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
- 김성범
- 발행연도
- 2023
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수23
이 논문의 연구 히스토리 (5)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
반도체 제조 산업에서 웨이퍼 빈 맵의 불량 패턴 분류는 품질 관리와 원인 분석 측면에서 매우 중요한 문제이다. 분류 성능 향상을 위해 딥러닝 모델을 도입한 연구들이 다수 진행되고 있으나, 딥러닝 모델로 정상 및 불량 패턴을 분류하기 위해서는 모든 웨이퍼 빈 맵에 정확한 정상 및 불량 패턴 레이블이 있어야한다. 하지만 현실에서는 웨이퍼 빈 맵 별로 레이블이 지정되어 있지 않고, 데이터 양도 매우 많아서 실제 현장 엔지니어가 모든 데이터에 레이블을 부여하기에는 많은 시간과 비용이 발생한다. 게다가, 기존 CNN 기반의 연구는 현실 상황에서 추가적으로 등장하는 신규 불량 패턴은 감지할 수 없다는 한계점도 지닌다. 본 연구에서는 이러한 문제를 해결하기 위해 액티브 러닝을 활용한 반도체 웨이퍼 신규 패턴 검출 방법론을 제안한다. 액티브 러닝은 딥러닝 모델 구축에 도움을 주는 데이터를 효과적으로 샘플링할 수 있는 기법으로, 레이블이 존재하는 적은 수의 데이터만으로도 모델의 우수한 성능을 확보할 수 있다는 장점을 지닌다. 여기에 더하여, 딥러닝 모델이 실제로 보지 못했던 신규 패턴을 빠르게 탐지하고 이를 자동으로 분류할 수 있는 프레임워크를 제안했다. 제안하는 방법론의 유용성과 실제 산업에 대한 적용 가능성에 대해 웨이퍼 빈 맵 오픈데이터인 WM-811K를 통해 확인하였다
목차
초록 .................................................................................................................... iABSTRACT .................................................................................................... iii목차 ................................................................................................................... v표 목차............................................................................................................ vii그림 목차 ....................................................................................................... viii1장. 서론 ......................................................................................................... １2장. 관련 연구 ................................................................................................ ６2.1 웨이퍼 빈 맵 분류 ............................................................................ ６2.2 액티브 러닝 ..................................................................................... ７3장. 신규 패턴 탐지를 위한 액티브 러닝 ....................................................... ９3.1 데이터 소개 및 전처리 .................................................................... ９3.2 액티브 러닝 프레임워크 .............................................................. １１3.3 액티브 러닝 샘플링 전략 ............................................................. １４3.4 합성곱 신경망 분류 모델 ............................................................. １７4장. 실험결과 ............................................................................................. ２０4.1 평가 지표 ..................................................................................... ２０4.2 실험 조건 ..................................................................................... ２１4.3 실험 결과 ..................................................................................... ２２4.3.1분류 성능 평가 결과 ........................................................ ２２4.3.2훈련 데이터의 클래스별 모수 비교 ................................ ２７4.3.3신규 패턴 탐지 성능 평가 ............................................... ３０4.4 합성곱 신경망 모델 변경 평가 .................................................... ３１5장. 결론 ..................................................................................................... ３４참고문헌 ...................................................................................................... ３５
최근 본 자료
댓글(0)
0