데이터마이닝을 이용한 반도체 FAB공정의 수율개선 및 예측

백동현; 한창희

추천

검색

질문

자료유형: 학술저널

저자정보: 백동현 한창희

저널정보: 한국지능정보시스템학회 지능정보연구 한국지능정보시스템학회논문지 제9권 제1호

발행연도: 2003.6

수록면: 157 - 177 (21page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (3)

2003

데이터마이닝을 이용한 반도체 FAB공정의 수율개선 및 예측

백동현 , 한창희 지능정보연구 2003.06 학술저널

2002

[B2 CRM/Data Mining] 데이터마이닝을 활용한 반도체 수율개선시스템

백동현 , 남정곤 한국경영과학회 학술대회논문집 2002.06 학술대회자료

데이터마이닝을 활용한 반도체 수율개선시스템

백동현 , 남정곤 대한산업공학회 춘계공동학술대회 논문집 2002.05 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문은 반도체 FAB공정의 수율개선 및 예측을 위해 데이터마이닝 기법을 적용한 사례를 소개한다. FAB공정의 복잡성과 생산현장에서 수집되는 방대한 기술데이터로 인해 기존의 통계적 방법이나 엔지니어의 경험적 분석방법만으로는 미처 파악하지 못하는 수율 저하 용인이 상당 수 존재한다. 본 논문은 먼저, FAB공정을 마친 웨이퍼에 불량 칩(chip)이 지리적으로 특정 위치에 집중적으로 발생하는 현상을 육안검사 대신 군집분석을 이용하여 데이터로부터 자동 판별할 수 있는 방법을 제안한다. 다음으로 연속패턴분석, 분류분석, RBF(Radial Base Function) 기법을 적용하여 수율 저하의 원인이 되는 문제 장비나 문제 파라미터를 신속, 정확하게 파악할 수 있도록 해 줄 뿐만 아니라 공정 진행 중인 제품의 미래 수율을 예측할 수 있도록 지원하는 방법을 제안한다. 또한 위 기법들을 반도체 FAB공정을 대상으로 국내 모 반도체 회사에서 정보시스템으로 구현한 Y2R-PLUS (Yield Rapid Ramp-up, Prediction, anaLysis & Up Support) 시스템을 소개한다.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

백동현

소속기관 한국지능정보시스템학회

주요연구분야 공학 > 산업공학 공학 > 컴퓨터학

논문수 5 이용수 2,011

한창희

소속기관 한국지능정보시스템학회

주요연구분야 공학 > 산업공학

논문수 1 이용수 1,151

이 논문과 함께 이용한 논문

반도체 수율 및 품질 향상을 위한 데이터 분석 방법론 개발 : 과제수행기간 : 2012.01~2012.12

이강칠 , 조정호 , 안대웅 외 9명 대한산업공학회 추계학술대회 논문집 2012 .11

반도체 제조공정에서의 투입 변수를 관리하기 위한 Hybrid 데이터마이닝 알고리즘

장동윤 , 배석주 대한산업공학회 추계학술대회 논문집 2009 .10

공정데이터를 이용한 PECVD공정의 Fault Localization

이혜민 , 홍경진 , Shallon Stubbs 외 1명 대한산업공학회 추계학술대회 논문집 2013 .11

반도체 제조 가상계측 공정변수를 이용한 웨이퍼 수율 예측 방법론

남완식 , 김성범 대한산업공학회 추계학술대회 논문집 2014 .11

휴대폰용 TFT-LCD의 Mura 불량 원인 분석

김용일 , 안원기 대한기계학회 춘추학술대회 2012 .05

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-003-013364187

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (3)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)