ID:75061さん

# プロジェクト概要 半導体製造装置を保証する日常点検の自動化システムの開発 ## 担当 設計、開発、現場への機器設置、関係者との会議のファシリテーター ## 背景 - 半導体装置を保証する日常点検を実施する度に、階下にまで移動する工数が発生していた ## 目的 - 点検計器の自動計測による人の移動工数削減 - 点検データのシステム管理による管理工数削減 - 狭い場所での点検による事故リスク削減 ## チーム情報 - PM：1名 - PL：1名 - 開発：2名 - 現場設置：1名 ## 開発・実装内容 ### 【概要】 Pythonの解析アプリ内の7セグメント表示器の数値化処理関数の開発を個人で担当した ### 【どのような機能の開発・実装か】 撮像した画像内の7セグメント表示器に表示されている数字を画像処理を用いて数値化し出力する機能の開発 ### 【課題・問題点】 登録辞書画像とマッチング率の高い数値を採用するルールベースの判定では誤検知率が3%を下回らなかった ### 【打ち手・使用した技術】 登録辞書画像を追加により誤検知率を下げていくことも考えられたが、下記のことを考慮しDeep Learningを用いた判定に変更。 - 自動化対象の7セグメント表示器は9個あり、各カメラ固定位置は微小なズレがどうしても発生すること - 今後さらに別の種類の7セグメント表示器が対象になった場合のロバスト性の向上させたいこと - システム運用後の保守工数を最小限にしたいこと 学習データの収集は、後続作業のラベリングなどを簡易化するため、撮像画像から1桁ずつ切り出してリサイズ後の画像をルールベース判定の結果をファイルネームにつけて自動で保存するようにした。 Deep Learningには、Neural Network Consoleを使用し、2層の畳み込みネットワークを使用したニューラルネットワークを作成。 数字以外の表示がされたときに、数値として結果が出力されることを防ぐため、0～9の数字以外に対象の7セグ表示器で表示される文字の画像も学習データに追加することで、数字以外が検出されたときは”異常”として出力することも可能にした。 ### 【成果】 上記の変更を実装後、誤検知率を0%を達成した。

# プロジェクト概要 半導体計測装置のエラーログ分析システムの開発 ## 担当 依頼部署関係者との会議のファシリテーター、要件定義、設計、開発、テスト ## 背景 - 半導体計測装置が測定中に生産タイプ・工程毎でAuto測定されずエラーで止まる事があるが、自動でエラー傾向を捉えるすべがなかった - エラー傾向を管理するために下記の管理工数がかかっていた - データ作成：タイプ・工程エラーリスト纏め：2h、分析・グラフ作成：1h - エラー履歴記録：3,000回/月(1ヶ月あたりのSEM10台のエラー発生回数の平均)×メモ作業：5秒 ## 目的 - エラー傾向を捉えるためのデータ作成の自動化による、分析工数の削減 - 半導体計測装置の設定ファイル修正の早期FBを実施することによる品質強化・歩留まり向上 ## チーム情報 - PL、開発：1名（私） - アドバイザー：1名 ## 開発・実装内容 ### 【概要】 自動でエラー傾向をグラフ化するシステムの開発 ### 【どのような機能の開発・実装か】 半導体計測装置のエラーログと製造管理システムのデータベースにある情報を紐付けするアプリを制作し、自動でエラー傾向をグラフ化するシステムの開発 ### 【打ち手・使用した技術】 開発コスト０、データ確認するエンジニアが抵抗感を減らすためExcelへエラー傾向データをアウトプットすることに決定。 Excelにはデータ確認するエンジニアにヒアリングして決定したセパレート図のグラフを表示するためピボットテーブルを設置。 C＃で作成したアプリに、前日分の生産管理データをSQLにて取得、エラーログデータと紐づけ、データテーブル化の機能を実装。 サーバー上にアプリを配置し、毎朝4時にWindowsタスクスケジューラーでアプリを実行することで、 上記Excelのデータテーブルとピボットグラフを自動で更新し、データ確認するエンジニアは毎朝最新データを確認することを可能にした。 ### 【成果】 - 半導体計測装置13台のエラー管理自動化 - 12h/月のエラーデータ作成及び分析工数を削減を達成した ### いまいちなところ データの見える化の段階で止まっているため、下記の点をシステムに盛り込み解析ツールとしてバージョンアップしDXを推進したい - 設定ファイル修正しているエンジニアの業務プロセス - 半導体計測装置でエラーが発生する要因となるデータの絞り込みとエラー傾向データへの紐付け - 設定ファイル修正の履歴のエラー傾向データへの紐付け