Fleet-based Anomaly Detection for OHTs

현대 반도체 FAB의 수백~수천 대 OHT(Overhead Hoist Transport)의 비계획 정지는 라인 전체의 생산성 감소와 수율 저하로 직결된다. 현행 시간 기반 예방정비(Time-based PM)는 과정비와 돌발 고장을 방지하지 못하는 한계가 있다. 특히, OHT의 진동/소음 센서 패턴은 곡선/직선 주행이나 FOUP 적재 여부 등 ‘운행 맥락(Context)’에 따라 크게 달라지므로, 기존의 단순 임곗값 기반 감시 방식은 극심한 오탐을 유발한다. 또한 개발 OHT의 누적 마모도 차이로 인해 단일 모델을 전체 군집에 일괄 적용하기 어렵다. 따라서 센서 데이터와 운행 맥락, 개체별 차이를 동시에 고려하여 오탐 저감, 조기경보, 유지보수 의사결정 지원을 하는 지능형 OPHM(OHT Prognostics & Health Management) 개발은 제품의 차별성 및 고객가치 제고에 큰 기여를 할 수 있다.