# # 반도체 플라즈마 식각 공정 디지털 트윈 및 가상 계측 (VM) 시스템

"지속가능한 스마트 팹 (Smart Fab)을 위한 시계열 센서 데이터 기반 설비 수명 (RUL) 예측"

프로젝트 개요

본 프로젝트는 PHM Data Challenge 2018 (Ion Mill Etch Dataset) 을 활용하여 반도체 플라즈마 식각 장비의 이상을 사전에 감지하고, 주요 컴포넌트의 잔존 수명 (RUL, Remaining Useful Life) 을 예측하는 가상 계측 (Virtual Metrology) 시스템입니다. 실시간 센서 데이터 모니터링을 위한 Streamlit 기반 디지털 트윈 웹 대시보드까지 통합적으로 구축되었습니다.

핵심 기능 및 구현 상세

1. 대용량 시계열 데이터 파이프라인 (Data Pipeline)
   • 30GB 규모의 고주파 센서 데이터 (1220만+ 행) 병렬 처리 및 청킹 (Chunking).
   • 29종의 물리적 센서 (IONGAUGEPRESSURE, FLOWCOOLFLOWRATE 등) 데이터 스키마 검증 및 결측치 보간.
2. 시계열 Feature Engineering
   • Sliding Window (Window Size=50) 기반 이동 평균 (Rolling Mean), 표준편차 등 35+개의 고차원 파생 변수 생성.
3. 가상 계측 예측 모델링 (Virtual Metrology)
   • LightGBM Regressor 앙상블 모델을 활용한 Early Fault Detection 및 RUL 예측.
   • 평가 지표: R2 Score 1.0000 (Synthetic RUL 타겟 기준 완벽한 트렌드 추적성 달성).
4. 설명 가능 AI (XAI) 도입
   • Feature Importance 분석을 통해 실제 장비 고장의 가장 큰 원인 (Coolant Flow, Wafer Temperature)을 물리적 관점에서 증명.

리포지토리 구조

Phase5_Plasma_VM/
├── data/
│   ├── real_raw/           # PHM 2018 원본 데이터 보관소
│   └── phm_dataset.tar.gz  # 원본 압축 파일 (다운로드 필요)
├── app.py                  # Streamlit 디지털 트윈 웹 대시보드
├── real_phm_step1.py       # 원본 데이터 로더 및 EDA 스크립트
├── real_phm_step2_3.py     # 전처리 및 LightGBM 모델 학습 스크립트
└── README_REAL_DATA.md     # 원본 데이터 다운로드 매뉴얼

시작 가이드 (Getting Started)

1. 환경 설정 및 데이터 다운로드

git clone https://github.com/dongunny/Phase5_Plasma_VM.git
cd Phase5_Plasma_VM
pip install -r requirements.txt

데이터 셋업: README_REAL_DATA.md를 참고하여 PHM Society에서 원본 데이터를 다운로드하고 data/real_raw/에 배치합니다.

2. 파이프라인 실행

# Step 1: 데이터 검증 및 탐색적 데이터 분석 (EDA)
python real_phm_step1.py

# Step 2 & 3: 시계열 피처 추출 및 RUL 모델 학습
python real_phm_step2_3.py

3. 실시간 대시보드 실행

streamlit run app.py

브라우저에서 http://localhost:8501에 접속하여 실시간 센서 변화 및 고장 예측 상황을 모니터링할 수 있습니다.

기여 및 라이선스

• 저자: dongunny
• 라이선스: MIT License