IntLearn ML – 공정 데이터로 불량 원인과 설정값 찾기

IntLearn ML은 설비 데이터베이스의 공정 기록을 학습해 기포 같은 불량과 건조 온도·코팅 갭의 상관관계를 찾고, 트랜스포머 기반 모델로 다음 설정값을 예측합니다.

설비가 남긴 공정 데이터를 학습해 불량의 원인을 찾고 다음 설정값을 예측하는 머신러닝 소프트웨어

공정 데이터로 불량의 원인을 찾고 설정값을 정합니다

IntLearn ML은 설비 데이터베이스에 쌓이는 공정 기록과 불량 기록을 함께 읽어, 어떤 공정값이 불량을 늘리는지 찾고 다음 설정값을 예측합니다.

어떤 입력이 결과에 영향을 줬는지 기여도로 보여 주고, 학습 결과는 보고서로 남깁니다.

• 연결: 설비 데이터베이스의 공정 기록과 불량 기록, PLC 값을 불러옵니다.
• 학습: 트랜스포머 기반 모델을 포함한 모델 5종을 같은 데이터로 학습해 비교합니다.
• 설명: 입력별 기여도와 오차를 화면과 보고서(HTML·Excel)로 봅니다.
• 반영: 예측한 설정값을 사람이 확인해 바꾸고, 자율제어로 넓혀 갑니다.
• 기포 상관관계: 기포 지도에서 기포를 유형별로 나누고, 건조 온도·코팅 갭과의 상관관계를 시간 지연까지 따져 어느 값이 기포를 늘리는지 찾습니다. 함께 움직이는 추세로 생긴 겉보기 상관은 걸러 냅니다.
• 설정값 예측: 트랜스포머 기반 모델로 다음 설정값을 예측합니다. 라인이 스스로 맞추는 자율제어는 구현 중이고, 지금은 사람이 확인하고 설정값을 바꿉니다.