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
학술저널
저자정보
Young-Seon Jeong (Chonnam National University)
저널정보
대한산업공학회 Industrial Engineering & Management Systems Industrial Engineering & Management Systems Vol.16 No.3
발행연도
2017.9
수록면
420 - 426 (7page)
DOI
10.7232/iems.2017.16.3.420

이용수

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

초록· 키워드

오류제보하기
Semiconductor wafer maps provide vital information and clues to monitor and better understand the quality issues in the underlying manufacturing process. In post-fabrication, each chip undergoes a series of quality checks to determine whether the chip is in functional or defective state. Since each defect pattern is unique, automatically characterizing the various defect patterns in wafer map can provide significant insights to process engineers towards mitigating manufacturing defects and improve the effective yield rate. In this paper, we present a novel data mining and optimization-based supervised learning algorithm, called support vector machines with weighted dynamic time warping kernel (SVM-WDTWK), to classify defect patterns on semiconductor wafers. SVM-WDTWK provides a flexible and robust matching algorithm for time series classification, leading to an accurate match between non-aligned time series data. We present a numerical comparison to show that the proposed SVM-WDTWK algorithm is superior to several existing techniques on defect pattern classification on semiconductor wafer maps.
#Wafer Map #Weighted Dynamic Time Warping Kernel #Support Vector Machines #Time Series Classification

목차

ABSTRACT
1. INTRODUCTION
2. RELATED METHODOLOGY
3. SVM WITH WEIGHTED DYNAMIC TIME WARPING KERNEL FUNCTION
4. EXPERIMENTAL RESULTS
5. CONCLUSIONS
REFERENCES

참고문헌 (25)

참고문헌 신청
Arisha, A. and Young, P. (2005), Simulation in semiconductor manufacturing facilities, Proceedings of Fifth International Workshop on Advanced Manufacturing Technologies, London. Bahlmann, C., Haasdonk, B., and Burkhardt, H. (2002), On-line handwriting recognition with support vector machines: A kernel approach, Proceedings of the 8th International Workshop on Frontiers in Handwriting, 49-54. Chao, L. C. and Tong, L. I. (2009), Wafer defect pattern recognition by multi-class support vector machines by using a novel defect cluster index, Expert Systems with Applications, 36(6), 10158-10167. Chen, F. L. and Liu, S. F. (2000), A neural-network approach to recognize defect spatial pattern in semiconductor fabrication, IEEE Transactions on Semiconductor Manufacturing, 13(3), 366-373. Cunningham, S. P. and McKinnon, S. (1998), Statistical methods for visual defect metrology, IEEE Transactions on Semiconductor Manufacturing, 11(1), 48-53.

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

반도체 장비 Heater Module 의 고장메커니즘
안영기 ,  이현석 ,  한창운 외 5명 대한기계학회 춘추학술대회 2017 .02
PCB 검사기를 위한 웨이블릿 변환 기반의 결함 검출 방법
연승근 ,  김영규 ,  박태형 전기학회논문지 2017 .10
판별 기준함수를 이용한 최적 조명메커니즘의 설계
김경범 ,  김성주 ,  조은덕 한국정밀공학회 학술발표대회 논문집 2017 .05
Classification Performance Analysis of Silicon Wafer Micro-Cracks Based on SVM
김상연 ,  김경범 Journal of the Korean Society for Precision Engineering 2016 .09
적외선 열화상을 이용한 열전반도체 결함 검사
조영태 ,  마상동 한국생산제조학회 학술발표대회 논문집 2016 .04

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-530-001255278