Журнал компьютерной инженерии и информационных технологий

Прогностическое обслуживание для устранения неисправностей, связанных с вибрацией, в полупроводниковой промышленности

Кевин Карран и Роберт Кинг

Прогностическое обслуживание оказалось экономически эффективным методом управления обслуживанием критически важного оборудования во многих вертикалях. Полупроводниковая промышленность также может выиграть. Большинство заводов по производству полупроводников оснащены обширными диагностическими и контрольными датчиками качества, которые могут использоваться для мониторинга состояния активов и в конечном итоге сокращения незапланированных простоев путем выявления основных причин механических проблем на ранней стадии, прежде чем они могут перерасти в механические отказы. Машинное обучение — это процесс построения научной модели после обнаружения знаний из набора данных. Это сложный вычислительный процесс автоматического распознавания образов и интеллектуального принятия решений на основе данных обучающей выборки. Алгоритм машинного обучения может собирать факты о ситуации с помощью датчиков или человеческого ввода и сравнивать эту информацию с сохраненными данными и решать, что означает эта информация. Здесь мы представляем результаты применения машинного обучения к набору данных прогностического обслуживания для выявления будущих отказов, связанных с вибрацией. Результаты прогнозируемых будущих отказов служат инженерам в качестве помощи в процессе принятия решений относительно обслуживания активов.