메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김주영 (포항공과대학교) 배영목 (포항공과대학교) 최승현 (포항공과대학교) 김광재 (포항공과대학교)
저널정보
대한산업공학회 대한산업공학회지 대한산업공학회지 제49권 제3호
발행연도
2023.6
수록면
276 - 283 (8page)
DOI
10.7232/JKIIE.2023.49.3.276

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (3)

2023

칩 간 공간적 유사성과 검사항목의 상관관계를 고려한 반도체 웨이퍼 테스트 데이터의 결측치 대체 방법 개발
김주영 ,  배영목 ,  최승현 외 1명 대한산업공학회지 2023.06 학술저널

2022

관측치 간 공간적 유사성과 변수의 상관관계를 고려한 반도체 웨이퍼 테스트 데이터의 결측치 대체 방법 개발
김주영 ,  김광재 대한산업공학회 추계학술대회 논문집 2022.11 학술대회자료

2021

Probe test 검사 항목 간 관계를 고려한 웨이퍼 빈 맵 불량 유형 별 결측값 대체 방법 개발
김주영 ,  최승현 ,  김광재 대한산업공학회 추계학술대회 논문집 2021.11 학술대회자료

초록· 키워드

오류제보하기
In semiconductor manufacturing, each wafer comprises multiple chips, and each chip is tested before the packaging process. Wafer test data on electrical characteristics of chips are collected during the wafer test process. However, missing values often occur due to various manufacturing environments. In this study, a new missing value imputation method based on Generative Adversarial Imputation Nets (GAIN) is proposed. The proposed method takes into account the two characteristics of wafer test data, namely, spatial similarity among chips and test item correlation. Spatial similarity refers to the property of having similar test item values between chips in adjacent or symmetrical positions. Test item correlation refers to the positive correlation between test items with similar physical properties. Spatial similarity and test item correlation are reflected by the addition of locational information of chips and modification of the loss function in GAIN, respectively. The performance of the proposed method is validated with a real wafer test dataset by a comparison with those of existing methods in various circumstances.
#Semiconductor manufacturing #Wafer test #Missing Value Imputation #Artificial intelligence

목차

1. 서론
2. 문헌 리뷰
3. 제안 방법론
4. 실험
5. 토의
6. 결론
참고문헌

참고문헌 (27)

참고문헌 신청
Adeli, E., Zhang, J., and Taflanidis, A. A. (2021), Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations, arXiv preprint. google schola Aittokallio, T. (2010), Dealing with missing values in large-scale studies: microarray data imputation and beyond, Briefings in Bioinformatics, 11(2), 253-264. google schola Baek, S. and Lee, M. (2022), A Study on the Type Classification Model of Defective Semiconductor WafersUsing Deep Learning, Journal of the Korean Institute of Commucations and Information Sciences, 1158-1159. google schola Burkhardt, A., Berryman, S., Brio, A., Ferkau, S., Hubner, G., Lynch, K., ..., and Sonderer, K. (2018), Measuring Manufacturing Test Data Analysis Quality, In 2018 IEEE Autotestcon, 1-6. google schola Chandar, S., Khapra, M. M., Larochelle, H., and Ravindran, B. (2016), Correlational neural networks, Neural Computation, 28(2), 257-285. google schola

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

이 논문과 함께 이용한 논문

관측치 간 공간적 유사성과 변수의 상관관계를 고려한 반도체 웨이퍼 테스트 데이터의 결측치 대체 방법 개발
김주영 ,  김광재 대한산업공학회 추계학술대회 논문집 2022 .11
머신 러닝 모델을 활용한 웨이퍼 불량 탐지 및 테스트 항목 효율화
김호영 ,  강필성 대한산업공학회지 2022 .12
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
안인범 ,  김성범 대한산업공학회지 2022 .08
웨이퍼 테스트 데이터 분석을 통한 한계적합성 반도체 칩 탐지 방법 개발
박예원 ,  최승현 ,  배영목 외 1명 대한산업공학회 춘계공동학술대회 논문집 2024 .05
반도체 회로기판의 마우스바이트 고장 스크리닝을 위한 전기 테스트 평가
허석환 ,  구본흔 한국신뢰성학회 학술대회논문집 2024 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-530-001543534