학습된 데이터 및 검색 기능을 통해
필요한 정보를 빠르게 획득합니다.
업무 특성에 맞게 최적의 LLM모델을
선택하고 운영할 수 있어 유연성이 높습니다.
직관적인 UI/UX설계를 통해
누구나 쉽게 활용이 가능합니다.
챗봇채팅기능 제공, 대화이력 저장,
연속 대화 기능, 파일내용 검색,
다양한 LLM 모델 적용
모델 학습학습 데이터 관리,
모델 Fine-Tuning 기능 제공,
모델 학습 과정 실시간 모니터링
RAG 검색벡터 데이터베이스 저장,
문서 기반 질의응답,
고급 검색 기능 지원
문서 생성다양한 문서양식 학습,
자동 문서 생성,
맞춤형 문서 생성 지원
인사담당자 | 예산담당자 | 내부직원 |
 |  |  |
시계열 데이터 기반 공정
이상탐지 솔루션
공정 이상 탐지
설비 고장 탐지
Health Scoring
공정 결과 예측
이상 원인 분석
수집 데이터 표준화
이미지 데이터 기반
불량탐지 딥러닝 솔루션
다양한 모델(OD,CLA,KD,SEG)
One-Click Labeling
Labeling 추천
모델 성능 향상 인사이트 제공
불량 유형 및 물리량 측정
모델 배포 / 양산 도입
Basic Solution
딥러닝이나 머신러닝 엔진 없이도
모든 설비 파라미터 데이터를 정밀하게
분석해 이상을 탐지합니다.
또한 데이터를 인공지능 적용이
용이하도록 가공하고,
맞춤형 AI 모델 개발을 위한
데이터 인프라 역할까지 수행합니다.
EHM 기본 탑재 솔루션
Health Score
Advanced Solution
플라즈마 챔버의 가스 누출을 탐지하는
솔루션과 같이 설비와 공정의 특성에 따라
특정 문제 해결을 위한 다양한 맞춤형
AI 모델과 기능을 개발하여
탑재할 수 있습니다.
맞춤형 솔루션들을
추가 탑재하기 용이한 구조로 설계되어
있어 뛰어난 확장성을 갖추었습니다.
Leak 탐지
AWC 이상 탐지
TM-PM 역학 탐지
AR 이상탐지
플라즈마 밀도 추천
문제에 따라 추가 개발
01. 데이터 수집/가공
CTC(Cluster Tool Controller)의 설비
파라미터 데이터를 원본 DB에 저장합니다.
모든 원본 데이터를 fetch·검증·전처리하여
딥러닝 학습 및 추론용 데이터로
사용 가능하도록 가공합니다.
02. 정상과 이상의 차이 학습
적정 수준 이상의 수율을 가진 정상
Wafer 100장을 기준으로 정상 Reference를
생성해 설비 동작 이상 시의 데이터와 비교하여
정상·이상 상태 간의 차이를 정밀하게 학습합니다.
CTC(Cluster Tool Controller)의 설비04. 설비 이상탐지·공정결과 예측
웨이퍼별 설비 파라미터 데이터를 전수 분석하여,
플라즈마 챔버 가스 누출 및 설비 이상을
탐지하거나 식각 설비의 Etch Amount를 추정,
공정 결과를 예측합니다.
LED X-ray검사
LED 외관 검사
가열 코일
불량 검사
PCB 불량
검사
가구 불량
검사
화장품 용기
외관 검사
배터리 제조영상
이상탐지
밸브 실린더
외관 검사
시계열 데이터 기반 공정 이상탐지 솔루션공정 이상 탐지
설비 고장 탐지
Health Scoring
공정 결과 예측
이상 원인 분석
수집 데이터 표준화
이미지 데이터 기반 불량탐지 딥러닝 솔루션다양한 모델(OD,CLA,KD,SEG)
One-Click Labeling
Labeling 추천
모델 성능 향상 인사이트 제공
불량 유형 및 물리량 측정
모델 배포 / 양산 도입
EHM 기본 탑재 솔루션 Health Score
Leak 탐지
AWC 이상 탐지
TM-PM 역학 탐지
AR 이상탐지
플라즈마 밀도 추천
문제에 따라 추가 개발
CTC(Cluster Tool Controller)의 설비 적정 수준 이상의 수율을 가진 정상 Wafer 100장을 CTC(Cluster Tool Controller)의 설비 웨이퍼별 설비 파라미터 데이터를 전수 분석하여,
