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
황성진 (고려대학교) 김성범 (고려대학교)
저널정보
대한산업공학회 대한산업공학회 추계학술대회 논문집 2021년 대한산업공학회 추계학술대회
발행연도
2021.11
수록면
583 - 601 (19page)

이용수

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

이 논문의 연구 히스토리 (5)

2023

웨이퍼 신규 불량 패턴 탐지를 위한 딥 액티브 러닝 모델
황성진 산업경영공학과 산업경영공학과 2023.01 학위논문

2022

비지도 사전학습 기반 액티브 러닝을 활용한 웨이퍼 빈 맵 불량 패턴 분류
황성진 ,  김성범 대한산업공학회 춘계공동학술대회 논문집 2022.06 학술대회자료
비지도 사전학습 기반 액티브 러닝을 활용한 웨이퍼 빈 맵 불량 패턴 분류
황성진 ,  김성범 한국경영과학회 학술대회논문집 2022.06 학술대회자료
액티브 러닝을 활용한 반도체 웨이퍼 신규 불량 패턴 검출
황성진 ,  백인성 ,  김성범 대한산업공학회지 2022.04 학술저널

2021

액티브 러닝을 활용한 반도체 웨이퍼 신규 불량 패턴 검출
황성진 ,  김성범 대한산업공학회 추계학술대회 논문집 2021.11 학술대회자료

초록· 키워드

오류제보하기
In the semiconductor manufacturing industry, a wafer bin map (WBM) contains defect patterns that provides important clues to identify the root causes of the defect. Traditionally, field engineers classify the pattern types by manually checking WBM. Recently, many studies have been conducted for automatic classification by using deep learning models. To accurately classify defect patterns with convolutional neural network (CNN)-based deep learning models, every WBM must have accurate pattern labels. However, in reality, it takes a lot of time and efforts for engineers to label all the data. In addition, existing CNN-based studies show limitations that cannot detect new defect patterns, frequently occurred in real situations. In this study, we propose a new wafer pattern detection method based on active learning. Active learning effectively samples the data so that accurate model performance can be secured with only a small number of labeled data. In addition, we propose a framework that can quickly detect new defect patterns that are not used in a training stage. The usefulness and applicability of the propose method was demonstrated by WM-811K, publicly available WBM data.
#semiconductor manufacturing #defect identification #wafer bin map #active learning #sampling strategy #convolutional neural network

목차

1. 서론
2. 관련 연구
3. 제안 방법론
4. 실험 결과
5. 결론
6. 참고문헌

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

최신 반도체 공정기술
김도영 전자공학회지 2015 .01
Normalizing Flow 기반의 Continual Learning을 활용한 제조 공정에서의 이상 탐지
문지원 ,  송승환 ,  이진혁 외 1명 대한산업공학회 춘계공동학술대회 논문집 2023 .05
머신 러닝 모델을 활용한 웨이퍼 불량 탐지 및 테스트 항목 효율화
김호영 ,  강필성 대한산업공학회지 2022 .12
액티브 러닝을 활용한 반도체 웨이퍼 신규 불량 패턴 검출
황성진 ,  백인성 ,  김성범 대한산업공학회지 2022 .04
딥러닝을 활용한 반도체 웨이퍼 불량 유형 구분 모델에 관한 연구
백선재 ,  이민혁 한국통신학회 학술대회논문집 2022 .02

최근 본 자료

전체보기

댓글(0)

0