http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
헬리칼 공명 플라즈마에서 축 방향의 외부 자장이 기판상의 플라즈마 밀도에 미치는 영향
김태현(T. H. Kim),태흥식(H. S. Tae),이용현(Y. H. Lee),이호준(J. H. Lee),이정해(H. J. Lee),최경철(K. C. Choi) 한국진공학회(ASCT) 1999 Applied Science and Convergence Technology Vol.8 No.2
외부자장이 인가된 헬리칼 공명 플라즈마에서 플라즈마의 밀도의 축 방향 분포를 랑뮤어 프롭을 이용하여 측정하였다. 입사전력은 200 W로 고정하였고 압력은 0.4 mTorr에서 100 mTorr까지 변화하였다. 헬리칼 공명 플라즈마에 인가된 자장의 구조는 세 가지로 나누어진다. 즉 균일한 자장과 공정실의 기판을 중심으로 기판의 위쪽으로 기울기를 가지는 자장 그리고 공정실 방향 기울기를 가지는 자장으로 선택되었다. 세 종류의 자장구조에서 공정실 방향의 기울기를 가진 자장구조에서 가장 높은 플라즈마 밀도의 향상을 보였다. 헬리칼 공명 플라즈마의 플라즈마 밀도 분포는 전산모의 실험을 통해 구한 전자장의 분포와 일치하고 있으며 축 방향 자장이 인가될 때 전자장이 강한 반응실 영역은 플라즈마 분포에 큰 변화가 없으나 전자장의 영향이 작은 공정실 영역의 플라즈마 밀도는 크게 개선되었다. 인가된 자장은 플라즈마의 반경방향 균일도에 대한 영향을 피하기 위해 100 G이하의 약한 자기장에서 실험하였다. The axial distributions of plasma density in a helical resonator plasma with the external magnetic field have been measured using Langmuir probes. Net RF power is set to 200 W and chamber pressure is varied from 0.4 mTorr to 100 mTorr. There are three kinds of external magnetic field structure applied on the helical resonator plasma. One is a uniform magnetic field, the second is a positive gradient magnetic field and the third is a negative gradient magnetic field. In the three magnetic field structures, the negative gradient magnetic field is found to show the highest increase in plasma density on the substrate compared with other magnetic structures. Plasma density profile in helical resonator is well consistent with electromagnetic field pattern obtained by computer simulation. It is also found that axial magnetic fields do not affect plasma density distribution in the plasma reactor region, but induce the increase of plasma density in the process chamber region. In order to avoid the nonuniformity of radial density profile, weak magnetic fields under 100 G are applied.
딥러닝 기반 자동차 CAD 모델의 3 차원 레퍼런스 취출 연동 모델 개발
김태현(T. H. Kim),이진섭(J. S. Lee),전상환(S. H. Jeon),박성현(S. H. Park),김상휘(S. H. Kim),이지형(J. H. Lee),이은호(E. H. Lee) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 제조업 분야 설비의 무인화 및 자동화가 활발히 일어나게 되면서 인공지능과 기계학습 모델의 활용이 중요해지고 있다. 제품 생산 과정에서는 인공지능과 기계학습 기술을 활용하여 제품 결함 탐지 및 제품 판별을 진행하고 있지만, 금형의 설계 과정에서는 데이터 처리 및 활용에 어려움이 있어 인공지능 기술이 아닌, 많은 경험을 쌓은 엔지니어의 직관에 의존하고 있다. 본 연구에서는 금형 설계 시 필요한 3 차원 CAD 모델에서 각종 결함 판단에 기준이 되는 3 차원 레퍼런스를 자동 검출할 수 있는 알고리즘을 개발하였고, 이를 CAD 인터페이스에서 바로 활용할 수 있도록 CAD 연동 모델을 구현하였다. 자동 검출 알고리즘에는 Object Detection 과 Semantic Segmentation 모델을 활용하여 CAD 모델에서 취득한 서로 다른 3 차원 레퍼런스의 종류 및 위치를 정확히 검출하였다. 딥러닝의 훈련 및 검증으로 사용된 데이터는 자동차 사이드 아우터의 2 차원 형태의 이미지로 구성하였다. AI 모델 학습 데이터 생성에 필요한 수작업 비용을 줄이기 위해 CAD 인터페이스에서 CAD 데이터로부터 이미지 추출을 자동화하였고, CAD 연동모델을 통해 CAD 인터페이스에서 레퍼런스 취출 작업을 자동화하였다. 학습 데이터 수가 적음에도 불구하고, 개발한 방법을 통하여 금형의 설계 과정에서의 적용가능성을 보여주었다.