4차 산업혁명이 전 세계적으로 진행되면서 반도체, 디스플레이, 배터리 등의 분야에서는 혁신 제조공정(불량품 감지, 장비 이상탐지, 품질관리, 품질예측)을 달성하기 위해 딥러닝, 강화학습 등 높은 생산성을 위한 첨단 AI 기술 접목이 핵심이 되었다. 그럼에도 실제 제조 현장에선 AI 도입에 여러 가지 난제들이 존재하는데, 첫 번째로는 제조공정에서 발생하는 데이터의 양이 너무 많아 공정관리가 복잡해지고 이에 따라 계측 변수의 중요도를 탐색/진단하는 기술의 난이도가 증가하고 있다는 점이 있으며, 두 번째로는 제조공정 데이터를 확보하여도 딥러닝 등 AI 기반 모델 학습에 필요한 분류된 해당 데이터의 결과가 정상인지 결함인지에 대한 레이블(lable) 데이터가 부족하다는 점이 있다. 마지막으로는 실험 데이터를 기반으로 AI 모델을 학습시키고 나서 실제 양산공정에 도입했을 때 물리적인 차이가 발생한다는 것이다.
첨단 제조산업용 AI기반 이상탐지 및 공정진단 솔루션을 공급하는 알티엠은 이 문제를 해결할 차별화된 기술력을 확보하고 이를 고도화하고 있다. 대표적으로 방대한 양의 시계열 데이터를 효과적으로 처리할 PR(Pattern Recognition)로직을 개발해 계측변수 진단 및 이상 원인을 설명할 수 있다. 시계열 데이터의 메인 공정 부분만을 발췌하여 상한, 하한 관리만 하던 기존 방식에서 벗어나 자사의 PR 기술로 계측 데이터를 패턴에 따라 구간을 나누고, 각 구간별 통계량을 관리할 수 있도록 했다.
또한, 레이블 데이터 부족 현상과 실험-양산 데이터 간 물리적인 차이를 보완할 기술을 개발했다. 양산라인에서 발생하는 AI모델 결과와 실제 결과 간의 차이를 측정하여 스스로 추가 학습 여부를 판단해 재학습하며 정확도를 높여가는 적응형 업데이트(adaptive update) 기술을 개발하였으며, 정상/불량 여부가 확인되지 않은 미분류 데이터에 대한 레이블(정상, 결함 등) 가공을 용이하게 하는 라벨링 기능을 제공하여 레이블 데이터 부족 현상과 실험-양산 데이터 간의 차이를 보완해가고 있다.
알티엠은 앞서 언급한 차별화된 제조 AI 기술을 적용한 두 가지 솔루션을 제공한다. 첫째는 제품의 미세한 불량까지도 자동으로 검출해 주는 딥러닝 기반의 머신비전 솔루션 ‘허블(Hubble)’이다. 허블은 적응형 업데이트와 레이블 가공 기술을 머신비전 솔루션에 적용하여 불량을 다양하게 학습해 검사 단계에서 형태가 바뀌어도 유연하게 판별이 가능하며, 제품 전체 이미지에서 미세한 이상원인을 부분적으로 추출하는 것이 가능하다.
둘째, 제조 장비에서 발생하는 방대한 센서 데이터(시계열데이터)를 효과적으로 전처리 및 분석하는 솔루션, 아폴로(Apollo)가 있다. 앞서 언급한 PR로직으로 데이터를 분석해 오류를 진단하여 설명하고 적응형 업데이트 기술로 신규 이상 패턴까지도 파악해 신속한 대응을 가능하게 한다. 이를 통해 제조공정의 비정상 상태를 감지하여 장비의 이상징후, 수명예측을 파악하고 다운타임을 감소시킨다.
상기한 솔루션 이외에도 알티엠은 공동 기술 개발을 통한 내장형(embedded) 솔루션을 공급한다. 현재 당사는 반도체 장비사와 함께 원자단위로 식각하는 원자층 식각공정에 대하여 실시간으로 설비와 공정 상태를 진단하는 인공지능 기반 공정진단모델을 개발하고 있다.
