コンピュータ工学および情報技術ジャーナル

半導体産業における振動関連故障の予知保全

ケビン・カランとロバート・キング

予知保全は、多くの業界で重要な機器のコスト効率に優れた保守管理方法であることが証明されています。半導体業界も恩恵を受けることができます。ほとんどの半導体製造工場には、広範な診断および品質管理センサーが装備されており、それらを使用して資産の状態を監視し、機械的な問題の根本原因を機械的な故障に発展する前に早期に特定することで、予定外のダウンタイムを最終的に軽減することができます。機械学習は、データセットから知識を発見した後、科学的モデルを構築するプロセスです。これは、トレーニングサンプルデータに基づく自動パターン認識とインテリジェントな意思決定の複雑な計算プロセスです。機械学習アルゴリズムは、センサーまたは人間の入力を通じて状況に関する事実を収集し、この情報を保存されたデータと比較して、情報が意味するものを判断できます。ここでは、将来の振動関連の故障を特定するために、予知保全データセットに機械学習を適用した結果を示します。予測された将来の故障の結果は、資産メンテナンスに関する意思決定プロセスにおいてエンジニアの助けとなります。