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
오은서 (국립금오공과대학교) 이현수 (국립금오공과대학교)
저널정보
한국지능시스템학회 한국지능시스템학회 논문지 한국지능시스템학회 논문지 제33권 제5호
발행연도
2023.10
수록면
399 - 405 (7page)
DOI
10.5391/JKIIS.2023.33.5.399

이용수

DBpia Top 5%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
Intelligence of Things(IoT) 발전에 따라 구현된 자동화시스템을 통해 많은 양의 데이터는 수신되고 전송된다. 이때 수집된 데이터를 통해서 기업은 제품의 결함을 사전에 예측할 수 있다. 특히, 반도체 공정은 데이터 분석을 통해 제품의 결함을 사전에 예측함으로써 제조 공정의 생산성과 효율성이 향상된다. 하지만 공정 기기의 센서 또는 하드웨어의 고장과 방전같은 이유로 데이터에 결측이 발생한다. 결측치를 제거하는 경우, 데이터의 표본 수가 줄어들어 분석의 신뢰도가 저하되며 머신러닝 및 통계 기법을 사용하여 결측치를 추정하는 경우, 결측치의 불확실성을 고려하지 않아 분석 성능의 정확도가 저하된다. 이를 위해 본 연구는 양자역학 기반의 확률 과정을 통해 데이터 특성의 추세를 반영하고 결측치의 불확실성을 고려하여 반도체 데이터의 불량 예측 정확도를 향상시키는 프레임웍을 제안한다. 결측치가 보정된 반도체 데이터는 Deep Neural Network(DNN)을 통해서 합격과 불합격으로 분류된다. 제안된 프레임웍의 우수성을 증명하기 위해서, 제안된 프레임웍과 기존의 알고리즘을 적용하여 보정된 데이터의 불량 예측성능을 비교한다.

목차

요약
Abstract
1. 서론
2. 관련 문헌 연구
3. 양자역학 기반의 결측값 추정 프레임웍을 이용한 불량 예측
4. 실험 및 결과
5. 결론 및 향후 연구
References

참고문헌 (14)

참고문헌 신청

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

최근 본 자료

전체보기

댓글(0)

0