Failure Prediction of Semiconductor Manufacturing Equipment Using a Self-Attention-Based Transformer Model

Self-Attention 기반 Transformer 모델을 활용한 반도체 제조 장비 고장 예측 연구

반도체 제조 장비는 화재, 부품 결함, 노후화 등의 다양한 요인으로 인해 예상치 못하게 가동이 중단되거나 정상적인 운용이 어려운 상황이 자주 발생한다. 이러한 장비의 고장은 반도체 생산 공정 전체를 중단시키며, 이에 따라 기업의 생산 효율 저하 및 원가 상승을 초래한다. 본 연구에서는 장비에 부착된 온도, 진동, 전력 센서로부터 수집된 시계열 데이터를 활용하여, Self-Attention 기반 Transformer 모델을 통해 반도체 제조 장비의 고장을 사전에 예측하고자 하였다. 제안하는 모델은 시계열 내 장기 의존성(Long-Term Dependency)을 효과적으로 학습함으로써, 기존 Auto-Encoder 기반 예측 모델 대비 정확도 향상을 목표로 한다.