지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 白埈杰
- 발행연도
- 2020
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (3)
2020
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
Various methods have been applied to guarantee and improve the quality of products in the semiconductor manufacturing. However, defects are becoming more various and difficult to control with product diversification and technology advancement. To ensure and improve the quality with productivity, this study predicted the final quality with actual semiconductor manufacturing data generated in each process of various characteristics. To improve the performance with practicality, failure occurrence environment and data characteristics should be considered. As the technology complexity increases, the defect frequently occurs with a same phenomenon but different root cause. Therefore, we proposed the system that divides defect types by characteristics and predict quality with unsupervised learning such as k-means and SOM(Self-Organized Map). The proposed method could provide an individual clue to improvements by clustering characteristics for defects. In addition, it showed verified applicability by improving performance about 4.4%p in AUC(Area Under the ROC Curve) and 6.8%p in partial AUC.
목차
1. 서론 12. 군집화 적용 및 품질 예측 82.1 데이터 불균형 112.2 군집화 122.2.1 k-평균 군집화 132.2.2 자기조직화지도 군집화 142.3 품질 예측 모델 163. 데이터 및 성능 척도 184. 실험 결과 214.1 군집화 결과 214.2 품질 예측 성능 비교 234.3 ROC 커브 비교 265. 결론 30참고문헌 32
최근 본 자료
댓글(0)
0