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

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
박준섭 (한국기술교육대학교) 이정훈 (한국기술교육대학교)
저널정보
대한기계학회 대한기계학회 논문집 B권 대한기계학회논문집 B권 제47권 제7호(통권 제454호)
발행연도
2023.7
수록면
359 - 366 (8page)
DOI
10.3795/KSME-B.2023.47.7.359

이용수

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

초록· 키워드

오류제보하기
반도체 공정에서는 오염입자로 인해 수득률이 떨어지기 때문에 공정 중 주변환경의 오염입자를 검사하고 제어하는 것이 매우 중요하다. 본 연구에서는 합성곱신경망(convolutional neural network)기법을 활용하여 고대역 메모리(HBM: high bandwidth memory) 조립 차감 단계 공정에서 발생한 오염입자에 대해 제품 반출 및 성분분석 과정을 생략하고 즉시 성분을 확인할 수 있는 실시간 성분 유형 예측 시스템을 개발하였다. 모델 학습을 위한 데이터는 HBM 입자 오염 원인규명 연구를 수행하면서 확보한 성분분석 결과와 외관검사기의 불량 이미지를 합성한 데이터이며 심층학습 모델은 공정별 28종 입자 오염 이미지를 입력 받고 성분 결과를 예측하였다. 모델 성능 향상을 위해 이미지 데이터의 필요한 영역만 학습하도록 알고리즘을 추가한 결과 우수한 모델 정합성 성능 향상 효과를 확인하였다. 추가 성능 향상을 위해 입자오염 및 외관 검사기 특성을 고려한 모델 이미지 증식 기법과 실제와 같은 모사 이미지를 생성하는 생산적적대신경망(generative adversarial networks) 기법을 활용하였다. 학습 데이터를 증대하고 모델 앙상블(model ensemble)을 통해 학습한 결과 각 공정별 정합성에서 93% 이상의 높은 성능을 보였다.

목차

초록
Abstract
1. 서론
2. 연구방법
3. 실험결과 및 토의
4. 결론
참고문헌

참고문헌 (16)

참고문헌 신청

함께 읽어보면 좋을 논문

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

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0