를 입력받아(78), 우량모델 및 불량모델에 포함된 평가방법을 사용하여 공정데이터가 우량모델에 속하는지 판단한다(80). 공정데이터가 우량모델에 속하면 오류감지부(15)는 장비의 상태가 정상인 것으로 판단하고(82), 공정데이터가 우량모델에 속하지 않으면 오류감지부(15)는 공정데이터가 불량모델에 속하는지를 판단한다(84).

공정데이터가 불량모델에 속하면 오류감지부(15)는 장비의 상태가 비정상인 것으로 판단하고(86), 공정데이터가 불량모델이 속하지 않는 경우 우량모델 및 불량모델과 공정데이터간의 유사성을 연산한다.

공정데이터와 각 모델간의 유사성이 연산된 후 오류감지부(15)는 공정데이터와 우량모델의 유사정도가 공정데이터와 불량모델의 유사정도 보다 큰지 판단한다(88). 만약 공정데이터가 우량모델에 더 유사하다면 장비는 정상인 것으로 판단한다(90). 그러나 반대의 경우 오류감지부(15)는 다시 공정데이터와 우량모델의 유 사정도가 공정데이터와 불량모델의 유사정도 보다 작은 지 판단한다(92).

만약 공정데이터가 불량모델에 더 유사하다면 공정장비는 비정상인 것으로 판단한다(94). 그러나 공정데이터와 우량모델 및 불량모델의 유사정도가 동일하다면 판단을 유보한다(96).

오류감지부(15)는 평가가 완료되면 그 평가결과를 사용자 인터페이스(16)에 전달하여 그 결과를 표시하게 할 수 있다. 특히, 공정장비에 이상이 있는 것으로 판단된 경우 오류감지부(15)는 경보를 발생시키거나 반도체 제조라인의 동작을 중지하게 할 수도 있다.

이상에서 상세히 설명한 바와 같이, 본 발명은 설비의 상태평가시에 우량모델과 함께 불량모델을 고려함으로써 설비의 상태를 보다 정확하게 판단할 수 있다.

따라서 설비의 상태가 "정상" 임에도 불구하고 "비정상" 으로 잘못 판단하는 가능성을 줄여 잘못된 경보로 인한 가동중지로 설비의 효율성이 떨어지는 것을 방지할 수 있다.

Claims (14)

1. 장비에 관한 데이터를 기초로 생성된 적어도 하나의 우량모델을 저장하는 제1모델저장부,

   상기 데이터를 기초로 생성된 적어도 하나의 불량모델을 저장하는 제2모델저장부,

   상기 장비로부터 설비데이터를 전송받고, 상기 설비데이터에 연계하여 상기 우량모델 및 불량모델 중에서 각각 하나의 우량모델과 불량모델을 선택하는 모델선택부,

   상기 장비로부터 공정데이터를 전송받고, 상기 모델선택부에서 선택된 우량모델 및 불량모델과 상기 공정데이터를 비교하여 상기 장비의 상태를 평가하는 오류감지부를 포함하되,

   상기 오류감지부는 상기 공정데이터가 상기 우량모델 및 불량모델에 포함되는지 여부 및 상기 공정데이터와 상기 우량모델 및 불량모델과의 유사정도에 따라 상기 장비의 상태를 판단하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
2. 제1항에 있어서,

   상기 우량모델은 상기 장비의 정상적인 상태를 나타내는 복수의 우량데이터를 기초로 생성되고, 상기 불량모델은 상기 장비의 비정상적인 상태를 나타내는 복수의 불량데이터를 기초로 생성되는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
3. 삭제
4. 제2항에 있어서,

   상기 우량모델이 복수개인 경우 상기 우량모델 마다 다른 모델링방법으로 모델링되는 것을 특징으로 하는 공정장비의 상태를 모니터링 하기 위한 시스템
5. 제2항에 있어서,

   상기 불량모델이 복수개인 경우 상기 불량모델마다 다른 모델링방법으로 모델링되는 것을 특징으로 하는 공정장비의 상태를 모니터링 하기 위한 시스템
6. 삭제
7. 제1항에 있어서,

   상기 오류감지부는 상기 공정데이터가 상기 우량모델에 포함되거나 상기 불량모델보다 상기 우량모델과 더 유사하면 상기 장비가 정상인 것으로 판단하고, 상기 공정데이터가 상기 불량모델에 포함되거나 상기 우량모델보다 상기 불량모델과 더 유사하면 상기 장비가 비정상인 것으로 판단하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
8. 제1항에 있어서,

   상기 설비데이터는 상기 장비의 노후정도, 상기 장비의 부품교체여부, 공정방법의 변경여부를 포함하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
9. 제1항에 있어서,

   상기 시스템은 상기 우량데이터 및 불량데이터를 저장하고 있는 기준데이터베이스를 더 포함하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
10. 제1항에 있어서,

    상기 시스템은 상기 모니터링의 결과를 표시하기 위한 표시부를 더 포함하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 시스템
11. 삭제
12. 장비가 정상적인 상태에서 수집한 우량데이터를 기초로 생성한 적어도 하나의 우량모델과 상기 장비가 비정상적인 상태에서 수집한 불량데이터를 기초로 생성한 적어도 하나의 불량모델을 저장하고,

    상기 장비로부터 전달된 설비데이터에 연계하여 우량모델과 불량모델을 선택하고,

    상기 장비로부터 전달된 공정데이터를 상기 선택된 우량모델 및 불량모델과 비교하고,

    상기 비교결과에 따라 상기 장비의 상태를 판단하되,

    상기 장비의 상태는 상기 공정데이터가 상기 우량모델 및 불량모델에 포함되는지 여부 및 상기 공정데이터가 상기 우량모델 및 불량모델과 유사한 정도에 따라 정상 또는 비정상으로 결정하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 방법
13. 삭제
14. 제12항에 있어서,

    상기 유사한 정도에 따라 상기 장비의 상태를 판단할 경우 상기 공정데이터를 상기 우량모델과 불량모델에 각각 비교한 결과에는 서로 다른 가중치를 주어 유사성을 연산하는 것을 특징으로 하는 공정장비의 상태를 모니터링하기 위한 방법

Images