Highly advanced modern Information Technologies are causing big changes in mass production industries and opening $4^{th}$ Industrial Revolution (Industry 4.0) which are based on intelligence smart factory. Artificial Intelligence is expected to do her duties not only on production automation and management, but also production data interpretation and inference which are traditionally considered as the rights that adhere to man. In this thesis, the author proposes the machine learning based methods which execute characterized products data classification and deduction in semiconductor production line. And also suggest modeling which could increase production yield and maintenance efficiency on this basis. Additionally, we study the translated data conversion to post final report types which are suitable for human recognition.
고도로 발전된 정보 통신 기술은 대량 생산 기반의 제조업 분야에 큰 변화를 불러 일으키고 있으며, 지능형 공장을 기반으로 하는 4차 산업혁명의 시대를 열어가고 있다. 생산의 자동화 및 관리 뿐만 아니라, 그동안 인간의 고유 영역으로만 간주되어오던 생산 데이터의 해석 및 추론까지도 인공지능으로 대체가 가능할 것으로 전망이 되고 있다. 본 학위논문에서는 머신 러닝을 이용하여 반도체 생산 라인에서의 제품 특성 분석 데이터들을 분류 및 추론하는 방법을 고안하며, 이를 토대로 생산 및 유지보수의 효율을 높일 수 있는 모델링을 제안한다. 더불어 해석된 데이터가 인간의 인지에 적합한 형태로 분기되고 재가공 되어 보고서로 생성되는 후처리 과정 등을 다루고자 한다.
