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

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

황성진 (고려대학교, 고려대학교 대학원)

지도교수
김성범
발행연도
2023
저작권
고려대학교 논문은 저작권에 의해 보호받습니다.

이용수23

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (5)

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 .................................................................................................................... i
ABSTRACT .................................................................................................... iii
목차 ................................................................................................................... v
표 목차............................................................................................................ vii
그림 목차 ....................................................................................................... viii
1장. 서론 ......................................................................................................... 1
2장. 관련 연구 ................................................................................................ 6
2.1 웨이퍼 빈 맵 분류 ............................................................................ 6
2.2 액티브 러닝 ..................................................................................... 7
3장. 신규 패턴 탐지를 위한 액티브 러닝 ....................................................... 9
3.1 데이터 소개 및 전처리 .................................................................... 9
3.2 액티브 러닝 프레임워크 .............................................................. 11
3.3 액티브 러닝 샘플링 전략 ............................................................. 14
3.4 합성곱 신경망 분류 모델 ............................................................. 17
4장. 실험결과 ............................................................................................. 20
4.1 평가 지표 ..................................................................................... 20
4.2 실험 조건 ..................................................................................... 21
4.3 실험 결과 ..................................................................................... 22
4.3.1분류 성능 평가 결과 ........................................................ 22
4.3.2훈련 데이터의 클래스별 모수 비교 ................................ 27
4.3.3신규 패턴 탐지 성능 평가 ............................................... 30
4.4 합성곱 신경망 모델 변경 평가 .................................................... 31
5장. 결론 ..................................................................................................... 34
참고문헌 ...................................................................................................... 35

최근 본 자료

전체보기

댓글(0)

0