::고려대학교 DMQA 연구실::

Lab. Activity

 

 

 

Lab. Activity>Seminar  

Dynamic adjustment: theory and application (발표자: 이상민)

작성자 유재홍 작성일 2016-09-23 오후 6:39:01
내용

발표자 Summary


이상민

금일은 적응제어(dynamic adjustment)의 이론과 관련 연구사례를 소개하였다. 대표적으로 품질분야에서는 통합된 SPC/EPC를 기반으로 모니터링과 제어를 동시에 수행함으로써 공정 품질개선을 꾀하고 있다. SPC/EPC는 적용 분야에 따라 1) 설비제어, 2) 설비 Setup 조정, 2) Run-to-Run(R2R) 등으로 나누어질 수 있는데, 대표적으로 R2R controller은 화학 산업이나 반도체 공정에 적용 사례가 많이 보고되고 있다. 이 외에도 설비나 로봇의 적응제어의 목적으로, y의 변화량을 관측하여 미세제어 할 수 PID control 연구분야도 있다. 추가로 categorical parameter(s)를 제어하기 위해 기계학습(machine learning) 모델을 활용한 연구사례도 있다. categorical parameters란, 제어대상이 수치형 값이 아닌 기능 On/Off 이나 Optimal rule selection과 같은 경우를 말한다.

연구분야와 연구목적, 제어방식, 그리고 부르는 용어들은 제각각이나, 연구과제는 결국 제어(control)를 잘할 수 있는 방법을 찾는 것이다. 제어목적은 원하는 output(y)를 얻기 위해 control parameters(x)를 제어하여 feedback loop(feed forward) model을 구축하는 것이다. 단, 모델 구축에 앞서 관심지표 output y와 함께 제어할 수 있는 x들을 이미 알고 있다는 가정이 필요하다.

세미나의 두번째 시간은 적응제어 기법을 적용한 산학 프로젝트 내용을 소개하였다. 해당 프로젝트의 주요내용은 인공지능 모델로 예측한 결과를 기반으로 적응제어를 하는 연구이다. 실제 구축된 prototype system에서는 민감도 높은 제어를 위해 CUSUM 기반의 적응제어로직을 구축하였으며, 시뮬레이션 검증을 통해 기능효과가 있음을 보였다.

앞으로도 이와 관련된 연구를 계속할 생각이므로 더 많은 공부와 연구가 필요할 것이다. 하지만 현실문제에 적응제어 모델을 적용할 때는, 더 좋은 알고리즘들을 가져다 적용하는 것 보다 제어대상에 대한 이해도(domain knowledge)가 높아야 제대로 된 모델을 만들 수 있다고 본다. 문제의 본질을 제대로 이해하지 못하면 관측 데이터와 제어방법 모두 틀릴 수 있기 때문이다. 결국 적응제어의 핵심도 목적에 부합하는 제대로 된 데이터를 확보하는 것이고 또 데이터 패턴을 잘 파악하는 것에서 시작된다.

 

 

청취자 Summary


유재홍

금일 세미나는 Dynamic adjustment: theory and application을 주제로 진행되었다. 효율적인 공정관리를 위해서 설비제어를 자동화하는 것이 스마트 공장구현에 있어서 매우 중요한 요소이다. 가장 대표적인 설비 제어 방법론으로는 R2R (Run-to-Run)을 들 수 있다. 이 방법론은 공정 설비변수와 품질변수가 선형관계를 갖는다는 가정하에서 품질변수의 목표치에 근접하도록 설비변수들을 제어하는 방식이다. 이러한 제어를 통해 품질변수의 변동성을 감소시킬 수 있고 궁극적으로는 공정의 신뢰도 향상에도 기여할 수 있다. 기존의 R2R 방법론은 설비변수가 연속형 변수인 경우를 가정하였는데, 최근 연구에서는 설비 변수가 명목형 변수인 경우에 대한 제어방법론도 개발되었다. 즉, 시뮬레이션을 통해서 각 공정환경에 대한 다양한 제어 솔루션을 적용해본 후 최적의 설비 제어 솔루션을 도출한다. 시뮬레이션을 통해 도출된 결과를 활용하게 되는데, 보다 자세하게는 공정환경을 X변수로, 시뮬레이션을 통해 도출된 제어 솔루션을 Y로 설정하여 이에 대해서 기계학습 알고리즘을 적용하게 된다. 이는 매우 흥미로운 방법이라고 생각하며, 참고 문헌을 보다 자세하게 공부해보도록 하겠다. 전반적인 공정 제어 방법론에 대해서 자세하게 배울 수 있는 유익한 시간이었다.


정영재

상민형의 "Dynamic adjustment: theory and application"이란 제목의 세미나를 들었다. 최근에 바이두, 아마존 등 기업에서 물류를 기계가 자동으로 운반하는 영상을 인터넷으로 자주 접하며 신기함을 느낀 적이 많았다. 이번 세미나는 그런 움직임을 어떻게 처리하는지에 관한 세미나였다. 물류를 움직이는 기계들이 자동으로 최적의 경로를 찾아서 움직이는 것은 흥미로운 일이다. 이런 일은 자동차의 내비게이션에서도 확인할 수 있다. 내비게이션은 차량이 어느 경로로 움직이는 것이 최선인지 알려준다. 예전에는 단지 최단경로가 최선으로 여겨졌지만, 최근에는 차량들의 혼잡도 등을 고려하여 최선의 경로를 알려준다고 한다. 이런 것은 모델링의 관점에서 보면, y값을 교통혼잡도라고 볼때 y값은 계속 변화한다. 이 때 어느경로로 이동할지를 x라고 한다면, x를 잘 조절하는 것이 중요하다. y와 x의 관계를 1번의 모델링을 통하여 나타내면 좋지만, 문제는 y의 값이 자꾸 변한다는 것이다. 이번 세미나에서는 y값이 변화할 때 x를 어떻게 조절하면 좋을지에 대한 설명을 들었다. 새로운 적용분야에 대한 설명을 들어서 흥미로웠다. 아직 익숙하지 않아서 난해하긴 하지만, 일단은 이런 분야가 있다는 것을 알아두는 것이 중요한 것 같다. 


박성호

최근 무인 자동차에 대한 기사들이 많이 나오고 있다. 무인 자동차란 주행 상황정보를 시시각각 수집하고 분석함을 통해, 자가적으로 도로를 주행하는 자동차라 할 수 있다. 무인 자동차 시스템에서 가장 핵심적인 부분은 주행상황 정보 분석을 바탕으로 진행되는 실시간 제어이다. 본 세미나에서는 다양한 상황에서 나타나는 제어문제를 효과적으로 처리하는 연구들을 소개하였다. 특히, Feedback control 방식에 대한 이론적인 내용 및 실제 적용사례를 설명하였다. Feedback control 방식은 표준 값과 현재 수집되는 값을 비교 했을 때의 차이를 기반으로 제어(독립변수에 대한)를 진행한다. 금일 세미나에서는 청중의 이해를 위해, 단일 변수와 선형 모델인 경우만을 고려하여 진행되었다. 자가적으로 학습하는 기계문명 사회에서 제어기술을 앞으로도 필수적일 것이다. 다변량 상황 및 여러 기계학습 알고리즘으로 제어연구가 어떻게 진행되고 있는지 주목해 볼 필요가 있다고 생각된다.

 

이한규

Run to Run(R2R)은 공정의 진행과정에서 지속적인 feedback과정을 통해 공정의 일관성을 지키는 방법론이다. 일반적으로 모델링이라고 하면 target 값 ,범주 혹은 예측값, 사전에 예측하기 위해 모델링을 수행한다. 그러나 R2R의 관점을 일반적인 모델링과는 반대로 target값이 고정되 있는 상태에서 독립변수 (예를 들어 설비)를 조절하게 된다. 반도체와 같이 세밀한 공정이 필요한 부분에서 공정설비에서 나오는 약간의 오차가 최종 제품의 불량율에 영향을 미치기 때문에 설비의 미세한 조절을 위해 R2R은 상당히 이상적인 방법이라 생각된다. 

방법로도 예상보다 상당히 간단하다, 초기 데이터를 통해 선형 모델링으로 대략적인 공정의 추세를 확인한 이후, 지속적인 feedback을 통해 독립변수의 값을 조절하게 된다. 개인적으로는 R2R방법이 현실에서 사용되기에는 많은 문제를 갖고 있다고 생각된다. 우선 공정이 시간에 따라 변할때, 오차가 점차 심해진다는 문제가 있다. 그리고 독립변수를 조절한다는 점에서 하나의 설비가 하나의 독립변수만 있지는 않을꺼란 생각이 든다. single input - single ouptut(SISO)를 예를 들었지만 만일 다수의 독립변수가 있을때, 그 변수들간의 상호작용은 고려되지 않는 것 같다. 그리고고려한다고 하여도 경우의 수가 다양하기 때문에 이를 모두 고려하는 것은 어렵지 않을까 하는 생각이다. 학문적으로는 많은 수의 논문이 나와도 실제로 현실에서 적용된 케이스가 거의 없는 것도 이러한 이유가 아닐까 하는 생각이다. 오히려 이러한 문제를 해결할 수 있다면 상당히 좋은 연구주제가 될 것이라 생각한다.


도형록

금일 세미나에서는 dynamic adjustment에 대한 소개로 진행되었다. Dynamic adjustment는 run-to-run과 비슷한 개념으로, 인과모형에서 설명변수(X)의 변화에 따른 반응변수(Y)의 변화를 분석하고 이용하는 분야이다. 특히, 컨트롤 가능한 설명변수가 반응변수에 미치는 영향을 활용하여 원하는 반응변수 값을 얻기 위하여 설명변수를 적당히 조절하는 방법론이다. 예전 예측모델 활용 방안에 대해 고민할 때 간단하게 생각해봤던 개념인데, 현실적으로 유용하지만 실제로 적용하기는 쉽지 않을 것으로 보인다. 특히, 실시간으로 dynamic adjustment를 시행할 경우, 미리 학습한 예측 모델이 의미가 없어지는 상황이 발생할 수 있기 때문에, 예측 모델의 학습과 연관지어서 연구를 진행해봐야 하는 주제라고 생각한다. 세미나 뒷부분에서 진행한 프로젝트에 대한 소개에서도 비슷한 문제점을 찾을 수 있었는데, 미래 상황을 예측하여 dispatching을 변경할 경우, 기존에 학습한 상황과는 전혀 다른 상황으로 변화하기 때문에 예측 모델의 정확도가 점점 낮아졌다는 이야기를 들었다. Adaptive learning 또는 active learning 등과 연관지어 연구하면 좋을 것으로 보이는 연구 주제이다.


박영준

금일 세미나에서는 adapitve control을 이용하여 산학프로젝트를 수행했던 연구내용을 상민이 형이 발표를 하였다. Adaptive control은 공정의 run to run(R2R) control이 대표적인 방법론 중 하나이다. 상민형이 형은 물류시스템 내 운송시스템의 운용을 위해 미해의 정체상태를 예측하고 정체를 피해 움직이는 운송시스템을 디자인 하였다. 이때 딥러닝을 이용하여 정체구간을 예측한 후 R2R control 개념을 이용하여 운송시스템의 정체를 해소할 수 있음을 시뮬레이션 스터디를 통해 입증했다. 이전 세미나를 통해 R2R control과 가상계측을 이용해 공정을 관리하는 방법론을 배운바 있는데 물류시스템에도 같은 컨셉으로 효과를 볼 수 있다는게 흥미로웠다.

 

곽민구

금일 세미나는 실시간 제어시스템에 활용되는 Dynamic Adjustment에 대한 내용으로 진행되었다. 목적변수의 값에 기반하여 값에 영향을 미치는 독립변수를 제어하는 과정에 대한 내용이 중심이었다. 독립변수를 한번 업데이트하는 Robust Parameter Design과 달리, Feedforward Control, Feedback ControL과 같은 Process Adjustment는 실시간으로 파라미터를 업데이트한다. Feedforward Control의 경우 특정 설비 이전에 위치한 설비에서 나온 값을 토대로, 해당 설비의 작업환경을 조절해 주는 방식이다. 만약 특정 변수의 값이 이전 설비에서 컸기 때문에 측정값이 크게 나왔다면, 해당 설비에서는 변수의 값을 줄여서 작업을 실행하는 방식이다. 이러한 알고리즘은 작업장 내의 설비의 이동이나, 실시간 네비게이션 경로 최적화 등 다양한 분야에 응용될 수 있다. 실제로 이번 산학 프로젝트에서 진행한 내용과 결과를 설명해 주어 더욱 흥미로운 세미나가 되었다.

 

박찬희

R2R은 adaptive control 기법 중 하나로 공정의 레시피가 되는 입력 파라미터를 조절 하여 목표하는 품질 특성치를 유지하는 방법이다. 입력 파라미터는 공정에 영향을 미치는 노이즈를 예측하여 구할 수 있고 노이즈 예측을 위한 방법으로 MA와 EWMA가 주로 쓰인다. 이때 노이즈는 일반 회귀모형에서 말하는 개념과 다르다. R2R 제어 모델에서 노이즈는 공정에 영향을 미치지만 제어할 수 없는 인자를 의미하며, 입력 파라미터를 예측된 노이즈의 값에 대응하여 조절하는 것이 R2R 제어 모델의 목표이다. R2R 모델 구축을 위해서는 관측치마다 계측된 품질 특성치가 필요하므로 반도체 공정의 경우 VM 모델이 필수적이다. 성능만 확보된다면 매우 실용적이지만 아직 실용화 되지 못한 부분이 많으므로 모델 성능 개선을 위한 연구가 필요해보인다. 

 

최우식

이번 세미나는 원하는 결과 값 y를 얻기 위하여 동적으로 파라미터 x를 조절하는 방법에 대해 설명하였다. 자세한 작동 구조에 대해서는 논문 참고 등 공부를 해봐야 하겠지만, 일반적으로 사용하는 학습 데이터로 구성된 모델로부터 예측 값을 얻는 구조와는 조금 다른 양상을 보이기에 흥미로웠다. Motivation 예제와 프로젝트 내용에서는 개인적으로, 실제로 구현이 되어 있는지 아닌지는 잘 모르겠으나, 여러 시점에서의 상황을 예측하고 path 상 노드를 통과할 때 마다 그 시점에 맞는 예측 결과로 경로 설정을 하는 것은 어떨까 하는 생각이 들었다. 문제의 복잡도가 크게 증가하는 단점이 있겠지만, 보다 정밀한 경로 설정이 필요하다면 고려해볼 만한 방법일 듯 하다.

 

김영훈

오늘 세미나에서는 Adaptive Control에 대해서 공부할 수 있었다. 공정이 진행됨에 따라 하나의 고정된 파라미터로 공정을 관리하는 것이 아니라 그때 그때 상황에 맞는 최적의 공정 파라미터를 유도하고 이를 이용해 공정을 관리하는 최신 방법론이다. 다양한 연구 결과에서 이러한 방법을 썼을 때 공정의 분산이 줄어들어 훨씬 안정적으로 공정을 운영할 수 있다는 내용을 확인할 수 있다. 발표자는 이 방법의 아이디어를 실제 삼성전자 반도체 자동화 물류시스템에 적용해서 괄목할만한 성과를 냈다. 물류 시스템의 각 섹션별로 정체 지표를 추출하고 이를 이용해서 정체를 예측하는 모델을 만들어서 3 분 뒤의 정체 상황을 예측한 뒤 예측 결과에 맞춰 Adaptive하게 해당 경로의 가중치를 늘리는 방법이었다. 이 가중치를 늘려주게 되면 Shortest Path를 찾는 과정에서 정체가 예상된 경로의 거리가 크게 늘어나서 대안 경로를 선택하게 되고, 해당 경로로 유입을 막아 사전에 정체를 예방할 수 있는 효과를 갖게 된다. 이전에도 가중치를 조정하는 방식이 적용되었지만 예측에 기반한 것이 아니기 때문에 정체가 일어나 시스템에 문제가 생겼을 때 가중치가 늘어나서 큰 효과를 보지 못했다. 하지만 정체가 일어나기 전 예방하는 방식을 적용했더니 큰 성과를 얻을 수 있었다고 한다. 함께 프로젝트를 진행했지만 해당 분야에 대해 좀 더 공부하고 배울 점이 많은 것 같고, 인공지능을 생산시스템에 어떻게 적용할 수 있을 지에 대해 꾸준히 관심을 가져야 할 것 같다. 

 

이슬기

이번 세미나는 dynamic adjustment에 대해 다루었다. Run to Run, EPC 등 여러 가지 방법으로 나누어져있지만, 본질적인 목적은 모두 현재의 모델이 가장 좋은 결과물이 나올 수 있도록 조절하는데 있었다. 이를 위해서는 현재 가지고 있는 변수들 중 어떤 것이 결과물에 영향을 주는지를 알고 있음과 동시에 그 변수를 제어할 수 있는 환경에 있어야 한다. 방법론 적으로는 가장 이상적인 결과를 낼 수 있는 방법이지만, 현실에 적용함에 있어서는 아직 괴리감이 있어 보인다. 학문적으로 세운 가정을 하나씩 해결해나가면서 현실과의 간극을 좁히는 연구가 앞으로 진행되지 않을까 생각이 들었다. 세미나에서는 단변량 측면에서의 R2R을 소개하였는데, 이를 다변량 측면에서 본다면 훨씬 더 복잡한 모델이 될 것인데 이에 대한 연구들이 어떻게 진행되는지 궁금증이 생겼다.

손지은

dynamic adjustment에서 Run-to-Run(R2R)에 대한 내용을 다루었다. y의 변화량을 관측하여 미세제어를 하게되며 feedforward, feaadback 방식으로 조정할 수 있다. 발표 도중, 노이즈에 대한 개념에 대해 혼란을 야기시킬 수 있는 부분이 있었다. 단지, output을 알고 우리가 조정할 수 있는 x가 있을 때, x값을 조정하여 타겟 y를 원하는 값에 맞추고자 하는 노력이다. 세미나의 두번째 파트에서는 적응제어 기법을 적용한 산학 프로젝트 내용을 소개하였다. CUSUM 기반의 적응제어로직을 구축하였고, 시뮬레이션 결과를 통해 성능을 입증하였는데 보다 자세한 알고리즘에 대해 이해하기는 어려웠다. 세미나에서 많은 양의 내용을 다루는 바람에 산학프로젝트 결과에 대해 자세히 다루기 어려웠던 것 같다. ​




이전글
다음글

(136-713) 서울시 성북구 안암로145 고려대학교 자연계캠퍼스 신공학관 211호 | TEL.02-3290-3769
고려대학교 산업경영공학과 데이터마이닝 및 품질애널리틱스 연구실. All Right Reserved. 개인정보처리방침