KR101186964B1 - 미립자 분석 시스템 및 방법 - Google Patents

Abstract

본 발명에 따르면 다양한 종류의 미립자를 실험적인 데이터들을 이용하여 분석할 수 있는 미립자 시스템 및 방법을 제공할 수 있다.
본 발명의 바람직한 일실시예는 미립자를 확대하여 촬영하는 측정부; 및 다수의 저장된 미립자 측정 데이터를 이용하여 미립자를 분류하기 위해 학습모델을 생성하고, 학습 모델을 이용하여 새로이 측정된 미립자를 분류하는 분석부;를 포함한다.

Description

미립자 분석 시스템 및 방법{Particle Analysis System and Method Therefor}

본 발명은 미립자 분석 시스템 및 방법에 관한 것으로서, 더욱 상세하게는 청정도를 개선할 수 있는 미립자 분석 시스템 및 방법에 관한 것이다.

반도체 공정에 있어서 미립자(Particle)들은 많은 반도체의 불량을 일으키는 주요 원인으로 기준 이상의 청정도를 유지하는 것은 매우 중요한 작업임은 모든 사람들에게 있어 주지의 사실이다.

이러한 미립자는 반도체 공정뿐만 아니라, 자동차 생산 공정에서도 불량의 주요 원인이 되고 있다.

즉, 주조, 양극산화(Anodizing), 드릴링, 밀링, 선반, 고압 워터 제트 디버링, 브러싱 등의 복잡한 시스템의 통합은 다양한 종류의 미립자(칩, 버 및 주조의 잔해)를 만든다. 이 미립자들은 변속기, 엔진, 크랭크축 안에 모이게 되고 이것은 그 기능에 피해를 주며 자동차 사용자들을 위험하게 한다.

이러한 미립자를 최소화하기 위해서는 미립자의 발생 원인에 대한 분석이 선행되어야 할 것이다. 또한, 미립자 발생 원인에 대한 분석을 위해서는 다양한 미립자 자체에 대한 측정 및 분석이 요구된다.

본 발명은 전술한 바와 같은 기술적 과제를 해결하는 데 목적이 있는 발명으로서, 다양한 종류의 미립자를 실험적인 데이터들을 이용하여 분석할 수 있는 미립자 분석 시스템 및 방법을 제공하는 것에 그 목적이 있다.

본 발명의 바람직한 일실시예에 따른 미립자 분석 시스템은 미립자를 확대하여 촬영하는 측정부; 및 다수의 저장된 미립자 측정 데이터를 이용하여 미립자를 분류하기 위해 학습모델을 생성하고, 학습 모델을 이용하여 새로이 측정된 미립자를 분류하는 분석부;를 포함한다.

구체적으로 상기 측정부는 측정에 사용될 미립자를 올려놓기 위한 XY 테이블; 상기 미립자를 확대하기 위한 현미경; 상기 현미경으로부터의 영상을 촬영하기 위한 촬영모듈; 및 상기 촬영된 영상을 상기 분석부로 송신하고, 상기 분석부로부터 상기 XY 테이블을 제어하기 위한 신호를 수신하기 위한 제1 통신모듈;을 포함하는 것을 특징으로 한다.

또한, 상기 분석부는 상기 XY 테이블을 제어하기 위한 신호를 생성하는 제어모듈; 미립자 측정 데이터와 상기 측정된 미립자의 분류 데이터를 포함하는 데이터모듈; 상기 데이터 모듈에 저장된 데이터를 이용하여 미립자 분류를 위한 학습 모델을 생성하는 학습모듈; 상기 측정부로부터 촬영된 영상을 수신하고, 상기 XY 테이블을 제어하기 위한 신호를 송신하기 위한 제2 통신모듈; 상기 촬영된 영상의 디지털 이미지 프로세싱을 실시하는 영상처리모듈; 및 상기 영상처리 모듈로부터의 디지털 이미지 프로세싱된 영상을 이용하여 상기 학습 모델에 의해 미립자를 분류하는 분류모듈;을 포함하는 것을 특징으로 한다.

상기 학습모듈의 학습 모델 생성 방법의 바람직한 일실시예는 인공 지능 신경망을 이용할 수 있다.

아울러, 상기 학습을 위해 사용되는 데이터는 미립자의 길이, 너비, 표면 감촉 및 색(Color) 정보를 포함하는 것을 특징으로 한다. 또한, 상기 학습을 위해 사용되는 데이터를 이용하여 규소와 탄소의 구성비를 추정하는 것을 특징으로 한다.

상기 학습 모델은 상기 측정 데이터가 신규로 생성될 때마다 새로이 갱신되는 것이 바람직하다.

본 발명의 바람직한 일실시예에 따른 미립자 분석 방법은 분석부가 저장된 데이터를 이용하여 학습 모델을 생성하는 단계; 측정부가 XY 테이블 위의 미립자의 영상을 확대 촬영하는 단계; 상기 측정부가 상기 미립자의 영상을 상기 분석부로 송신하는 단계; 상기 분석부가 수신된 상기 미립자의 영상을 이용하여 디지털 이미지 프로세싱을 실시하는 단계; 및상기 분석부가 상기 디지털 이미지 프로세싱된 영상을 이용하여 상기 학습 모델에 의해 미립자를 분류하는 단계;를 포함한다.

본 발명의 미립자 분석 시스템 및 방법에 따르면, 다양한 종류의 미립자를 실험적인 데이터들을 이용하여 분석할 수 있는 미립자 분석 시스템 및 방법을 제공할 수 있다.

도 1은 본 발명의 바람직한 일실시예에 따른 미립자 분석 시스템을 나타낸다.
도 2는 미립자의 종류에 따른 형상을 나타낸다.
도 3은 학습 모델 생성에 이용된 인공 지능 신경망의 일실시예를 나타낸다.
도 4는 본 발명의 바람직한 일실시예에 따른 미립자 분석 방법의 흐름도를 나타낸다.

이하, 첨부된 도면을 참조하면서 본 발명의 일실시예에 따른 미립자 분석 시스템 및 방법에 대해 상세히 설명하기로 한다.

본 발명의 하기의 실시예는 본 발명을 구체화하기 위한 것일 뿐 본 발명의 권리범위를 제한하거나 한정하는 것이 아님은 물론이다. 본 발명의 상세한 설명 및 실시예로부터 본 발명이 속하는 기술분야의 전문가가 용이하게 유추할 수 있는 것은 본 발명의 권리범위에 속하는 것으로 해석된다.

우선 도 1은 본 발명의 바람직한 일실시예에 따른 미립자 분석 시스템을 나타낸다.

즉, 본 발명의 바람직한 일실시예에 따르는 미립자 분석 시스템은 측정부(10)와 분석부(20)를 포함한다.

상기 측정부(10)는 미립자를 확대 촬영하는 역할을 하다.

또한, 상기 분석부(20)는 다수의 저장된 미립자 측정 데이터를 이용하여 미립자를 분류하기 위해 학습모델인 기준을 생성하고, 생성된 기준을 이용하여 새로이 측정된 미립자를 분류하는 역할을 한다.

상기 측정부(10)의 역할에 대해 각 구성 요소에 의해 보다 구체적으로 설명하기로 한다.

상기 측정부(10)는, XY 테이블(11), 현미경(12), 촬영모듈(13) 및 제1 통신모듈(14)을 포함한다.

상기 XY 테이블(11)은 측정에 사용될 미립자 시료를 올려놓기 위해 요구되며, 상기 분석부(20)의 제어 신호에 의해 적절한 상기 미립자 시료의 위치가 가로 방향(X축)과 세로 방향(Y축)으로 이동할 수 있다.

상기 현미경(12)은 상기 XY 테이블(11) 위의 상기 미립자 시료를 확대하는 역할을 한다. 미립자인 경우, 크기가 작기 때문에 현미경에 의한 확대 촬영이 수반되지 않고는 미립자 단일 객체의 확인이 불가능하기 때문이다.

또한, 상기 촬영모듈(13)은 CCD나 CIS(CMOS Image Sensor)등을 이용한 카메라를 장착하여 상기 현미경(12)에 의해 확대된 미립자 시료의 영상을 촬영하는 역할을 한다.

아울러, 상기 제1 통신모듈(14)은 상기 분석부(20)와의 통신을 수행한다. 즉상기 촬영모듈(13)에 의해 촬영된 영상을 상기 분석부(20)로 송신하고, 상기 분석부(20)로부터 상기 XY 테이블(11)을 제어하기 위한 신호를 수신하는 역할을 한다.

하기에 상기 분석부(20)의 역할에 대해 각 구성 요소에 의해 좀 더 구체적으로 설명하기로 한다.

상기 분석부(20)는 제어모듈(21), 데이터모듈(22), 학습모듈(23), 영상처리모듈(24), 분류모듈(25) 및 제2 통신모듈(26)을 포함한다.

상기 제어모듈(21)은 상기 XY 테이블(11)을 제어하기 위한 신호를 생성한다.

상기 데이터모듈(22)은 미립자 측정 데이터와 상기 측정된 미립자의 분류 데이터를 포함한다.

상기 학습모듈(23)은 상기 데이터모듈(22)에 저장된 데이터를 이용하여 새로운 미립자의 측정이 이루어질 때, 측정된 미립자를 분류하기 위한 기준을 생성한다.

상기 기준은 상기 측정 데이터가 신규로 생성될 때마다 새로이 갱신되어 보다 신뢰도가 높은 기준을 생성할 수 있는 것을 특징으로 한다.

본 발명의 바람직한 일실시예에 따른 미립자의 분류는 세가지 종류로 나눌 수 있다.

즉, 칩(Chip), 버(Burr) 및 주조 잔해(Cast Debris)이다.

도 2에 칩, 버 및 주조 잔해의 형상의 한 예를 나타내었다.

좀 더 자세히 칩, 버 및 주조 잔해의 특징에 대해 알아보기로 한다.

칩은 작은 조각을 의미하며, 기계 변형의 결과로 어떤 영역에서는 표면이 매끈하다. 버는 칩보다 작은 크기로 어떤 범주에서는 칩과의 분류가 명확하지 못하다, 그래서 그 구성비의 추정이 필요로 한다. 버는 적은 양의 규소와 탄소의 비를 나타내는 데 그 이유는 버는 재료에 여전히 남아있기 때문이다.

마지막으로 주조 잔해는 표면과 떨어져 있고 규소와 탄소의 비는 칩 및 버와는 다르다. 또한, 그 경계는 칩과 버 보다는 매끄러운 특징이 있다.

상기 학습모듈(23)에서는 구체적으로 인공 지능 신경망에 의해 기준을 생성한다. 도 3에 인공 지능 신경망의 일실시예를 나타내었다.

즉, 인공 지능 신경망의 입력부에는 미립자의 길이, 너비, 표면 감촉 및 색 정보를 포함하는 정보를 입력하고, 출력부에 미립자 분류를 할당하게 되면 가장 최적의 인공 지능 신경망에 의한 기준을 생성하게 된다.

생성된 기준에 측정된 미립자의 데이터를 입력하게 되면, 입력된 데이터를 바탕으로 상기의 세가지 미립자의 분류 중 하나로 분류하게 된다.
즉, 기설정된 미립자 분류를 위한 기준에 의해 측정된 미립자 측정 데이터 및 상기 측정된 미립자의 분류 데이터를 포함하는 데이터 모듈의 저장된 데이터를 인공 지능 신경망의 입력부에 입력하고, 인공 지능 신경망의 출력부에 미립자 분류를 할당하여 미립자 분류를 위한 기준을 설정하는 인공 지능 신경망을 포함하며, 상기 인공 지능 신경망을 이용하여 상기 데이터모듈의 측정데이터가 신규로 생성될 때마다 새로이 갱신되어 새로운 기준을 재생성하는 것을 특징으로 한다.

상기 제2 통신모듈(26)은 상기 측정부(10)로부터 촬영된 영상을 수신하고, 상기 XY 테이블(11)을 제어하기 위한 신호를 송신하기 위한 역할을 한다.

상기 영상처리모듈(24)은 상기 제2 통신모듈(26)을 통해 수신된 상기 촬영된 영상의 디지털 이미지 프로세싱을 실시하는 역할을 한다.

상기 영상처리모듈(24)에 의해 선명하게 단위 미립자 객체로 분리된 영상을 이용하여 상기 분류모듈(25)은 미립자의 크기, 너비, 표면 감촉 및 색 정보 등의 미립자의 각종 형상 정보를 데이터로 추출하고, 추출된 데이터 정보를 이용하여 상시 기준에 의해 미립자를 분류하는 역할을 한다.

또한, 추출된 데이터를 이용하여 미립자를 구성하는 규소와 탄소의 구성비를 추정할 수 있다.

도 4는 본 발명의 바람직한 일실시예에 따른 미립자 분석 방법의 흐름도를 나타낸다.

즉, 본 발명의 바람직한 일실시예에 따르는 미립자 분석 방법은 상기 분석부(20)가 저장된 데이터를 이용하여 기준을 생성하는 단계(S5); 상기 측정부(10)가 XY 테이블 위의 미립자의 영상을 확대 촬영하는 단계(S10); 상기 측정부(10)가 상기 미립자의 영상을 상기 분석부(10)로 송신하는 단계; 상기 분석부(20)가 수신된 상기 미립자의 영상을 이용하여 디지털 이미지 프로세싱을 실시하는 단계; 및 상기 분석부(20)가 상기 디지털 이미지 프로세싱된 영상을 이용하여 상기 기준에 의해 미립자를 분류하는 단계;를 포함한다.
여기서, 기준을 생성하는 단계에는, (a') 기설정된 미립자 분류를 위한 기준에 의해 측정된 미립자 측정 데이터 및 상기 측정된 미립자의 분류 데이터를 포함하는 데이터 모듈의 저장된 데이터를 인공 지능 신경망의 입력부에 입력하고, 상기 인공 지능 신경망의 출력부에 미립자 분류를 할당하여 미립자 분류를 위한 기준을 설정하는 단계;를 포함하여, 상기 인공 지능 신경망을 이용하여 상기 데이터 모듈의 측정데이터가 신규로 생성될 때마다 새로이 갱신되어 새로운 기준을 재생성하는 것을 특징으로 한다.

10 : 측정부 20 : 분석부
11 : XY 테이블 12 : 현미경
13 : 촬영모듈 14 : 제1 통신모듈
21 : 제어모듈 22 : 데이터모듈
23 : 학습모듈 24 : 영상처리모듈
25 : 분류모듈 26 : 제2 통신모듈

Claims (9)

1. 미립자 분석 시스템에 있어서,
   미립자를 확대하여 촬영하는 측정부; 및
   다수의 저장된 미립자 측정 데이터를 이용하여 미립자를 분류하기 위한 기준을 설정하고, 상기 기준을 이용하여 새로이 측정된 미립자를 분류하는 분석부;를 포함하되,
   상기 분석부는
   상기 XY 테이블을 제어하기 위한 신호를 생성하는 제어모듈;
   미립자 측정 데이터와 상기 측정된 미립자의 분류 데이터를 포함하는 데이터모듈;
   상기 데이터 모듈에 저장된 데이터를 이용하여 미립자 분류를 위한 기준을 설정하는 학습모듈;
   상기 측정부로부터 촬영된 영상을 수신하고, 상기 XY 테이블을 제어하기 위한 신호를 송신하기 위한 제2 통신모듈;
   상기 촬영된 영상의 디지털 이미지 프로세싱을 실시하는 영상처리모듈;
   상기 영상처리 모듈로부터의 디지털 이미지 프로세싱된 영상을 이용하여 상기 기준에 의해 미립자를 분류하는 분류모듈; 및
   상기 기설정된 미립자 분류를 위한 기준에 의해 측정된 미립자 측정 데이터 및 상기 측정된 미립자의 분류 데이터를 포함하는 데이터 모듈의 저장된 데이터를 인공 지능 신경망의 입력부에 입력하고, 상기 인공 지능 신경망의 출력부에 미립자 분류를 할당하여 미립자 분류를 위한 기준을 설정하는 인공 지능 신경망;을 포함하며, 상기 인공 지능 신경망을 이용하여 상기 데이터모듈의 측정데이터가 신규로 생성될 때마다 새로이 갱신되어 새로운 기준을 재생성하는 것을 특징으로 하는 미립자 분석 시스템.
   
2. 제 1항에 있어서, 상기 측정부는,
   측정에 사용될 미립자를 올려놓기 위한 XY 테이블;
   상기 미립자를 확대하기 위한 현미경;
   상기 현미경으로부터의 영상을 촬영하기 위한 촬영모듈; 및
   상기 촬영된 영상을 상기 분석부로 송신하고, 상기 분석부로부터 상기 XY 테이블을 제어하기 위한 신호를 수신하기 위한 제1 통신모듈;을 포함하는 것을 특징으로 하는 미립자 분석 시스템.
   
3. 삭제
4. 삭제
5. 제1항에 있어서,
   상기 학습모듈의 기준설정방법에 사용되는 데이터는 미립자의 길이, 너비, 표면 감촉 및 색(Color) 정보를 포함하는 것을 특징으로 하는 미립자 분석 시스템.
   
6. 제1항에 있어서,
   상기 학습모듈의 기준설정방법에 사용되는 데이터를 이용하여 규소와 탄소의 구성비를 추정하는 것을 특징으로 하는 미립자 분석 시스템.
   
7. 삭제
8. (a) 분석부가 저장된 데이터를 이용하여 기준을 설정하는 단계;
   (b) 측정부가 XY 테이블 위의 미립자의 영상을 확대 촬영하는 단계;
   (c) 상기 측정부가 상기 미립자의 영상을 상기 분석부로 송신하는 단계;
   (d) 상기 분석부가 수신된 상기 미립자의 영상을 이용하여 디지털 이미지 프로세싱을 실시하는 단계; 및
   (e) 상기 분석부가 상기 디지털 이미지 프로세싱된 영상을 이용하여 상기 기준에 의해 미립자를 분류하는 단계;를 포함하되,
   상기 (a) 단계는,
   (a') 기설정된 미립자 분류를 위한 기준에 의해 측정된 미립자 측정 데이터 및 상기 측정된 미립자의 분류 데이터를 포함하는 데이터 모듈의 저장된 데이터를 인공 지능 신경망의 입력부에 입력하고, 상기 인공 지능 신경망의 출력부에 미립자 분류를 할당하여 미립자 분류를 위한 기준을 설정하는 단계;를 포함하여, 상기 인공 지능 신경망을 이용하여 상기 데이터 모듈의 측정데이터가 신규로 생성될 때마다 새로이 갱신되어 새로운 기준을 재생성하는 것을 특징으로 하는 미립자 분석 방법.
9. 삭제

Images