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
- 학술저널
- 저자정보
- 발행연도
- 2022.4
- 수록면
- 163 - 175 (13page)
- DOI
- 10.7232/JKIIE.2022.48.2.163
이용수
DBpia Top 5%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
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
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 devise a new pattern detection framework based on active learning. Through this, new patterns can be selectively detected even with existing active learning methodologies, and classification performance can be secured by effectively sampling unlabeled data. And we compared the performance and characteristics of each sampling strategy for new pattern detection. The usefulness and applicability of this study was demonstrated by WM-811K, publicly available WBM data.
목차
1. 서론
2. 관련 연구
3. Active Learning for Detecting New Patterns
4. 실험 결과
5. 결론
참고문헌
참고문헌 (20)
참고문헌 신청
Alawieh, M. B., Wang, F., and Li, X. (2017), Identifying wafer-level systematic failure patterns via unsupervised learning, IEEE Transactions on Computer-aided Design of Integrated Circuits and Systems, 37(4), 832-844.
Chen, W. C., Tseng, S. S., and Wang, C. Y. (2005), A novel manufacturing defect detection method using association rule mining techniques, Expert Systems with Applications, 29(4), 807-815.
Gal, Y. and Ghahramani, Z. (2016), Dropout as a bayesian approximation: Representing model uncertainty in deep learning, In International Conference on Machine Learning, PMLR, 1050-1059.
He, K., Zhang, X., Ren, S., and Sun, J. (2016), Deep residual learning for image recognition, In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 770-778.
Houlsby, N., Huszár, F., Ghahramani, Z., and Lengyel, M. (2011), Bayesian Active Learning for Classification and Preference Learning, arXiv preprint arXiv, 1112.5745.
Chen, W. C., Tseng, S. S., and Wang, C. Y. (2005), A novel manufacturing defect detection method using association rule mining techniques, Expert Systems with Applications, 29(4), 807-815.
Gal, Y. and Ghahramani, Z. (2016), Dropout as a bayesian approximation: Representing model uncertainty in deep learning, In International Conference on Machine Learning, PMLR, 1050-1059.
He, K., Zhang, X., Ren, S., and Sun, J. (2016), Deep residual learning for image recognition, In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 770-778.
Houlsby, N., Huszár, F., Ghahramani, Z., and Lengyel, M. (2011), Bayesian Active Learning for Classification and Preference Learning, arXiv preprint arXiv, 1112.5745.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
액티브 러닝을 활용한 반도체 웨이퍼 신규 불량 패턴 검출
대한산업공학회 추계학술대회 논문집
2021 .11
-
딥러닝을 이용한 웨이퍼 빈 맵 신규 패턴 검출
대한산업공학회지
2020 .06
-
Multi-class Data Description 기반의 웨이퍼 빈 맵 불량 패턴 분류 및 신규 불량 패턴 검출방법
대한산업공학회지
2022 .06
-
변분 오토인코더와 세그넷 기반 웨이퍼 불량패턴 탐지
대한산업공학회지
2019 .04
-
Wafer Map Failure Pattern Classification using Geometrical Transformation Invariant Convolutional Neural Network
대한기계학회 춘추학술대회
2021 .04
-
Wafer Map defects patterns classification using neural networks
대한산업공학회 춘계공동학술대회 논문집
2017 .04
-
맵패턴지수를 이용한 반도체 품질 관리
한국경영공학회지
2017 .01
-
FCDD 기반 웨이퍼 빈 맵 상의 결함패턴 탐지
산업경영시스템학회지
2023 .06
-
딥러닝을 이용한 웨이퍼 빈 맵 신규 패턴 탐지
대한산업공학회 추계학술대회 논문집
2019 .11
-
합성곱 신경망을 이용한 웨이퍼 맵 기반 불량 탐지
대한산업공학회지
2018 .08
-
Grad-CAM을 활용한 EfficientNetV2 기반 웨이퍼 맵 불량분석 연구
전기학회논문지
2023 .04
-
위치 정보와 ASPP를 이용한 WBM의 다이 불량 탐지
대한산업공학회 춘계공동학술대회 논문집
2021 .06
-
전이학습을 이용한 비전기반 결함 탐지 알고리즘 개발
한국CDE학회 논문집
2020 .09
-
Semiconductor Wafer Defect Classification Using Support Vector Machine with Weighted Dynamic Time Warping Kernel Function
Industrial Engineering & Management Systems
2017 .09
-
표면 결함 분류를 위한 적정 규모의 딥러닝 모델
전기학회논문지
2020 .12
-
이미지 데이터 기반 제품 분류 및 결함 검출
한국소음진동공학회논문집
2022 .12
-
수동 추출 특성과 합성곱 특성을 결합한 웨이퍼 맵 불량 패턴 분류
한국정보과학회 학술발표논문집
2020 .07
-
웨이퍼 품질 분류를 위한 결함 맵 노이즈 제거 알고리즘 개발
한국생산제조학회 학술발표대회 논문집
2024 .12
-
Convolutional Neural Network-Based Metal Surface Defect Detection
한국통신학회 학술대회논문집
2021 .06
-
회전 합 이미지 특질 결합 방법론을 활용한 웨이퍼 맵 불량 패턴 분류
대한산업공학회 추계학술대회 논문집
2020 .11
이 논문의 저자 정보
이 논문과 함께 이용한 논문
Multi-class Data Description 기반의 웨이퍼 빈 맵 불량 패턴 분류 및 신규 불량 패턴 검출방법
송창용
,
정영선
,
김병훈
대한산업공학회지
2022
.06
심층 강화학습을 활용한 이미지 분류
고병은
,
김성범
대한산업공학회지
2024
.02
딥러닝을 활용한 반도체 웨이퍼 불량 유형 구분 모델에 관한 연구
백선재
,
이민혁
한국통신학회 학술대회논문집
2022
.02
머신 러닝 모델을 활용한 웨이퍼 불량 탐지 및 테스트 항목 효율화
김호영
,
강필성
대한산업공학회지
2022
.12
인공지능 반도체란 무엇인가
김형진
,
이혁재
전자공학회지
2022
.06
최근 본 자료
댓글(0)
0