intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Báo cáo tóm tắt đề tài khoa học và công nghệ cấp trường: Thiết lập giao thức nhận dạng và phân loại lỗi trong hệ thống phức tạp

Chia sẻ: Mucnang000 Mucnang000 | Ngày: | Loại File: PDF | Số trang:79

Thêm vào BST
Báo xấu
32
lượt xem 8
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu nghiên cứu đề tài là nhằm phát triển một mô hình chuẩn đoán và phân loại lỗi để hỗ trợ con người trong quá trình thiết lập một quá trình bảo dưỡng thiết bị và công cụ sản xuất. Phương pháp mô hình hoá được chọn lựa dựa trên cơ sở phân tích và học thuật các phương pháp phân loại và học dữ liệu từ cổ điển đến hiện đại.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Báo cáo tóm tắt đề tài khoa học và công nghệ cấp trường: Thiết lập giao thức nhận dạng và phân loại lỗi trong hệ thống phức tạp

  1. ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP TRƯỜNG THIẾT LẬP GIAO THỨC NHẬN DẠNG VÀ PHÂN LOẠI LỖI TRONG HỆ THỐNG PHỨC TẠP Mã số: T2019-06-131 Chủ nhiệm đề tài: TS. Trần Ngọc Hoàng Đà Nẵng, Tháng 6/2020
  2. ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT BÁO CÁO TỔNG KẾT ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP TRƯỜNG THIẾT LẬP GIAO THỨC NHẬN DẠNG VÀ PHÂN LOẠI LỖI TRONG HỆ THỐNG PHỨC TẠP Mã số: T2019-06-131 Xác nhận của cơ quan chủ trì đề tài Chủ nhiệm đề tài
  3. DANH SÁCH THÀNH VIÊN THAM GIA NGHIÊN CỨU ĐỀ TÀI 1. Trần Ngọc Hoàng DANH SÁCH ĐƠN VỊ PHỐI HỢP CHÍNH 1. Trường Đại học Sư phạm Kỹ thuật - Đại học Đà Nẵng
  4. BÁO CÁO TỔNG KẾT ĐỀ TÀI CẤP CƠ SỞ DANH MỤC CÁC BẢNG Số hiệu Tên bảng Trang Bảng 4.1 Biến đo lường liên tục 42 Bảng 4.2 Biến đo lấy mẫu 42 Bảng 4.3 Biến điều khiển 43 Bảng 4.4 Bảng tên lỗi 43 Bảng 4.5 Các biến sử dụng trong mô hình chuẩn đoán 45 Bảng 4.6 Các giá trị rời rạc hoá của các biến 48 THỰC HIỆN: TS. TRẦN NGỌC HOÀNG
  5. BÁO CÁO TỔNG KẾT ĐỀ TÀI CẤP CƠ SỞ DANH MỤC CÁC HÌNH VÀ BIỂU ĐỒ Số hiệu Tên bảng Trang Hình I.1 Sơ đồ AMS tổng quát 3 Hình I.2 Sơ đồ cấu trúc tháp điều khiển CIM 5 Hình I.3 Sơ đồ cấu trúc các thành phần điều khiển 7 Hình I.4 Ví dụ về DataBase EDA 9 Mô hình mô tả các bước của quá trình quan sát và Hình I.5 11 theo dõi sức khoẻ thiết bị sản xuất Hình II.1 Phân loại các phương pháp phân loại biến. 20 Hình III.1 Ví dụ mạng Bayes 27 Hình III.2 Ví dụ về cấu trúc mạng Bayes tăng lên. 29 Hình III.3 Cấu trúc mạng bayes phân cấp 30 Hình III.4 Sơ đồ khối của mô hình chuẩn đoán 35 Hình IV.1 Sơ đồ qui trình sản xuất hơi công nghiệp TEP 40 Quy trình phương pháp chuẩn đoán lỗi bằng mạng Hình IV.2 44 Bayesian Mô hình được xây dừng và các mối quan hệ của các Hình IV.3 47 biến được xác nhận Hình IV.4 Mô hình chuẩn đoán mạng Bayesian trên Matlab 47 Dữ liệu của các biến và lỗi F6 biến thiên theo thời Hình IV.5 49 gian. Hình IV.6 Xác suất có điều kiện của các biến điều khiển. 50 THỰC HIỆN: TS. TRẦN NGỌC HOÀNG
  6. BÁO CÁO TỔNG KẾT ĐỀ TÀI CẤP CƠ SỞ DANH MỤC CÁC CHỮ VIẾT TẮT AMS Automated Manufacturing System BN Bayes Network CIM Computer Integrated Manufacturing DB Data Base DM Data mining ERP Enterprise Resource Planning EM Expectation-Maximization FDC Fault Detection Classification FMEA Failure Mode and Effects Analysis ML Machine Learning R2R Run to run SPC Statistical Process Control TEP Tennessee Eastman Process VM Virtual Metrology THỰC HIỆN: TS. TRẦN NGỌC HOÀNG
  7. Báo cáo tổng kết đề tài khoa học Table of Contents PHẦN MỞ ĐẦU ...........................................................................................................2 CHƯƠNG I. TỔNG QUAN NGHIÊN CỨU ........................................................................3 1.1. Hệ thống sản xuất tự động (Automated Manufacturing System – AMS) .................. 3 1.1.1. Cấu trúc vật lý ............................................................................................................................3 1.1.2. Hệ thống điều khiển ..................................................................................................................4 1.2. Giám sát sản xuất .................................................................................................. 6 1.2.1. Bảo trì công nghiệp ...................................................................................................................6 1.2.2. Quá trình điều khiển .................................................................................................................7 1.3. Hệ thống thông tin ................................................................................................. 9 1.4. Vấn đề của đề tài ................................................................................................. 11 CHƯƠNG II. CƠ SỞ LÝ THUYẾT PHƯƠNG PHÁP NGHIÊN CỨU ....................................14 2.1. Các phương pháp xử lý biến dữ liệu ..................................................................... 15 2.1.1. Phương pháp Lọc dữ liệu - Filter ............................................................................................ 15 2.1.2. Phương pháp Tương quan dữ liệu - Correlation.................................................................... 15 2.1.3. Phương pháp Phân loại - Classification .................................................................................. 17 2.1.4. Phương pháp Hồi qui - Regression ......................................................................................... 17 2.1.5. Phương pháp Xếp hạng và lựa chọn biến .............................................................................. 18 2.1.6. Phương pháp Rừng ngẫu nhiên ............................................................................................. 19 2.2. Các phương pháp phân loại dữ liệu ...................................................................... 19 2.2.1. Phương pháp phân loại giám sát ........................................................................................... 20 2.2.2. Phương pháp phân loại không giám sát................................................................................. 20 2.3. Các phương pháp mô hình hoá ............................................................................ 21 2.3.1. Xác định các tiêu chuẩn .......................................................................................................... 22 2.3.2. Phương pháp K hàng xóm gần nhất ....................................................................................... 23 2.3.3. Phương pháp Mạng Nơron .................................................................................................... 23 2.3.4. Phương pháp Cây quyết định ................................................................................................. 24 2.3.5. Phương pháp Mạng Bayes ..................................................................................................... 25 CHƯƠNG III. QUÁ TRÌNH THIẾT LẬP BAYESIAN ĐỂ CHUẨN ĐOÁN LỖI .........................26 3.1. Tổng quan về mạng Bayes (hoặc Bayesian) ........................................................... 26 3.1.1. Định nghĩa và tính chất .......................................................................................................... 26 3.1.2. Học hỏi và Suy luận ................................................................................................................ 30 3.2. Mô hình hoá ........................................................................................................ 33 3.3. Phần mềm ứng dụng............................................................................................ 36 CHƯƠNG IV. ỨNG DỤNG VÀ KẾT QUẢ .......................................................................38 4.1. Giới thiệu trường hợp ứng dụng .......................................................................... 38 4.1.1. Quy trình TEP.......................................................................................................................... 38 4.1.2. Đề xuất mô hình chuẩn đoán trên TEP theo Mạng Bayesian phân cấp................................. 44 4.2. Kết quả chuẩn đoán lỗi ........................................................................................ 48 KẾT LUẬN VÀ KIẾN NGHỊ............................................................................................52 0
  8. Báo cáo tổng kết đề tài khoa học 1
  9. Báo cáo tổng kết đề tài khoa học PHẦN MỞ ĐẦU Ngày nay, quá trình công nghiệp hoá đẩy các doanh nghiệp vào một sự cạnh tranh khốc liệt. Trong bối cảnh đó, sự thành công phụ thuộc vào chất lượng sản xuất lẫn chất lượng sản phẩm. Do đó, các nhà sản xuất phải tối đa hoá hiệu suất và chất lượng sản xuất thông qua ba tiêu chí: vòng đời sản phẩm, giá và hiệu quả. Để đạt được những điều đó, họ thường tập trung vào việc tăng khả năng sẵn sàng của thiết bị sản xuất thông qua một kế hoạch bảo trì bảo dưỡng chặt chẽ và hiệu quả. Nghiên cứu này nhằm phát triển một mô hình chuẩn đoán và phân loại lỗi để hỗ trợ con người trong quá trình thiết lập một quá trình bảo dưỡng thiết bị và công cụ sản xuất. Phương pháp mô hình hoá được chọn lựa dựa trên cơ sở phân tích và học thuật các phương pháp phân loại và học dữ liệu từ cổ điển đến hiện đại. Theo đó các phương pháp học mạng Bayes được giới thiệu và thực hiện theo các bước mô hình hoá với các thuật toán chính của nó. Trên nền dữ liệu mô phỏng từ một quy trình sản xuất dược phẩm, mô hình chuẩn đoán lỗi thể hiện kết quả chuẩn đoán có giá trị và được so sánh với kết quả thực nghiệm. Cuối cùng, một số bàn luận và định hướng phát triển sẽ được đưa ra để phát triển đề tài. 2
  10. Báo cáo tổng kết đề tài khoa học CHƯƠNG I. TỔNG QUAN NGHIÊN CỨU 1.1. Hệ thống sản xuất tự động (Automated Manufacturing System – AMS) 1.1.1. Cấu trúc vật lý Hệ thống sản xuất tập hợp tất cả các yếu tố (vật liệu, con người, phần cứng và phần mềm) tham gia vào quá trình sản xuất. Một quy trình điều chỉnh các đặc tính vật lý của sản phẩm thông qua các hoạt động đúc, gia công, rèn và lắp ráp trong lĩnh vực sản xuất hoặc như quá trình khử, tách, tinh chế trong lĩnh vực hóa học hoặc xử lý nước. Hệ thống sản xuất được tạo thành từ hệ thống điều khiển và trạm sản xuất (xem hình I.1). Figure I.1. Sơ đồ AMS tổng quát [1]. Theo đó, các thành phần của một hệ thống sản xuất được mô tả như dưới đây: Phần vận hành : bộ thiết bị biến đổi sản phẩm. Cũng được gọi là trạm sản xuất (hoặc trạm làm việc), chúng tạo thành yếu tố cơ bản để thực hiện các hoạt động sản xuất. Theo tiêu chuẩn [35], các yếu tố này là máy móc (robot, máy tiện, máy phay, ...), đơn vị vận chuyển, v.v ... hoặc thậm chí là người vận hành. Trong thực tế, các trạm sản xuất này có thể hoàn toàn tự động, hoàn toàn thủ công hoặc thậm chí là kết hợp. Hiệu suất của trạm phụ thuộc vào những yếu tố đó. Dòng sản phẩm đại diện cho tất cả các thực thể trải qua quá trình chuyển đổi trong hệ thống sản xuất (nguyên liệu thô, chế biến, lắp ráp, sản phẩm hoàn thiện). 3
  11. Báo cáo tổng kết đề tài khoa học Trong quá trình này, một sản phẩm rời khỏi một trạm sản xuất cuối cùng trở thành một sản phẩm bước vào trạm làm việc tiếp theo. Trong suốt các giai đoạn sản xuất, sản phẩm có thể được chuyển đến các trạm đo lường để kiểm tra, (với độ trễ) xác định rằng tất cả hoặc một phần của các biến đổi đã được thực hiện thành công hay không. Do đó, trạm này giúp kiểm soát tốt hơn năng suất tổng thể của hệ thống sản xuất bằng cách chẩn đoán sự phù hợp của chúng và do đó chất lượng của chúng trong suốt chu kỳ chuyển đổi sản phẩm. Hệ thống điều khiển của một thiết bị : vai trò của nó là làm cho bộ phận hoạt động tuân theo các quy luật vận hành được định trước (luật kiểm soát) để đáp ứng các yêu cầu của cấp cao hơn thường được gọi là Lệnh kiểm soát tương ứng với sản xuất (OF). Chúng đi kèm với các thông số cụ thể như loại chuyển đổi sẽ được thực hiện, công thức, thời gian xử lý, số lượng cần chuyển đổi, v.v ... [34]. Ngoài hoạt động chính của biến đổi, hệ thống điều khiển của một thiết bị có thể tích hợp các chức năng khác như theo dõi quá trình biến đổi theo mức độ tiến trình (khả năng quan sát) theo ý của mình để cho phép, một “posteriori”, chẩn đoán nguyên nhân, điều chỉnh cài đặt máy hoặc thậm chí đối thoại với người vận hành hoặc với hệ thống giám sát. Khi một số phần của thiết bị (máy móc) góp phần chuyển đổi cùng một sản phẩm, cần phải mở rộng khái niệm về hệ thống điều khiển thiết bị để tối thiểu hóa đồng bộ hóa tất cả các trạm sản xuất để đáp ứng mục tiêu sản xuất chung. 1.1.2. Hệ thống điều khiển Một số kiến trúc thí điểm đã được đề xuất trong [36] theo các tiêu chí khác nhau (độ phức tạp, tính biến đổi, kết nối, v.v.). Những kiến trúc quản lý này được phân biệt theo tính chất tập trung, phân cấp, phân tán, v.v. Tuy nhiên, điểm chuẩn trong lĩnh vực của chúng tôi vẫn là cấu trúc lái phân cấp được chia thành sáu cấp độ. Nó được gọi tên là “Computer Integrated Manufacturing” (CIM) hoặc "Sản xuất tích hợp máy tính" (xem hình I.2). 4
  12. Báo cáo tổng kết đề tài khoa học Figure I.2. Sơ đồ cấu trúc tháp điều khiển CIM. Mô hình CIM hình kim tự tháp này xác định phân tích mô đun và phân cấp của Hệ thống sản xuất tự động thành năm cấp độ: Cấp 5: Chiến lược (Quản lý chung của công ty), Công ty sản xuất, lập kế hoạch (Phân bổ tải cho nhà máy); Cấp độ 4: Sản xuất nhà máy, lập kế hoạch (Quản lý vận hành nhà máy), Lập kế hoạch tạm thời; Cấp độ 3: Phối hợp liên đơn vị (Giám sát toàn cầu), Lập thời gian thực; Cấp độ 2: Kiểm soát đơn vị (kiểm soát và giám sát); Cấp 1: Lệnh điều khiển thiết bị (Bộ điều khiển logic lập trình công nghiệp, Điều khiển số, v.v.); Cấp độ 0: Phần vận hành (trạm sản xuất cho phép chuyển đổi vật lý các sản phẩm). Cấu trúc thành các mô-đun điều khiển bao gồm một lượng lớn thông tin lưu thông qua kiến trúc này, thông tin cung cấp cho cơ sở dữ liệu của hệ thống sản xuất. 5
  13. Báo cáo tổng kết đề tài khoa học Trong những năm gần đây, các cấp độ thí điểm một quy trình công nghiệp này đã được tổng hợp theo 3 cấp độ, đặc biệt từ quan điểm của các hệ thống thông tin hỗ trợ các hoạt động thí điểm. Họ giới thiệu các khái niệm về ERP (Lập kế hoạch nguồn lực doanh nghiệp, bao gồm các cấp độ CIM 4 và 5), MES (Hệ thống thực thi sản xuất bao gồm cấp độ 3) và cuối cùng là kiểm soát công nghiệp (cấp độ 2, 1 và 0); ERP và MES dựa vào các mức thời gian khác nhau, dựa trên cơ sở dữ liệu được định hướng tương ứng với dữ liệu của công ty để hỗ trợ toàn bộ quá trình quản lý đơn đặt hàng của khách hàng và dữ liệu cần thiết để thí điểm và giám sát của sản xuất, đại diện cho cuộc sống của quá trình sản xuất. Công việc nghiên cứu của chúng tôi được định vị ở cấp 2. Phần sau đây chi tiết đặc điểm của nó. 1.2. Giám sát sản xuất Trong bối cảnh cạnh tranh của nền công nghiệp hiện đại hoá hiên tại, các khái niệm chính về giám sát sản xuất đã nhanh chóng được đề xuất để tối đa hóa sự sẵn có của thiết bị và liên tục cải thiện chất lượng sản phẩm và quy trình sản xuất. Đây là chức năng "bảo trì công nghiệp" và chức năng "điều khiển quá trình" trong số đó. 1.2.1. Bảo trì công nghiệp Bảo trì được định nghĩa là "tập hợp tất cả các hành động kỹ thuật, quản trị và quản lý trong vòng đời của một tài sản, nhằm duy trì hoặc khôi phục nó trong trạng thái có thể thực hiện chức năng được yêu cầu [2]. Theo định nghĩa này, bảo trì có tác động trên ba phương diện của sản xuất: năng suất, về tính sẵn có của thiết bị sản xuất và chất lượng sản phẩm. Đối với hầu hết các lĩnh vực công nghiệp, chúng tôi phân biệt hai loại bảo trì công nghiệp trong chất bán dẫn [3]: - Bảo trì khắc phục (Chạy chương trình bảo trì khi phát hiện thất bại/ sự cố): áp dụng sau khi phát hiện lỗi hoặc khi xảy ra lỗi và nó nhằm mục đích sửa chữa, khôi phục hoặc thay thế một yếu tố bị lỗi. Các thiết bị bị ảnh hưởng có một tình trạng thời gian chết đột xuất. Nhược điểm chính của bảo trì sửa chữa là sự xuống cấp của tuyến tính của hoạt động sản xuất. Sự sẵn có của thiết bị trở nên khó lường và do đó rất khác nhau, điều đó có nghĩa là tổn thất về mặt công suất. 6
  14. Báo cáo tổng kết đề tài khoa học - Bảo trì phòng ngừa có hệ thống: được thực hiện theo chu kỳ đều đặn và trước khi xảy ra lỗi. Nó dựa trên việc thay thế hoặc sửa chữa một vật phẩm để ngăn chặn sự không có sẵn ngoài dự kiến. Các thiết bị liên quan có một tình trạng thời gian chết theo lịch trình. Ưu điểm chính của bảo trì phòng ngừa so với phương pháp khắc phục là thời gian ngừng hoạt động của thiết bị về mặt lý thuyết được kiểm soát, do đó khả năng giảm độ biến thiên. Điều này đòi hỏi sự đồng bộ hóa mạnh mẽ các nguồn lực sẵn có (máy móc, kỹ thuật viên, phụ tùng, v.v.). Và một trong những nhược điểm chính của phương pháp phòng ngừa là chi phí tương đối cao (ví dụ, thay thế một bộ phận vẫn còn hoạt động). 1.2.2. Quá trình điều khiển Để cung cấp các mô hình hỗ trợ quyết định cho bảo trì và kiểm tra, các phương pháp thống kê (phân tích và định lượng) hoặc / và phương pháp (miền chất lượng) được phát triển [4]. Trong ngành công nghiệp sản xuất phức tạp, các thành phần chính của quá trình giám sát điều khiển là: Figure I.3. Sơ đồ các thành phần chính của giám sát điều khiển [1]. 7
  15. Báo cáo tổng kết đề tài khoa học a) Kiểm soát quá trình thống kê (SPC): hệ thống này cho phép các dây chuyền sản xuất được kiểm soát bằng các chỉ số hiệu suất như độ dày, chiều cao, chiều dài, định tâm ... [5]. SPC được áp dụng cho ba loại biện pháp: • Các phép đo vật lý: trên một mẫu vật, chẳng hạn chiều cao kích thước các tấm silicon như một thiết bị đo lường có thể kiểm tra, với độ trễ, rằng những gì đã được thực hiện đã được thực hiện tốt / hoặc không tốt với một tiêu chuẩn rõ ràng nhất định. • Các phép đo tham số: trên tất cả các tấm của lô và các cấu trúc thử nghiệm nằm xung quanh mạch (Kiểm tra tham số PT), • Các phép đo điện: trên mỗi mạch tích hợp ở cuối dây chuyền sản xuất (Sắp xếp wafer điện EWS). Các phép đo này được liên kết với hai loại giới hạn: Giới hạn đặc điểm kỹ thuật: không được vượt qua cho tốt hoạt động mạch. Giới hạn kiểm soát: rào cản để đủ điều kiện tốt hoạt động của hoạt động sản xuất. b) Phát hiện lỗi và phân loại (FDC): hệ thống này cho phép theo dõi các thay đổi về thông số thiết bị (nhiệt độ, áp suất, v.v.) trong thời gian thực [6]. Trong suốt các giai đoạn sản xuất, các thông số thiết bị được thu thập cho mỗi sản phẩm đang được sản xuất. Mục tiêu là để kiểm soát tốt hơn các thiết bị vận hành dị thường hay không. c) Run-to-Run (R2R): các vòng điều khiển nhằm đảm bảo sự ổn định của các quy trình sản xuất trong suốt vòng đời của thiết bị [37]. Các vòng điều khiển được sử dụng để liên kết hai thành phần SPC và FDC. Ngành công nghiệp sản xuất phức tạp được đặc trưng bởi một chủ đề bối cảnh cho hoạt động không chắc chắn. Các chính sách bảo trì khác nhau, hệ thống điều khiển trực tuyến, phương pháp phát hiện và phân loại, thử nghiệm tham số, đo điện, vòng phản ứng ... giúp giảm một phần biến thiên, để kiểm soát tốt hơn các vết trôi thiết bị và nâng cao chất lượng sản phẩm. Nhưng nhiều vấn đề gặp phải trong các xưởng sản xuất (giảm sản lượng) là để nhắc nhở chúng ta rằng không phải mọi thứ đều được quan sát và quan sát được và do đó không có rủi ro bằng không. 8
  16. Báo cáo tổng kết đề tài khoa học 1.3. Hệ thống thông tin Như chúng ta đã thấy, những hạn chế về công nghệ liên quan đến việc đặt cảm biến trong thiết bị sản xuất chắc chắn gây ra sự chậm trễ trong việc phát hiện lỗi sản phẩm. Để tham gia xử lý vấn đề như vậy, vẫn cần có thể truy cập thông tin từ hội thảo để xem xét, ví dụ, suy luận thống kê, xác định hoặc xác suất. Do đó, có vẻ như đây là cơ hội để chúng tôi trình bày ở đây tổ chức chung của cơ sở dữ liệu mà từ đó chúng ta có thể rút ra thông tin cần thiết cho mô hình hóa. Dữ liệu được thu thập bằng các thiết bị đo và / hoặc máy đo lường. a) Dữ liệu – Database (DB) được liên kết với thiết bị: Phân tích dữ liệu kỹ thuật trên máy tính của DB-EDA (Data Base- Engineering Data Analyse) là kho lưu trữ dữ liệu quá trình. Phát hiện và phân loại lỗi của FTC cho phép theo dõi thời gian thực sự phát triển của các thông số thiết bị, DB -TGV Công cụ trực quan Toàn cầu Hiển thị trực tiếp dữ liệu bảo trì, do đó tạo điều kiện cho việc trích xuất của họ. Figure I.4. Ví dụ về DataBase EDA b) BD được liên kết với sản phẩm: BD-Inline chứa tất cả các phép đo vật lý được thực hiện trên các bóng bán dẫn trong các hoạt động sản xuất (trên một mẫu các tấm wafer), Bộ phân phối wafer điện BD-EWS, nhóm các phép đo điện được thực hiện trên mỗi các mạch tích hợp ở cuối dây chuyền sản xuất, "Thử nghiệm tham số" của BD-PT tập hợp các phép đo điện được thực hiện trên các cấu trúc thử nghiệm nằm xung quanh mạch (đối với tất cả các tấm wafer), "Defectivity" của BD-DEF tập trung vào thông tin tương đối sự hiện diện của các hạt trên bề mặt của wafer để kiểm tra xem nó có bị nhiễm bẩn hay không. 9
  17. Báo cáo tổng kết đề tài khoa học Trong một nhà máy sản xuất mạch tích hợp, một số loại sản phẩm được xử lý (sản xuất hàng loạt), các công nghệ rất tiên tiến và với mức độ tích hợp ngày càng tăng. Khiếm khuyết nhỏ nhất trên sản phẩm (hoặc phế liệu) là tương đối cao. Vấn đề về khả năng quan sát của một lỗi vào đúng thời điểm chiếm một vị trí quan trọng trong việc tìm kiếm cải thiện hiệu suất. Để khắc phục vấn đề này, hai phương pháp thường được đề xuất trong môi trường công nghiệp: đo lường thực và đo lường ảo. Hệ thống đo lường: một giải pháp đầu tiên bao gồm việc cài đặt thiết bị đo lường thực trong chuỗi sản xuất để đảm bảo các bước kiểm soát cần thiết để giám sát chất lượng sản phẩm. Trong thực tế, điều này thường kèm theo chi phí bổ sung đáng kể, cả về mặt đầu tư, bảo trì và tăng thời gian chu kỳ. Ngoài ra, và với các dòng sản phẩm quan trọng đặc trưng cho các vị trí sản xuất này, điều quan trọng cần lưu ý là các bước đo lường không thể được thực hiện một cách có hệ thống trên tất cả các sản phẩm, chỉ có một vài mẫu được kiểm tra; điều này cũng đặt ra vấn đề về sự liên quan của việc lựa chọn mẫu cần kiểm tra và thời gian thích hợp để kiểm tra. Những hạn chế liên quan đến sự tích hợp của các máy đo lường (từ quan điểm sản phẩm) đã dẫn đến sự phát triển tự nhiên của đo lường ảo (Virtual Metrology VM) với mục tiêu giảm thiểu số lượng tấm sản phẩm được kiểm tra trong khi cải thiện cả thông thạo các thông số công nghệ, sản lượng và thời gian chu kỳ. Do đó, VM được định nghĩa là một kỹ thuật mới để dự đoán các giá trị đo lường trên các sản phẩm không được đo lường vật lý (Chen et al., 2005). Nguyên tắc cơ bản của nó dựa trên khả năng dự đoán các giá trị tham số trong thời gian thực từ thông tin được thu thập về sản xuất và đo lường thực tế. Tuy nhiên, chúng tôi sẽ lưu ý rằng đo lường ảo tập trung vào hiệu suất và chất lượng sản xuất của các tấm silicon. Tuy nhiên, nguồn phát hành sản phẩm chính được cho là do trôi dạt thiết bị (ước tính từ 50% đến 70%). Do đó, cần phải phát triển các giải pháp bổ sung để tối ưu hóa hơn nữa việc sử dụng thiết bị về số lượng, chất lượng của kết quả và năng suất tổng thể. Đó là cốt lõi của quan sát này mà vấn đề nghiên cứu của chúng tôi được định vị. Chúng tôi đề xuất đóng góp của chúng tôi trong khuôn khổ chính xác là cải thiện tính khả dụng của thiết bị sản xuất, đặc biệt là thông 10
  18. Báo cáo tổng kết đề tài khoa học qua dự đoán về sự trôi dạt của chúng và do đó giảm thiểu, hoặc thậm chí hủy bỏ, trì hoãn phát hiện lỗi sản phẩm. 1.4. Vấn đề của đề tài Ngày nay, tất cả các khâu trên thiết bị sản xuất đều được trang bị cảm biến để đo và phản hồi kết quả vì lý do kỹ thuật lẫn lý do đầu tư sản xuất. Do vậy, quá trình sản xuất luôn luôn tồn tại rất nhiều rủi ro của việc không thể quan sát được các nhiễu loạn hoặc trôi dạt mà ở đó máy móc không hoạt động đúng như chúng ta yêu cầu, tạo nên những ảnh hưởng tới chất lượng sản phẩm. Trong khi đó thiết bị sản xuất gần như không có một cơ chế nội tại nào để xác định vấn đề đến từ đâu nếu sản phẩm đưa ra không chất lượng. Do đó, trên thực tế rất nhiều sự trôi dạt hoạt động (sự sai lệch hoạt động khiến cho thiết bị sản xuất không thể đem lại được kết quả chất lượng sản phẩm như dự kiến) không thể tránh khỏi trong quá trình sản xuất. Trong bối cảnh đó, vấn đề này lại trở nên nghiêm trọng hơn khi mà thời đại công nghiệp 4.0 tạo nên một khối lượng đồ sộ dữ liệu sản xuất (con người, cảm biến, công thức, vật liệu…). Quy trình phân tích khối dữ liệu đó để trích xuất những thông tin cần thiết cho quá trình giám sát và theo dõi thiết bị được mô tả tổng quát như hình 1. Hình I.5. Mô hình mô tả các bước của quá trình quan sát và theo dõi sức khoẻ thiết bị sản xuất 11
  19. Báo cáo tổng kết đề tài khoa học Trong bối cảnh đó, kỹ thuật học máy (ML) là một lĩnh vực của trí tuệ nhân tạo, theo đó thuật ngữ này đề cập đến khả năng các hệ thống công nghệ thông tin có thể độc lập tìm giải pháp cho các vấn đề bằng cách nhận ra các mẫu trong cơ sở dữ liệu. Nói cách khác, ML cho phép các hệ thống máy tính nhận dạng các mẫu trên cơ sở các thuật toán và bộ dữ liệu hiện có và để phát triển các khái niệm giải pháp phù hợp. ML là kiến thức nhân tạo được tạo ra trên cơ sở kinh nghiệm. Sự phát triển của các chương trình máy tính có thể truy cập dữ liệu và sử dụng nó để tự học là những tính năng chính của kỹ thuật học máy. Quy trình học bắt đầu bằng các quan sát hoặc thống kê, chẳng hạn như các ví dụ, hướng dẫn hoặc kinh nghiệm trực tiếp, để tìm kiếm các mẫu trong dữ liệu và đưa ra quyết định nâng cao. Mục đích quan trọng nhất là cho phép máy tính học robot mà không cần sự trợ giúp hay can thiệp của con người và điều chỉnh hành động cho phù hợp [38, 39, 40]. Kỹ thuật học máy giải thuật các bài toán theo năm bước cơ bản: - Tìm kiếm, trích xuất và tóm tắt dữ liệu liên quan - Đưa ra dự đoán dựa trên dữ liệu phân tích - Tính xác suất cho kết quả cụ thể - Thích ứng với sự phát triển nhất định một cách tự chủ - Tối ưu hóa các quy trình dựa trên các mẫu được công nhận Các thuật toán học máy được giám sát được áp dụng để dự đoán các sự kiện trong tương lai dựa trên những gì đã được học trong quá khứ với dữ liệu mới bằng cách sử dụng các ví dụ được gắn nhãn. Bắt đầu từ nghiên cứu của một tập dữ liệu đào tạo đã biết, một hàm được suy ra để đưa ra dự đoán về m giá trị đầu ra được phát triển với thuật toán học tập. Chương trình này có thể cung cấp các mục tiêu sau khi đào tạo đủ cho bất kỳ đầu vào nào. Thuật toán học máy cũng có thể đánh giá đầu ra của nó một cách chính xác, dự định để điều chỉnh mô hình cho phù hợp và hỗ trợ trong việc tìm kiếm lỗi. Công việc trong bài viết này của tác giả tập trung vào quá trình trích xuất dữ liệu và đưa ra mô hình chuẩn đoán lỗi cho thiết bị máy móc sản xuất. Để làm rõ được điều đó, báo cáo này sẽ được tổ chức như sau: trong chương 2, tác giả trình bày một cơ sở phân tích lý thuyết xung quanh các kỹ thuật xủ lý biến dữ 12
  20. Báo cáo tổng kết đề tài khoa học liệu, học máy (machine learning), từ đó chọn ra và áp dụng kỹ thuật học mạng Bayesian. Mục 3 trên cơ sở đó trình bày một chu trình ứng dụng mạng Bayesian vào quá trình học dữ liệu từ hệ thống sản xuất. Tiếp đó, mục 4 trình bày trường hợp ứng dụng của phương pháp này và đưa ra kết quả chuẩn đoán nguyên nhân lỗi áp dụng trong một ví dụ mô phỏng quá trình sản xuất lò hơi Tenessse Eastman. Cuối cùng, kết luận và thảo luận của đề tài sẽ đóng lại cáo cáo này. 13
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.26: Bộ 320 Luận Văn Thạc Sĩ Y Học
320 tài liệu
1253 lượt tải
THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
5=>2