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
학술대회자료
저자정보
최종원 (고려대학교) 김성범 (고려대학교)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2023년 대한산업공학회 추계학술대회
발행연도
2023.11
수록면
2,460 - 2,481 (22page)

이용수

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

초록· 키워드

오류제보하기
The semiconductor industry, driven by technological advancements, is continuously undergoing process miniaturization. This miniaturization has led to an increased complexity in the wafer fabrication process and equipment. Inevitably, this change is accompanied by a rise in defect rates, and the traditional manual analysis methods for these defects possess several limitations. Notably, the defect analysis process is time-consuming and heavily relies on the expertise of the workers, making it challenging to achieve consistent analysis results. In modern semiconductor manufacturing sites, a vast amount of sensor data is being generated in real-time from various equipment. This data encapsulates information on the wafer"s condition, the progress of the process, and the operating conditions of the equipment. If used efficiently, these data could significantly enhance the accuracy and efficiency of defect analysis. In this study, we propose a deep learning model that leverages sensor data generated within multi-processes. The proposed method is designed to automatically classify the defect status of wafers and interpret the causes of these defects. Using the sensor data from two process equipment in semiconductor manufacturing, we achieve better classification performance than other existing methods. Through the interpretation of the classification results, we can identify the sensors and equipment that significantly impact the classification results. The proposed methodology is expected to significantly reduce the time and reliance on engineers for defect analysis, thus greatly improving production efficiency.
#Semiconductor Manufacturing #Time Series Classification #Fault Classification #Multi-Process

목차

Abstract
1. 서론
2. 배경 방법론
3. 제안 방법론
4. 실험 결과
5. 결론
참고 문헌

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

이 논문과 함께 이용한 논문

MADFlow : Normalizing Flow를 활용한 다변량 시계열 이상 탐지
문지원 ,  송승환 ,  백준걸 대한산업공학회지 2023 .06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-088370365