반도체 공정별 장비 - bandoche gongjeongbyeol jangbi

Images

Classifications

• • H—ELECTRICITY
  • H01—BASIC ELECTRIC ELEMENTS
  • H01L—SEMICONDUCTOR DEVICES; ELECTRIC SOLID STATE DEVICES NOT OTHERWISE PROVIDED FOR
  • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
  • H01L21/02—Manufacture or treatment of semiconductor devices or of parts thereof
• • H—ELECTRICITY
  • H01—BASIC ELECTRIC ELEMENTS
  • H01L—SEMICONDUCTOR DEVICES; ELECTRIC SOLID STATE DEVICES NOT OTHERWISE PROVIDED FOR
  • H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
  • H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
  • H01L21/67005—Apparatus not specifically provided for elsewhere
  • H01L21/67242—Apparatus for monitoring, sorting or marking

Abstract

개시된 실시 예는 반도체 공정에서, 효율적인 이상 감지를 위해서는 변수들의 다양한 데이터의 흐름에 따른 적절한 스펙 모델(Specification Model)을 간편하게 생성하고, 전체 공정에 대해 스펙 모델을 이용하여 빠르고 정확한 오류 검출을 수행할 수 있다.

Description

반도체 공정에서의 공정 장비에 대한 실시간 이상 감지 방법{Method for detecting fault of equipment in the semiconductor process}

실시 예들은 반도체 공정에서의 공정 장비에 대한 실시간 이상 감지 방법에 관한 것으로, 시간적으로 변하는 변수들에 대하여 그 변수의 실제 값이 미세하게 변하더라도 생산 공정에 크게 영향을 주기 때문에, 그 변동 또는 이상을 감지하기 위한 방법에 관한 것이다.

반도체 및 디스플레이 FAB 등 첨단시설은 엄청난 투자 비용이 요구되고 그 비용의 대부분이 장비 비용에 해당된다. 따라서 고비용의 투자 비용을 빠른 시간에 회수하기 위해 공정을 빠른 시간에 안정화하고 장비의 가동률을 높이기 위한 많은 노력이 있으며 그 중 장비 변수들에 대해 실시간 모니터링을 수행하고 오류(Fault)를 감지하는 기술이 많이 요구되고 있다.

이를 위해 장비 변수들의 데이터를 수집하고 공정에 따라 어떠한 움직임에 따라 변하고 있는지를 파악하기 위하여 관리선을 두고 장비의 이상 또는 변동을 실시간으로 모니터링하고 감지해 낼 수 있다.

실시 예들은 반도체 공정에서의 효율적인 이상 감지를 위해서는 변수들의 다양한 데이터의 흐름에 따른 적절한 스펙 모델(Specification Model)을 간편하게 생성하고, 전체 공정에 대해 스펙 모델을 이용하여 빠르고 정확한 오류 검출을 제공하는 감지 방법을 제공하는 것이다.

일 실시 예에 따른 반도체 공정에서의 다수의 공정 장비에서 발생할 수 있는 이상을 실시간으로 감지하는 방법은 상기 다수의 공정 장비의 공정별 기준자료 및 상기 공정별 공정 정보를 수집하는 단계; 상기 수집된 기준자료를 이용하여 공정 상황에 따른 적어도 둘 이상의 스펙 모델을 생성하는 단계; 상기 생성된 적어도 둘 이상의 스펙 모델을 이용하여 상기 이상을 실시간으로 감지하는 단계; 및 상기 감지된 이상에 대해 해당 공정의 공정 정보, 상기 감지된 이상에 상응하는 변수 정보 및 스펙 모델에 대한 정보를 포함하는 이상 정보를 통지하는 단계를 포함하고,

상기 적어도 둘 이상의 스펙 모델은, 한계 값을 단일 구간으로 설정하는 제1 타입, 상기 한계 값을 둘 이상의 구간으로 설정하는 제2 타입, 하나의 공정 내에서 시간대 별로 둘 이상의 구간을 설정하는 제3 타입 및 단일 구간으로 설정하지 못하는 비선형 데이터에 대해 패턴 매칭을 이용하여 터널을 생성하는 제4 타입 중에서 선택된 것을 특징으로 한다.

상기 감지 방법은 상기 통지된 이상 정보를 저장하는 단계를 더 포함하는 것을 특징으로 한다.

상기 제1 타입, 상기 제2 타입 및 상기 제3 타입 중 적어도 하나의 스펙 모델은 히스토리 데이터에 기초한 통계 데이터를 이용하여 생성되고,

상기 통계 데이터는, 샘플 데이터의 퍼센트 값, 시그마 값 및 상기 샘플 데이터의 평균 중 적어도 하나를 이용하는 것을 특징으로 한다.

상기 패턴 매칭을 이용하여 터널을 생성하는 제4 타입은, 평균값으로부터 Minimum, Maximum 차이에 허용오차(Tolerance)에 따른 한계값을 계산하여 터널을 생성하는 MINMAX 타입, 평균값에 표준편차값을 이용하여 한계값을 계산하여 터널을 생성하는 STDEV 타입, 평균값에 표준 정규 분포의 누적밀도 함수의 역함수를 이용하여 시그마 값을 계산하여 터널을 생성하는 NORMSINV 타입, 패턴의 아웃라인(Min,Max)을 따라 사용자가 입력한 상수를 더하고 빼서 한계값을 계산하여 터널을 생성하는 OUTLINE 타입 및 평균값에 사용자가 입력한 상수를 더하고 빼서 한계값을 계산하여 터널을 생성하는 CONSTANT 타입 중 적어도 하나를 이용하여 생성하는 것을 특징으로 한다.

사용자가 입력한 일정한 주기에 따라 상기 한계값을 계산하여 상기 터널을 생성하기 위해 스무딩 옵션(smoothing option)을 사용하는 것을 특징으로 한다.

상기 감지 단계에서, 상기 이상에 상응하는 연속된 N개의 데이터 중 M개의 데이터가 상기 스펙 모델에 맞지 않는 경우에, 상기 이상 정보를 통지하는 것을 특징으로 한다.

다른 실시 예에 따른 상기 감지 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체를 포함한다.

실시 예들은 반도체 공정에서의 효율적인 이상 감지를 위해서는 변수들의 다양한 데이터의 흐름에 따른 적절한 스펙 모델(Specification Model)을 간편하게 생성하는 방법을 제공하며, 전체 공정에 대해 스펙 모델을 이용하여 빠르고 정확한 오류 검출을 제공한다.

도 1은 일 실시 예에 따른 반도체 공정에서의 다수의 공정 장비에서 발생할 수 있는 이상을 실시간으로 감지하는 방법을 설명하기 위한 흐름도이다.
도 2 내지 5는 다른 실시 예에 따른 다양한 스펙 모델을 설명하기 위한 예시 도이다.
도 6은 또 다른 실시 예에 따른 시작과 종료 부분에서 정착 구간(settling)을 설정하는 것을 설명하기 위한 예시 도이다.

실시 예는 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 실시 예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 실시 예의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 용어들에 의해 한정되어서는 안 된다. 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 출원에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 실시 예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 실시 예에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하, 실시 예를 첨부도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.

도 1은 일 실시 예에 따른 반도체 공정에서의 다수의 공정 장비에서 발생할 수 있는 이상을 실시간으로 감지하는 방법을 설명하기 위한 흐름도이다.

본 실시 예는 반도체 및 디스플레이 생산 공정은 매우 복잡할 뿐더러 아주 다양하고 미세한 데이터의 흐름으로 공정이 진행이 된다. 또한, 변수 값의 모니터링은 보통 초 단위 이하로 지속적으로 이루어지고, 한 장비에는 수십 또는 백여 개 이상의 변수들이 있어 처리해야 할 데이터의 량도 매우 방대하다. 이러한 공정에서의 효율적인 이상 감지를 위해서는 변수들의 다양한 데이터의 흐름에 따른 적절한 스펙 모델(Specification Model)을 간편하게 생성하는 방법을 제공하며, 전체 공정에 대해 스펙 모델을 이용하여 빠르고 정확한 오류 검출을 제공한다.

도 1을 참조하면, 단계 100에서, 공정별 기준자료를 수집한다. 이상 감지를 위하여 먼저 변수의 데이터를 분석하여 적절한 관리선을 설정하기 위해 기준 데이터를 수집하고 저장한다. 이러한 기준자료의 수집은 다수의 공정에서, 각각의 공정별로 기준자료를 수집한다. 또한, 선택적으로, 공정 장비별 변수들의 데이터를 효과적으로 분석하기 위해 진행 공정 정보를 함께 수집하여 저장하여 오류 검사를 확인하는 운용자 또는 사용자가 문맥 단위별로 기준 데이터를 활용하여 시뮬레이션 및 분석할 수 있도록 데이터를 저장할 수 있다. 또한, 수집한 기준자료 또는 공정 정보가 장비에서 발생하지 않을 경우, 변수 또는 MES 등의 데이터를 이용하여 가상의 컨텍스트(CONTEXT)를 생성하여 공정 데이터를 수집할 수도 있다. 또한, 변수 데이터 수집 시 변수들의 조합 또는 변수의 데이터를 다양한 함수를 이용하여 가공하여 가상의 변수를 생성하여 이상을 감지할 수도 있다.

단계 102에서, 기준자료를 이용한 공정에 따른 스펙 모델을 생성한다. 스펙 모델은 단계 100에서 수집된 기준자료를 이용하여 공정 상황에 따른 다양한 스펙 모델일 수 있다. 여기서, 스펙 모델은 공정에서 발생하는 선형 데이터 또는 비선형 데이터에 대한 모델을 포함할 수 있으며, 선형 데이터에 대하여, 한계 값을 단일 구간으로 설정하는 Normal Type(도 2), 한계 값을 두 개의 구간을 설정하는 Multi Type(도 3), 한 공정 내에서 시간대 별로 여러 구간을 설정할 수 있는 Intra Step Type(도 4)을 사용할 수 있다.

Normal Type, Multi Type 및 Intra Step Type의 스펙 모델을 생성하는 단계에서 과거 이력 데이터(Historical Data)를 이용하여 통계적 기법을 이용하여 스펙 및 한계 값을 계산할 수 있으며, 통계적 기법은 샘플 데이터의 백분율 또는 퍼센트를 이용하는 방법과 시그마 값을 이용하는 방법과 샘플 데이터의 평균에 상수 값을 이용할 수도 있다.

다음 표 1은 과거 이력 데이터에 기반한 통계적 기법을 이용하는 것을 설명한다.

단일 구간으로 설정할 수 없는 비선형 데이터에 대해 패턴 매칭(Pattern Matching) 기법을 이용한 터널(Tunnel)을 생성하는 Pattern Type(도 5)일 수 있다.

Pattern Type의 스펙 모델을 생성하는 것은 과거 이력 데이터를 이용하여 다양한 통계적 기법으로 패턴 매칭 알고리즘을 이용하여 터널을 생성할 수 있다. 통계적 기법은 평균으로부터 Minimum, Maximum 차이에 허용오차(Tolerance)에 따른 한계 값을 계산하여 터널을 생성하는 MINMAX Type, 평균값에 표준편차값을 이용하여 한계값을 계산하여 터널을 생성하는 STDEV Type, 평균값에 표준 정규 분포의 누적밀도 함수의 역함수를 이용하여 시그마 값을 계산하여 터널을 생성하는 NORMSINV Type, 패턴의 Outline(Min,Max)을 따라 사용자가 입력한 상수를 더하고 빼서 한계값을 계산하여 터널을 생성하는 OUTLINE Type과 평균에 사용자가 입력한 상수를 더하고 빼서 Limit을 계산하여 터널을 생성하는 CONSTANT Type을 이용할 수 있다.

다음 표 2는 Pattern Type에서, 과거 이력 데이터에 기반한 통계적 기법을 설명한다.

샘플 데이터의 편차가 없어 터널이 끊기는 경우를 방지하기 위해 또는 샘플 데이터의 리포트 주기가 미세하지만 불규칙하게 리포트되는 경우 사용자가 입력한 일정한 주기에 따라 한계값을 계산하여 터널을 생성할 수 있으며, 이를 위해, 스무딩 옵션(Smoothing Option)을 사용하여 패턴 매칭을 수행할 수 있다.

스펙 모델을 생성하는 단계에 있어서 스텝 시작과 종료 부분에서 발생할 수 있는 허용 가능한 노이즈에 대해서 오류 검출 시 정착 구간(Settling) 설정에 따라 배제할 수 있으며, 정착 구간과 활동 구간을 과거 이력 데이터를 이용한 시뮬레이션 시 차트상에서 스펙, 한계값, 정착 구간을 그래픽적으로 조정 및 설정할 수도 있다.

도 6에 도시된 것처럼, 정착 구간, 활동 구간 등이 운용자 또는 사용자가 확인할 수 있도록 조정할 수 있다.

단계 104에서, 스펙 모델을 이용하여 실시간 변동을 감지한다.

실시간 변동의 감지를 위해 오류 카운트 룰(Fault Count Rule)을 적용하여 연속된 데이터에 대하여 x out of y 와 같이 연속된 y개 데이터 중 x개 데이터가 스펙을 벗어난 경우 실제 이상 또는 오류가 발생한 경우로 판단할 수 있다.

다음 표 3은 3/5룰을 적용하여, 5개의 샘플 데이터들 중 3개의 샘플 데이터가 스펙을 벗어난 경우에 오류로 판단하는 것을 설명한다.

S : Spec In 인 경우

R : Spec Out 이지만 Fault Rule에 의해 Fault로 Check 되지 않은 경우

F : Spec Out 이고 Fault Rule을 만족하여 Fault로 Check 된 경우

단계 106에서, 감지된 변동에 상응하는 공정 정보, 변수 값, 스펙 모델 정보를 통지한다.

단계 108에서, 오류 검출 수행 결과를 저장한다.

일 실시 예에 따른 감지 방법은 반도체 및 디스플레이 장비의 변동을 감지하기 위한 다양한 스펙 모델을 생성하고, Fab 단위의 실시간 오류 검출을 수행하기 위한 통합 시스템을 구축하여 장비 이상에 정확하고 신속하게 대처하고 공정을 빠르게 안정화할 수 있다.

또한, 실시 예에서는 반도체 공정에서의 공정 장비에 대한 실시간 이상 감지 방법을 위주로 설명하였지만, 이러한 방법이 채용한 이상 감지 장치로 구현될 수 있음은 물론이다.

실시 예에 따른 장치는 프로세서, 프로그램 데이터를 저장하고 실행하는 메모리, 디스크 드라이브와 같은 영구 저장부(permanent storage), 외부 장치와 통신하는 통신 포트, 터치 패널, 키(key), 버튼 등과 같은 사용자 인터페이스 장치 등을 포함할 수 있다. 소프트웨어 모듈 또는 알고리즘으로 구현되는 방법들은 상기 프로세서상에서 실행 가능한 컴퓨터가 읽을 수 있는 코드들 또는 프로그램 명령들로서 컴퓨터가 읽을 수 있는 기록 매체 상에 저장될 수 있다. 여기서 컴퓨터가 읽을 수 있는 기록 매체로 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다.

도면에 도시된 실시 예들에서 참조 부호를 기재하였으며, 실시 예들을 설명하기 위하여 특정 용어들을 사용하였으나, 특정 용어에 의해 본 발명이 한정되는 것은 아니며, 실시 예는 당업자에 있어서 통상적으로 생각할 수 있는 모든 구성 요소들을 포함할 수 있다.

실시 예는 기능적인 블록 구성들 및 다양한 처리 단계들로 나타내어질 수 있다. 이러한 기능 블록들은 특정 기능들을 실행하는 다양한 개수의 하드웨어 또는/및 소프트웨어 구성들로 구현될 수 있다. 예를 들어, 실시 예는 하나 이상의 마이크로프로세서들의 제어 또는 다른 제어 장치들에 의해서 다양한 기능들을 실행할 수 있는, 메모리, 프로세싱, 로직(logic), 룩 업 테이블(look-up table) 등과 같은 직접 회로 구성들을 채용할 수 있다. 본 발명에의 구성 요소들이 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있는 것과 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다. 또한, 실시 예는 전자적인 환경 설정, 신호 처리, 및/또는 데이터 처리 등을 위하여 종래 기술을 채용할 수 있다. “매커니즘”, “요소”, “수단”, “구성”과 같은 용어는 넓게 사용될 수 있으며, 기계적이고 물리적인 구성들로서 한정되는 것은 아니다. 상기 용어는 프로세서 등과 연계하여 소프트웨어의 일련의 처리들(routines)의 의미를 포함할 수 있다.

실시 예에서 설명하는 특정 실행들은 일 실시 예들로서, 어떠한 방법으로도 실시 예의 범위를 한정하는 것은 아니다. 명세서의 간결함을 위하여, 종래 전자적인 구성들, 제어 시스템들, 소프트웨어, 상기 시스템들의 다른 기능적인 측면들의 기재는 생략될 수 있다. 또한, 도면에 도시된 구성 요소들 간의 선들의 연결 또는 연결 부재들은 기능적인 연결 및/또는 물리적 또는 회로적 연결들을 예시적으로 나타낸 것으로서, 실제 장치에서는 대체 가능하거나 추가의 다양한 기능적인 연결, 물리적인 연결, 또는 회로 연결들로서 나타내어질 수 있다. 또한, “필수적인”, “중요하게” 등과 같이 구체적인 언급이 없다면 본 발명의 적용을 위하여 반드시 필요한 구성 요소가 아닐 수 있다.

실시 예의 명세서(특히 특허청구범위에서)에서 “상기”의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 실시 예에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다. 마지막으로, 실시 예에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 실시 예들이 한정되는 것은 아니다. 실시 예에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 실시 예를 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 실시 예의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

Claims (7)

1. 반도체 공정에서의 다수의 공정 장비에서 발생할 수 있는 이상을 실시간으로 감지하는 방법에 있어서,
   상기 다수의 공정 장비의 공정별 기준자료 및 상기 공정별 공정 정보를 수집하는 단계;
   상기 수집된 기준자료를 이용하여 공정 상황에 따른 적어도 둘 이상의 스펙 모델을 생성하는 단계;
   상기 생성된 적어도 둘 이상의 스펙 모델을 이용하여 상기 이상을 실시간으로 감지하는 단계; 및
   상기 감지된 이상에 대해 해당 공정의 공정 정보, 상기 감지된 이상에 상응하는 변수 정보 및 스펙 모델에 대한 정보를 포함하는 이상 정보를 통지하는 단계를 포함하고,
   상기 적어도 둘 이상의 스펙 모델은,
   한계 값을 단일 구간으로 설정하는 제1 타입, 상기 한계 값을 둘 이상의 구간으로 설정하는 제2 타입, 하나의 공정 내에서 시간대 별로 둘 이상의 구간을 설정하는 제3 타입 및 단일 구간으로 설정하지 못하는 비선형 데이터에 대해 패턴 매칭을 이용하여 터널을 생성하는 제4 타입 중에서 선택된 것을 특징으로 하는 감지 방법.

2. 제 1 항에 있어서,
   상기 통지된 이상 정보를 저장하는 단계를 더 포함하는 것을 특징으로 하는 감지 방법.

3. 제 1 항에 있어서,
   상기 제1 타입, 상기 제2 타입 및 상기 제3 타입 중 적어도 하나의 스펙 모델은 히스토리 데이터에 기초한 통계 데이터를 이용하여 생성되고,
   상기 통계 데이터는,
   샘플 데이터의 퍼센트 값, 시그마 값 및 상기 샘플 데이터의 평균 중 적어도 하나를 이용하는 것을 특징으로 하는 감지 방법.

4. 제 1 항에 있어서,
   상기 패턴 매칭을 이용하여 터널을 생성하는 제4 타입은,
   평균값으로부터 Minimum, Maximum 차이에 허용오차(Tolerance)에 따른 한계값을 계산하여 터널을 생성하는 MINMAX 타입, 평균값에 표준편차값을 이용하여 한계값을 계산하여 터널을 생성하는 STDEV 타입, 평균값에 표준 정규 분포의 누적밀도 함수의 역함수를 이용하여 시그마 값을 계산하여 터널을 생성하는 NORMSINV ㅌ타입, 패턴의 아웃라인(Min,Max)을 따라 사용자가 입력한 상수를 더하고 빼서 한계값을 계산하여 터널을 생성하는 OUTLINE 타입 및 평균값에 사용자가 입력한 상수를 더하고 빼서 한계값을 계산하여 터널을 생성하는 CONSTANT 타입 중 적어도 하나를 이용하여 생성하는 것을 특징으로 하는 감지 방법.

5. 제 4 항에 있어서,
   사용자가 입력한 일정한 주기에 따라 상기 한계값을 계산하여 상기 터널을 생성하기 위해 스무딩 옵션(smoothing option)을 사용하는 것을 특징으로 하는 감지 방법.

6. 제 1 항에 있어서,
   상기 감지 단계에서, 상기 이상에 상응하는 연속된 N개의 데이터 중 M개의 데이터가 상기 스펙 모델에 맞지 않는 경우에, 상기 이상 정보를 통지하는 것을 특징으로 하는 감지 방법.

7. 제 1 항 내지 제 6 항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체.

Priority Applications (1)

Applications Claiming Priority (1)

Publications (2)

Family

ID=53874760

Family Applications (1)

Country Status (1)

Families Citing this family (1)

Family Cites Families (3)

• 2014
  • 2014-01-08 KR KR1020140002498A patent/KR101538480B1/ko active IP Right Grant

Also Published As

Similar Documents

Legal Events