메뉴바로가기
주메뉴 바로가기
컨텐츠 바로가기
/web/images/txt/sub_titleImg03.png

컨텐츠

솔루션

sm-FDC(공정 오류 검출 및 시스템) 개요

(주)아이엔에스시스템의 FDC인 sm-FDC의 "SM"은 SMART하다는 의미와 함께 특정 공장을 위해 특화된(Specialized Manufacturing FDC) FCD시스템을 의미합니다. 화려하고 보기 좋으나 전문가가 아니면 사용하기 어려운 고급 통계 기능의 나열이나 QMS시스템을 이름만 바꾼 통계 패키지가 아닌 FDC본연의 목적을 수행할 수 있는 알고리즘으로 고객의 고질적인 여러 품질 사고나 설비 고장을 예방하여 제조 공장의 생산성 향상과 고객 신뢰에 기여하도록 구성되어졌습니다.

일반적인 FDC (Fault Detection & Classification) 개요 소개

EES(Equipment Engineering System)의 3번째 단계에 해당하는 FDC는 아직 제조 산업 현장에 일반화된 시스템은 아니다 보니 제안하는 업체마다 자사 보유 기술에 따라 고객 눈높이에 따라 조금씩 다르게 제안하고 있는 형편이다. 이에 따라 고객들도 FDC를 바라보는 시각이 천차만별이다. 진정한 FDC의 본질을 한마디로 정의하기 어렵지만 굳이 요약한다면 "FDC란 제조 현장에서 나타나는 고질적인 여러 문제점을 Data 관점에서 해석하여 문제의 원인을 탐색하고 해당 원인이 나타날 조짐이 보일 때 미리 이를 알려 주는 시스템" 이라고 쉬운 말로 정의할 수 있다. 이 때 중용한 것은 원인 탐색 과정과 예지 시스템을 누가 어떤 식으로 자동화 하느냐가 FDC시스템의 능력이라 하겠다.

sm-FDC 특징

1. 고객은 통계를 잘 모르고 알 필요도 없다.
2. 고객이 보는 Data양은 점차 방대해지지만 고객은 문제 있는 Data만 알고 싶지 않다.
3. 고객은 철저히 ROI관점에서 시스템을 접근하므로 FDC도 ROI 관점에서 단계별로 구축한다.
1. Raw Data Filtering 기법(Invalid Data 제거)
2. Data Matching 기법(상호 관계 Data들의 Timing Loss 최소화)
3. Data Mining 기법(결과 변수에 영향을 줄 수 있는 상호 연계된 종속 변수들간의 통합화 기법)
4. 결과 변수 Scoring 기법(고객의 문제점에 기준을 맞춘 Classification 기법)
5. Modeling 기법(고객 문제 정도와 Raw Data간의 Matching 학습 기법)
6. 자동 분석 Reporting 기법(1~5번 과정을 통계적 지식 없이 고객이 이해할 수 있는 용어로 정리/요약하는 레포트)
7. 기타 SI적 IT기술 접목(SMS, Mobile Service등)
* 위의 내용은 실질적인 기술적 Process보다는 고객의 이해를 돕기 위한 Process로 정리되었습니다.
고객의 요구 수준 및 Data 환경에 맞춰 고객의 ROI적 요구에 따라 아래 알고리즘들을 적절히 혼합한 유합형 알고리즘을 sm-FDC 기본 구조에 맞춰 Remodeling합니다. 고객에게 필요 없는 알고리즘을 통계 패키지처럼 적용하지 않고 꼭 필요한 것만 선택 적용하기 때문에 시스템이 가볍습니다.
  • 다양한 Fault는 유형이 있으며 Fault검출하는 방법도 지식모델, 계량모델, 조기경보 등 다양하고 다각적인 접근방법이 있음.
  • Fault검출에 적용하는 방법은 고장 이전 시점에 적용되는 사전검출(사전분석)과 교체 이후에 과거 이력 정보를 비교 검출하는 사후검출(사후분석)로 구분할 수 있음.
  • 사전검출은 계량모델, 지식모델, 하이브리드 모델이 있고, 사후검출에는 조기경보를 위한 검출방법이 있음.
  • F-Scoring Method : 중요 인자 데이터에 통계적인 기법을 적용하여 Fault의 특성을 분석하고 통계모델 구성을 통해 Fault를 검출하는 방법임
F-Scorin에서 제공하는 스코어 모델링 기법은 선형 회귀분석(Linear Regression), 로지스틱 회귀분석(Logistic Regression), GLM(Generalized Linear Model)등의 다변량 통계모형을 이용하여 스코어 모델을 개발함.
  • 하나의 종속변수와 여러 개의 독립변수들 간의 통계적 함수관계를 분석하여 모형화하는 방법
  • 종속변수와 독립변수들 사이의 함수 관계가 어떠한 형태(선형 또는 비선형)를 가지고 있는 파악
  • 종속변수에 영향을 미치는 중요한 독립변수들의 영향을 추정 및 검정
  • 추정된 회귀함수를 이용하여 주어진 독립변수의 값에서 종속변수의 평균변화를 추정 혹은 예측
  • 독립변수의 선형결합을 이용하여 사건의 발생가능성(발생확률)을 예측하는데 사용되는 통계기법
  • 독립변수의 선형결합으로 종속변수를 설명한다는 관점에서는 회귀분석, 판별분석과 유사함
  • 비선형성이 존재하는 경우에는 예측의 유용성이 저하됨
  • 사용 예)
    제품의 품질(양품/불량), 은행의 고객신용(양호/불량) 등.
  • 회귀분석에서 분석할 수 없는 개수나 빈도를 나타내는 이산형 반응변수와 연속형, 이산형 설명변수를 함께 고려하여 분석할 수 있는 통계기법
  • 반응변수가 정규분포뿐만 아니라 이항분포나 포아송분포와 같은 자료분포를 통계적인 모형화 가능
  • 반응변수의 확률 분포에 따라 다양한 함수를 사용하며, 설명변수와 반응변수의 관계에 따라 Link함수를 다르게 사용