본 논문은 2016 PHM 데이터셋을 활용하여 반도체 웨이퍼 연마 공정의 부품 건강 상태를 모니터링하고 웨이퍼 표면 마모 측정을 예측하는 모델을 제안합니다. 기존의 물리 기반 접근 방식과 달리, 많은 시계열 측정값을 포함하는 PHM 데이터셋에 데이터 기반 접근 방식, 특히 딥러닝을 적용합니다. 지도 학습의 어려움(레이블 부재)과 비지도 학습의 예측 성능 저하 문제를 해결하기 위해, 오토인코더 기반 클러스터링을 제안합니다. 이 방법은 클러스터 중심에 대한 샘플 분포를 더욱 압축하여 회귀 성능을 향상시키며, 다양한 기준 모델 및 최첨단 접근 방식과의 성능 비교를 통해 그 효과를 검증합니다.
